认识天下分为三个台阶：

1.第一台阶：不雅观察

通过不雅观察天下来创造事物之间的关联，根据不雅观察到的规律来辅导自己的行动。
比如，不雅观察到公鸡打鸣后，天就亮了，那么听到公鸡叫，就可以起床了。

2.第二台阶：干预

通过预测对环境改变后的结果，来选择有利于自己的行动方案。
比如，爬上树才能摘下果子，但树太高了很危险，如果拿一根长棍敲打树枝，或许果子也会掉下来，我为什么不找根长棍试一试？

3.第三台阶：想象，反思，理解

反思是什么缘故原由导致了已经发生的结果，我可以采纳哪些行动来促进或避免类似的结果，这个比较随意马虎理解。

这便是“因果关系之梯”的三个台阶，我们人类明显处于第三台阶，部分会利用工具的动物，比如黑猩猩，处于第二台阶，而大部分动物处于第一台阶，那么目前的人工智能处在哪个台阶呢？

无论是大数据剖析还是深度学习算法，其底层逻辑都是通过大量的外部数据来找到特定目标的关联性。
大数据剖析显示，美国每次飓风来临的时候，沃尔玛超市的草莓曲奇饼干销量会大增，飓风和草莓曲奇饼干的销量呈强干系性，以是不须要知道详细的缘故原由，就可以有效辅导沃尔玛超市备货。
由此可见，目前人工智能仍旧处于第一台阶，只不过高效的数据数理能力使其成为一个超级不雅观察者，利用的数学逻辑也很大略，便是条件概率，P（Y/X），即当X发生时，Y发生的概率，当这个概率比较高时，人工智能就认为两者强干系。

我们常常会收到一些推送信息，也是基于以上的逻辑，有时乃至成为我们的烦恼。
在网上为朋友的孩子买了个礼物，之后就一直地收到关于孩子的各种信息的推送。
如果不理解行为背后的缘故原由，不知道事物关联背后的逻辑，开展有效行动的概率就会降落，我们就无法客不雅观理解这个天下，人类也就无法将科技发展到如今的水平。

如果一定要将因果关系和概率联系在一起，那么至少人工智能得跨入第二个台阶，用数学措辞描述，便是P（Y/do（X）），即主动提高X事宜发生的概率，不雅观察Y事宜发生的概率是否会提高。
在生理学和社会学方面，人类采纳的随机双盲试验，便是利用了这个逻辑，APP也常日会采取A/B界面测试，来得到用户的反馈。
我不知道人工智能是否能实现这一目标，这不是纯挚改变条件那么大略，而是先要预测改变那些条件可能会导致预期的效果，然后再行动来验证自己的想法。

对付第三台阶的认知能力，就目前人工智能的底层逻辑而言，是无法达到的。
我们人类认知能力在四万年前有了一个大飞跃，从第二台阶一下子跨入了第三台阶，证据便是施塔德尔洞穴的狮人雕塑，他是迄今为止人类创造的最古老的虚构生物雕塑，我们不知道远古的先人为何创造它，但人类自此发展出了一种想象不存在之物的能力，这是所有哲学理论、科学探索和技能创新的雏形。

与任何解剖学上的进化一样，这种认知能力的飞跃对我们人类这个物种来説意义深远至关主要。
在狮人雕塑制造完成之后的1万年间，其他所有的原人种都灭绝了。
人类连续以难以警信的速率改变着自然界，利用我们的想象力生存、适应并终极掌控了全体天下。
从想象的反事实中，我们得到的独特上风是灵巧性、反省能力和改进去行为的能力，更主要的一点是对过去和现在的行为承任务的意愿。
古往今来，我们一贯受益于反事实推理。

有人说人工智能发展即将达到一个奇点，过了奇点，通用人工智能就会产生（类人智能），我想说的是，除非人工智能的底层逻辑是建立在因果关系之上的，如果还是基于干系性的逻辑，从事理上来说，基本不可能达到人类智能的水平。
当然，哲学界有僵尸一说，便是看上去和人类智能没有差别，但实在是一个基于大数据处理的人工智能，你无法分别，著名的“中文屋”思想实验也反响了这么一个想法。
但如果是这样，我想须要的数据量会非常大，大概这个数量级比可见宇宙中的原子数量还多，同时又必须把所有数据在较小的物理范围内储存和打算，否则就无法担保运算速率，我想你不会把一个每次都要思考几分钟才能回答你问题的人工智能当成正常的差错吧。
大概科技的发展能够实现这一点，但我想有生之年估计很丢脸到了。