運用第一性原理探尋AI本質

文章來源：宜信技術學院|宜信支付結算團隊技術分享第二期-支付結算機器學習技術團隊負責人 劉創 分享《AI與第一性原理》

分享者：宜信支付結算機器學習技術團隊負責人 劉創

原文發布于個人博客：動物園的豬

一、AI和第一性原理

AI，也就是人工智能，這幾年非常火，但究竟AI的本質是什么呢？用第一性原理來探尋AI的本質，可能更容易理解。接下來我們一起探討AI、第一性原理、以及如何使用第一性原理來理解AI的本質。

二、第一性原理

2.1 什么是第一性原理

第一性原理，這個概念來自于古代希臘先哲——亞里士多德。

“在任何一個系統中，存在第一性原理，是一個最基本的命題或者假設，不能被省略，也不能被違反。” ——亞里士多德

聽上去有些晦澀，但解釋起來很簡單，就是：任何事物，都有其內在存在的“第一性原理”。我的理解，就是其最最本質的東西，這個東西其實就在那里，是基于最基本的假設，你必須要認可它，它不需要什么前提和證明，有了它，你就可以去推演其他別的結論出來，這些結論最終形成了整個系統。

舉幾個例子吧。

我們初中就開始學習的牛頓的機械論，他的第一性原理就是萬有引力，他所謂的“基本命題”就是萬物之間有相互的吸引力，并在不受外力的時候，保持物體的運動慣性。這兩個假設，構建出整個牛頓力學的整體大廈，指導著建筑、工業甚至天體物理的方方面面。

重新把這個概念推介給世人的埃隆馬斯克，也是一位第一性原理的實踐者。馬斯克從小就有一個夢想：移居火星，所以他開始致力于民用火箭的開發。最開始他去找俄羅斯火箭公司合作，對方給他的報價是6500萬美元以上，這個價格對他來說太過昂貴了。于是他重新思考這個問題，馬斯克潛心研究火箭原理達2年時間，了解火箭制造的原理和流程，思考在火箭制造過程中最核心的成本在什么地方。經過不斷思考和實踐，馬斯克的SpaceX公司將發射火箭的成本削減至原本的十分之一。

隨后，他又開始思考如何降低其電動車制造公司Tesla電動車電池的高成本。當時儲能電池的價格是每千瓦時600美元，這個價格對整車來說太過昂貴。馬斯克帶領團隊仔細分析電池的組成，從第一性原理進行思考：電池組到底是由什么材質組成？這些電池材質在原料市場價格是多少？經過考察后他們發現，電池是碳、鎳、鋁和一些聚合物組成，如果從倫敦金屬交易所購買這些原材料，只要 80 美元／千瓦時，與之前的價格相差8倍之多。也就是說如果他可以掌握制作電池的技術和方法，那就只剩下原材料的成本了。最終他們做到了，大幅降低了電池的成本，從而使得整個電動車工業蓬勃發展起來。

2.2 第一性原理和演繹法

第一性原理和演繹法是相生相伴的，演繹法其實就是三段論的推導，三段論指的是“大前提、小前提、結論”，大前提，就是指一般性的公理，而小前提往往是一些特例性的事實，有了大前提，小前提就可以依據這個演繹法推導出結論。

舉個例子：“人都會死的，亞里士多德是人，所以亞里士多德也是會死的。”這是三段論的一個很淺顯易懂的例子。

看到這里你是否會覺得這個方法很簡單，好像沒什么用呢？其實這里蘊含著一些東西，不知道你是否注意到。那就是，大前提至關重要，如果大前提錯了，或者大前提并不是一個很穩固的假設，那結論就有可能不正確。

如何保證大前提正確呢？這就要求大前提也是依據演繹法推導出來的。也就是說，大前提是另一個演繹推理的結論，大前提還有一個它自己的大前提，在另一個演繹推理中，它作為那個大前提的結論存在。這就形成了一個遞歸，可以不斷地向前追溯，直至達到第一性原理。

就像上學時的證明題，給你一些假設條件，讓你依據一些推理公式得到最終的結論，這樣得到的結論非常可信。

第一性原理和演繹法最經典的一個例子就是歐幾里得的《幾何原本》，他從最開始的5個公理、5個公設開始，推導出來476個幾何結論，牢固堅實。

第一性原理，輔以演繹法，是我們思考這個世界的一個非常重要的方法。我們應該使用這種方法，建立我們看待這個世界的視角。對任何事物，我們都應該不斷地去思索其最根本的原因和本質是什么？找到了這個本源、本質、它的第一性原理，其他的現象、結論和問題，都可以迎刃而解。

當然這不是一件容易的事情，在這個過程中，我們需要不斷學習、思考，去偽存真，不斷地思索，是否已經探究到事物最最本真的東西，不斷地質疑，求證，反復推演，直至我們確信已經尋到了它。

三、人工智能

回到AI這個話題。2016年，AlphaGo戰勝李世石，AI開始再次火起來，以至于創業圈、產業界甚至國家層面，都在熱炒人工智能，到處都在宣揚人工智能將超越人類，人類將面臨滅頂之災的言論。可是，真的是這樣么？讓我們思考一下，這個最熱的概念背后的本真是什么。

先舉一個最近很火的AI小栗子，ZAO~

首先，為什么AI會火起來？可能你看到的是AlphaGo的勝利，而我看到的是科技作為生產力的匱乏。

我們經歷過的IT革命、互聯網大潮，至今已經持續了30多年，可是現在這兩大技術支撐點已經開始面臨紅利消失的現狀，人們急需一種新的科技形態來接過生產力的接力棒。左看右看，區塊鏈過于炒作、物聯網也遲遲無法落地、5G目前只局限在通訊行業...唯獨AI-人工智能，似乎可以作為科技作為生產力的下一棒。就這樣，AI被推上神壇，盡管它還不成熟，它還經歷過3次低谷，然而對科技生產力的渴望，讓人們急不可耐地把它推上了舞臺。

聰明的你可能會問：為什么需要新的生產力？這正是第一性原理的思考方式，你在試圖探究事物更深處的本源了，很為你點贊。

這個問題其實很難回答，談談我的理解，是因為如果沒有新的生產力，就無法更多更高效地創造商品和價值，而不斷膨脹的消費欲望和信貸擴張，就會戛然而止，世界的經濟就會陷入停滯和衰退，從而引發各種經濟、社會、政治問題。金融界的喬布斯Ray Dalio，曾經制作過一個30分鐘講述經濟運行規律的視頻，簡單易懂地闡述了這個過程，感興趣的你可以去谷歌一下。

拋開網上這些吹捧之詞，我們來看AI產業到底發展如何呢？了解了這些，可能你就不會人云亦云地去跟著“他們”狂歡，亦或為人類未來的“滅絕”恐懼了。

然后，這個問題就變成了：我有什么辦法可以最快速、高效和全面地了解目前的AI行業，而不是只聽媒體上的片面之詞呢。

我想到了一些辦法：去36氪上查AI相關企業的融資情況，因為我堅信，投資人在理念、信息方面是遠超一般人的，而且，真金白銀投進去，他們一定會更謹慎更全面地考量。所以，觀察他們對這些AI企業的投資情況、趨勢以及額度，你就可以對這個行業的情況有一個基本了解。

我還找到了我認為目前在AI方向上做得最好的百度（當然你可以認為是其他企業，沒有關系，這個很主觀），去這些你認為的AI巨頭的網站上，觀察他們的行業案例、解決方案、技術白皮書，就可以迅速地知道一線企業究竟在什么地方做到了AI落地。

我還會去找一些AI企業的行研報告，通過專業咨詢師的眼睛，快速領略他們眼中這個行業的情況，要知道，一份行研的價值是濃縮了專業人士花費了時間和金錢之后的量化指標和主觀感受的結晶。

還有沒有更好的、更客觀、更低成本高效率的方法，幫助你了解這個行業的真實狀況，這是你應該思考的東西，這樣得到的結論，你自己才會更信服。

再回到AI這個專業領域上，什么時候AI這門學科最本真的東西呢？我最開始學習的時候，沒有解答這個問題，所以學習效率不是很高，花了很長時間才摸到門。

了解一個學科首先得了解整個學科的框架，然后理解每個大的分類后面最本質的內容。人工智能這門學科確實太大了，就拿目前最火的深度神經網絡來說吧，它其實只是機器學習的一個分支，只不過，神經網絡的效果出奇地好，因此它才得以從眾多機器學習方法中脫穎而出。

如果我們繼續往深處探究，整個機器學習本質上就是在尋找數據中的統計規律，這個規律需要被表示，要么是通過線性方法，要么是通過非線性的方法，更一般的意義上，可以通過概率分布的方法。概率分布的密度函數，本身就是一個函數，既然是函數，就可以被數學上表示和擬合，而擬合方法，就可以通過深度神經網絡的無數個神經元組成的組合表達出來。

如果再往深探究，本質是數學中的最優化理論，以及泛函中的萬能逼近定理，包括尋找參數過程中的反向梯度下降等等，諸多理論，都是信息論、概率統計、泛函、最優化以及隨機過程諸多數學分支中的嚴謹的數學定理在做支撐。

熟悉么？仿佛又回到了歐幾里得的那個5個公理和5個公設的支撐，是的，整個人工智能，都是建立在近現代數學基礎之上的，這正是第一性原理的完美詮釋！

結語

所以，不要被媒體和專家們所迷惑，自己深入其中，去探究所謂的人工智能到底是什么，探求到它的本質，一切迷霧都會煙消云散。這就是第一性原理的思維方法。

無論是了解AI的過程，還是工作生活中遇到的問題，都不要被表象和喧鬧所迷惑，沉下心來，認真探究事物本真的東西，撥開一層層別人給涂抹的外衣，看到它最內在的本源，這樣，你就會少了很多迷茫，對工作、對生活，甚至對人生，多了一份自信和從容。