1. 深度学习就是想要模仿人类的认知过程，利用“神经元”链接来模仿大脑的数据处理过程，这样一来加上计算机本身具有的超强数据处理能力，类似人类但是功能强了几个数量级

2. 根据演化经：人之所以会趋利避害就是因为没有趋利避害的个体被淘汰掉了，这就像机器学习的函数优化过程，基因的变异使得世上的个体具有很多不同的价值函数，而具有比较高效的价值函数的个体更容易留存下来，取得世俗意义上的成功，所以这样的价值函数就在人群中扩散…

3.学习有很多种方式。比如学围棋…一个人可能通过看前人的棋谱学习，也可能通过自己对弈来学习… 前者叫做监督学习，后者算是强化学习。

4.所谓的大局观就是总体考虑长期利益和短期利益，加入时间这个维度，得到综合利益最大化。有时候放弃短期利益可能导致青黄不接，这就是为什么“目光短浅”这种特质被留存下来的原因。

经济学领域的研究一向把价值最大化当作解模型的重点，这点是没错的。以前的简单模型只考虑了当前的价值最大化，所以有点脱离现实了。后来加入了折现因子，未来利益也加入了考虑过程当中。在行为经济学领域，不仅时间，还有另外的特质比如公平，同情，等等非物质的利益因素也被加入了模型，这使得其更接近现实观察到的现象。比如很多故事里的富人都被描述为为富不仁，刻薄无情的角色…可能是因为他们的价值函数中追求现实利益占更大的比重，而所谓的同情等等是需要损失现实利益的，因此这样的人更有可能积累大量的彩富，但是名声不会很好。

5.（开个脑洞）人类就像一个个的神经网络（由某种更高等的物种构建的）。这样考虑预测学的理论就很简单了，只是一种从价值函数推测未来结果的理论。所谓“七岁看老”也是基于类似的原理，这被当作一种生活经验。小孩因为较少受到外来因素的干预，因此更容易观察到这种价值函数…而被称为迷信的命理预测学，大家之所以怀疑是因为它仅仅通过出生时间（或者其他很少量的信息）就声称可以推算未来命运（其实它也承认后天因素会干扰先天因素发挥作用）。与此同时使用基于计量经济学的模型来预测宏观经济走势，或者基于过去的气象数据预测未来天气却被当成科学（因为他们具有足够的数据量，预测结果准确率也较高）。传统预测学的数据量太少，这也导致了预测精度的降低，增加了人们的不信感。同理可得中医只是一种基于经验主义的医学，治愈的准确程度可能比不上现代医学，但它并不神秘也不先进，也不应该被污名化。

现在来猜测为什么预测学通过出生日期可以知道人的某些性质（这点我也不太懂）。出生日期应该是个比较偶然的数字（有待进一步考虑），人的先天性质照理说是由基因，以及其表达水平决定的。基因取决于父母遗传加上一些变异因素。至于表达水平，也许和时间有关系？（不明白）价值函数和出生时间又有什么关系呢？

6.回到人类是被架构的神经网络的假设。计算机可以识别图像但是它们看到的图像是一些储存在每个像素点里的二进制数据，而我们看到的是二维平面的。可以猜想更高维度的生物看到的图像又跟我们看到的并不一样。

据说高维的生物可以看到三维生物的未来。不过在一些重要的二叉树结点选择会很大程度上改变未来，这时预测是怎么处理的？考虑机器学习神经网络的输出结构，其实预测/或者匹配并不是100%的精度，而是在每个结点考虑概率，最终输出一个最有可能的情况。至于选择是哪一个，这个概率也可以通过先天的性质（或者价值函数）推测出来…（最终输出结果是混合的还是单一的？）如果是混合的，概率较大的选项的结果所占比重会更高，但是模糊性增加，比如星座预测。如果是单一的，精确程度会高一些，但是正确率会降低。（类似波粒二象性，位置和状态很难同时确定） 当预测的精确度和准确率达到一定程度，大家就以为是科学，两者之一不够则以为是伪科学。其实并不一定是伪科学，而可能只是模型的设置不够合理而已。所以有时候科学和伪科学之间的界限并不是泾渭分明，只有理论水平的高低有区别罢了…

所以传统预测学可以看作一种拿三维的数据利用经验主义推测高维现实的模型，只是模型并不完善…建构也不甚合理，因而准确度有待提高。

（我一定是喝醉了才会写出这些东西…）