第(2/3)页

    “现在，我加一个条件。”

    他走过去，用粉笔在第五个方块上，重重地打了个叉。

    “第五天的时候，猫没叫。”

    “现在，你们的预测还成立吗？AI遇到这种情况，会怎么处理？”

    这个问题立刻激发了计算机系学生的专业本能。

    “过滤噪声数据。”

    “调整权重，降低第五天数据的影响。”

    “可能是过拟合了，需要引入正则化项。”

    各种专业术语从教室的不同角落冒了出来。

    程建国听完，摇了摇头。

    “你们想得太复杂了。”

    他把粉笔搁在讲台的凹槽里，语气忽然变得很坦然，像是在说一件理所当然的事。

    “AI其实很笨的。”

    “它遇到异常数据，第一反应不是‘分析原因’，它没那个能力。它只会做一件事。”

    他走到黑板前，在第五个方块旁边，画了一条陡然向下的曲线。

    “降低它对‘三点会叫’这个预测的信心值。就这么简单。”

    “发现一个反例，信心就降一点。发现两个，再降一点。等信心值降到某个阈值以下，它就彻底放弃这条规律，滚回去找新的。”

    他看着台下那些渐渐变得若有所思的脸，抛出了第二个问题。

    “那么问题来了。”

    “如果猫在第五天没叫的真实原因，是那天家里来了客人，猫害怕，躲起来了呢？”

    “AI根本不知道有‘客人’这回事。它能找到真正的原因吗？”

    教室里彻底安静了。

    过了足足五秒，一个坐在前排，看起来像是研究生来旁听的女生，才缓缓地开了口。

    “不能。”

    她的声音很轻，但每个人都听见了。

    “它的认知范围，被训练数据集锁死了。如果‘客人来访’这个变量从来没有出现在它被喂过的数据里，它永远都发现不了。”

    “对。”

    程建国用力地点了一下头。

    他重新拿起粉笔，在黑板的另一侧，写下了四个大字。

    关联≠因果。

    “这就是AI目前最大的瓶颈。它很擅长在已知的数据里找关联，但它完全不理解数据背后的因果。”

    “你们以后要做AI研发，真正要啃的硬骨头，就是怎么让AI从‘看图说话’，进化到‘理解世界’。”

    “今天我们解决不了这个问题，但你们得知道它的存在。这样你们在写每一行代码的时候，才清楚自己脚底下踩的坑到底有多深。”

    时间走到了下课前十分钟。

    程建国把粉笔放回粉笔盒，动作很轻。

    他从卫衣口袋里掏出自己的手机，调出投屏，连接上了投影仪。

    “最后，给你们看个东西。”
    第(2/3)页