1.这是最好的时代，也是最坏的时代。
为了统一观点，我们不妨做以下假设:全局最优只存在于我们能够感知的范围内。
凡事豫则立，不豫则废，于是乎一个看似很符合逻辑的结论便是:要想做好一件事情，你必须要像古人种地那样：春耕，夏芸，秋收，冬藏。未来在古人的眼里仿佛是一个确定性的状态。打从种地那一刻起就能预料到什么时候改浇水，什么时候该施肥，什么时候该收获。换句话说，耕种这件事情很容易找到一个全局最优解。
但是，这样的方法在今天依然高效吗？今天的我们还能够找到全局最优吗？
经历了2017，我们可能或多或少会感到些不安。身边的变化似乎有些超出了我们的预料。
从前的日子变得很慢，车、马 、邮件都很慢。
以前的我们因为缺乏信息，身边的事物充满着很强的确定性。“邻国相望，鸡犬之声相闻，民至老死，不相往来”
小国寡民的生我让我们仿佛生活在一个天然的大屏障中。但放眼今天，信息量大了，越是喜欢什么，越容易越是容易陷入其中，越过得安逸，内心中就越发迷茫。我们有没有被某种无形的手所支配？
靠预测永远不是制胜的法宝，”蝴蝶效应”说的就是这个道理，这个世界毕竟太复杂了。但是，从另外一个例子中仿佛又能从复杂的不确定性中找到确定的状态，那便是生命的过程。从基因开始，经过数百万道工序转录成RNA，经过数千万道工序翻译成蛋白质，再由蛋白质经过数亿万道工序折叠….你没变成猪，你还是你。
转过来看看人工智能，它应对复杂问题的办法很简单，一言以蔽之，即:”多维度下的局部最优近似于全局最优。
人工智能的成功与复杂的生命过程之间有没有联系呢？
2.确定目标，不断迭代。
这是一个真实的故事:
某L君逃了一学期的课程，临近考试一筹莫展。无可奈何的他左手抱着试题，右手抱着答案，双手开工，刷了整整1两天后竟然出乎意料的过了。
这种方法看似笨拙，实质则是机器智能成功的关键。在上述例子中，每刷一道题我们不妨称之为迭代。每次犯错从当下的状态中找到与目标的距离，我们不妨称之为梯度。每一次犯错后，从梯度中改善原来的方法，我们不妨称之为优化。因此，我们是不是可以重新定义一下学习，即:
犯错 优化 迭代
通过简简单单的三个步骤，AlphaGo在围棋上战胜了人类。
我们教会机器如何战胜人类。现在，我们是不是可以反过来再从机器身上学到些东西呢？我们常常口中说”10000小时定律”，现在是不是应该换成“有效10000小时定律”了?
### 3.Be yourself###
尼尔·波兹曼在《娱乐至死》这本书中提出了一个观点，在未来随着机器智能的发展，人类从任何繁重的事务中解脱，8成的人只有每天娱乐至死，每天只要戴上VR眼镜，现实世界只不过是一个小小的补充。
尼尔·波兹曼《娱乐至死》
哈哈，哪里有那么悲观，发展自己的兴趣就行了。既然人类在某些领域比不过机器，那么为什么要去和他们比呢？当机器取代手工劳动后，大量的时间留给了人们。人们便可以利好这一剩余产能。
原本的你想成为一名导演，迫于生计只能改行当程序员。现在，你完全不用考虑吃喝，用人工智能技术加上你的创意，也许分分钟就能将你脑中好莱坞大片式的景象展现在人们面前。
人生来是具有创造性的。小时候你总是在床上画下一张大大的地图；长大后你老是抱怨为什么没有一个机器帮你完成老师布置的作业；老了以后，你又感叹没有个时光机能够带你回到年少看看这美丽的世界。
不必担心，机器智能会帮助你完成一切。人们将会在繁杂工作以外的领域大放异彩。艺术创作，社会服务，文化工作等等。
于是乎结论就是:你喜欢诗歌就尽情的喜欢，你热爱文学就尽情的热爱。机器智能抢走了大部分人的机会，同时又给大部分人带来了机会。因此，just be yourself。
总结一下：
“犯错，迭代，优化” 是机器智能成功的关键，我们可以类比总结出“有效10000小时定律。”
“不必跟机器硬怼，人机协作才是主流。”
“拒绝‘精耕细作’，做一个知识的‘拿来主义’者。”
“发展自己兴趣，不必有所顾虑。”
这篇文章，一是年终复盘，不能总是让知识“只进不出”，不总结一下也就忘记了。
二是告别”人工智能应用年”，让我至少在时代的风口浪尖上留下一点气息。
感谢乐乐、小强在文风上进行的指导。新的一年里，与君共勉
