所有人都渴望知识。我们物种的这一特征是高度适应性的，硬连线的，是进化的副产品。虽然我们生来就有一定的技能和能力，但我们通过经验学习，获得知识。Kahneman和Tversky在他们的心理学和经济学的开创性工作中假设人类有两个获取知识的系统。他们的特点如下：

系统1：自动、快速、频繁和潜意识系统2：缓慢、轻松、不频繁和有意识的

系统1-我们的本能防御

每天我们都使用系统1对世界如何运转做出许多决定或预测。当我们穿过街道时，我们会扫描环境以识别风险并估计是否可以安全行驶。这些都是使用System 1自动进行的预测。我们并不是天生就有这样的知识，我们通过反复试验来学习，并将这些模型应用到生产中。

当被问及我们如何做出这些决定时，我们通常不知道如何解释我们是如何做出决定的，但我们暗中信任他们，因为我们知道他们是有效的。只有当这些模型或启发法过于频繁地失败时，我们才会被迫使用系统2来开发另一种方法。

系统2——我们深思熟虑的防御

系统2需要努力理解我们在生活中遇到的"数据"。我们从System 2衍生出来的模型需要统计推断和数据，当我们足够聪明，收集足够的数据，并使用科学的方法进行推断时，我们中的一些人能够衍生出"第一原理知识"。

例如，在17世纪之前，我们相信太阳系是如何运作的，其中一些假设是神把行星推过天空。虽然我们没有证据，但这个信念可以用一种天真的方式解释太阳系是如何运行的。最终，云主机服务器，天文学家的工作导致了开普勒定律，云服务器免费，该定律允许重复的预测。开普勒定律使牛顿提出了万有引力定律，这也许是我们第一基本知识最重要的例子。因此，从系统1到系统2的过程从信念开始，转向经验洞察力（如果我们足够幸运和聪明），我们发现了第一个主要知识。

克服系统中的缺陷

卡尼曼和特沃斯基的研究表明，云快卖，这两个系统都有缺陷。系统1工作，手游返利，但受到许多偏见，导致我们犯错误。系统2也有缺陷，因为一般来说，人类在统计推断方面很差。显然，要克服我们学习过程中固有的这些缺点，最好的方法就是开发可重用的程序，为我们学习。进入机器学习时代

发生了什么变化？

信息时代永远改变了我们的世界，因为我们现在每两年从中获取知识的数据量翻一番。传感器、大数据管理技术和机器学习的结合以一种独特的方式赋予了我们力量。

随着数据爆炸的不断加速，传统的知识发现方法处理的数据太多了。我们拥有的数据量实在太多了，我们无法使用传统的知识发现方法提出假设，进行实验，收集和分析数据。科学方法将需要机器学习来帮助我们进行实验，以发现新的第一原理知识。

简而言之，淘客如何推广，机器学习将简化和改进我们如何使用System 2。系好安全带。这将是一次史诗般的旅程