算法给我们的启示是什么呢？_风闻

【本文来自《我在尝试学习人工智能入门知识》评论区，标题为小编添加】

一种伟大的玩法带给人类世普遍意义方面的启示

学习之616

我以为，算法是一种伟大的玩法。我的这种认识，是大致翻阅了包括斯坦福、康奈尔、剑桥在内的专家写的科普入门书之后产生的。同时，我也大致翻阅了个别世界顶级名校认知心理学、认知语言学、脑神经学的概述和目录。但是，都是走马观花。因为如果细钻不仅费时间，且过于专业的细节术语让我头疼。总是止步在目录或个别感兴趣可看懂的章节上。无功利漫游的好处是，信马由缰，随意在知识的原野上打滚，且毫无负担感。

我是把算法当作哲学看，可能造成了与专业学习算法的人士所感所悟有些差异。

这里，我想用最通俗的话、用不是数学或电脑的语言，尝试把我对算法的理解记录一下。何况，算法领域的数学和电脑语言，我也不懂。我只是感觉到算法对人类认知的启示很多，但硬着头皮、顺着兴趣蹓跶到了这个地段。

我感到，算法是一种伟大的玩法，这种玩法给我们人类世普遍意义方面的启示很多。

算法的出发点，是为了寻找解决问题的方法。接近准确地说法，是否可以把算法理解成“适合用电脑实现解决问题的方法组合体"。需要解决的问题很多，用什么方法解决是个很难选择的认知问题，因为方法也是一种认知空间的选择。这样，人脑的智慧和电脑的智慧如何互补、如何结合之类的问题，便推动人脑认知水平和电脑算法的完善进行不断互动。

形成算法的前提，应该是数据。就是说，算法因数据而产生。没有数据，算法就失去了“算"的对象和内容。

多数算法，都需要收集和组织数据。为了收集数据，就需要设计输入模式。而组织起来的数据，便形成了数据结构。

算法的基础思维应该是，在现有数据的前提下，尽可能找到最节约资源的解决问题的方法组合。

其实，在解决问题的过程中，有三个普遍存在的环节。第一，是数据的完整性，即数据收集与输入的阶段及其模式选择。如同传统的调查研究、分类选典、统计数据一样。第二，是选择和排序。在广泛意义上的数据完整性建立以后，不论是问题、还是原因、还是措施与方法，均涉及到如何选择、如何排序这类问题。如，学科选择、题目选择、用人选择、运输选择等，只要数据是完整的，通过算法，均可排出有用的顺序。第三个阶段，也是就是查找。查找在广义上包含着寻找、探索、挖掘之类的意义。算法的查找，是要解决在庞大的数据中找到指定内容、指定条目，如果用人脑完成，工作量超大，甚至是不可能。而算法使之完成于动动手指的瞬间。

算法给我们的启示是什么呢？

1、数据收集与输入模式的设计与比较。数据收集与输入模式的设计，基本上是以学科、专业、行业、部门、区域等要素为基础。问题在于传统的学科与行业的划分，在现代科技和未来世界趋势中的角色演变过程中会是什么样的？想一想曾经的供销社分销店凭票供应灯油的事实与现在快手大主播五分钟销售几千部手机的事实在对比中的差异？这些差异的时间跨度只有40年左右。就是说，数据收集与输入模式也是一种动态平衡体，也在变化，也存在比较。这是一个内含很深的题目。

2、选择与排序。人的生存境遇，也是一个不断选择与排序的过程。初级的排序算法要解决的问题有，如何选择？如在剩余元素中找到最小或最大。如何插入？如在既有序列中给新的插入元素安排合适序列号。当然，还有归并排序，如原地归并，自顶而下归并，自底而上归并等。归并也可以是个哲学概念。

3、查找与寻找。算法中的二岔树类似哲学中的一分为二。只是，在二岔查找的动态中，保持平衡有时代价太大。为了保持查找过程的相对平衡，有时允许在结点并列若干选择点。这样，二岔树便调整为多结点的多岔树。算法寻找平衡的原理，对国家间关系的平衡也有启示，国家间单极或两极的平衡性相对弱于多极。动态多极平衡应该是成本较低的平衡方式。

不论怎么说，算法是适合电脑实现解决问题的方法组合，是电脑为解决问题而建立的方法组合。支配电脑、设计电脑的还是人脑。这样，人脑与电脑的关系？人脑突触与电脑查找时的节点分岔理论？电脑思维分岔与人脑神经元节点或突触在电脑理论与人脑理论的异同？甚至是算法设计与人脑的纵横术、开合术、进退术、拐弯术的异同？算法对联盟理论、算法对中立理论的启示？也是有意义的题目，只是要从淑世角度出发，清醒冷静地进行认知。