这篇文章的想法来源于吴伯凡老师的课程《认知方法论》，在吴伯凡老师的知识框架下，我想说一说我对模式识别和机器学习的浅薄认识。
机器学习是近几年很热门的一个门类，这学期我选了这门课，不是说要多深入地学习，我是一个数学一直不太好的人，也决定了我这门课可能也无法太过精进。但我还是选了这门课，期于这门课能带给我新的视野，给我一个窥见前沿天光的一个窗口。
最早对机器学习有了很深的印象大概是在去年，我听《逻辑思维》的时候，罗胖讲了一个机器学习的故事。他说专家们做的，是给一个机器大量的数据，比如一百万张图，然后把猫找出来。这个前提是，不告诉机器猫是什么。我觉得听到这个我是有点震撼的，在不断地对图像处理中，机器自己探索边界，自己生成定义，然后找到那个定义所对应的事物，这就是机器学习。
由此，我想到了我的学习历程。在成长的过程中，我不断被灌输新的东西，在接触到新的概念时，我总有海德格尔式的那种“被抛性”，我只觉得是有人将我抛进了一个陌生的世界，周围都是我无法理解的事情，可惜我并不能像海德格尔一样有几个小时的野外散步，我就是那台被命令找到猫的机器，只能努力去寻找，寻找猫的边界，以及我的边界。
我是个在成长中逐渐享受了这种“被抛性”的人。我学习经济学，学习金融，看看哲学，又看看人类学，我意识到在新知被真正运用之前，我们是无法真正掌握的，不断地边界探索也让我意识到机器学习的过程也正是人类在这个世界上的学习过程，甚至说是生存模式。现实世界在不断给予我们挑战，我们为了应对挑战，去学习新知，不断用新知去碰撞，去尝试，是否能解决这个问题。如果不行，我就再去学习别的知识，直到解决问题为止。这不就是机器找猫的过程吗？不断寻找，不断尝试，不断给出定义，直到找到我们要找的猫。
说了机器学习，我就再说一说模式识别。“模式识别”可谓是一种非常经典传统的人工智能，甚至可以说是“古老的技术”，这种技术在上个世纪五十年代就有了，它通过对某些图像、声音进行分析，生成一个模式，然后把这个模型放入计算机，让计算机按图索骥寻找跟这个图形、声音相关的信息和文件。
我们已经可以看到，机器学习和模式识别最根本的区别了。一个是给出数据，生成顶层逻辑；一个是给出框架，识别底层数据。用我们熟悉的话来说，模式识别是演绎，机器学习是归纳。在方法论上，机器学习是自下而上的，这也正是人类最好的学习方法。也就是说，机器学习是不带成见和偏见吸纳大量数据的，它从大量的、非结构性、没有指向的数据当中，生成一些模式，然后再在大量的数据中寻找符合这个模式的东西。同时，这个过程不是一次性完成的，它是一个反复迭代的过程。
吴伯凡老师在课程里举了个例子，可以帮我们很好的理解模式识别和机器学习。
比如我们在手机上手写输入的时候，有“模式识别”和“机器学习”两种选择。
- 第一种：模式识别。
在手机里，已经存储了某些字的固定模型，只要你进行手写，就会给你呈现“你可能要写的字”，然后你选一个就可以了。如果你写的字不是太规范，比较潦草，它往往就认不出来，或者，它的选项就特别发散，什么不搭边的字都呈现给你，这是“模式识别”技术很容易出现的结果。 - 第二种：机器学习。
每一次你输入的时候，它会根据你的笔迹和字之间的对应关系，逐渐形成一种专门针对你的具有个性化特征的模式，这样一来，准确率会越来越高。这个过程是“自下而上”，基于大量非结构性数据、不带成见、实时互动的生成模式。之后，再用这种模式进行识别。当识别过程中出现任何错误，都会再回馈到机器当中，机器进一步修改它已经生成的模型，这样就会越来越精确和智能。
在我们人类的认知中，也存在着这两种认知模型。一个是“我已经被输入了一个固定的模型，我要按照这个模型去做选择和判断”的模式识别，一个是“我要在陌生的世界里探索边界，创造自己的模式，在外界不断地回馈中改进我的模式”的机器学习。
查理芒格说，当你手上拿着锤子，你看什么都是钉子。我们认知的疆界就是我们的疆界，我们手上拿着的锤子决定着我们的行为方式，外界出现了钉子，我们挥舞手中的锤子是没有错的，但如果出现的是另一把锤子呢？我们需要不断地学习，打开口袋 ，刀枪剑棍斧钺钩叉，手中有锤子有剃刀，脑中是各种类型的模式，这样，我们就能应对不断变化的世界。让我们找猫，我们就给他猫，让我们做一切，我们就给他一切。
