1、过去的电脑都是靠“程序”运转，程序员设想出可能会出现的各种情况，然后用程序告诉机器，遇到某一种情况该如何处理。如果是一个非常复杂的问题，有很多环节，机器在每一个环节上都要穷尽所有的可能性，那么计算和判断的复杂程度会呈指数型增长，直到机器彻底崩溃。
2、人处理复杂问题的思维方式比较偷懒。比如在第一个岔道口有两个选择，我们会随便选一个A，再往前走，遇到第二个岔口，我们又随便选择一个A1。如果走下去A1是死胡同，那么就赶紧回到最近的分叉点，选择A2…如此循环往返，直到找到适合的路径。这方法笨类似于碰运气，这跟人的记忆存储能力和计算能力严重不足有关，但事实证明，这是解决复杂问题的唯一正确途径。
3、智能机器人的学习方式是“试错法”或者说“深度学习”。家用扫地机器人“伦巴”的设计，最初让设计师非常苦恼，每个家庭房间不一样，有的是别墅，有的是陋室，有的房间方方正正，有的房间极不规则。如果把所有的户型资料都预先输入，几乎是不可能的。而换个思路，马上就豁然开朗了。
其思路是让机器人自己去“学习”，当伦巴刚到家里的时候，它会像喝醉酒一样到处碰壁，其实它是在学习。碰墙没有关系，它会把这当作一次失败的尝试，把结果记录下来。只要它把每一次的失败都记录下来，不断修正就能越来越熟练，最后它就像家中尽情撒欢的小狗，来去自了。
4、“试错法”是一个计算机算法在分析和预测中不断自我改进的过程，这种机器人的方法论无非是最基础的概率论。但它的技术进步之处在于，认知机器人已经开始理解更复杂的非结构化的信息，也就是说，机器人不仅能够像过去那样理解数字，还能够“看懂”图像，“听懂”人讲话等等。
5、以机器翻译为例，IBM在开发翻译软件的时候，雇用了很多语言学家，希望语言学家能够教会机器不同的语法，然后让机器根据语法学习各种语言。后来他们发现这根本行不通，最简单粗暴的办法就是把海量的语言资料都输入电脑，让电脑自己去“试错”。一开始电脑的翻译一定是不伦不类的，但慢慢的，如果你给定了足够多的正确和错误的示例，它就会慢慢弄明白哪些说法是不地道的，而哪些是地道的。它的学习也会越来越快。它可以用同样的方法学会中文俄语尼泊尔语：其实它不是在学外语，而是在处理统计数据。以后，我们很可能不用再学习外语了，人工智能会比我们做得更好。它能够掌握各种语言，靠的是大数据和“试错法”。
6、确实越来越多的工作会被机器所替代，但距离机器人取代人类的时代还早得很，目前仍在人工智能的初级阶段。现在人工智能大多局限在一个特定领域，如“伦巴”负责扫地，有的负责翻译，有的帮医生诊断疾病…但机器人不会变得全知全能，没有完全替代所有常规人类工作的可能。
7、例如工业革命让纺织行业在19世纪从手工业变成了现代工业，98%的劳动被自动化了，但纺织行业的就业人数反而增加，这是由于生产力大幅度提高之后，产品价格下降，对产品的需求就会增加。这需求的增长抵消了机器对劳动力的替代。
同样道理的有自动提款机出现与银行柜员的人数，条形码出现与收银员的人数，律师助理使用电子文档检索软件，减轻了许多工作量，但律师助理的人数反而快速增长。还有会看CT片子的电脑，没有完全替代医生的工作，而医生可借助电脑进一步提高诊断的质量……
8、所以未来的工厂里，会有一台机器一个人一条狗。有的工作是人做主机器辅助，有的工作是机器做主人来辅助，至于狗，它安安静静的趴在那儿，像个哲人一样若有所思。
20190311
