“人工智能其实就是统计学，只不过用了一个很华丽的辞藻，其实就是统计学。好多的公式都非常老，但是所有的人工智能利用的都是统计学来解决问题。”。
2018年8月11日，2011年诺贝尔经济学奖获得者ThomasJ.Sargent（托马斯·萨金特）在由厚益控股和《财经》杂志联合主办主题为“共享全球智慧引领未来科技”的世界科技创新论坛上如此表示。
关于这一论断，引发业界轰动，同时引发了社会各界的大讨论，这里引述“laoji890”先生的论证如下。该论证被认为是“将AI拉下神坛”最有力的论证。
诺奖得主托马斯·萨金特关于“人工智能AI就是统计学”的观点是高瞻远瞩。
萨金特不仅是一语中的，而且对那些肆无忌惮“造神AI”各种利益者（集团）狠狠地一棒槌。在现实中，AI真的也该归本至原形了，降降严重虚高的温度（很多已经虚高到“大量庞氏骗局”风起云涌的程度）了。
我们从阿里AI负责人金榕对Thomas J. Sargent的反驳，换一个角度来谈这个问题。
实际上，金榕不是在驳萨金特，而是在强化AI属于统计学的范畴（在如今社会现实现状下，很有必要这样理解）。
可先网搜查看：“AI就是统计学？阿里AI负责人金榕逐条驳诺奖得主萨金特。”
一、逐条分析金榕反驳
（一）萨金特的主要观点与注意
1、萨金特说：人工智能其实就是统计学，只不过用了一个很华丽的辞藻，其实就是统计学。好多的公式都非常老，但是所有的人工智能利用的都是统计学来解决问题。”
注意：萨金特的原话是联动AI的华丽名字与统计学一起来谈的，不宜断章取义。有部名为《新未来简史》的书对“人工智能”名字产生的考证很能说明问题：
直到1956年由他提议召开的达特茅斯学院夏季研讨会上，让麦卡锡苦苦等了五年之久的神奇词汇终于降临——人工智能。但是，当时，关于这一概念（交互式自动机器）的备选名字有很多，包括自动机研究、复杂信息处理、机器智能与控制论等。这些词汇都是当时参会的那些卓有成效的著名科学家们认可的备选项，包括信息论的创立者克劳德·香农，人工智能大师，《心智社会》的作者马文·明斯基与IBM计算机设计者之一的纳撒尼尔·罗切斯特等10人。从这些备选词汇来看，当时现实中的 “人工智能”就是上述罗列词汇所表达的事物。
进而，《新未来简史》一书得出：
显然，当初“人工智能”这一词汇所代表的现实与愿望，更像是对未来“充满无限前景并寄于无限期待”的一个美丽比喻。这一词汇的美妙，甚至让当时很激动的麦卡锡做出了一个同样美妙而贴切的评价：“把想法钉在了桅杆上”
2、萨金特说：“有好多应用科学像工程学、物理学、经济学，我们会建立一些模型模拟世界运营……我们的目的是希望解释我们所观察到的世界上的现象，而我们关键的工具是使用模型，然后放到电脑里模拟（这个很重要，下文将讲述）。
3、托马斯·萨金特：交叉学科研究推动的科技（包括AI）进步。
（二）金榕反驳的分析
1、金榕说“除了统计，AI中的“学习”“推理”和“决策”中还使用了代数、逻辑、最优化等许多其他学科知识与方法。”
分析：
（1）首先强调的注意：不要简单地把现代统计学理解为仅仅只是统计一下数据之类哈，那是小学生的认知水平。
（2）金榕反驳的这条内容，实际上这是典型的现代统计学统筹、运算、归纳的方式啊！！！有人说：统计学就是代数、逻辑学等各类交叉科学综合的超级运用与最优化选择，是有道理的。
2、金榕说“AI的核心能力还来自于数学（博弈论、数值分析、逻辑学等）、运筹学（优化）、计算机科技（分布式计算、并行计算、CPU、NPU）、神经科学，甚至心理学”。
分析：
（1）注意前提：现代科技，几乎所有，都是复杂地运用了大量的交叉学科的。所以要看主要的，不要以偏概全。然后是下面的分析，
（2）神经学主要AI对人类神经网络的模拟，海量人工神经元（结点）的海量运行本身就是现代统计学的集成优化处理（包括归纳规律、选择等），比如阿尔法狗的“深度神经网路”“增强神经网络”的学习。
（3）心理学如今在AI上仅仅只是探索（仅是个想法而已），计算机的构造原理与机制根本不能支撑。这是质的问题，就像木材与铁的质不同，木材经火煅烧只会消失，而不能像铁一样打造成刀。
（4）计算机科技（分布式计算、并行计算、CPU、NPU）都是算力增强，能够收集、挖掘、分析和优化大量数据的结果，更是现代统计学了。
（5）数学（博弈论、数值分析、逻辑学等）、运筹学（优化）等等说得玄乎，其中的数值分析肯定是统计，博弈论、逻辑学等与运筹学主要在于优化。
3、金榕说“那么这次的人工智能热潮有哪些不一样的地方呢。就是由于我们在算法、计算力、数据上都有了重要突破。”
分析：
（1）上述说法基本上算是现代统计学更具效力的根本，也成就了现代统计学可以概括AI的条件和理由。
（2）如今AI的算法（实际上包括所有计算机的程序）都是可以建模的，能够建模，必然是数学公式能够解决的（生活中90%以上现象、事件都是不能建模的，由此也说明AI并不神秘，其应用有非常大的局限性），都是有规律可循，并通过归纳实现的，这个归纳就是统计。
（3）数据就是指大数据，这个肯定要归类统计学的。
4、金榕：AlphaGo使用了蒙特卡洛树搜索、神经网络、增强学习等方法，因为算法规模大，所以采用了分布式计算来实现。棋力更强的AlphaGo Zero没有使用人类数据，而是从自我博弈中学习。
分析：
（1）蒙地卡罗树搜索是典型的统计学
（AlphaGo的原理）“蒙特卡罗方法”（Monte Carlo method）出场了。这一方法也称统计模拟方法。是20世纪40年代美国在第二次世界大战 “曼哈顿计划”计划的成员S.M.乌拉姆和J.冯·诺伊曼首先提出，并以驰名世界的赌城—摩纳哥的Monte Carlo来命名这一方法的。该算法就是以某种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。
蒙地卡罗方法首先被人在国际象棋上运算，似乎根本行不通，直到2006年，有人发展了蒙地卡罗方法，即在此方法上加了树枝状搜索，从此探索出电脑围棋编程的另一条通途。这一改进的方法就是“蒙地卡罗树搜索”。该搜索法面世后，那时就有人惊奇地预言说，未来不久，电脑将在围棋上击败人类顶级选手。而此之前，人们一直相信围棋是不可战胜。这一预言只经历了十年，即2016年就变成了现实。所以，技术是改变一切的真正神器。
——摘自《新未来简史》一书“炫技狗的秘密”一节。
（2）前面已说过，所谓AI神经网络是机器模拟人类的神经网络所演化出来很多算法，海量人工神经元（结点）的海量运行本身就是统计学优化性选择，比如阿尔法狗的“深度神经网路”“增强神经网络”的学习。
（3）阿尔法狗”增强神经网络”的增强学习，所谓的左右互搏，实际上是“统计学优化”的最佳运用之一。
机器是按照程序、数学公式的一定模型去自学，与人的自学是截然不同的。如果是人的自学，则不一定归纳为统计学优化，其中的奥妙，可参看：《新未来简史》：为何说人工智能的深度学习能力比人类差万倍亿倍？（网搜）
综上：萨金特说，“人工智能其实就是统计学，只不过用了一个很华丽的辞藻，其实就是统计学。”基本正确，关键是触及到了实质与本质。
二、诺奖得主对AI的本质的揭示与认知
其对AI的本质揭示与认知是：人工智能只不过用了一个很华丽的辞藻而已。理由：
（一）权威性地否决了那些为了利益而大肆神话AI、算法与大数据的观点；还原AI本来面目，将AI拉下了神坛。
（二）与《新未来简史》（与《今日简史》《未来简史》《人类简史》分别至少有70、90、50项对立观点）一书的结论“AI实质就是对‘机器交互自动化’取了个‘人工智能’的美妙名字，这个名字就是一个美妙的比喻而已”的观点不谋而合。该书用了8万多字从50多个角度深刻分析AI，几乎摧毁了神话大数据、AI、算法数十个观点。如图：
（三）诺奖得主Thomas J. Sargent与国产《新未来简史》一书一起否决了《今日简史》《未来简史》（割中国韭菜的书，掀起神话AI、算法、大数据最具代表性的图书与事件）神话AI的基石与核心观点。
（四）为何如今AI被业内外人士，超级严重性的神话到几乎无所不能，甚至传送着“AI还将替代、统治、奴虐人类“等恐怖到荒唐的言论呢？除了前述要满足各种目的、利益之外，还有个重要原因是：广大民众对AI原理、本质、核心，计算机原理及其运行的巨大局限性不了解，或未深入思考的结果。也可参考下文，或可懂得一二：
为何说人工智能的深度学习能力比人类差万倍亿倍？ （网搜）
（五）上文一些观点与论述可参见：
1、“大数据悖论”，几乎否决了《未来简史》立足的基石，以及否决了《今日简史》重大主题之一，大家怎么看？（可搜知乎）
2、与《今日简史》《未来简史》《人类简史》分别至少有70、90、50项对立观点的书：《新未来简史》怎样？（可搜知乎）
閱讀更多 前沿news 的文章
