{"ops":[{"insert":" 最近在學(xué)習(xí)Determinism，了解到了計(jì)算機(jī)學(xué)科里對(duì)于determinism的定義，從而了解模型分類的兩個(gè)模型，scientific model和engineering model。\n 有一個(gè)法治科普的人說這世上最遠(yuǎn)的距離就是“知道”和“做到”之間的距離。馬克思說過實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)。\n 定義一個(gè)科學(xué)模型，比如牛頓第二定律的公式，相對(duì)來說容易很多，難點(diǎn)在于發(fā)現(xiàn)問題。但是用一個(gè)engineering model去實(shí)現(xiàn)這個(gè)scientific model卻不那么容易了，也許因?yàn)闊o法找到一個(gè)滿足剛性模型的材料而停滯不前很多年。\n當(dāng)前各個(gè)學(xué)科理論發(fā)展已經(jīng)非常成熟，除非發(fā)生新的技術(shù)突破。但這也恰恰說明我們的scientific 部分已經(jīng)發(fā)現(xiàn)的夠多了，我們需要是engineering model的發(fā)展，從而實(shí)現(xiàn)量變的積累達(dá)到新的質(zhì)變（科技突破）。\n\n所以我認(rèn)為站在國家層面大力發(fā)展engineering學(xué)科是當(dāng)下比較明智的選擇，也許這樣子之后下一次的科技革命就發(fā)生在中國。站在這樣的觀點(diǎn)下，我認(rèn)為人工智能的發(fā)展是一個(gè)不錯(cuò)的選擇。當(dāng)然這也因?yàn)閑ngineering model的這些特征，也許它需要更多的時(shí)間才能爆發(fā)。也因此看到了這樣一個(gè)急需解決的一個(gè)問題，當(dāng)下人工智能的engineering的效率還是不夠高，普通人還是無法輕松的搭建針對(duì)特定問題的model，還得需要學(xué)習(xí)高等數(shù)學(xué)，線性代數(shù)和概率論，這種問題是我們加速實(shí)現(xiàn)質(zhì)變的主要障礙。我們需要引入更多人的來加速engineering model的構(gòu)建，所以我認(rèn)為研究一個(gè)高效的AI engineering model是很有必要的。\n\n\n\n\n"}]}