终极算法——第二章：终极算法

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