Q&A01 | 什么是计算机思维

Q1：计算机思维的真谛是什么？是面度大量的数据而产生的解决方案吗？
A1：计算机思维是全方位的，不太可能用一两句话概括。简单地讲，需要处理好这样七对关系：

1. 大和小
2. • 这一点在周一和周二的两份来信中已经讲到了
3. 快和慢
4. • 人的进化是很慢的，每个世纪只有百分之几，总体来讲经济和发展也是比较慢的，每年最多几个百分点。因此，人本身并不适应非常快速的发展变化。但是计算机本身的发展是18个翻一番，大约相当于10年增加100倍，在智能时代，人的思维要适应这样快速变化。
5. 多维度和单一维度
6. • 从总体上来讲，人脑是线性处理事务的，看问题常常是一个角度，也没有能力把很多角度综合起来。但是，计算机有这个能力，因此占了很多维度的便宜。
7. 网络和个体
8. • 人的思维是个体行为，作决定彼此不干扰。（independent）（也得很时候吧）。这有好的一面，但是也难以集中很多人的智慧，产生叠加效果。（怪不得要多读书，站在巨人的肩膀上）。但是人工智能是建立在网络效应的基础上的，它是通过很多彼此联系的计算机协同工作而产生的。
9. 自顶向下和自底向上
10. • 自顶向下做事这一点是计算机的精髓，而人更适合自底向上。在一个组织内，自底向上的做事方式更容易激发群体的积极性，但是容易造成资源的浪费
11. 全局和局部
12. • 人做事情时，限于自己的认知，通常得到的是局部最佳，失去对全局优化的可能性。由于计算机有处理大数的能力，以及是自顶向下的做事方式，更容易得到全局最佳。这一点在AlphaGo和人类对弈表现得淋漓尽致
13. 成本和表现
14. • 人很多时候喜欢强调对错，喜欢追求绝对公平，喜欢要求最好的结果。（法国社会啊，最好的结果不正是经济学的思维模式）。但是，从工程的角度，好和坏，只是在固定成本下相对的表现。计算机里无论是软件还是硬件设计，都是在平衡性能和成本的关系。

此外，掌握计算机思维，还需要理解下面两个原则：

• 第一，等价性原则
• • 很多时候，一个较难的问题A和一个相对容易的问题B是等价的。但是人类常常容易给什么问题就解决什么问题，给了A就解决A，尽管它很难。而计算机则会试图解决等价，但是却更简单的问题。
• 第二，模块化原则
• • 我们在生活中，做一个桌子，或者一个椅子，会直接去做。而在计算机的世界里，永远是先制作几个非常简单，能够大量复制的乐高积木块，然后用很多这样简单的模块，打出复杂的桌子和椅子。

Q2:作为一个传统银行人 ，该怎么做，在哪些方面自我提升来消除或减轻危机感？
A2:这个改变会非常复杂，简单的修修补补是不行的。从历史上各个行业升级转变的经验看，应该遵循下面四个原则：

1. 目标要超前，方法和认知要彻底更新；
2. 做法上要渐进，反对一切推倒重来；
3. 坚持“原有产业 + 新技术 = 新产业”的原则；
4. 要知道，很多人是不适合改变的，因此不要指望有所人都能适应新环境，对不能适应新环境的人员要坚决淘汰。

        






Q3:为啥Elon Musk对AI是这么的担忧？
A3:多少有些噱头，因为他自己就是投重金开发AI的，并且大量利用机器人取代人工。至于是否会有机器人上街杀人，首先要担心的是有人利用机器人杀人，比如无人驾驶的战斗机就是这样的。另外，人类的杀戮并没有因为火枪的出现而在比例上有增加，更没有因为原子弹的出现而在数量上增加。
A: 保守主义哲学讲，不要只听一个人怎么说，更重要的是看他是如何做的。马斯克不停的警告人类要堤防AI，但是他的特斯拉电动车却抢先推出了自动驾驶功能，让我想起了一个有名的笑话：大家一起吃火锅，某人不停的说菜很好吃，但他自己却不停的夹肉。






Q4:对于大数世界的计算机处理的数据，也是有极限的，那更大数的世界需要怎样处理？比如，随着数据的增加，从以前的单机到服务器，再到分布式计算等处理方式。那有没有可能数据量增加到，单纯依靠增加硬件资源不能解决的地步？
A4:肯定不能完全靠增加硬件来解决所有问题。事实上，数据增加的速度超过存储增加的速度，跟超过带宽增加的速度。在依靠摩尔定律增加硬件性能的同时，还要改进算法，让硬件发挥更大的功效。






​


​