有没有这样的经历：你做完一件事，事后别人告诉你一个重要的事实，你惊呼「我当时真的不知道啊！」
（我应该有一堆这样冤大头的经历，但我想不起来了……）
我们的经验有限，所以许许多多的事情是我们「真的不知道」的。这不一定是一个弱点，反而可能是我们比 AI 更优越的地方。
1939 年，博士研究生 George Dantzig 上统计课迟到了。他偷偷溜进教室，发现教授已经在黑板上留了两道作业题。作业原本隔天就要交，结果他做了两三天才做出来，并觉得「这两道题比平常的作业题好像要稍微难一些」。
六周后，授课教授兴奋地找到 George Dantzig，告诉他：那两道题其实是统计学中著名的未解之难题，而他给出的解法经反复验证是正确的！
如果 George Dantzig 当时并不是「真的不知道这是未解之题」的话，他还会不会花时间去试着解决它们呢？也许吧，但动力可能比「这是作业题」要低多了。
但换作 AI 可真就不好说了——如果训练数据里有大量关于「这题如何如何难」的内容，AI 很可能就会被套住紧箍咒，想不出解决办法。
十几年寒窗苦读，就是为了让自己从「不知道」的状态变成「知道」的状态。但有意思的是，物理上从「不知道」变「知道」比较容易，从「知道」变成「不知道」才是更困难的。
比如拿我们现在用的 NAND 固态硬盘来说，信息擦除是对硬件伤害最大的操作，以至于操作系统都要优化写入算法，让擦除操作尽量平摊到固态硬盘的各个区域。固态硬盘的核心品质指标「额定总写入 TB 量（TBW）」就是照着可擦除次数算出来的。
物理学与信息学的交叉领域有一个重要的定律「兰道尔原理（Landauer's Principle）」，讲的是「擦除信息必须要付出热力学代价（放热）」，而对于信息的写入操作其实反而是没有热力学限制的。
我们人脑其实也是这样啊：「给我一杯忘情水，换我一生不伤悲……」（糟糕，好像越写越离题了。）
知道的多，不一定就是长处；不知道的多，可能性也多。
为「不知道的事很多」而感到 FOMO 是非常不值得，尤其是那些让人焦虑又无力的时政类信息。天天看短视频和短文「积累知识」也不一定是有益无害的事情……
🏃♂️……等等，你别退订我的日更博客啊啊啊～
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。