1、AI赋能大脑 1. 人机互补、人机共舞 【华先胜博士4月12日的线上直播】 他说：AIAI的优势有 1.1. 大计算机器的计算能力强大很多； 2.2. 大数据能够记住和关联的数据量， 和人脑不在一个等级； 3. 3. 有规律擅长解决有规律的问题，不论多么复杂。 【华先胜博士4月12日的线上直播】 他说：AIAI的局限有 1. 1. 不善于处理小数据问题、极端情况，而人类可以从很少 样本中学习，并有强大的推广能力 2. 2. 对于复杂语言、情感等处理很困难，而人类对语言及语 言的感知理解能力远远超过机器 3. 3. 不擅长处理不确定的问题，AI用在艺术和创造上尚处在 很初级水平，更谈不上自主意识2、 大数据的相关性(Dependency) 大数据的相关性(Dependency) 依据贝氏方法，调教机器归纳出 因果规律性(Causality) 大数据的相关性(Dependency) 依据贝氏方法，调教机器归纳出 因果规律性(Causality) 先猜测， 再拿先验数据来修正。 从结果到原因的 推论过程就称为贝氏 推论（Bayesian inference）。 大数据的相关性(Dependency) 依据贝氏方法，调教AI机器归纳出 因果规律性(Causality) 大计算 大数据有规律 大数据的相关性(Dependency) 依据贝氏方法，调教AI机器归纳出 因果规律性(Causality3、) 归纳出规律性， 适用于因果性场域。 大数据的相关性(Dependency) 依据贝氏方法，调教AI机器归纳出 因果规律性(Causality) 借重AI的强大因果性推理，来 提升人类果因性推理能力。 2. AI因果推理人类果因推理 依据贝氏方法的果因关系，来调教机器的相关性(因果性)。 让机器的因果能力持续增强。优秀的机器因果能力， 透过贝氏方法来提升人类果因性推理能力。 从两个盒子轮流抽取，所以机率各半(1/2)。 也就是， P(C1) = 。且P(C2)= 。 因为盒子是透明的，可以看到P(x|C1) = 4/5。且 P(x|C2) = 2/5。 或者说，AI能帮我们探索盒子，更接近于透明的，就可 以更接近透明的P(x|C1) = 4/5，以及 P(x|C2) = 2/5了。 依据公式： 可以算出结果：P(C1|x)。代表了抽到蓝色球，而且来自 C1的机率值。 依据公式： 由于盒子