《超越学科的认知基础》2015秋石鑫的学习报告-第十三周
第十三周
关键词
本文
从人类认知角度谈及区块链：
马云：公开的数据有真的吗？
崔永元：这个社会没有事实，只有统一口径。
海森伯测不准原理：定域度2+关联度2=1 我们必须放弃完全定域的想法，因为我们看到的只能是这世界的一部分。 退相干：不看就不存在！ 但是以前没人的时候就已经有宇宙了不是吗？
怎么定义“真”？如何从计算机处获得真？
曾经：中心化的保证
这银行是要收费用来保证信息准确的，十分贵！
现况：一个钢筋水泥为标志的信用大厦正在被一个数据为土壤的区块链信用所代替
银行面临着新的局面挑战为：
在区块链的联合下，世界网民共同体，将会是最大的信用保护者//拥有最多网民的中国崛起之希望！//
新一代互联网走入信息自由公正的新时代（上一代是信息自由传递）
清华的传承与改革
老师对课堂逻辑模型第七块：外部因素（支撑）的补充。
改革
清华一直进行着课改；变中求不变：
目的是：由因材施教—因材求教 例如： 实验室科研探究
传承
老师给我们上了一堂清华校史课。
战争赔款建立的清华，受到最大力的支持和最大的压力；
文革时期为了赢得发展空间，提出又红又专，变成工科院校；
而现在，再度促进其他方面的发展。
目标一直是给中国培养领军人物！
生活就是不断地做决定，你需要相信什么东西。
找到内心的感动！这才是大学文化之传承。
概念学习人工智能
"从一个例子形成概念"，是人工智能尚不能达到的一点，通常的人工智能只能从大量的数据进行学习。
人类的概念有十分大的弹性，尽管边界模糊却仍然能被分辨。
Brenden Lake分析了“概念”的三个核心原则：
- 组合性（compositionality）：表征是有更简单的基元//始源域？//构成。
- 因果性（causality）：模型表征了字符生成的抽象因果结构。//映射？//
- 学会学习（learning to learn）：过去的概念知识有助于学习新的概念。//三种隐喻？//
//确实和人类的认知过程很像啊//
Ruslan Salakhutdinov, Brenden Lake, Joshua B. Tenenbaum 三位研究者声称，基于上述特点，他们设计的系统能模拟人类的"从一个例子形成概念"的能力，并能基于此能研究更复杂的概念，这才是真正的“思考”.
值得一提，这个系统已经通过了“图灵测试”。
不过韩老师强调“人工智能”并不就是对人类学习的模仿，这种技术十分重要，但肯定不是终点。
参考资料
- 教学内容：韩峰 卢达溶 清华学堂109 2015/12/9; 2:20-5:00pm
- 《科学》封面重磅论文：人工智能终于能像人类一样学习（附论）
