類比並不僅僅是文學修辭，它是我們的思維方式，在知識領域同樣有用。我們的知識發展很大程度上是靠類比和聯想。邏輯演繹能保證我們在一個領域內推導出真知，但是根據哥德爾不完備定理，一個領域內總有一些基礎公理是不能自我推導的。這就是說，每個領域至少有一些基本假設，要「無中生有」，而「無中生有」的來源，往往是從原有的領域類比而來。
有價值的類比實際上是發覺深層的結構，外在的資訊無關，不意味著深層的機理無關。愛因斯坦的廣義相對論，由自由落體的電梯類比而來，把整個地球類比於電梯，得到了令人瞠目結舌的對宇宙的新知。電梯和宇宙結構之間的關係，就是用跨領域聯想找到深層原理。
＠習慣化學習vs.重複學習
小孩子總是三分鐘熱度，一件事情喜歡上兩天就不喜歡了。要是人工智慧，我們可以讓它念唐詩念上一年都不厭倦，但小孩子能堅持三、五天就很了不起了。
厭倦來自一種心理學特徵：習慣化。習慣化是指：大腦對於新奇的刺激有本能的興奮，人的注意力喜歡追隨新奇刺激，一旦一個新鮮資訊變得習慣了，大腦就感到厭倦，不再加以注意。嬰兒身上就展現出這種特徵，心理學家給三、四個月大的嬰兒看螢幕上的畫，如果是他覺得奇特的，他就目不轉睛盯著看，如果是已經看得習慣的畫，他就不怎麼看了。科學家就是用這種方式測定嬰兒的本能知識。
習慣化反映了大腦的學習過程。「注意力」是大腦的稀缺資源，大腦總是要把注意力「投資」在最最值得的地方。一旦一個知識學會了，融入了自己的知識框架，大腦就要把注意力投資到其他地方。習慣化實際上就是學會之後的注意力轉移。這種習慣化也正是形成「常識」的過程。大腦有常識體系，一旦一個資訊是「反常識」的，大腦就加以注意，新知識變成常識的一部分之後，注意力就向其他新知識轉移。大腦注意力永遠向新異資訊轉移，這種傾向實際上是創新的本能。
人工智慧學同樣的知識、做同樣的練習，永遠都不會厭倦，好處固然是永遠可靠地工作，但問題在於，如果注意力永不厭倦地放在已經學會的知識上，還有什麼動力去學習新知識？有很多人說，人類大腦的「自動化」過程是一種懶惰，但實際上，它是「自動化」舊過程，以便搜索新資訊。大腦就是在學習與搜尋的過程之間永恆切換。這是創新的推動力。
＠試錯學習vs.優化學習
人工智慧學習的過程，是在尋找最優解。而人類小孩會犯錯，甚至會故意犯錯。ＡＩ會小步試錯，但最終目標始終是尋找全局最優的解答。它不斷根據最終的答案調整步驟，直到所有參數都有利於獲得最佳答案。人工智慧計算永遠都是可靠的，每次提出同樣的問題都得到同樣的解答，如果不特意安排它出錯，它不會出錯。
小孩子的思路走不了那麼遠，他更多是從現狀出發，東試一下，西試一下。有的時候，嘗試的過程中他發現了另外的問題，給出另外的答案，不一定是最優解，但會帶來新的洞見。另外一些時候，他故意做錯，只是覺得按照另一種方式做更有意思。
故意犯錯很多時候是在體驗自主的樂趣。有時候犯的錯誤需要糾正，例如：二加二不等於五，但有更多時候，錯誤沒有任何關係，而是開啟了另外一道門。
＊作者郝景芳為2016年雨果獎中短篇小說獎得主，得奬作品為〈北京折疊〉。1984年生，小說作家，經濟研究員。2002年進入清華大學物理系學習，2013年獲得清華經濟學博士學位。曾出版長篇小說《流浪蒼穹》、《生於一九八四》，短篇小說集《孤獨深處》。創立兒童通識教育專案「童行計畫」。
