主题：【原创】机器学习的基础是什么？(0) -- 看树的老鼠

你列出的路线是这样的：现有的机器学习（实际上可以抽象成：算法+数据库+大量数据）再加上一些我们已经充分理解的原则（最优能量，最小依赖，等等），就有可能形成真正的智能，至少是非常有用的智能。

这是可能的。最近Google收购的那家DeepMind就是如此思路的公司。不过，我的看法是，这样的一条路子，完全可能形成一定程度的智能，至少是能很好完成某种人定的任务。但是，这条路子，很不够。

好像是某个大家说的（忘了谁说的了），科学的每一个大的进步，是在对某种事情有了很好的理解后才达成的。我很同意。回顾科学史，的确就是这样一回事。那么现在我们看，上面你列出的那条路，是否是建立在我们对人脑的工作原理有了相当充分的理解的基础上？恐怕不能如此说吧。那条路，基本上是在蒙，就是说在对原理缺乏充分了解的情况下，试试看。

我想，非常可能的路子是这样的路子：一方面，对一些非常基本的人脑中的过程有了认识，然后在这个基础上，做出模拟这个过程的软件，硬件，或者软硬件组合；另一方面，对这些最基本过程如何集合起来处理更复杂信息的原理有认识，然后再模拟这种集合。这样，恐怕才有可能走向智能。就是说，应该对智能的原理有基本理解，才能做好智能。

当然，多种路子都是可以走的。我提倡元学习机，和机械学习，就是提倡思考也研究那些非常基本的人脑中的过程。

另外，对于“相关性”和“因果性”，我的看法是这样的，两者并非完全不可跨越。例如，现有的非常简洁的物理定律，例如牛顿第一定律，我们肯定说是因果性的规律，而不是简单的相关性。但是，这仅是我们目前的认识。抽象地讲，完全可能这个定律实际上是更大范围的的某种相关性在我们这个小时空中间的投射，因此我们看起来就是非常确定的定律。但是要从相关性进而发展到因果性，人脑里面肯定有某种机制，人群中也肯定有某种机制，来促使这个发展。我们对这个机制缺乏理解。