假如你是一名程序员，如果想让计算机从海量的图库中找出金发女郎，你会怎么做?
是不是会用程序语言详细描述金发女郎的特征？比如需要有一头金发，然后人的五官得有吧，五官的位置得有吧，定义完无穷多的特征值后，让计算机按图索骥式的去图库中寻找金发女郎。结果这套复杂的算法找出的金发女郎有可能是金发女郎，也可能是非洲狮或卷毛狗，上述情况是这种算法思维无法避免的。
后来科学家就想，人类在学习和识别某种物体的时候是这样吗？人为什么可以在海量的图库中准确找到金发女郎，并不是事先被告知金发女郎的特点，而是之前见过很多次金发女郎，头脑中大概形成这样一个轮廓和意识，才能准确的找到金发碧眼的美女。
于是，基于深度神经网络的人工智能出现了，他模仿人类的识别方式，科学家事先仅定义如何把图片按照分层的方式打散，然后通过什么规则比对，什么算法来判断他的价值高低，这一整个框架设计出来后。-无数金发女郎的照片就被喂给计算机，不管这些照片是远景近景，是侧面还是后面，计算机都把这些照片打散，分层和找出特征，等积累一定数据量以后，即使喂给计算机的是戴着假发的男人，他也能识别出来。
想想谷歌的阿尔法狗为什么能打败李世石和柯洁，人类棋手一年最多能下1200盘棋，一辈子下100年也就12万盘棋，阿尔法狗一天能下100万盘棋。一年就超过3亿盘棋，而且都是高质量的棋。人工智能的学习效率相比人类较低，但可以不吃不喝不断学习。依然可以在半年内轻松超过一个学习15年围棋的人类棋手。
作为家长，对我们来说最重要的启发是：既然人工智能在模仿人类，说明人类的这套学习方法是先进。但是，家长在教孩子的时候反而经常在学习人工智能之前的计算机算法：事先设定特征值，让孩子学习特征值后再按图索骥，难免南辕北辙了。
比如1～2岁的孩子在学习什么是卷毛狗的时候，你是先告诉什么是卷毛狗，有着长长的卷毛，有个小尾巴，四肢着地还会汪汪的叫，满足以上特征就是一只卷毛狗，还是直接找条卷毛狗每天让他观察，让他们一起玩。哪种学习方法更好呢？类似卷毛狗这种实物，如果还可以靠事先告知外貌特点的方法来识别的话，一些虚拟的东西怎么办？比如如何判断一个人是好人还是坏人？注意，刚才我在说一个人是好人还是坏人的时候其实已经将人脸谱化了，即便是成人也希望将事物简单化，但世界上哪里像童话故事里有绝对的好人和坏人呢？自己都定义模糊的品质又如何清晰准确的告诉孩子呢？
今天，手机上的一个微信群在讨论，如何回答孩子提出的一个问题。孩子的问题是：什么是科学？该如何回答？相信大多数家长是无法清晰准确、并用孩子能听得懂的语言回答出来的。有家长说用百度，查科学的定义、体系告诉孩子，然后举生活中的例子给孩子。这种家长应该说已经很负责了，比一些甩手掌柜要好得多。但是枯燥无味的定义不仅会打击孩子的积极性，而且会框住孩子的想象力。回想我们小时候是如何了解科学是什么的？我们的家长是给我们定义这个看不见摸不着的科学以后，再让我们回到生活中去寻找科学的影子吗？
还记得金发女郎的例子吗？是事先用一些特征值定义金发女郎还是先给予计算机各种金发女郎的图片，让计算机将图片的各种细节习得，再来识别金发女郎，识别过程中发现错误还可以得到不断纠正呢？科学的问题也是一样的，我们需要先给出科学的定义吗？即使给出准确的定义，孩子能够理解吗？即使是学识再渊博的家长也不是万能的，不可能准确回答出孩子提出的所有问题。所以我们是不是应该反过来学习人工智能的方法，不！是遵循人类既有的认识世界的模式，充分的利用有关于科学的书籍、视频、音频，甚至包括带他去科学馆等形式和手段去帮助孩子去丰富他的数据库，充分的让他打散，分层，再比对、组合。等到他们的数据库积累到一定程度，他们自然对科学有了自己的认识。而且这种认识还是基于丰富的生活经历，不断精进的。
也许几年后，孩子已经可以给家长讲述他们所认为的：什么是科学了。
