計算機(jī)看似是一門學(xué)科,，實際上組成這個學(xué)科的人分為三部分人,。一部分是數(shù)學(xué)家，在進(jìn)入計算機(jī)行業(yè)后化名計算機(jī)科學(xué)家或者叫計算機(jī)研究員,，他們有的人甚至不會編程這項在計算機(jī)中常用的技能,，他們多關(guān)心的依然是數(shù)學(xué)中的各種公式、定理,、符合的研究,。中間一部分人是工程師,，與建筑工程師或者機(jī)械工程師等其他工程師一樣，他們所關(guān)心的是系統(tǒng)化,，結(jié)構(gòu)化的設(shè)計及實現(xiàn),，一絲不茍的做著圖紙的實現(xiàn)。而剩下的人被稱為黑客,，這是一群有趣且奇思妙想的人,，他們更多的時候把計算機(jī)當(dāng)成是一件工具，這是一種在他們之間傳播的文化,，這群人做出東西最開始只是因為興趣,，而不管東西是否有用。

這三種人看待計算機(jī)都是工具,，但卻以不同的態(tài)度去看待,，這不是我所說的重點(diǎn)，這些等以后再表,。我們知道在AlphaGo未打敗人類專業(yè)圍棋選手前,，人工智能只是計算機(jī)學(xué)科里一個很冷門的分支，這個分支之前的研究方法都是由數(shù)學(xué)家們把持,，稱之為符號學(xué)派,。他們以數(shù)學(xué)的思維來看待人工智能這件事，總是試圖用符號和公式來描述人工智能,。

AlphaGo的出現(xiàn)再次證明在計算機(jī)里最重要的不是數(shù)學(xué)思維,，而是計算思維，計算機(jī)很快也很“笨”,，對人類來說計算圓周率最好的方式是找出公式然后計算,，而對于計算機(jī)來說無需這樣做，計算機(jī)的運(yùn)算速度很快所以在很短的時間內(nèi)可以進(jìn)行大量的計算工作,。以計算圓周率來說,，人類在計算時有很多方法進(jìn)行計算，一般是找出規(guī)律然后使用公式,。

但是機(jī)器的運(yùn)算能力很強(qiáng),，所以無需這些，計算機(jī)計算圓周率可以通過一種叫蒙特卡洛方法的方式進(jìn)行：

蒙特卡羅方法（英語：Monte Carlo method）,，也稱統(tǒng)計模擬方法,，是1940年代中期由于科學(xué)技術(shù)的發(fā)展和電子計算機(jī)的發(fā)明，而提出的一種以概率統(tǒng)計理論為指導(dǎo)的數(shù)值計算方法,。是指使用隨機(jī)數(shù)（或更常見的偽隨機(jī)數(shù)）來解決很多計算問題的方法。20世紀(jì)40年代,，在馮·諾伊曼,，斯塔尼斯拉夫·烏拉姆和尼古拉斯·梅特羅波利斯在洛斯阿拉莫斯國家實驗室為核武器計劃工作時,，發(fā)明了蒙特卡羅方法。因為烏拉姆的叔叔經(jīng)常在摩納哥的蒙特卡洛賭場輸錢得名,，而蒙特卡羅方法正是以概率為基礎(chǔ)的方法,。與它對應(yīng)的是確定性算法。蒙特卡羅方法在金融工程學(xué),、宏觀經(jīng)濟(jì)學(xué),、生物醫(yī)學(xué)、計算物理學(xué)（如粒子輸運(yùn)計算,、量子熱力學(xué)計算,、空氣動力學(xué)計算）、機(jī)器學(xué)習(xí)等領(lǐng)域應(yīng)用廣泛,。

簡單的說就是通過大量計算,，來算出目標(biāo)值。機(jī)器學(xué)習(xí)和人工智能在今天能夠重新迅速發(fā)展就是因為從事這項工作的人已經(jīng)從數(shù)學(xué)思維轉(zhuǎn)換到了計算思維,，而那些黑客開始關(guān)心這項技術(shù)了,，數(shù)學(xué)家依然在這個領(lǐng)域活躍，但是他們的話語權(quán)已經(jīng)越來越低了,，曾經(jīng)這個領(lǐng)域只有數(shù)學(xué)家,，正是他們讓這個領(lǐng)域陷入僵局，他們一直研究的方向就是找出規(guī)律然后把這個規(guī)律公式化,，而現(xiàn)在所有的發(fā)展的好的人工智能都是通過計算機(jī)計算速度快的特點(diǎn)讓機(jī)器來找出這個規(guī)律,。

以機(jī)器學(xué)習(xí)的一個入門算法k-means聚類算法來說，其方法的核心和原理其實極其簡單,。

上面是一個簡單算法過程演示,，K-means的K是一個參數(shù)，表達(dá)的意思是把N個對象分為K個簇,，使得每個簇內(nèi)具有較高的相似度,，以上圖來說N是5，因為有A,、B,、C、D,、E五個對象,，而K是我們定義的，我們想將這5個對象分為兩組,，也就是兩個簇,，那么問題就提出了，誰和誰將分為一組呢？

用數(shù)學(xué)方法該怎么求解這個問題呢,，我知道用肉眼你可以很容易的將ABC和DE分為一組,，但是更多的對象在這個圖里呢，你如何分呢,，這是一個一維平面,，對象通過做連線計算距離也能計算出來，但是在空間中,，加入更多的維度的數(shù)據(jù)該如何進(jìn)行計算呢,，當(dāng)問題變得越來越復(fù)雜的時候數(shù)學(xué)開始越來越難以描述問題了。

按照計算思維來解這個問題是這樣的：

1.隨機(jī)選擇K個點(diǎn)為初始聚類的中心,，上例中是2,。

2.對于對象根據(jù)他們到兩個中心點(diǎn)的距離，將其歸入最近的簇中,。

3.對于每一個簇,，計算所有點(diǎn)的均值來形成新的聚類中心。

4.重復(fù)步驟2,、3直到聚類中心不再發(fā)生改變,。

由上面的步驟可以看出，這樣的工作對于人類是困難的且無趣的,，但是對于計算機(jī)來說是簡單的,，只需按照這個步驟不斷重復(fù)計算就行了，而且計算機(jī)可以算的很快,。

因此人工智能直到最近才開始變得火熱是因為我們發(fā)現(xiàn)了以前被我們忽略的方法,，這種方法對我們來說是笨拙的，粗看不足以顯示出我們?nèi)祟惖穆斆鞯姆椒?，?shù)學(xué)家耗費(fèi)精力想要用數(shù)學(xué)公式描述人工智能,，但是卻在被簡單的重復(fù)計算打敗了，他們的研究方向?qū)⑽覀兯腥硕紟氲浇┚种?，即使我們的計算設(shè)備越來越快我們也在很長的一段時期內(nèi)沒有想到用計算的方法來搞定人工智能,。