最近，有几件事引起了我的兴趣，一个是Noam Chomsky提出的关于语言的想法，另一个是Alan Turing在其论文“ Computing Machinery and Intelligence”中对学习机的引用。 在古代中国文字《庄子》中，它说单词是用来传达意思的，但是一旦获得了意思，就不再有单词的用途了。 甚至可以说，一个人渴望一个人完全理解这句话，然后静静地坐着。 乔姆斯基（Chomsky）是我们今天所知道的语言学之父，他在采访中说了一些确实引起我注意的东西。 他谈到了类似的语言原则。 语言的发展是每个人的固有部分，这一事实伴随着世界上语言的多样性和多种语言的多样性。 这意味着在创建语言之前，需要先考虑一些思想。 您还如何用言语表达思想？ 在单词之前存在思想，单词只是选择的交流方式。 这仍然是神秘的无形，并把我带到了图灵。 学习的思想及其含义意味着类似的谜团。 那些抽象的想法在我们的脑海中（我称其为想法，但由于我们无法将它们放在确切的位置上，所以我们甚至称它们为博洛尼亚）如何变成复杂的句子和语言？ 我们以某种方式学会表达自己，开发系统，但并不局限于系统。 交流系统每天都在发展，因此，语言也在不断发展。 那么，这种学习的本质是什么？ 我们可以通过哪些不同的方式学习？ 我尝试在下面概述我的一些想法。 我知道对这些主题进行了广泛的研究，而我可能知之甚少，但是我认为，对自己的想法和对其他想法的研究一样多，这很有价值，这本身就是学习的开创性方面，而不是提到科学过程的基本租户。 因此，我认为这本书的写作没有比经过全面研究的专家论文更有价值。
明智的学习
这可能是最系统的学习形式之一，其中存在明确的时间表和设定的学习阶段。 想象一下功夫或跆拳道的腰带和形式系统，其中每个阶段都需要掌握某些形式或技术。 做错了，可能会把木棍粘在手上。 相反地，做对了，您可能会通过哦，如此闪闪发亮的绿色腰带。 如前所述，奖励和惩罚制度是其中的关键组成部分。
递归学习
为什么？ 什么？ 怎么样？ 什么时候？ 问题是此类学习的基础。 您可以使用自己知道的知识来学习自己不了解的知识，为此，您必须具备敏锐的提问能力。 鲨鱼可以在水中游泳，但是如果我们把它放在海滩上怎么办？ 鲨鱼会如何移动？ 然后我可以吃我想带入海水中的美味炸鱼，又不怕鲨鱼咬我吗？ 这类学习也许是使我们最接近将通过小学，中学和高等教育学到的知识发展为科学过程的原因。
这种学习对我来说尤其有趣和神秘。 它使我最接近拉马努詹的“无穷无尽”的想法或单个原子创造宇宙的想法，因为该单个原子具有无限的可能性。 甚至是虚无的概念，其中什么也没有，绝对的虚无，然而在某种程度上，虚无中我们对所有事物都有一个想法（一个黑洞）。 虽然也许有更多的神学意义，但单点创作的观念甚至在更科学的意义上也能抓住我们的思想。 主算法的思想，就是一行代码，它可以引起每一行可能的代码。 寻求统一理论-一个描述整个宇宙的方程式。 奥姆，回到更多的神学。 也许更多用禅宗的话说“现实是烂番茄”。 该声明的重要性在于，将现实描述为什么并不重要，而仅仅是描述现实。 我们如何处理它并不重要：奥姆，统一，算法，重要的是概念是否有效。 由于在我们对宇宙的所有想法中都涌现出这种观念的多样性，因此不能轻视它。 因此，我相信从无到有的一切概念都是对递归学习的有效应用。
向前一只脚—向后一只脚
在我看来，这是编程中特别困难的一种学习。 在相同的路径上，您只能采取许多步骤。 例如，在攀岩中，您通常必须先下移，四处走动，然后再返回，以越过障碍物。 除非继续攀岩的目标是要脱离岩石，否则仅继续攀爬是没有好处的。 这要求设定较小的目标才能实现较大的目标。 这些较小目标的达成共同导致了更高目标的实现，但是必须记住要退后一步，以便向前迈出两步。 我认为，挑战更多在于知道要采取多少步骤以及从那一点开始要寻求哪些可能性。 在一个特别复杂的迷宫中，您可能会遇到死胡同，然后选择备份到做出让您死胡同的最后决定。 或者，您可以选择返回上一步并重新考虑导致您做出该决定的决定。 等等。 为了确定停止并重新考虑哪一步，可能只是直觉问题。 这些无形的东西，或者像艾伦·图灵（Alan Turing）所提到的那样，是超感官的感知，是当今对机器编程最困惑的一种。 也许我的读者可以告诉我今天这种编程的状态，因为我知道目前这是一个广泛研究的问题-不再是图灵论文发表之时的1950年。
模式识别
我与这种学习方式联系最为紧密。 作为塔布拉球员，我经常接触各种花样。 塔布拉（Tabla）是北印度的一种打击乐器，打击乐器是通过口头传下来的。 因此，有一种与鼓声相关的声音打击乐器语言。 在口语学习中，我学会了措辞模式，就像婴儿一样，您在单词和句子中也掌握了各种模式。 这些模式越来越多地结合在一起，以构成越来越复杂的作品，经过足够的经验，我可以在一到两次聆听中学习“新”作品。 我之所以说“新的”，是因为从某种意义上讲，该组合只能被认为是新的，因为它是先前模式的融合或它们的发展。 换句话说，它可能只是一种新的构成，就其意义而言，它是从早期的教学中种植的种子的成长（回到递归学习中从无到有的一切思想）。 这样的想法很简单，就是模式识别可以加快学习速度，并达到我们所谓的精通水平。 马尔科姆·格拉德威尔（Malcolm Gladwell）在他的《眨眼》一书中提到，我们认为掌握精通的东西就是比没有经验的人能更快看到图案的人。 象棋大师之所以如此，是因为一眼就能看出，与一个经验不足的业余玩家相比，该大师能够看到更多的图案。
情感学习
这个话题有很广的范围。 尽管在这种情况下似乎仅适用于人类，而不是普遍适用于机器和人类（或者更笼统地说，不适用于智能本身），但图灵在他的开创性论文《计算机械与智能》中指出，机器是否存在问题。有情感或感觉基本上是意识的一种。 根本不存在质疑另一个人是否可以思考或者您是唯一一个可以思考的人的问题。 简单地假设A和B都可以思考并因此继续基于模仿游戏的问题而不是“机器可以思考”或在这种情况下感觉到的问题进行交流，则效率更高。 如果一个人不能真正知道一台机器是否只有一台机器才能感觉到，那么就像图灵所说的那样，“礼貌惯例”就是假设人和机器都感觉到并继续研究当前的问题。 因此，我不认为情感学习仅与人类智力有关。
现在继续描述通过情感学习进行的学习-音乐中最容易得到的例子。 人们通常不会发现音乐家丧失情感在他们的领域中是成功的。 正如李小龙（Bruce Lee）所说，“不要思考，感觉”。 很难想像贝多芬或巴赫成为熟练的作曲家，从机械的角度思考C大调，然后在以fortissimo编写的三重奏中以E大调思考，指挥没有任何作用，但要确保乐团继续工作并给音乐家打耳光。不要。 相反，这些作曲家很可能会在音乐中看到色彩，就像著名的昆西·琼斯（Quincy Jones）所说的那样，而正是这些感觉驱动了他们的创作。 这个和弦让我感觉如何？ 如果我加快本节的进度怎么办？ 哇，我觉得自己像是一个沉迷的树懒！ 诸如此类的情绪反应驱动学习和创造，它们也是被广泛称为体验学习的关键驱动力。
在黑暗中刺伤
随机性似乎是我们学习世界和学习世界的关键要素。 如果我们能完全预测下一次发生的一切，那么就没有什么可学的了。 我们所知道的学习只是对接下来发生的事情的一定了解。 至此，众所周知，学习已不再是世界上有价值的建设。 即使在当今世界，随着存储容量和互连计算量的不断增加，我也无法想象有一种可以想象的方法，这种方法将允许足够的存储容量来容纳宇宙中每一刻存在的所有信息。 肯尼思·弗朗西斯（Kenneth French）的《有效市场假说》（Efficient Market Hypothesis）在经济学中存在此问题，指出价格会影响所有可用信息。 因此，没有金融家可以打败市场，因为需要了解有关经济体系的所有知识来准确预测接下来会发生什么。 由于这些原因，学习中无法避免随机性，因此对于任何智能学习系统都是必不可少的
最后要提到的是，除了这些类型的学习之外，还有一些学习工具可以使学习发生。 人们可以在图灵对计算机系统的三个最重要部分的描述与这些工具之间得出相似的结论。 计算系统的三个主要组件是存储，执行单元和控制。 所有这些都涉及人类心理的各个部分-前额叶皮层，大脑，记忆。 但是，这些工具与上面介绍的学习方法不同，需要单独讨论。
在我对每种学习类型的描述中，您可能已经能够看出非常严重的阴阳效应。 没有相互排斥的学习类型，所有学习都是相互关联的，并且每种方法都必须包含另一种元素。 作为智能生物，我们不是这些系统中的一个，而是上述所有系统的组合，我相信还有更多尚待发现。 然而，我们还有很多年了，正如李小龙（Bruce Lee）所说：“所有知识，最终都意味着自我知识”。 确实，内部的奥秘是我们物种历史上最深刻的奥秘之一，成为海洋的自我意识下降就是浪潮的开始。
引文
“您可以用自己的钱做的最愚蠢的事情。”访谈。 http://freakonomics.com/（音频博客），2017年7月26日。2017年9月22日访问。http：//freakonomics.com/podcaststupidest-money/。
图灵，上午，“计算机械与智能”。思想59，否。 236（1950）：433-60。 http：/www.jstor.org/stable/2251299。
