「AI哲学」让人类“为自身立命”与“为AI立心”。

AI（单一的“神经网络”端到端）与人类智能HI（“专家规则”+“神经网络”混合策略）。

因为人类的有限理性（有限的计算能力和功率），因此人类智能善于对以往的知识进行总结，生成（简化的）“专家规则”，固化成思维惯性或前意识（感性直觉），以便在遇到新情况时，节省计算时间。

点击+号关注本账号，可获得更多精彩内容。

因为人类的有限理性（有限的计算能力和功率），因此HI善于对以往的知识进行总结，生成（简化的）“专家规则”，固化成思维惯性或前意识（感性直觉），以便在遇到新情况时，节省计算时间，比如遇到情况A时，根据过往经验，第一反应优先考虑策略x；遇到情况B时，根据过往经验，第一反应优先考虑策略y。

当然，如果问题比较复杂或重要，HI也会充分调动大脑的海量神经元，重新开始进行细致地思考，计算规模可以是常规量级（即处于显意识模式、知性模式），也可以在合适的机缘下进入到超大规模量级（即切换到潜意识模式、理性直觉，这时充分激活大脑神经网络，尽可能多的神经元参与到计算）。详细讨论参考章节“4.21.6 分统要素之五：短时感性直观+中时知性经验+长时理性直觉+终时学习型元认知（规划预测、过程监控、反思修正）”。

而目前的AI算法，在数据量足够的情况下，基本摒弃了以往的人工“专家规则”策略，而单纯地采用全自动端到端地“深度神经网络”算法，以避免还需要人类专家（依赖经验和直觉）去辅助提取规则和特征。然而，当数据量不足时，AI单纯依靠神经网络并不能取得好的结果；反观HI却可以胜任，是因为其所混合采用的“专家规则”对数据量不足的情况能取得不错的效果，虽然未必特别理想，但也往往够用。

AI神经网络，是用高阶拟合方法（线性拟合、二阶拟合、……、几百阶拟合…）直接拟合复杂非线性的现实情景。但由于省去了专家规则（大方向的粗略趋势）指导，AI可能就会犯常识错误。而人类的知性（显意识模式）相当于用了很多个局部分段线性逼近（比如拟合几万个棋谱的专家规则）；但人类的潜意识神经网络（几百亿个神经元）则与AI神经网络的“端到端”相似——直接用高阶非线性去拟合复杂函数事物本质，通过与知性（显意识模式）相结合形成的“理性直觉”可以在不偏离大方向的同时，获得深入细致的思考和洞见。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）