我们老祖宗的思想中固然有一些系统化思想的痕迹和因素 ， 但是我们也不能躺在老祖宗留下的遗产上做白日梦，更不能故步自封 。西方的科学在过去的几百年间经过不断地积累已经把大多数的简单问题都搞清楚了 。从二十世纪开始量子力学，生物学，系统论和控制论等新兴学科已经把攻关的重点放在复杂系统研究上了，即使是传统的学科譬如经济学和物理学也把研究的中心放在非均衡的复杂系统上 。人工智能之所以能有今天的发展水平，除了集中了大量的计算机科学研究人员之外，也有很多生物学家和神经科学家的贡献，没有他们对动物神经元工作方式的研究，我们很难想象一个靠传统的机械方式控制的机器可以打败世界级的围棋冠军 。
最近这些年，在中国知名度最高的西方科技作家的莫过于凯文凯利了，凯文凯利出了很多本新书，比如说前几年火爆的《必然》，不过我最喜欢的还是他早年的成名作《失控》 。《失控》这本书非常厚，而且讲的内容看似比较散，从生物学到网络科技无所不包，而且这些话题貌似没什么联系，于是很多人不喜欢看这本书，或是看不懂这本书 。这本书的各个章节看似没有关系，但是凯文凯利在这本书中就是要探讨各种“活系统”和他们之间的共性，他所说的活系统就是大型的复杂系统 。如果我们仔细看看凯文凯利总结出来的“活系统的各种共性” ， 我们就会惊奇地发现《失控》这本书就是对《道德经》中许多章节的最佳注解 。我会先全文引用凯文凯利在《失控》中总结出来的“活系统”的特点 ， 然后我们会逐一看看这些特点是如何在《道德经》中被表述的 ， 凯文凯利把这些特点分成优点和缺点，我倒是觉得这种分类太牵强，这些优点和缺点是相伴而生的，是同一枚硬币的正反两面而已，所以我会称它们为正面和反面 。
正面:
可适应性
可进化
弹性
无限性
反面
非最优
不可控
不可预测
不可知
非即刻起效
下面就让我们放下东方和西方，科学和哲学的界限，来探究一些复杂系统的奥秘吧 。
学人工智能要学些什么？、数学基础 。数学基础知识蕴含着处理智能问题的基本思想与方法 ， 也是理解复杂算法的必备要素 。这一模块覆盖了人工智能必备的数学基础知识，包括线性代数、概率论、最优化方法等 。
2、机器学习 。机器学习的作用是从数据中习得学习算法，进而解决实际的应用问题 ， 是人工智能的核心内容之一 。这一模块覆盖了机器学习中的主要方法，包括线性回归、决策树、支持向量机、聚类等 。
3、人工神经网络 。作为机器学习的一个分支 ， 神经网络将认知科学引入机器学习中，以模拟生物神经系统对真实世界的交互反应，并取得了良好的效果 。这一模块覆盖了神经网络中的基本概念，包括多层神经网络、前馈与反向传播、自组织神经网络等 。
4、深度学习 。简而言之，深度学习就是包含多个中间层的神经网络，数据爆炸和计算力飙升推动了深度学习的崛起 。这一模块覆盖了深度学习的概念与实现，包括深度前馈网络、深度学习中的正则化、自编码器等 。
5、神经网络实例 。在深度学习框架下，一些神经网络已经被用于各种应用场景，并取得了不俗的效果 。这一模块覆盖了几种神经网络实例，包括深度信念网络、卷积神经网络、循环神经网络等 。
6、深度学习之外的人工智能 。深度学习既有优点也有局限，其他方向的人工智能研究正是有益的补充 。这一模块覆盖了与深度学习无关的典型学习方法，包括概率图模型、集群智能、迁移学习、知识图谱等 。
推荐阅读
- 如何把链接变成pdf档，怎么把链接弄成pdf
- cpu散热器顶盖有什么用，cpu散热器那个扣子怎么拆
- jquery初学知识点，jquery从入门到精通
- 软路由配什么cpu，软路由配什么网卡
- go语言获取url go语言获取时间戳
- 雪花啤酒如何营销，雪花啤酒营销策划
- 视频号直播卖货选什么类目，视频号直播卖货选什么类目的
- c语言位移函数头文件 c语言中位移运算符
- 平板电脑怎么给u盘传东西，平板怎么传到u盘