本文為閱讀總結個人認為書里概念性的、對本人有幫助的內容，僅供參考。

本書的中心假設：所有知識，無論使過去的、現在的，還是未來的，都有可能通過單個通用學習算法來從數據中獲得。

來自神經科學的論證：

發明終極算法的一種途徑（可以說是最流行的一種）就是對人腦進行逆向解析。

來自進化論的論證：

生物多樣性源于單一機制：自然選擇。

進化論是一種算法。

進化論是另外一個有希望通往終極算法的途徑。

來自物理學的論證：

如果這個世界僅僅是一個不斷變大、喧嘩嘈雜的困惑體，那么我們有理由懷疑通用學習算法的存在。但如果我們所經歷的一切僅僅是幾個簡單規律的產物，那么單個算法能推導出所有一切能推導的東西，就是可以理解的。終極算法要做的就是提供一條捷徑，通過實際觀察，用簡短的算式推導（而不是長長的算式）來得出這些規律的結果。

在《論契合：知識的統合》（Consilience）一書中，著名生物學家愛德華·威爾遜慷慨激昂低闡釋了知識（從科學到人文學）的統一性。終極算法就是該統一性的完美表達：如果所有知識共同遵循一個模式，那么終極算法就存在，反之則不存在。

來自統計學的論證：

貝葉斯定理就是將數據變成知識的機器。據貝葉斯統計學派的觀點，貝葉斯定理是將數據變成知識的唯一正確方法。如果該學派的觀點正確，貝葉斯定理要么就是終極算法，要么就是推動終極算法發展的動力。

來自計算機科學的論證：

NP完全問題（non-determinstic polynimail completeness)，即多項式復雜程度的非確定性問題，是理論計算機科學最重要的一個問題。

在計算機科學中，P和NP是兩類最重要的問題。如果我們能有效解決它，那么這個問題就屬于P；如果我們能有效找到其解決方案，那么這個問題屬于NP。

人工智能的其中一個定義是，人工智能包括找到NP完全問題的所有啟發性解決方案。

算法是歸納的過程，而學習的過程對圖靈機來說，就是演繹的過程。

機器學習算法與知識工程師：

根據知識工程支持者的觀點，知識無法自動被學習，必須通過人類專家編入計算機，才能對它進行學習。

知識工程師和機器學習算法一樣，遇到許多相同的問題，雖然他們沒有成功，但學到了許多寶貴的教訓；學習和知識以異常微妙的形式相互交織，而我們很快就會發現這一點。

?

機器學習算法的首要任務就是區別可預測的事和不可預測的事。但終極算法的目標事要學習一切能認知的東西。

科學經歷的三個時期：布拉赫時期、開普勒時期、牛頓時期。布拉赫時期，我們收集了很多數據；開普勒時期，我們使經驗規律符合數據；牛頓時期，我們發現了更深刻的真理。

當今學習算法最大的問題，不是它們數量太多，而是盡管它們有用，卻不能完成我們讓它們做的所有事情。

我們利用機器學習來發現深刻的真理之前，得先找到關于機器學習的深刻真理。

機器學習本質上簡單的，我們只需削掉數學及行話這些外皮，然后把最里面的“俄羅斯套娃”展示出來。

未來屬于那些深深懂得如何將自己的獨特專場與算法的擅長結合起來的人。

無論學習算法有多好用，也只是在獲得數據時好用。

控制好數據，控制好算法掌握的模型的所有權，這就是21實際戰爭的內容。

終極算法會給出所有學科的統一思想，并有潛力提出一套新的萬有理論。

理論是關于世界是什么的一系列約束條件，而不是對世界的完整描述。為了獲得對世界的完整描述，你必須將理論和數據結合起來。

理論的強大之處在于它簡化了我們對世界的描述。

物理定律只告訴我們局部會發生的事情。

不想特定領域的理論旨在該領域之才有權威，終極算法在所有領域中都有權威。

終極算法是所有理論的起源。

終極算法的候選項：記憶，然而世界上的東西比你能看到的多得多；微處理器，微處理器不是運行一切特殊算法最好的硬件，最好的硬件應該是特定用途集成電路，專為那種算法而精確設計；或非門，就像樂高磚不是萬能玩具一樣，或非門不是終極算法。

終極算法就是等式U(X)=0，該等式表達的是某未知數X（可能很復雜）的某函數U（可能很復雜）等于0。

機器學習的五大學派：

對于符號學派來說，所有的信息都可以簡化為操作符號。他們的主算法是逆向演繹，逆向演繹致力于弄明白，為了使演繹進展順利，哪些知識被省略了，然后弄明白是什么讓主算法變得越來越綜合。

對于聯結學派來說，學習就是大腦所做的事情，因此我們要做的就是對大腦進行逆向演繹。聯結學派的主算法是反向傳播學習算法，該算法將系統的輸出與想要的結果相比較，然后連續一層一層地改變神經元之間的連接，目的是為了使輸出的東西接近想要的東西。

進化學派認為，所有形式的學習都源于自然選擇。進化主義解決的關鍵問題是學習結構：不只是像反向傳播那樣調整參數，它還創造大腦，用來對參數進行微調。進化學派的主算法是基因編程。

貝葉斯學派最關注的問題是不確定性。解決的辦法就是運用概率推理，而主算法就是貝葉斯定理及其衍生定理。貝葉斯定理告訴我們，如何將新的證據并入我們的信仰中，而概率推理算法盡可能有效地做到這一點。

對于類推學派來說，學習的關鍵就是要在不同場景中認識到相似性，然后由此推倒出其他相似性。類推學派的主算法是支持向量機。

本書將綜合出一個擁有所有這些功能的終極算法：我們對終極算法的追尋之旅將讓我們了解這5個學派。學派與學派相遇、談判、沖突的地方，也是這個也旅程最艱難的部分。每個學派都有自己不同的觀點，我們必須將這些而觀點集中起來。

終極算法

?

總結

以上是生活随笔為你收集整理的终极算法——第二章：终极算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。