而在一定的積累后，AlphaGo這個貝葉斯體系就可以不再依賴人類提供的數(shù)據(jù)，而是通過對優(yōu)質(zhì)數(shù)據(jù)進(jìn)行自我學(xué)習(xí)，從而在短時間內(nèi)產(chǎn)生了秒殺上一代的能力。這可以看做貝葉斯體系拜托了對初級數(shù)據(jù)的依賴，進(jìn)入了進(jìn)一步自我校準(zhǔn)的過程。
有理由相信，此后這類現(xiàn)象會陸續(xù)出現(xiàn)更多。因為人腦的學(xué)習(xí)能力有若干限制，但貝葉斯智能體卻沒有。
通過模糊知識，進(jìn)行不斷學(xué)習(xí)，最終通往廣義未知。很可能是人腦與技術(shù)未來的共同方向。至少目前來看，這種技術(shù)邏輯在前瞻性科學(xué)中的應(yīng)用已經(jīng)越來越多。比如量子貝葉斯、貝葉斯基因算法等等。
而另一方面，想知道人工智能還能在哪些領(lǐng)域做出驚人之舉。不妨也像貝葉斯一樣去思考：首先這個領(lǐng)域是否存在效率、可靠性、成本比率、盲目性等問題，如果有的話是否必要引入AI。其次看一下這個領(lǐng)域是不是存在先驗知識，作為智能體的基礎(chǔ)。再次看一下這個領(lǐng)域能否源源不斷產(chǎn)生提供給機(jī)器學(xué)習(xí)的數(shù)據(jù)和知識。
如果這幾個條件都確立，那么AI已經(jīng)不遠(yuǎn)了。
經(jīng)過PC到手機(jī)的漫長教化，我們可能已經(jīng)習(xí)慣了數(shù)字化的世界運行。但人工智能卻可能打破人與計算機(jī)的經(jīng)典搭配，利用人的感知與學(xué)習(xí)能力和計算機(jī)的運算能力來打開另一條路。也許已經(jīng)是時候改變一下互聯(lián)網(wǎng)思維，讓大腦去和人工智能產(chǎn)生多一點點默契了。