更多，规律更复杂，预测更精确。”
教室里窸窸窣窣的议论声，不知不觉地小了下去。
那个反戴棒球帽的男生，下意识地把帽檐往上推了推，露出了额头。
程建国没给他们太多反应的时间。
“现在，我加一个条件。”
他走过去，用粉笔在第五个方块上，重重地打了个叉。
“第五天的时候，猫没叫。”
“现在，你们的预测还成立吗？AI遇到这种情况，会怎么处理？”
这个问题立刻激发了计算机系学生的专业本能。
“过滤噪声数据。”
“调整权重，降低第五天数据的影响。”
“可能是过拟合了，需要引入正则化项。”
各种专业术语从教室的不同角落冒了出来。
程建国听完，摇了摇头。
“你们想得太复杂了。”
他把粉笔搁在讲台的凹槽里，语气忽然变得很坦然，像是在说一件理所当然的事。
“AI其实很笨的。”
“它遇到异常数据，第一反应不是‘分析原因’，它没那个能力。它只会做一件事。”
他走到黑板前，在第五个方块旁边，画了一条陡然向下的曲线。
“降低它对‘三点会叫’这个预测的信心值。就这么简单。”
“发现一个反例，信心就降一点。发现两个，再降一点。等信心值降到某个阈值以下，它就彻底放弃这条规律，滚回去找新的。”
他看着台下那些渐渐变得若有所思的脸，抛出了第二个问题。
“那么问题来了。”
“如果猫在第五天没叫的真实原因，是那天家里来了客人，猫害怕，躲起来了呢？”
“AI根本不知道有‘客人’这回事。它能找到真正的原因吗？”
教室里彻底安静了。
过了足足五秒，一个坐在前排，看起来像是研究生来旁听的女生，才缓缓地开了口。
“不能。”
她的声音很轻，但每个人都听见了。
“它的认知范围，被训练数据集锁死了。如果‘客人来访’这个变量从来没有出现在它被喂过的数据里，它永远都发现不了。”
“对。”
程建国用力地点了一下头。
他重新拿起粉笔，在黑板的另一侧，写下了四个大字。
关联≠因果。
“这就是AI目前最大的瓶颈。它很擅长在已知的数据里找关联，但它完全不理解数据背后的因果。”
“你们以后要做AI研发，真正要啃的硬骨头，就是怎么让AI从‘看图说话’，进化到‘理解世界’。”
本章未完，请点击下一页继续阅读！