主题：【原创】机器学习的基础是什么？(0) -- 看树的老鼠

机器学习，或者更准确讲，现今的机器学习，实际上和你的这些思考关系并不大。你的这些思考实际上是在思考人类的认知和科学的发展，而不是现今的机器学习。

现今的机器学习要简单很多。其实就是一门比较专门的计算机学科，用一些方法（主要是统计学的方法），试图让计算机程序可以根据输入（或者说训练）的数据而产生一些程序自身的改进，从而使得这个程序工作得更好。

如此而已。因此机器学习不具备认知能力，就非常正常。这就是我想你可能考虑偏了一些的原因。你说，“到这一步，我们并不能说科学家做的事情比机器高明多少，大家都是在凑数据”。你观察到这点，非常好。但是，这个凑数据的深度和广度完全不同，最关键的是背后的推动模式完全不同，或者说，凑数据用的道理的方式，完全不同。机器学习是用的现成的数学模型，唯一可以改变的就是模型的参数。而科学家群体能够做的事情，背后的推动，就完全不是现成的数学模型可以涵盖的。

但是，机器学习正在迅速发展，很可能十年二十年后的机器学习就很不相同了。这就是我说的，类脑计算。完全可以想象，以后的每一个科研组，都配有他们专门的类脑计算机，从事他们的思考活动，帮助他们理清科研思想，提出科研假说，做广泛的联想，等等。

类脑计算有什么特别之处？就可以使得能够超越现在的计算技术到如此的程度？我认为，关键的地方就是：现有的计算技术是建立在已知的数学模型上的，没有一个数学模型，寸步难行，因此也就被局限在这个数学模型中了。而类脑技术，可以容纳数学模型，这是远远超过人脑的地方。我们的脑力仅可以容纳一些比较小的数学模型。同时，类脑技术更是基于连接的，可以不用数学模型也能自动工作。这样的结合，就使得计算能力空前提高。

今天报道，谷狗购买英国的深度思想公司。这就是这些大发展的前奏。