遗传算法、Golombs编码和人工神经网络是我最近常看的三个主题 。我的微薄科班功底还不足以让我很轻松的弄懂这描述、模拟世界的方法。之所以看这些资料，并不是因为他们看起来多么的＂高级＂，而是自己很感兴趣的几个项目都涉及了他们包含的一些基本原理。
在阅读这些资料和文章的时候，我碰到了一个共同的障碍：我的直觉丧失了力量。
日常工作中常常碰到一些“算法”方面的问题：排序、索引、倒排索引、哈希、红黑树等等，我想大部分人和我一样，上面提到的这些算法，虽然一开始你不能自己 想象出来，但是一旦看见他后，你会仅仅凭借直觉就可以理解他们。然而直觉，这珍贵的直觉在我看遗传算法、Golombs 编码和人工神经网络的时候失效了，特别是人工神经网络，看了很久后，我感觉到甚至有些沮丧了。
比如这篇：AI – Simple Genetic Algorithm (GA) to solve a card problem 应该说，这还不是概念完整的遗传算法，有位读者在后面的评论中也提到了。 这篇文章中的算法，基本上可以看懂，但是要说出为什么来，似乎无法解释通了….
佛说：
看山是山，看水是水；看山不是山，看水不是水；看山还是山，看水还是水。
我想在学习诸如此类的算法时，应该换个方式，换个角度来看问题。
找到把一个中间的，能把概念连起来的东西就很重要了。
关于遗传算法的资料，可以看这里：人工智能遗传算法。
返回到题记中提到的牛顿。在我们看来牛顿有很多深邃的发现，而在牛顿看来，大自然的很多奥秘只不过就在那里，只是他说出来了而已，真牛X 。就像《超时空接触》( contact ) 结尾中中说的那样， ＂这些隧道在我们来之前就存在了，我们不知道是谁建造了他们＂。（有97.2%的人相信这部电影中的故事是真实的。）