本文为阅读总结个人认为书里概念性的、对本人有帮助的内容,仅供参考。
本书的中心假设:所有知识,无论使过去的、现在的,还是未来的,都有可能通过单个通用学习算法来从数据中获得。
来自神经科学的论证:
发明终极算法的一种途径(可以说是最流行的一种)就是对人脑进行逆向解析。
来自进化论的论证:
生物多样性源于单一机制:自然选择。
进化论是一种算法。
进化论是另外一个有希望通往终极算法的途径。
来自物理学的论证:
如果这个世界仅仅是一个不断变大、喧哗嘈杂的困惑体,那么我们有理由怀疑通用学习算法的存在。但如果我们所经历的一切仅仅是几个简单规律的产物,那么单个算法能推导出所有一切能推导的东西,就是可以理解的。终极算法要做的就是提供一条捷径,通过实际观察,用简短的算式推导(而不是长长的算式)来得出这些规律的结果。
在《论契合:知识的统合》(Consilience)一书中,著名生物学家爱德华·威尔逊慷慨激昂低阐释了知识(从科学到人文学)的统一性。终极算法就是该统一性的完美表达:如果所有知识共同遵循一个模式,那么终极算法就存在,反之则不存在。
来自统计学的论证:
贝叶斯定理就是将数据变成知识的机器。据贝叶斯统计学派的观点,贝叶斯定理是将数据变成知识的唯一正确方法。如果该学派的观点正确,贝叶斯定理要么就是终极