向 AI 学习解决问题
Light约 4 分钟2 年前的一次内部分享，整理发出。
源自纪录片《AlphaGo》中的一个小片段。
1
—
我们先花一分钟看看这个视频片段。
视频介绍了一段 AI 程序学习打砖块游戏的历程——从最初的笨拙，到 300 局游戏后的驾轻就熟，再到 500 局游戏后的骨灰级玩家。
非常厉害，对不对？
惊叹之余，我好奇的是，AI 是如何掌握并精通打砖块游戏？作为人类，我们是否可以借鉴其学习方法？
这是个很有意思的话题。
计算机的运算模式，本身就非常值得学习。因为我们当中最聪明的一批人设计了计算机，我们研究计算机的运算模式，实际上就是学习这些聪明人所提炼的思维模式。譬如内存和硬盘、类和对象、数据结构和算法、多线程，这些概念对思维都非常具有启发性。
而 AI，或者说“机器学习”，无疑是最能够具有启发性的。因为这是计算机头一回能够自行获得新知识，而非向人类习得已有的知识（以视频中的例子，AI 程序甚至习得了连程序设计者都不知道的高端玩法）。
这正是我们在社会大学经常面临的情境——在陌生环境解决新问题，没有权威教科书，也没有老师手把手教，只能依靠实践和探索。
我相信，我们可以向 AI 学习到一种通过实践获得新知识、并解决问题的通用方法论。
2
—
对此，我拆解出的要素是：目标 x 训练量 x 反馈机制 x 随机性。
下面逐一述之。
目标
AI 有非常清晰的目标：在游戏中拿到高分。
这是 AI 奋斗的方向，也是 AI 确认自己是否拿到合格成果的标尺。目标帮助明确方向、界定成果。
对于目标，需要特别分辨明晰的是结果目标和过程目标——拿到高分是结果目标，玩 500 局是过程目标。感受一下这两个目标的力度，显然，只有结果目标能够指引 AI 成为游戏专家。甚至不妨极端一点，结果目标才叫目标。
我们学到了第一点：要有清晰的结果目标。
训练量
AI 经历了 500 局的训练。正是通过这一局局的训练，AI 逐渐掌握到打砖块游戏的各种玩法，进而成为王者。无训练，不提高。
但并非所有训练都具有意义——比如，当高级玩法都已被解锁了，再进行 100 局的基础训练，那就真的只是娱乐局了。只有持续进行高质量的训练，力图通过每一次训练都获取新的知识，才能迅速了解陌生领域、进而解决问题。
人类赶不上 AI 的训练速度（毕竟，AI 计算迅速且不知疲倦），但在训练质量上其实是能够具有优势的——我们能够有意识地设计高质量训练。
我们学到的第二点是：要有足够多的高质量训练。
反馈机制
每一次训练，AI 都能得到及时反馈。
打掉一个砖块，弱正反馈；
打掉很多砖块，强正反馈；
没接到球，游戏结束，负反馈；
etc...
基于这些反馈，有效动作得到加强，无效动作被削弱。每一次训练，都能够离目标更近一些。
正是反馈机制连接起目标和训练量。反馈机制以目标为尺，以训练量为输入，以知识为输出。
反馈机制也有优劣之分，它的核心指标是输出值/输入值，即基于同样训练量所能输出的有效知识量。
以打砖块 AI 为例，我们可以设计两种不同的反馈机制：
一号反馈机制：每局游戏后，给予反馈；
二号反馈机制：每次击球后，给予反馈。
你觉得哪种反馈机制会更好？
再举一个现实例子，我们为什么对“养备胎”深恶痛绝？不正是因为这一行为破坏了反馈机制嘛。
随机性
AI 在 500 局后，探索出一种全（chuan）新的玩法——将球直接打到砖墙后方。这是程序设计者都不知道的玩法，却能够迅速打掉大量砖块，非常有效。
这便是创新。创新源自随机性，即现有知识体系之外的要素。
当然，这恰好是创新的一个正面例子。创新是个中性词。可以猜想，AI 一定也进行了许多其他创新尝试，却未必每一个创新都能带来好的成果。
这没关系，对创新足够宽容，但对创新的结果足够残酷。用 10% 的成本，寻求可能的 10x 回报。
想一想达尔文的进化论：物竞天择，适者生存。
3
—
最后提供一个检查清单，如果你正陷在瓶颈，不妨试试用此清单逐一确认。
是否有清晰的结果目标？
是否进行了足够多的训练？
训练质量高吗？
有基于目标的反馈机制吗？
每次训练得到的反馈足够快吗？反馈结论足够清晰吗？
思维被禁锢了吗？
发送“alphago”给本公众号，可获取纪录片《AlphaGo》在线播放地址。
推荐阅读