读完本文，你会了解：
1）为什么我们越来越不知道相信谁？
2）如何解决这个问题？相信自己并提升自己的认知力（好难）
看完了罗胖的《我们到底该信谁？》，我认真的思考半天，他主要的内容总结如下：
1）提出问题，为什么我们感觉不知道相信谁。因为科学本来就是不确定正确的（可证伪），而且往往不正确的多，正确的少是常态，只是因为现在的传播方式，导致了大家感觉科学不靠谱，不知道应当相信谁，而且科学圈的封闭等使得这种感觉更严重。
对于科学的那部分我没有什么意见，毕竟科学本来都是建立在假设之上的，在没有被证伪前我们假设这个是暂时对的，但对于科学圈的说法没啥新意，本来认知模式对于熟人，自然大家会比较易于接受，这不就是熟人的成本低嘛。不仅是科学圈这样，网红圈、财经圈、简书圈不都一样，有哪个圈是真正无成本开放的，你要加入成为圈中人总是要付出代价的啊，至少要获得大家的认同吧，这个过程本来就是大家对你的了解过程，了解了大家总体的信任成本就比较低了。
2）如何解决不知道相信谁？罗胖认为需要认知升级，对于接受什么理论或者观点，需要考虑主观概率，并且根据证据的多寡来不断调整概率，然后根据概率来决定行为。
这不就是大数据的相关性原理吗。
最不能接受的就是第2点，罗胖说这是认知的升级，假设你看待一个问题的初始概率是50%，如果有理由或者证据证明可信度上升，就调整到51%，天啊，有人能区别50%-51%可信概率的区别吗？就算是50%和60%之间的区别，你能明确界定吗？这明显是把我们人的认知水平靠向人工智能的认知水平啊，这哪是升级啊！而且罗胖还说，如果在碰到绝症时，就算5%的概率也要试一下，那这个认知提升不提升又有什么差别？
首先我们来看一下神经网络的人工智能是如何运作的。
神经网络最重要的功能就是分类，而且是让正确分类的可能性尽可能的高（绕口令）。分类就是判断，最后根据判断进行选择，就象我们人对于某个东西是否相信，然后根据相信度来采取行动。（比较技术的描述是，在一个N维的空间里，用于个N-1的超平面方程，将空间一分为二，并将这两个部分归入不同属性的类里。这只是一个神经元，对于神经网络，那情况就复杂得多，以后有机会我会详细写一篇文章，并配上程序。）
接下来就是训练神经网络了，这个和AlphaGo的训练也一样，一般分两种模式，有导师学习与无导师学习。有导师学习是根据样本，计算输出，然后和样本比较，有差异接着调整权重或者参数，一直使得神经元函数能完全符合样本。无导师学习，就是自己从网上学习，用统计的方法来校正神经元函数。
这个方法和罗胖说的根据贝叶斯定理，不断自己调整认知概率有啥不同？
其次这种认知模式真的是升级吗？
把我们的认知模式调整到了我们自己设计的机器一个水平，这是升级？而且我们的大脑还不如计算机的神经网络的速度，用我们的弱点来与人工智能竞争，以后我们不需要做决定了，只要依靠人工智能告诉我们要相信谁就行了。
我们人类的认知中，最重要的是什么？信念、理想、奉献、牺牲、理解，这些东西是无法概率化的。认知模式绝对无法通过这种方式来升级，而且你还不能完全做到，你不是机器。
最后还是回到我们能相信谁？
罗胖的意思其实是相信自己，提升自己的认知能力，只是方法上不太靠谱。
对于医学，我们要接受我们还很渺小，很多时候会无能为力，不要过度治疗和过度检查，让生命走在自己的道路上。
我是哪儿黑，让我们一起走在光明的大道上。
