運用第一性原理探尋AI本質

文章來源：宜信技術學院|宜信支付結算團隊技術分享第二期-支付結算機器學習技術團隊負責人 劉創 分享《AI與第一性原理》

分享者：宜信支付結算機器學習技術團隊負責人 劉創

原文發佈於我的博客：動物園的豬

1、AI和第一性原理

AI，也就是人工智能，這幾年很是火，但究竟AI的本質是什麼呢？用第一性原理來探尋AI的本質，可能更容易理解。接下來咱們一塊兒探討AI、第一性原理、以及如何使用第一性原理來理解AI的本質。

2、第一性原理

2.1 什麼是第一性原理

第一性原理，這個概念來自於古代希臘先哲——亞里士多德。

「在任何一個系統中，存在第一性原理，是一個最基本的命題或者假設，不能被省略，也不能被違反。」 ——亞里士多德

聽上去有些晦澀，但解釋起來很簡單，就是：任何事物，都有其內在存在的「第一性原理」。個人理解，就是其最最本質的東西，這個東西其實就在那裏，是基於最基本的假設，你必需要承認它，它不須要什麼前提和證實，有了它，你就能夠去推演其餘別的結論出來，這些結論最終造成了整個系統。

舉幾個例子吧。

咱們初中就開始學習的牛頓的機械論，他的第一性原理就是萬有引力，他所謂的「基本命題」就是萬物之間有相互的吸引力，並在不受外力的時候，保持物體的運動慣性。這兩個假設，構建出整個牛頓力學的總體大廈，指導着建築、工業甚至天體物理的方方面面。

從新把這個概念推介給世人的埃隆馬斯克，也是一位第一性原理的實踐者。馬斯克從小就有一個夢想：移民火星，因此他開始致力於民用火箭的開發。最開始他去找俄羅斯火箭公司合做，對方給他的報價是6500萬美圓以上，這個價格對他來講太過昂貴了。因而他從新思考這個問題，馬斯克潛心研究火箭原理達2年時間，瞭解火箭製造的原理和流程，思考在火箭製造過程當中最核心的成本在什麼地方。通過不斷思考和實踐，馬斯克的SpaceX公司將發射火箭的成本削減至本來的十分之一。

隨後，他又開始思考如何下降其電動車製造公司Tesla電動車電池的高成本。當時儲能電池的價格是每千瓦時600美圓，這個價格對整車來講太過昂貴。馬斯克帶領團隊仔細分析電池的組成，從第一性原理進行思考：電池組究竟是由什麼材質組成？這些電池材質在原料市場價格是多少？通過考察後他們發現，電池是碳、鎳、鋁和一些聚合物組成，若是從倫敦金屬交易所購買這些原材料，只要 80 美圓／千瓦時，與以前的價格相差8倍之多。也就是說若是他能夠掌握製做電池的技術和方法，那就只剩下原材料的成本了。最終他們作到了，大幅下降了電池的成本，從而使得整個電動車工業蓬勃發展起來。

2.2 第一性原理和演繹法

第一性原理和演繹法是相生相伴的，演繹法其實就是三段論的推導，三段論指的是「大前提、小前提、結論」，大前提，就是指通常性的公理，而小前提每每是一些特例性的事實，有了大前提，小前提就能夠依據這個演繹法推導出結論。

舉個例子：「人都會死的，亞里士多德是人，因此亞里士多德也是會死的。」這是三段論的一個很淺顯易懂的例子。

看到這裏你是否會以爲這個方法很簡單，好像沒什麼用呢？其實這裏蘊含着一些東西，不知道你是否注意到。那就是，大前提相當重要，若是大前提錯了，或者大前提並非一個很穩固的假設，那結論就有可能不正確。

如何保證大前提正確呢？這就要求大前提也是依據演繹法推導出來的。也就是說，大前提是另外一個演繹推理的結論，大前提還有一個它本身的大前提，在另外一個演繹推理中，它做爲那個大前提的結論存在。這就造成了一個遞歸，能夠不斷地向前追溯，直至達到第一性原理。

就像上學時的證實題，給你一些假設條件，讓你依據一些推理公式獲得最終的結論，這樣獲得的結論很是可信。

第一性原理和演繹法最經典的一個例子就是歐幾里得的《幾何本來》，他從最開始的5個公理、5個公設開始，推導出來476個幾何結論，牢固堅實。

第一性原理，輔以演繹法，是咱們思考這個世界的一個很是重要的方法。咱們應該使用這種方法，創建咱們看待這個世界的視角。對任何事物，咱們都應該不斷地去思索其最根本的緣由和本質是什麼？找到了這個本源、本質、它的第一性原理，其餘的現象、結論和問題，均可以迎刃而解。

固然這不是一件容易的事情，在這個過程當中，咱們須要不斷學習、思考，去僞存真，不斷地思索，是否已經探究到事物最最本真的東西，不斷地質疑，求證，反覆推演，直至咱們確信已經尋到了它。

3、人工智能

回到AI這個話題。2016年，AlphaGo打敗李世石，AI開始再次火起來，以致於創業圈、產業界甚至國家層面，都在熱炒人工智能，處處都在宣揚人工智能將超越人類，人類將面臨滅頂之災的言論。但是，真的是這樣麼？讓咱們思考一下，這個最熱的概念背後的本真是什麼。

先舉一個最近很火的AI小栗子，ZAO~

首先，爲何AI會火起來？可能你看到的是AlphaGo的勝利，而我看到的是科技做爲生產力的匱乏。

咱們經歷過的IT革命、互聯網大潮，至今已經持續了30多年，但是如今這兩大技術支撐點已經開始面臨紅利消失的現狀，人們急需一種新的科技形態來接過生產力的接力棒。左看右看，區塊鏈過於炒做、物聯網也遲遲沒法落地、5G目前只侷限在通信行業...惟獨AI-人工智能，彷佛能夠做爲科技做爲生產力的下一棒。就這樣，AI被推上神壇，儘管它還不成熟，它還經歷過3次低谷，然而對科技生產力的渴望，讓人們急不可耐地把它推上了舞臺。

聰明的你可能會問：爲何須要新的生產力？這正是第一性原理的思考方式，你在試圖探究事物更深處的本源了，很爲你點贊。

這個問題其實很難回答，談談個人理解，是由於若是沒有新的生產力，就沒法更多更高效地創造商品和價值，而不斷膨脹的消費慾望和信貸擴張，就會戛然而止，世界的經濟就會陷入停滯和衰退，從而引起各類經濟、社會、政治問題。金融界的喬布斯Ray Dalio，曾經制做過一個30分鐘講述經濟運行規律的視頻，簡單易懂地闡述了這個過程，感興趣的你能夠去谷歌一下。

拋開網上這些吹捧之詞，咱們來看AI產業到底發展如何呢？瞭解了這些，可能你就不會人云亦云地去跟着「他們」狂歡，亦或爲人類將來的「滅絕」恐懼了。

而後，這個問題就變成了：我有什麼辦法能夠最快速、高效和全面地瞭解目前的AI行業，而不是隻聽媒體上的片面之詞呢。

我想到了一些辦法：去36氪上查AI相關企業的融資狀況，由於我堅信，投資人在理念、信息方面是遠超通常人的，並且，真金白銀投進去，他們必定會更謹慎更全面地考量。因此，觀察他們對這些AI企業的投資狀況、趨勢以及額度，你就能夠對這個行業的狀況有一個基本瞭解。

我還找到了我認爲目前在AI方向上作得最好的百度（固然你能夠認爲是其餘企業，沒有關係，這個很主觀），去這些你認爲的AI巨頭的網站上，觀察他們的行業案例、解決方案、技術白皮書，就能夠迅速地知道一線企業究竟在什麼地方作到了AI落地。

我還會去找一些AI企業的行研報告，經過專業諮詢師的眼睛，快速領略他們眼中這個行業的狀況，要知道，一份行研的價值是濃縮了專業人士花費了時間和金錢以後的量化指標和主觀感覺的結晶。

還有沒有更好的、更客觀、更低成本高效率的方法，幫助你瞭解這個行業的真實情況，這是你應該思考的東西，這樣獲得的結論，你本身才會更信服。

再回到AI這個專業領域上，何時AI這門學科最本真的東西呢？我最開始學習的時候，沒有解答這個問題，因此學習效率不是很高，花了很長時間才摸到門。

瞭解一個學科首先得了解整個學科的框架，而後理解每一個大的分類後面最本質的內容。人工智能這門學科確實太大了，就拿目前最火的深度神經網絡來講吧，它其實只是機器學習的一個分支，只不過，神經網絡的效果出奇地好，所以它才得以從衆多機器學習方法中脫穎而出。

若是咱們繼續往深處探究，整個機器學習本質上就是在尋找數據中的統計規律，這個規律須要被表示，要麼是經過線性方法，要麼是經過非線性的方法，更通常的意義上，能夠經過幾率分佈的方法。機率分佈的密度函數，自己就是一個函數，既然是函數，就能夠被數學上表示和擬合，而擬合方法，就能夠經過深度神經網絡的無數個神經元組成的組合表達出來。

若是再往深探究，本質是數學中的最優化理論，以及泛函中的萬能逼近定理，包括尋找參數過程當中的反向梯度降低等等，諸多理論，都是信息論、機率統計、泛函、最優化以及隨機過程諸多數學分支中的嚴謹的數學定理在作支撐。

熟悉麼？彷彿又回到了歐幾里得的那個5個公理和5個公設的支撐，是的，整我的工智能，都是創建在近現代數學基礎之上的，這正是第一性原理的完美詮釋！

結語

因此，不要被媒體和專家們所迷惑，本身深刻其中，去探究所謂的人工智能究竟是什麼，探求到它的本質，一切迷霧都會煙消雲散。這就是第一性原理的思惟方法。

不管是瞭解AI的過程，仍是工做生活中遇到的問題，都不要被表象和喧鬧所迷惑，沉下心來，認真探究事物本真的東西，撥開一層層別人給塗抹的外衣，看到它最內在的本源，這樣，你就會少了不少迷茫，對工做、對生活，甚至對人生，多了一份自信和從容。