重新理解Intelligence

admin管理员组

文章数量:1656972

最近在学习和研究OSINT的相关事情，当我知道“情报”的英文叫Intelligence后，我对“智能”的理解有了更多的思考，原来在各种英语词典里Intelligence是指“智力”和“情报”，如下图。

在这篇文章里，我想聊的是我对于情报和智力/智能之间的看法。可能很多人都会认为“情报”是跟间谍、军事、秘密相关，在百度百科里有一句我比较认可的解释：情报是为实现主体某种特定目的，有意识地对有关的事实、数据、信息、知识等要素进行劳动加工的产物。从这个角度来看，其实我们很多工作都跟“情报”有关，例如我们常做的各种竞品分析、行业研究等工作其实都是在有意识地对有关的事实、数据、信息、知识等要素进行加工。

前阵子我在重新理解什么是学习，或者说我们为什么要学习。最后我得出来了两个思路，除了丰富内心世界，第一个思路是学习是为了消除无知。我认为人的一生都想消除无知，因为我们的决策和时间或多或少都被“无知”影响，但“无知”不能只用知识衡量，也就是说不是我们掌握的信息或知识越多，我们就不无知。无知是一种状态，很多时候会自己觉得自己知道了，或者受我们的经验和阅历的影响，导致我们很多事情做出了错误的判断，这些也能算得上”无知“。例如下图。

这里我还想再拓宽讲一下，为什么是消除无知而不是消除未知。因为未知涉及到时间和空间的关系，它不可能被消除，只能是被探索。而”无知“处于”已知“和”未知“中间，我们能做到的事情就是将更多未知转换成已知信息，以及正确地加工和使用这些数据完成对事物的认知和决策。

第二个思路是学习是为了更轻松地解决问题。下面的态势感知模型是学术界和工业界公认的信息处理和决策模型。标红的地方是我认为跟学习相关的模块。学习是训练我们的信息处理机制，但决策是一个复杂的系统。除了信息处理机制，信息的关联及真伪，以及对当前环境所有已知/未知信息的认知、理解、预测所产生的工作负荷会直接影响我们的决策和执行。

回过头看“情报”的定义，你应该能发现“信息的关联及真伪，以及对当前环境所有已知/未知信息的认知、理解、预测”也可以理解为是“情报”的工作。也就是说我对一个事物的决策速度以及正确与否，更多来来源于我对于这个事物了解有多少。

为什么有些人会觉得做数学题目很难而背书很简单，但有些人相反，我相信这个除了跟学习（信息处理机制）有关，也跟工作负荷有关。当一件事情对你产生更大的工作负荷，你能把它做好的可能性会越小。这个也能从SRK模型的角度去解释，越偏向知识层面的操作（也就是没掌握），解决的过程需要大量的知识、分析和判断，因此对人的认知负荷和注意力要求最高。

回归到学习，假设Artificial General Intelligence（通用人工智能）出现后，我们应该怎么去学习？我们还需要像过往一样从基础开始学起么？还是说我们跳过了学习这个过程，只要我在做决策前理解所有相关信息并做相应的评估就可以了。我相信后者会成为常态，因为我们很多的学习都是为了解决问题。这时候我们的信息处理机制会极度依赖于Artificial Intelligence（SRK模型可以解释），而这里的Intelligence更多是指获取和应用知识和技能的能力。

除此之外，我们更需要另外一个Artificial Intelligence（情报）来帮我们构建对于当前信息的认知和理解。只有这个AI帮助我们构建正确的目标和预期，我们才能尽可能不被自己的无知束缚甚至干扰我们的决策和执行。

所以从态势感知的角度来看，Artificial Intelligence的“智能”不应该只是提升我们的智力水平，还需要不断收集和更新迭代我们需要的情报，才能让我们在遇到问题时轻松应对（低工作负荷），也能让我们更好地规避经验、记忆等因素所带来的“无知”。以上就是我对于Artificial Intelligence一词新的看法，如果大家有新的想法欢迎一起交流。

本文标签： intelligence