知道是什么，知道该怎么，和知道为什么
知识点一：
知道是什么，知道该怎么，和知道为什么
麦兹伯格的《意会》，最根本的主题，是在算法越来越厉害的这个时代，我们应该怎么发挥人类思维的特长……如果人类思维还有特长的话。
《纽约客》杂志有篇文章正好说的也是这个话题。作者是悉达多·穆克吉（Siddhartha Mukherjee），他是个肿瘤学家，写过一本在中国也有很大影响力的书叫《众病之王：癌症传》。他这篇文章的题目是“现在算法要来看你”（The algorithm will see you now），讲的是用深度学习算法进行医疗诊断的事情。
现在人工智能在医疗诊断方面的水平即将超过人类专家。比如说从一张CT扫描照片中发现病变，现在就是算法做的更好。所以好几年以前就有人说，“放射科医生”这个职业，恐怕很快就要过时了。
美国放射科医生的年薪超过30万美元，是多年艰苦训练出来、优中选优的人才，难道说被淘汰就被淘汰了吗？
穆克吉这篇文章可以给我们有两个收获。第一，算法的准确度和效率的确比人强。第二，人还是比算法厉害。
1.怎样诊断黑色素瘤
最稳妥的办法，是做活组织切片检查，但是显然不想每长个痣就动刀。好在医学家发现黑色素瘤和普通色素痣的外观还是有区别的，总结来说，黑色素瘤的外观具备所谓“ABCD”四个特征 —— A 非对称（asymmetry）；B 边缘不规则（border irregularity）；C 颜色改变（color variation）；D 直径（diameter）更大。
如果你是一个皮肤科的医生，就要学习上面这四个规则。患者来找你诊断，就要根据这些规则作出判断。
但问题远远没有这么简单。首先这个ABCD只是一个大致的说法。很多黑色素瘤并不符合ABCD特征；看似符合ABCD特征的也未必是黑色素瘤。一个训练有素的医生必须能看出来那些“不合规则”的黑色素瘤。
另一方面，基于明确规则的诊断算法，现在已经基本上被科学家抛弃了。规则写得再明确，也总有照顾不到的地方。更何况把上面那四条人类很容易理解的规则翻译成算法语言，本身就不太容易 —— 到底多不对称才叫“不对称”？怎么不规则才算“不规则”？最后算下来算法的准确度还是不如人类专家。
这里面的关键在于思维方式。人类专家做判断，并不是完全基于运用规则。
2.“什么”和“怎么”
比如给一个小孩讲解“自行车”是什么东西。可以告诉她，这里是车轮，这里是把手，骑车要用脚蹬……但是不管你讲得多细，她也仅仅是“知道是什么”，她还是不会骑车。
另一方面，直接把自行车交给这个小孩，她坐上去胡乱尝试一番，可能很快就学会了。这种状态，叫做“知道该怎么”。
“知道该怎么”可不一定“知道是什么”。让一个会骑车的小孩讲解一番他是怎么骑车的，他根本说不出来。
这个道理是，人的技能之中，有些东西似乎是*无法言传*的。比如一个放射科医生在一张头部CT照片上发现一个轻微中风的病变，要问他到底是怎么发现的，他有时候也没法把一步一步的全部思路明确告诉你，最后总有些“直觉”之类的东西。
但是别着急，有一种算法恰恰就是专门干这种无法言传的事情的，这就是所谓“深度学习”。其实“深度学习”是近年才开始流行的一个词，有点商业包装的意思，在计算机科学家那里，所谓“深度学习”其实就是“神经网络”算法。
神经网络算法是用数学方法模拟人脑的神经突触网络。就好比说让一个小孩学习“什么样的东西是狗”。给他看大量的狗和不是狗的照片，他一开始纯属猜测哪个是狗哪个不是狗，但是每次你都告诉他正确答案。时间长了，他的判断准确度就会越来越高，最后尽管你从来没有向他描述“狗的定义”是什么，他自己就能学会判断狗。
“深度学习”就是这样。事先并不需要输入任何决策规则，让系统自己学着判断。系统内部有各种神经突触连接，如果这一次猜对了，相关的连接就会增强；如果猜错了就会减弱。这样用海量的例子训练，系统自己就能学会判断。
穆克吉介绍的一个系统，是用十三万张相关的皮肤照片“喂”出来的。其中有几千张照片是活组织切片明确认定的黑色素瘤，训练效果就特别好。最后这个神经网络系统的识别准确度达到了77%，显著高于人类专家66%的成绩。
但是神经网络系统有个大问题。它只知道“该怎么”，但是不知道“是什么”。
3.“怎么”和“为什么”
现在所有这些神经网络算法，都有这个问题 —— 基本上只能把它当成一个“黑箱”。输入一张照片，黑箱可以告诉你其中是不是有黑色素瘤。但是它是根据什么做出判断的？你一无所知。神经网络怎么生长，生长好了之后怎么解读，我们都不能控制。
这个算法系统根本不理解病变。人类医生并不仅仅告诉你这里有一个病变，他还会告诉你用药时要注意的周围的危险区域，他还会发现没有症状、但是已经产生的肿瘤……因为他*理解*病变。
更关键的是，人类专家除了知道是什么、知道该怎么之外，还会问一个“为什么”。
为什么会有这个病变？为什么黑色素瘤周围是不规则的？为什么会变颜色？这些“为什么”非常宝贵，正因为你问了为什么，你才会进行深入研究，收获新知识，也许就能找到新疗法。
而现在所谓的“深度学习”算法，没有任何理解能力，没有任何解释能力，更不用说什么新发现的能力。
是什么、该怎么、为什么，算法只知道该怎么。能把三个问题合在一起全盘考虑的，目前只有人类。
评论
“人工智能”，其实落实到最后，还没有哪个“人工智能”是真的模拟了人的智能 —— 任何人工智能都是一些简单的算法组成的，并不神秘。人工智能很厉害，但是现在所有算法都有局限性，而且是很大的局限性。
柯洁挑战AlphaGo，输是肯定输了。AlphaGo这么厉害，作为人类应该作何感想呢？
AlphaGo也是深度学习算法的产物，知道“该怎么”而不知道“是什么”，更不会说“为什么”。它的工程师根本就不需要懂围棋，可是AlphaGo已经是绝顶围棋高手，还能经常下出前所未有的创新下法。
真实世界里的真实问题，不是围棋。围棋的规则是固定的，棋盘只有那么大，理论上所有可能的下法，也只有那么多 —— 这些条件特别适合算法。
而真实世界具有几乎无限的自由度，根本没有明确规则，你沿着任何一个方向深入进去都会遇到各种各样事先没想到的可能性。这些，才是真正的“新”东西。
如果当场把围棋棋盘从19x19改为21x21 —— 假设事先柯洁和AlphaGo都没在这个尺寸的棋盘上下过棋 —— 你看看谁厉害，谁更会举一反三，谁更能适应新形势，谁，更“会”下棋！
由此得到
人类解决问题，需要从“是什么”、“该怎么”和“为什么”三个角度全盘考虑。而现在人工智能诊断所用的“深度学习”算法，特别善于“该怎么”，但在“是什么”和“为什么”上没有能力。人工智能的缺陷，就是人类智能的机会。
那么至少短期判断，至少在放射科医生这种高端职位上，人工智能也许仅仅是解放了人类，而不是取代了人类。
现在人对事物的“理解”，真是越来越重要了。
知识点二：
爱心和理性
平时读书学习，总是希望自己能变得更理性一点，可是有些事情，如果你真的用理性思考，可能会越想越不对，到最后自己都无法面对现实。
比如说，慈善。可能绝大多数慈善行为，都是非理性的。可能世界上就没有真正理性的慈善行为 —— 如果有，你也很难接受。
1.衣服和孩子
分析一个最经典的慈善情境。孟子说，“恻隐之心人皆有之” —— 如果你走在路上，看到一个小婴儿快要掉到水井里去了，你肯定会马上跑过去救他。这个选择没什么可说的，不管你是好人坏人、理性还是非理性、自由派还是保守派，你都会这么做，没有任何争议。
澳大利亚哲学家彼得·辛格，把这个情境稍微改变一点儿，你看看怎么办 ——
假设你穿着一身比较贵的衣服，而小孩掉进了一个臭水沟里。你要救他，你身上这套比较贵的衣服就算是废了，那你还会救这个小孩吗？
你还会救他。我也会救他。就算这个小孩根本不认识，就算他是个非洲黑人孩子，也要救他！人命大于天，衣服算什么？
现在非洲每时每刻都有婴儿因为疾病和贫困而死，而且救助一个非洲小孩要花的钱并不多，也许身上这套衣服就能救几个 —— 那为什么不少买几套衣服，多救几个孩子？
2.一命和一命
《新科学家》杂志有篇文章，“利他主义需要科学吗？”（Does altruism need science?）作者是Niall Firth. 这篇文章介绍了一派慈善哲学思想，也可以说是一场新的社会运动，叫“有效利他主义（Effective altruism）”。彼得·辛格，就是有效利他主义的倡导者之一。
有效利他主义的意思是，如果你想做好事，那你就应该理性一点，在同样代价的情况下，让自己做的好事最大化。
这篇文章讲了一位英国医生。这个医生事业有成，收入不错。医生的神圣职责是救死扶伤，每个医生都有这样的理想 —— 而这位医生，就想知道，自己辛苦行医一辈子，到底能救几个人的命？
如果你理性一点，“救命”，可没那么简单。一个癌症晚期患者，本来还有三周生命，你作为医生给他用了很多猛药，能把他的生命多延长两个月 —— 而这两个月是充满痛苦的两个月 —— 这能算你救了他一命吗？
有效利他主义，提出一个概念，叫做“质量调整寿命年（Quality Ajusted Life Years, QALY）”。一个人在健康状态下生活一年，就是一个质量调整寿命年。有效利他主义用质量调整寿命年来衡量慈善项目的“有效”程度。他们约定，36.5个有效调整寿命年，算“一命”。
根据这个标准，前面提到的那位英国医生一算，他在英国一辈子的行医生涯，大概能救4条命。
这是因为英国人的命太值钱了，医疗花费巨大，而且英国人都挺健康，需要医生做的事不多。
可是非洲人就不一样了。非洲缺医少药，很多不该死的人早早就死了。同样是这位英国医生，如果他去埃塞俄比亚行医，他总共可以救助300条命。
但他更好的选择是继续留在英国当医生，因为英国医生的收入高。他可以把自己在英国做医生的收入中的一部分捐给非洲。他计算了一下，只要他每年给一个国际慈善组织捐款600英镑，就等于他在英国当医生的所有治病救人成就。
这位英国医生的名字，值得专门提一下 —— 他叫格雷格·路易斯（Greg Lewis）。他现在离开了第一线的医疗工作，在英国一个公共卫生部门服务 —— 这样他就可以直接左右公共卫生政策，还能保留一份高收入 —— 他把自己收入的30%，捐给慈善机构。
这个计算充满了理性的精神。
3.我们和他们
有效利他主义的一个核心思想，就是 —— “非洲人的一命，等于英国人的一命”。有效利他主义者计算的质量调整寿命年，就是任何人的质量、任何人的寿命，完全平等。
有效利他主义有个网站，GiveWell.org，使用质量调整寿命年这样的标准，给各个慈善组织的有效性做评级。
目前排名第一的是“反疟疾基金会” ——
每年有大量非洲儿童死于因为蚊虫叮咬而导致的疟疾等疾病。只要你捐款五美元，这个基金会就能给一个非洲儿童弄一顶经过防虫处理的蚊帐。
五美元，也许就能救一个非洲孩子的命。
注意，这是一个*非洲的*，孩子的命。那你可能会问，中国孩子的命值多少钱，我能不能先把中国孩子的事儿解决了再考虑非洲的事儿？
很多人想问有效利他主义者的问题。人和人的生命真的应该平等对待吗？我们真的应该放着中国人不救，先救非洲人，就因为这么做更“有效”吗？
大多数人捐款这个行为，其实并不是追求什么“有效”，而是追求一个社区认同感。给这个社区捐款，是因为我认同这个社区。你一味强调有效，会不会对人们的捐款热情有副作用呢？对此，有效利他主义者的回答是，社区认同感是一种偏见，是非理性的，我们就是要教育人更理性一点，为平等的生命做贡献。
人们对有效利他主义还有一个批评。“质量调整寿命年”，是不是完全科学的？比如说有的慈善机构不是治病救人，而是帮助那些在感情上受到压迫的弱者，这你又怎么算呢？
更本质的问题是，这个建立在计算上的理念，就是真的理性吗？
评论
中国春秋战国时期有个典故，叫“楚弓楚得”。说有一次楚王出去打猎，把一张弓给丢失了，手下人要去找，楚王就说了一句特别牛气的话 —— “楚人遗弓，楚人得之，又何求乎？” —— 一个楚国人丢了弓，将来会有另一个楚国人得到它，反正还是咱楚国的，不用找了！
后来据说，孔子听说了这个典故，说楚王的心胸还不够宽广，应该把这个“楚”字去掉 —— 任何人得到这个弓，你都应该高兴，何必非得楚国人呢？应该人人平等。
又后来，有人继续编排这个故事，说老子听说了这个典故，认为孔子的心胸还是不够宽广 —— 应该把这个“人”字也去掉。就算没有任何人得到它，让这个弓回归到大自然，不也很好吗？自然万物，和人都是平等的。
你得先有价值观，才能谈得上理性计算。所谓价值观，就是你认为谁重要，谁不重要。
中国传统讲一个“差序格局”，就是谁离我越近，或者谁跟我血缘关系越亲，谁就对我越重要，我就对谁越好。按这个原则，楚国人当然比外国人重要，非洲孩子的命就不能跟中国孩子平等。
“差序格局”是乡土中国熟人社会的理念，是否还适用于现代陌生人社会呢？也不能说完全不适用。很多美国白人为难民争取人权，可是他们并没有给全世界所有受苦的人提供美国国籍，让他们跟自己过一样的生活。有效利他主义是有点超前了。
但是有效利他主义走出了非常好的一步！那就是理性的一步。一般认为慈善是一种艺术，不应该讲理。亚当·斯密列举了人应该有的三个美德，其中“慈善”排名第三，而且特别指出慈善没有一定之规，做不做、怎么做都主要看个人发挥。
曾国藩也有类似的说法 —— 天下贫苦的人太多，都救助，我没有那个力量，但是如果我正好遇到了，力所能及，我可以帮一下。
为什么帮这个不帮那个？就因为这个的运气好吗？很多时候，我们搞不清楚，搞慈善到底是为了让世界更好，还是为了让自己的感觉更好一点。所以我们搞慈善应该学习一点有效利他主义者的理性精神。
由此得到
有效利他主义最值得学习的一个精神，就是慈善不是随意的：在同样的付出下，你应该设法让效果最大化，而这需要科学知识。
对我们大部分人来说，差序格局和有效利他主义都应该考虑。可以优先关注自己人，但同时尽可能理性行事。
有些爱狗人士，放着人不救，专门救狗，我对此表示一定程度的理解 —— 小狗很可爱，能激发我们的爱心，而且狗毕竟跟我们一样都是哺乳动物。
有些人出于信仰，想要通过慈善事业获得“福报”，我也能理解。
可是要说福报的话，救人一命胜造七级浮屠！那有的人放着人不救，弄一些毒蛇之类的动物“放生”，这我就理解不能 —— 这些放生动物的花费，在非洲在中国都能救助不少孩子了 —— 难道他们跟孩子的关系，还不如跟爬行类和鱼类近吗？
