「你好，我是王爍。
這一講，我想跟你討論一個，我最近的認知收穫。
我這輩子棋力最強的時候，曾經拿過北京大學生圍棋比賽冠軍。從那時到現在，人類圍棋最輝煌的時代我經歷過了，AI統治的降臨我也見證了。
人下圍棋要講棋理，但今天AI不給你講棋理，問工程師也沒用，他也沒法告訴我AI是怎麼「思考」的：深度學習是個黑箱，就跟大腦是個黑箱一樣。
要跟AI學棋，就得用到《30天認知訓練營·2019》里講過的三種反饋學習方法中的模仿。由表及裡，從它下在棋盤上的棋步，去倒推內在的邏輯，先回溯，再模仿。
雖然並不存在絕對靠譜的方法，來判定剖析到了哪一層真正管用，雖然通過模仿獲得的認知日後多半會發現很淺薄，但沒有更好的辦法。
模仿AI，我學到這些心得：
第一，棋沒那麼容易死，與什麼棋都可以死，這兩句話同時成立。棋沒那麼容易死，每個子死的時候都獲得了對價，才能死得其所。什麼棋都可以死，所以不用怕死，倒是怕死反而會死得很不值。
第二，天大地大，先手最大。幾乎是無論什麼時候，如果一個地方不會下了，那就脫先，也就是換到別的地方落子。脫先總能得九十分，要是不離不棄，長考出一套精妙打法，反而經常不及格：一頓操作猛如虎，勝率就掉二十五。
第三，把每一步都當作第一步來思考。無論上一步有什麼構思，這一步都要忘掉重來。正因如此，打臉不要緊，反正還要打。漫漫長路，你還要打自己的臉很多次。
總之，人類下圍棋下不過AI至少有三個原因：太怕死，太戀舊，太要臉。
馬爾可夫過程
豈止下圍棋是這樣！看到我的這些心得，我的朋友，軟件工程師木遙說這就是個馬爾可夫過程。他這樣講：
生活里的很多事都是馬爾可夫過程。
也就是說，之前到達這一刻的路徑並不重要，千百種可能的過往路徑歸結為此刻的現實，能賴以對未來作出判斷的依據也只有此刻本身。你應該永遠像是一個在棋局進行到這一步的時候，才被邀請來坐在棋盤前的棋手一樣，開始重新思考。
但人們通常做不到這一點。
你持有一個股票倉位，你就沒法忘了自己是在什麼時候建的倉。你投入心力做了一件事，你就不知道該何時撒手。你把過去講成了一個故事，你就自覺有義務要讓未來遵循這個故事的邏輯。捨不得，放不下，輸不起，贏不夠。人是自我敘事的奴隸。
該翻篇兒的時候就要翻篇兒，每天的太陽都是新的。
說到馬爾可夫過程，把木遙的話總結成一句，說到馬爾可夫過程就是這樣的： 未來只與現在有關，而與歷史無關。
這話里有冷峻的詩意：AI就是這樣下棋的，股市大多數時候也是這樣運動的，在《30天認知訓練營·2019》里講，不要清空存量，要清空存量思維，也是同一個道理。
但到這裡還不是盡頭，我們可以再往下多走一步，馬爾可夫過程的道理還有更深一層。
為什麼在馬爾可夫過程中，未來與歷史無關？
給你舉個例子，假設你的閒暇時間只用來做兩件事，讀書和玩手機。在這裡，讀書是一種狀態，玩手機是另一種狀態。
我們再假設，你在這兩種狀態之間相互切換的概率是固定的。假設你正在讀書，那就有6成概率會繼續讀下去，而有4成概率會轉過去玩手機；再假設你要是正在玩手機，那就有9成概率繼續玩下去，而只有1成概率會轉過去讀書。
在此，我已經提到了馬爾可夫過程的四個前提：
第一，狀態的數量是有限的，這裡只有兩種狀態：玩手機、讀書；
第二，狀態之間切換的概率是固定的，這裡指的是你讀書時轉過去玩手機的概率，或者你玩手機時轉過去讀書的概率，它是固定的；
第三，遍歷性，也就是所有狀態都有可能會出現；
第四，非週期性，也就是它不會是單一的一個過程反復循環，周而復始。
馬爾可夫過程的四個前提如果同時成立，那麼，不論最初你在讀書和玩手機上怎麼分配時間，也不論後來經過了多長時間，有多少次反復，最終都只有一個結果：
你80%的時間用於玩手機，20%的時間用於讀書。
只要到了這裡，你就出不來了。算一算，八成時間用於玩手機，兩成用於讀書，這時，你從玩手機切換成讀書的時候有10%乘以80%等於8%，而你從讀書切換到玩手機的時候有20%乘以40%，也等於8%，兩者正好抵消。只要你達到這個均衡，你就鎖死在這個均衡里出不來了。
哪怕你最開始是100%的時間都用來讀書，你最後也會掉到80%的時間用來玩手機的結果中去。
只要是一個馬爾可夫過程，總是會結束於一個統計均衡（unique statistical equilibrium）。正是在這個意義上，歷史無足輕重，因為無論初始狀態是什麼，無論過程中作何干預，無論路徑怎樣展開，最後都會掉入模型設定的長期均衡，並且就停在那裡了。未來與歷史無關，因為不論歷史是怎麼發生的，未來已經注定。
對馬爾可夫過程的理解，不能缺少了這一環。
所以說， 如果你想改變你現在的狀態，關鍵不是從哪裡出發，也不是過程中你要作哪些干預。你要做的是改變轉移的概率。
轉移概率就是，你在讀書時是繼續讀呢，還是轉過去玩手機，你在玩手機時是繼續玩呢還是轉過去讀書，這兩件事的概率。不改變這兩個概率，你起初花再多的時間來讀書，過程中你拿起書的次數再多，你還是會掉進同一個坑里。不信你就算一算。
同樣的道理適用於其他問題。
比如說管理情緒，在放鬆與焦慮之間，如果你想減少焦慮，指望休假重啓充電是不行的，未來與歷史無關。想要減少焦慮，你得在放鬆的時候能夠更多地保持放鬆，而在焦慮的時候能更多地走出焦慮，你得改變轉移概率。
同樣，授人以魚，不如授人以漁。如果不提升人們從窮困狀態轉到富裕狀態的轉移概率，也就是增加窮人的致富能力和機會，那麼無論你給窮人多少錢，最終還是會有同樣比例的人群陷於貧困。社會花了許多資源，最後什麼也不會改變。
本講小結
總結一下，鎖死在壞的均衡里是災難，鎖死在好的均衡里，好結果會自己發生。從壞均衡的馬爾可夫過程變成好均衡的馬爾可夫過程，你必須改變轉移概率。
前兩年韓國駐華大使送了一幅字給中國領導人，最近韓國議長訪美又手書同一幅字給美國國會眾議院議長。同樣四個字：萬折必東。
四個字兩頭送，雖然有一點點滑稽，但跟今天講的馬爾可夫過程契合：
不論從哪裡開始，是從唐古拉山還是崑崙山，不論過程中有多少曲折，是黃河九曲還是長江十八灣，水下一步往哪裡流，都只跟現在這一步有關，每一步都是水往下流，那麼它最終一定東流入海。
今天我也把這四個字送給你：如果你執行了錯誤的轉移概率，馬爾可夫過程是你的天敵；反過來說，如果你執行了正確的轉移概率，馬爾可夫過程是你最好的推手。不論起點高低，過程難易，它將你一步步送往屬於你的那個均衡。
萬折必東。
思考題
照例出個思考題：
生活中還有哪些事是馬爾可夫過程，又有哪些不是，還有哪些它很可能經常是，但不應該是？
新書上線
宣佈個消息，我的新書《跨界學習》就要上線了，這本書脫胎於《30天認知訓練營·2018》的課程內容。
「得到」給學習了我課程的用戶，準備了提前購買的優惠，如果你感興趣可以點擊下方的圖片鏈接，進一步瞭解。」
