而这种识字过程和机器学习很像，如果要教计算机认字，我们就需要让计算机把每个图案反复看很多遍，总结出规律，当计算机以后再看到类似的图案，就会知道这图案到底是什么字了。

　　深度学习就是，把大量的数据丢进一个非常复杂的数据处理网络（深度神经网络），检查经过这个网络的数据是否符合要求，如果符合，就保留，不符合，就调整。

　　以AlphaGo为例，我们往里面扔进人类专业棋手以往的上百万份的棋谱，告诉它该怎么下，如果在比赛中，它胜出，我们会告诉它：你是对的，并且给予奖励，如果它下错了，我们会告诉它这个不对，你需要调整参数，增加得胜的概率。

　　这种深度学习的过程看起来和人类刻意联系的过程类似，一个专业的棋手，往往能够记住上万张棋谱，每一次的博弈，都会成为脑海中不断更新的“数据”，若在比赛中输了，棋手往往会在脑海中复盘对弈的过程，思考哪一步出错，怎么下能够胜利，从而避免同样的错误发生。

　　同样，如果一个做一个网络向人提供贷款，我们会给它输入大量的个人的银行信贷资料，当它给一个经常赖账的人贷款，我们会告诉它，不对，你要修正你的参数，降低这个人下次贷款成功的几率。

　　在《人工智能》一书中指出，深度学习能够大展身手的两个前提条件——强大的计算能力和高质量的大数据。当深度学习、大规模计算、大数据三位一体，就能够建立起“超强大脑”。

　　这也就意味着，人工智能不仅可以模仿人类的动作、语言，更有可能通过深度学习，来模拟人类大脑的思考。

人类被人工智能打败 or 和谐共存？

　　工业革命兴起之前，大部分人都从事着艰辛的农业甚至是狩猎－采集的生活，如果遇到天灾，可能会颗粒无收，工业革命之后，从事农业的人口锐减，但这并不意味着失业，相反，人们得以从繁杂的农业劳务中解脱出来，从事因为工业革命带来的新的工作。

　　而人工智能未尝不是一次革命？

　　从积极的角度来看，人工智能使得人们从枯燥、重复性的劳动中解放出来，让更多人从事其他更有创造性的工作，有更多的时间自由去生活、去旅行、去享受。

　　萨姆.奥尔特曼也相信，人工智能在未来创造的新工作机会将少于人工智能所制造的失业数量。

　　用《未来简史》中有一句话来作结尾：

传统观念把世界看成一块大小固定的饼，隐藏的假设就是世界上只有两种资源：原材料和能源。

但事实上，资源有三种：原材料、能源和知识。

原材料和能源取之有尽，用得越多，剩下的就越少；

但知识却是不断增长的，用得越多，反而拥有越多。

而且，随着知识的不断增长，还能带来更多原材料和能源。

　　只有时时刻刻更新自己的知识，才能够不在历史的洪流中被迫下线。

　　注：在这样一个变革的时代，我们的教育应该如何来适应未来的发展趋势呢？有兴趣的朋友可以关注我们关于家庭教育顶层设计课程和内容。