这个版块里所提及的很多信息，其实也属于技术版块，但由于这是一个专业性比较强的垂直行业，所以另外独立成了一个版块。

下面这些想法不一定完全正确性，不代表任何人，仅仅是个人想法，希望能找到更多的朋友一起交流。

对目前人工智能的看法

到2020年为止，人工智能距离真正的智能化还有很长一段距离，目前大部分的人工智能系统只到达了第二阶段，就是数据推理阶段。 但是很多智能系统即使到达第二阶段，也只属于第二阶段的初级阶段，目前的大部分系统本质上是属于关联型的数据库系统，利用海量数据，将其中有关联的数据关联起来，然后统计规律，预测一些数据。 这些系统都有一个共同缺点：还不能将推导出来的理论（或结论）主动性的参与实践活动，并利用从实践活动中得到的数据，反过来修正理论或数据，并改进采集数据的方式，这是一个自我修正的过程。 把目前的大部分系统称之为智能系统，还为时过早。如果能做到一个完整的“认知流程环”，才具备智能的特征。

当然了，事物的发展是具有阶段性的，不能跳跃式发展的，所以现阶段的智能系统所做的事情，是必不可少的必经阶段，也是整个发展阶段的基石。同时也要看到一些事实， 目前的大部分系统距离智能系统还很远，并不具备智能能力。

如何做好人工智能？

很多人在做人工智能的过程中，几乎把所有眼光或精力都放在算法上面，甚至变得沉迷于算法，企图用算法去解决一切问题，实际上这种做法有点过于局限了。 从人的角度来说，它（创作算法）是一种告诉计算机的怎么做事语法。

算法不等于人工智能，算法只是人工智能的其中一部分。人工智能是一件系统性的事情，它由多个工作阶段组成，每一个阶段都有自己的工作方式和特点，每个阶段之间又是互相关联互相影响的。

从唯物辩证论来说，我们生活在这个客观实体世界上，就应该尊重各种客观的规律或实物去做事，承认它们的客观存在性作为做事的基本准则。用自己的主观能动性去探索各种未知的但早已存在的客观事物（或规律）。 唯物辩证法教会了人们如何去认知客观世界，把未知的事物逐渐变成已知的事物，其中所讲述的认知方法，不仅适用于人类用于生产学习的实践中，还能用于计算机智能系统的指导设计。

智能的本质就是：能够借助于第三方事物或力量，进行自我反复学习与修正，以达到无限接近100%认知事物。

如何认知一个事物？

用唯物辩证论的方法去做的话，认知，是一个重复循环的过程，一次完成的认知过程要经过好几个阶段：

第一阶段，感性认知阶段，收集片面的，表面的数据。在这个阶段里，是对认知目标进行直接接触或观察，收集数据为主。也就是说，通过诸多现象，知道有那么一回事（知其然）。

第二阶段，理性认知阶段，将第一阶段收集到的数据进行分析，关联，找出其内部之间的关联，与外部事物之间的关联，内部与外部之间的关联，从中推理出一些理论性的知识，也就是说，这个阶段已经是知道一些原理了（知其所以然），这是一个升华阶段，提升了一个高度。

第三阶段，主观能动性实践阶段，将第二阶段得到的理论知识，去指导，参与与认知目标事物有关的社会实践活动，并在活动过程中得到的一些关于认知目标的反馈信息收集起来，这个阶段用于检验理论正确性。

第四阶段，修正阶段，将第三阶段得到的反馈信息，反过来修正之前的理论及数据，然后回到第一阶段，根据修正需求，针对性的收集指定的感性数据。至此，一个认知大循环已经完成。如下图（1）所示：

从上面四个阶段可以看出，这就是一个认知事物的过程，四个阶段环环相扣，缺一不可。但是，是不是完成一次认知循环就能完全认知事物了呢？答案是否定的，因为单靠一次或几次的认知，是没办法深入去了解一个事物的，更何况在认知的过程中有可能会犯错误的，而且在第一阶段里，采用不同的方法收集到的某类感性数据，仅仅决定了能够认知事物的某一面而已。

认知一个事物就是反反复复的做循环式的工作，如上面右边的图（2）所示，就像个不规则螺旋形那样，每一次循环面积都会增大（也就是知识增加，对目标的认知度提高），但是永远都不可能100%的认知一个事物，只能越来越接近真相，越是到后期就越困难，到了那时候，每一点点小的进步都需要付出巨大的努力。

人类的发展史其实就是一个不断认知客观世界的过程。

如何尽量最好每一个阶段的工作，这些更加详细的讨论，由于篇幅问题，我将其放在另一篇文章上《关于人工智能的每一个阶段的看法》。

在人工智能这个领域，切勿教条主义和经验主义的生搬硬套，就像人类做事一样，出发点不同，服务对象不同，导致做事方法也不同；万事无绝对，都是变化的，相对的，没有最好，只有更合适。 机器学习算法也如此，虽然算法有快慢，复杂，计算精度之分，但是对于不同的实际应用场景和服务对象来说，没有最好的机器学习算法，只有更合适的机器学习算法； 犹如学习方法一样，别人的学习方法不一定是最好的方法，合适自己（当服务对象是自己的时候）的学习方法才是最好的学习方法。