下载掌阅APP，畅读海量书库
立即打开
2010年夏季，南非世界杯小组赛，科特迪瓦对阵朝鲜。
彼时，双方鏖战正酣，科特迪瓦队在场面上全面占优。朝鲜队教练见势不妙，喊来朝鲜队队长洪映早交代战术。有“搞笑先生”之称的科特迪瓦队员埃布埃也跟随洪映早来到场边。丝毫不懂朝鲜话的他，在对方教练与对方队长交谈的过程中，面色凝重，频频点头示意。临了离开时，埃布埃还不忘给对方教练一个坚定的眼神，看起来他似乎完全理解了教练的指示，并且会坚定执行。
这一幕不仅让球迷乐得不行，当时压力山大的朝鲜队教练和旁边的助教也笑开了花，两人边笑边调侃，似乎在说：“这埃布埃听懂了个鬼呢。”
上述一幕，稍微有点足球常识的人，都可以马上捕捉到笑点。但是如果我们把人类的通用常识和足球的专业常识统统忘掉，甚至就假设我们是一台“脑袋”空荡荡的有深度学习能力的AI，我们的学习能力究竟要达到什么水平，才有可能捕捉到这个笑点呢？
为了看懂这一幕。我们至少得知道：
（1）足球赛的规则是对抗而不是协同；
（2）埃布埃与洪映早身着不同的球衣；
（3）不同的球衣意味着不同的足球队；
（4）足球的规则要求球员须听从教练的战术部署；
（5）偷听对手队的战术部署不合适；
（6）不同国家的语言有很大差别；
（7）严肃认真的表情表示在认真聆听。
上面并未罗列完需要知道的常识。
实际上，如果我们继续罗列，会发现所需的常识的数量多得惊人。这还不算完，惊人的数量背后，还隐含着极多的常识性因果关系。这些“常识”和“因果关系”对沉浸其中的球迷来说是理所当然的，但对于一个只有深度学习能力的AI或者门外汉，俨然两道天堑。
首先是常识。
按目前AI发展的进程，虽可以用遍历的方法，穷尽我们所能输入各种常识，让AI掌握到与我们相当的水平，却是个非常庞大的系统工程。复杂系统前沿科学家梅拉妮·米歇尔在其著作《AI 3.0》中提到，当今的学界基本达成了一个共识，现阶段AI的难点在于学习人类的常识，许多前沿的公司正在针对该难点进行攻坚，并设计了一个个人类常识系统，在其中植入大量的如前文“搞笑先生”案例中的常识。
但目前最大的问题是，上述七点常识都是我们知道的，还有许多我们“不知道”我们知道的常识。就比如“搞笑先生”案例中，我们几乎不可能把所有常识一条条写出来。而所谓的人类常识系统，一些公司
在其中所罗列的共识已经达到了1500万条，遗憾的是，根据学者们的判断，这还只是常识总数的5％。一个专业人士在专业领域所掌握的常识数量，可能超过了3亿条。常识，构成了他在行业理解能力方面坚不可摧的“第一道护城河”。
其次是因果关系。
初中物理的课本中，我们曾用一个实验来解读温度计与温度的关系，其因果关系非常简单——温度上升，温度计的示数就上升。然而要让AI掌握其中的因果关系，几乎是不可能的事情。为什么这么说呢？
我们可以用A来表示温度计的示数，其对应的温度用P来表示，接着很容易得到二者的关系：A=kP，k是某个比例常数。代数运算允许我们有多种形式来书写该等式，比如P=A÷k，k=A÷P，或是A-kP=0。它们所表达的意义相同，即如果我们知道方程中的两个变量，那么就能确定第三个变量。字母k、A、P三者中的任意一个，在数学上都没有凌驾于其他二者的地位。那么，AI如何才能确凿无误地知道是温度导致了温度计的示数变化，而不是反过来？倘若这一事实都无法表达，我们又如何指望它们能理解其他因果关系？例如公鸡打鸣会不会导致太阳升起，或是树叶凋零会不会导致秋天来临？
人工智能领域的权威专家朱迪亚·珀尔（也被称为贝叶斯网络
之父）在其《为什么》一书中提出，我们对因果关系的思考会经历三个阶段：思考关联关系，思考干预结果，对事实的反思。三者中，高的阶段依赖低的阶段。这个结构被称为“因果之梯”，如图2-1所示。
图2-1 《为什么》中描述的人类对因果关系思考的三个阶段
其中，思考关联关系处于第一阶段，是指无视因果关系，只是简单地基于统计学形成的事物间的相关性判断；思考干预结果是第二阶段，它指建立在因果关系上，思考假如我们做了某件事（不需要真做），会导致什么新现象发生；反思则是最厉害的第三阶段，它指我们对某个因果关系本身的反思，思考是否有可能因果倒置，或是没有因果关系，或是其他。
在温度计的例子中，供养AI的基础数据结构都不夹带因果关系，因此哪怕目前各个行业最优秀的AI能力，都仅能做到捕捉其中的关联关系。AI只能知道温度和温度计示数二者有关联，却无从知道因果的发生方向。当然，这并不妨碍AI基于大数据的深度学习做出“温度导致温度计示数变化”的判断，但在其底层，AI永远只知道“温度”与“温度计示数”是强相关的，无法从温度计原理来得知谁导致谁，更无法顺着因果之梯向上攀爬到第二、三阶段。
幸运的是，不同于AI，我们自呱呱坠地后几年，就天然具备思考干预的能力。我们在某个专业领域钻研得越深，掌握的思考干预能力就会越强，并且会在因果之梯上继续攀爬，在不自知中就掌握了专业领域之外的人看起来不可思议的对事实的反思能力。
今天学物理课的初中生，可以轻而易举地借助思考干预的能力，回答“如果我把温度计放到热火上猛烤，会发生什么现象”这样的问题，并对造成结果的原因心如明镜。而AI哪怕经过大量的统计学“喂食”，也只是找到了“火、温度计、爆炸”三者的关联关系，几乎不可能明白在真实世界，这三者有什么因果关系，更无法举一反三。
今日物理学专业的毕业生，几乎人人具备反思的能力。他们会思考“假如没有牛顿三大定律，物理学今日发展会如何”，他们会反思“同一个对象在不同的坐标系是如何变换的”，他们甚至偶尔会怀疑“物理学的某个基础假设是错的”，然后仰望天空时设想“是否有某个特殊的东西在所有坐标系中都具有相同的速度”。实际上，100多年前，正是因为这些反思的能力，爱因斯坦提出了“光速不变原理”，这才有了颠覆物理学旧有范式的相对论的诞生。
这项被称为因果之梯第三阶段的反思能力，是AI与专业外人士毕生想要而不可得之物，却是专业人士时不时就会邂逅的低垂果实。如果说常识是通过穷尽努力可以获得的，是一个线性堆积的过程，那么反思能力则是无序的和难以捕捉的，是一种因为忙碌者在专业领域不断思考关联关系和干预结果后，涌现的能力。专业领域的因果关系及其衍生的反思能力，是忙碌者在行业理解能力方面的“第二道护城河”。
“还记得核心问题中的约束条件（时间非常有限）吗？”老东瞅着小芸，缓缓说道，“忙碌者虽然在投资上可以花的时间非常有限，但言外之意是，忙碌者都在各自的专业领域花了大量的时间，并且非常专业。他们拥有外行无法比拟的常识，以及外行根本无从获得的对行业和公司的反思能力。价值投资的核心是认识公司并判断其价值，忙碌者早已具备得天独厚的优势，只是日用而不自知罢了。”
“可还是不太对呀。”小芸蛾眉微蹙，继续说道，“我并不了解所有行业呀，中国的上市公司有几千家呢，其他公司我怎么才能弄明白呢……”
老东看着她，并不打算打断她纷飞的思绪。
“我明白了！”小芸一双明眸睁得大大的，继续道，“所以为了利用这个优势，我们应该从各自工作的或熟悉的领域开始进行投资，对吗？”
老东点了点头，笑道：“我们通常把这称为‘在能力圈内投资’。”