我在大学做设计时，接触过自然语言理解，我很清楚这个产业发展过程。当我们用奔腾机处理人工智能问题时，很显然会陷入对因果分析的桎梏中。在计算能力局限下，人类必须要运用算法的力量，试图攻破人工智能。同理，当你阅读量不足时，你也是在试图运用你强悍的悟性，去成就辉煌。事实上，这些都是狗屎，没人是天才，除了阿尔法狗。
谷歌的电子图书馆计划，对自然语言理解发展有里程碑作用。谷歌的语料库，是世界最顶级。首先，谷歌有世界最庞大的电子图书馆；其次，谷歌有搜索引擎优势，具有庞大的自然语言语料库。在这种数据基础上，谷歌发展人工智能，并不是因果关系着手，而是从相关性。大数据，意味着全数据集。大数据分析不关心错误，关心的是相关性问题，通过文本之间的相关性寻找概率。
一篇文下来，文本的上下文关系是决定歧义分析的关键。如果，你只是读一篇文，缺乏一本书的上下文关系理解，很多情况下也读不懂某些晦涩的暗语。如果，你只阅读一本书，也很难理解书中某些晦涩的用法，需要到其他书本中学习。这就导致，精确度提升的唯一方法，就是巨大阅读后形成的相关性。事实上，人脑的认知标识系统，也是如此运作的。大脑先形成概念，概念之间形成相关性，是相关性联络起庞大的认知系统。因此，准确的认知，必须要建立在天文数字知识图谱关系中形成的相关性分析。在计算能力不足时，人们会寻找因果，忽视了人脑智能形成基础在相关。
井底之蛙，就表现在计算能力很差时，天真的认为自己的因果理解，凭直觉是正确的。由于，知识结构有限，在狭窄的知识图谱下，你无论如何分析，都不可能看清真实的知识相关性，因此，逻辑分析下因果关系很难精准。这个道理，就像是，我拿着大量法律文本，试图通过算法解决人工智能理解问题，根本就不可
一篇文下来，文本的上下文关系是决定歧义分析的关键。如果，你只是读一篇文，缺乏一本书的上下文关系理解，很多情况下也读不懂某些晦涩的暗语。如果，你只阅读一本书，也很难理解书中某些晦涩的用法，需要到其他书本中学习。这就导致，精确度提升的唯一方法，就是巨大阅读后形成的相关性。事实上，人脑的认知标识系统，也是如此运作的。大脑先形成概念，概念之间形成相关性，是相关性联络起庞大的认知系统。因此，准确的认知，必须要建立在天文数字知识图谱关系中形成的相关性分析。在计算能力不足时，人们会寻找因果，忽视了人脑智能形成基础在相关。
井底之蛙，就表现在计算能力很差时，天真的认为自己的因果理解，凭直觉是正确的。由于，知识结构有限，在狭窄的知识图谱下，你无论如何分析，都不可能看清真实的知识相关性，因此，逻辑分析下因果关系很难精准。这个道理，就像是，我拿着大量法律文本，试图通过算法解决人工智能理解问题，根本就不可