关键词：IT的职业天花板、量级、不识大数、极限、图灵、希尔伯特、冯诺依曼

谷歌方法论第1周摘要

1. 

我们人类生活的环境，决定了我们对大数字是无感的。

2. 

两个原始部落的酋长比赛，看谁说的数字大。第一个酋长说了三，第二个酋长想了半天，然后说你赢了。——來自伽莫夫（宇宙大爆炸理论以及核聚变理论的提出者）的科普书《从1到无穷大》

3. 

如果用数学方法分析一下，围棋的复杂性还是可以分析清楚的。棋盘上每一个点最终可以是黑子、白子或者空位三种情况，而棋盘有361个交叉点，因此围棋最多可以有3^361 ≈ 2x10^172 这么多种情况。于是乎，我们人类就不把下围棋当作一种计算问题，而把这件事当成一种文化，或者更具体地讲是“棋道”。

4. 

可以讲从酋长们认识3，到今天我们认识一个亿，经历了大约10000年的时间。平均每十年进步千分之八，不到1%。

5. 

生活在不同世界里的人，习惯的做事方法不同。而生活在小数字世界，从小数字世界总结出来的方法论无法应用到更高量级的大数世界。

6. 

而在人的世界里，增长是缓慢的，因此一个公司得到这种基因以后，会天然地认为这种做法可以持久。

7. 

与传统制药公司所不同的是，利用IT技术解决医疗问题的人类长寿公司和Google的大数据医疗公司Calico，从一开始就是把自己定义在大数世界里，它们采用的研究方法和传统的药厂就完全不同。

8.

小时候，家里一个苹果总是我和弟弟分着吃，那个时候弟弟很小，只能由父母刮苹果里的果肉喂着吃，每次父亲大约刮掉里面直径的70%给弟弟，然后外面剩下来的给我。我每次都觉得我的那一份少，而父亲则说我的那份大。

后来在学校里学了体积的计算，我才意识到我大约吃了苹果的70%，而弟弟吃掉的是30%。只有刮掉苹果里面直径的80%，里外的重量才大致相当。

9.

Google过去面试产品经理的时候经常用一道和上面问题类似的题目——面试的房间里能装下多少高尔夫球。这道题目怎么入手呢？胡猜是不行的，是一万，十万，还是一百万？』

Google 对产品经理的要求是，在没有数据之前不要轻易给出结论。

10.

极限对工程师来讲是一个非常重要的概念。今天，稍微有一点经验的工程师都知道，任何产品的性能都有一个物理上无法突破的极限，这个极限并不需要等到工程上接近它的那一天到来时才知道，而是早就可以通过已有的理论直接给出。

这看上去是一件悲催的事情，一大群人在努力改进产品性能时，一个有眼光的人突然宣布了它的极限。但是，这其实是工程师们的福气，因为他们不会为不可能的事情浪费时间了。

11.

1+1/2+1/4＋1/8＋1/16......，不断加下去会是无穷大吗？其实总和也不会超过2，也就是说它有极限。类似的，1+1/2+1/3＋1/4＋1/5......，不断加下去会有极限么？实际上，这个序列加下去还真是无穷大。

这两个看上去差不多的序列，凭什么一个加起来连 2 都不到，另一个却是无穷大？人有这样的问题很正常，因为我们生活的范围限制了我们的思维。对这两个问题正确的思考方式应该是，抛开我们生活中习惯的约束，或者说认知的约束，用一个正确的数学或者工程工具去寻找答案。

12.

在上个世纪30年代中期，图灵在思考三个问题。

(1) 世界上是否所有数学问题都有明确的答案？

(2) 如果有明确的答案，是否可以通过有限步骤的计算得到答案？

(3) 对于那些有可能在有限步骤计算出来的数学问题，能否有一种假想的机械，让它不断运动，最后当机器停下来的时候，那个数学问题就解决了？

13.

图灵机提出至今已经80年了，全世界的IT行业依然没有超出它，由此可见用理论武装起来的工程的头脑，比直觉的头脑的影响力深远得多。接下来，我们总结一下人工智能的边界。

(1) 世界上有很多问题，其中只有一小部分是数学问题；

(2) 在数学问题中，只有一小部分是有解的；

(3) 在有解的问题中，只有一部分是理想状态的图灵机可以解决的；

(4) 在后一类的问题中，又只有一部分是今天实际的计算机可以解决的；

(5) 而人工智能可以解决的问题，又只是计算机可以解决问题的一部分。

人工智能的边界

14.

为什么图灵能够有这样超越时代的认知，是他自己聪明还是有高人指导？其实两者兼而有之。

首先是受到另一位数学大师希尔伯特的启发。希尔伯特在1900年的巴黎国际数学家大会上，提出了23个重要的、根本性的数学问题（也被称为希尔伯特问题）。其中第十个问题讲的是这样一件事情，“随便给一个不确定的方程，能否通过有限步的运算，判定它是否存在整数解？”如果答案是否定的，那么就说明很多数学问题其实上帝也不知道答案是否存在。如果我们连答案是否存在都不知道，自然不可能去找到它。正是希尔伯特的这个提问，让图灵明白了计算机的极限所在。

第二个给予图灵巨大启示的人是他的精神导师冯·诺依曼。冯·诺依曼当时是普林斯顿大学的教授，而图灵是那里的博士生。图灵在读了冯·诺依曼的《量子力学的数学原理》一书后，意识到计算来自于确定性的机械的运动。至于21世纪的电子计算机，里面电子的运动其实等价于机械运动。图灵同时猜测人的意识来自于测不准原理，这是宇宙本身的规律。图灵从此得出结论，计算是确定的，而意识可以是不定的，两者不可能划等号。

很多人胡思乱想计算机是否有意识，其实早在80年前，图灵就感到两者是两回事，这就是任何计算机的边界。

15.

计算机思维的真谛：七对关系和两个原则

(1) 大和小  (2) 快和慢  (3) 多维度和单一维度

(4) 网络和个体  (5) 自顶向下和自底向上

(6) 全局和局部  (7) 成本和表现

一、等价性原则

二、模块化原则

---

反思心得

1. 不识大数，会让我们事倍功半。

2. 以前酋长数不过3，正如我们现在数不过兆。

3. 棋道的文化艺术，只不过是算法。

4. 每十年进步千分之八，可见所谓认知升级，谈何容易？

5. 十本书随便摆，万册卷要建档。难怪我的Evernote不少堆叠和记事本。

6. 以人类缓慢增长的经验，套用现今公司、商业已落后。

7. 用大数据制药，不只数量不同，量级也非传统制药能比拟。

8. 分苹果，能用来教育孩子的大与小的计算机思维 ：）

9. 没有数据之前，不要妄下结论。要有凭有据、猜得合理。

10. 了解极限，不浪费时间。因为浪费时间就是在自杀。

11. 简单两种数列，辨别一人的极限概念，与他的数学逻辑。

12. 1930的图灵机，至今人们仍在这框架内。当年曹操面对杨脩，“我才不及卿，乃觉三十里”而我“才不及图灵，不只三百年”。

13. 不要担心人工智能会超越人类，赶紧解决人类问题才是重点。

14. 希尔伯特、冯·诺依曼，奠定图灵思维。意识的测不准原理，我的思路是：当我们要去测量意识时，它已不是原本的意识。因此意识越真实，则不确定性越大；意识的不确定小了，则意识又不真实了，因为这过程改变了原有的意识。

15. 理解计算机思维，才能以正确知识开启《谷歌方法论》。

后记：

以上内容摘要，来自《谷歌方法论》第一周内容，专栏更新时间为2017.11.27-12.01，如想阅读原文，欢迎简信联络。