重新理解Intelligence
最近在学习和研究OSINT的相关事情,当我知道“情报”的英文叫Intelligence后,我对“智能”的理解有了更多的思考,原来在各种英语词典里Intelligence是指“智力”和“情报”,如下图。
在这篇文章里,我想聊的是我对于情报和智力/智能之间的看法。可能很多人都会认为“情报”是跟间谍、军事、秘密相关,在百度百科里有一句我比较认可的解释: 情报是为实现主体某种特定目的,有意识地对有关的事实、数据、信息、知识等要素进行劳动加工的产物 。 从这个角度来看,其实我们很多工作都跟“情报”有关,例如我们常做的各种竞品分析、行业研究等工作其实都是在有意识地对有关的事实、数据、信息、知识等要素进行加工。
前阵子我在重新理解什么是学习,或者说我们为什么要学习。最后我得出来了两个思路,除了丰富内心世界, 第一个思路是学习是为了消除无知 。我认为人的一生都想消除无知,因为我们的决策和时间或多或少都被“无知”影响,但“无知”不能只用知识衡量,也就是说不是我们掌握的信息或知识越多,我们就不无知。 无知是一种状态 ,很多时候会自己觉得自己知道了,或者受我们的经验和阅历的影响,导致我们很多事情做出了错误的判断,这些也能算得上”无知“。例如下图。
这里我还想再拓宽讲一下,为什么是消除无知而不是消除未知。因为未知涉及到时间和空间的关系,它不可能被消除,只能是被探索。而”无知“处于”已知“和”未知“中间,我们能做到的事情就是将更多未知转换成已知信息,以及正确地加工和使用这些数据完成对事物的认知和决策。
第二个思路是学习是为了更轻松地解决问题。 **** 下面的态势感知模型是学术界和工业界公认的信息处理和决策模型。标红的地方是我认为跟学习相关的模块。 学习是训练我们的信息处理机制,但决策是一个复杂的系统。 **** 除了信息处理机制,信息的关联及真伪,以及对当前环境所有已知/未知信息的认知、理解、预测所产生的工作负荷会直接影响我们的决策和执行。
回过头看“情报”的定义,你应该能发现“信息的关联及真伪,以及对当前环境所有已知/未知信息的认知、理解、预测”也可以理解为是“情报”的工作。也就是说我对一个事物的决策速度以及正确与否,更多来来源于我对于这个事物了解有多少。
为什么有些人会觉得做数学题目很难而背书很简单,但有些人相反,我相信这个除了跟学习(信息处理机制)有关,也跟工作负荷有关。当一件事情对你产生更大的工作负荷,你能把它做好的可能性会越小。这个也能从SRK模型的角度去解释,越偏向知识层面的操作(也就是没掌握),解决的过程需要大量的知识、分析和判断,因此对人的认知负荷和注意力要求最高。
回归到学习,假设Artificial General Intelligence(通用人工智能)出现后,我们应该怎么去学习?我们还需要像过往一样从基础开始学起么?还是说我们跳过了学习这个过程,只要我在做决策前理解所有相关信息并做相应的评估就可以了。我相信后者会成为常态,因为我们很多的学习都是为了解决问题。这时候我们的信息处理机制会极度依赖于Artificial Intelligence(SRK模型可以解释),而这里的Intelligence更多是指获取和应用知识和技能的能力。
除此之外,我们更需要另外一个Artificial Intelligence(情报)来帮我们构建对于当前信息的认知和理解。只有这个AI帮助我们构建正确的目标和预期,我们才能尽可能不被自己的无知束缚甚至干扰我们的决策和执行。
所以从态势感知的角度来看,Artificial Intelligence的“智能”不应该只是提升我们的智力水平,还需要不断收集和更新迭代我们需要的情报,才能让我们在遇到问题时轻松应对(低工作负荷),也能让我们更好地规避经验、记忆等因素所带来的“无知”。 以上就是我对于Artificial Intelligence一词新的看法,如果大家有新的想法欢迎一起交流。