物流网络的运力规划问题，用AI解决的一般思路，是挂载深度学习网络，并根据问题的性质给定大量边界条件，AI上线运行后，很快就能根据初始条件与运行数据，逐步优化策略，给出较好的解决方案。
旧时代的IT领域中，人工智能，往往就是应用在这样的场合。
这种“自动化、智能化”，实质上仍然是一种低级重复劳动的替代，是用人类智慧，分割、定义问题，给出算法，然后利用计算机的速度，迅速做完原本用人力需要很长时间才能完成的工作。
但这种应用方式，显然，对复杂问题的解决能力，不会太理想。
在若干年前，应用于某一领域、解决某一类问题的AI，几乎只能用于解决该类问题。
不仅如此，一旦问题的边界条件发生变化，甚至只是略微改变，AI的效率都有可能大幅滑坡，进而必须有人来干预，修改边界条件，替换算法，总之，借助人类的智慧才能应对多变的具体情形。
即便这些多变的情形，根本上讲，并未改变问题的性质，理应在计算机的能力范围内，传统AI体系也几乎总是一筹莫展。
这种情形，在FSCIM体系出现后，才逐渐被改变。
基于FSCIM体系的计算机、AI体系，一言蔽之，对问题的“理解程度”，远比之前那些全凭速度吃饭、对自己正在解决的问题本质一无所知的AI深得多。
说计算机“理解”问题的本质，很多业界人士，只会一笑置之。
这实际上反映出人类的傲慢，方然的观点则相对中立，他并不认为，一台运行FSCIM架构之软件的计算机，会如同人类那样认识、分析、理解问题。
否则，FSCIM体系反而相当于失败，这一体系最初就是为计算机所准备，故，FSCIM体系赋予计算机的能力，是独特的新视角，区别于人根据自身思维特性而做的探索与认识，计算机同样也有自己的一套认识、分析问题之构架。
本章未完，请点击"下一页"继续阅读！ 第2页 / 共4页