如果有第谷的数据，现在的机器学习，深度学习有办法学出开普勒三定律吗？

简单来说是不能，但只是不能明确表达出这种形式，但我们并不知道它是不是已经学会了。因为现在机器学习的主流方向主要是解决明确的问题，比如人脸识别、机器翻译、推荐系统等等，在如何理解模型的方面的研究并不足够火热。倘若有一天这些问题人类都解决了，下一步的大热研究方向，可能就是去理解，机器学习到底学习了什么。

对于机器智能一直有一种误解，认为只有机器把学习的智能，表达成人类可以理解的形式，才是真正的智能。这种想法是错误的，甚至危险的。机器所谓的理解，与人类的理解是不同的，我们要接受这种不同，并思考它的存在。人类受限于大脑有限的计算和存储能力，对于知识的理解只能基于不断地归纳演绎，用语言，比如数学语言，将其表达出来，并将其认定为知识。但机器不同，机器的计算和存储能力相对人类是无限的，因此，机器并不需要像人类一样通过归纳演绎来获得智能。机器已经学到了智能，但是我们却不能理解，但不能因此认为它没有智能。

就拿题目中的例子来说，如果我通过机器学习的方法，训练出来了一个包含一亿个参数的模型，它能精确地预测行星轨迹。某种意义上，它绝对已经学习出来了开普勒三定律，甚至可能总结出来了更多的定律。但是我们能够理解吗？不能。知识都在这一亿个参数里面，我们受限于人脑的结构，永远不可能理解复杂的系统。人类能做的，是试图创造一种方法，把机器学习到的智能，转化成人类可以理解的智能。

这样的例子还有很多，比如我们已经可以训练出比人类更精确地人脸识别、图像识别模型，我们却不能理解模型的原理。倘若真的有人脸识别三大定律，就在那模型的几亿个参数中，我们也只能等待有一天我们能够发展出一套算法，让机器把它的智能转化成我们能理解的语言。

不论怎样，我们要清楚地认识到，机器已经学习到的智能是客观存在的，是无处不在的，而我们受限于人脑的结构，是不一定能够理解的，我们需要努力更多，才能够理解机器所学习的智能。

也因此，对于机器智能的担忧是有道理的。因为我们很难理解机器到底学会了什么，再加上在这个答案中也提到，机器智能的发展是不会后退的：这一波人工智能泡沫将会怎么破灭？ - 陈然的回答 - 知乎 对于一种难以理解的、飞速发展的、不会后退的、可以任意复制的、正在替代人类完成越来越多任务的智能，我们保持足够的警惕，是很有必要的。

---

@陈然