亚利桑那大学和布朗大学的研究者刚刚贴出一篇论文的预印本 ， 叫《最优学习的85%规则》[1
。 这篇论文还没有正式发表 ， 《科学美国人》上的一个博客已经率先报道 [2
， Twitter上也有好几个人讨论 。

我仔细研读了这篇论文 ， 感觉非常新颖而且非常重要 ， 它将来会获得大量的引用 。 但是我认为一些讨论误解了这篇论文的意思 。 我先说说这篇论文到底说了什么 。

我们知道现在人工智能本质上是机器学习 。 我们弄一个神经网络 ， 用大量的数据去训练这个网络 ， 让网络学会自己做判断 。 网络内部有大量参数随着训练不断变化 ， 就相当于人脑在学习中提高技艺 。

每一次训练 ， 都是先让网络对数据做个自己的判断 ， 然后数据再给它一个反馈 。 如果网络判断正确 ， 它就会加深巩固现有的参数；如果判断错了 ， 它就调整参数 。 这跟人脑的学习也很像：只有当你判断错误的时候 ， 才说明这个知识对你是新知识 ， 你才能学习提高 。