很小的时候，看过一部英国的科幻电视剧，主角有一辆非常智能的汽车，你说去哪，它就会自动驾驶去哪；你说让它来接你下班，它就会自动来接你；你说随便逛逛，它就会随便逛逛……现在想想，那都是20年前的事情了。想想20年后的今天，这些科幻的桥段，都快变成了生活的一部分。而时间前推到40年前，那时候电话都还是影视中的手摇式，在老家乡村的普通百姓家庭，就算有部电话，也作用不大，你打给谁呢，谁给你打呢？而如今，智能手机大放异彩，早已融入到社会生活的方方面面……

说到人工智能，曾经在一篇博文中说：如今的人工智能，目前还停留在：只有人工的时候，才是智能的阶段；且人类智能与机器智能的最大鸿沟就在于：人能制造出比自己更强大的智能，那人工智能，能制造出比人工智能本身更强大的智能吗？这也许是人与人工智能的本质区别。开过车的朋友，应该明白，教练教你过弯道的时候，有告诉过你具体在什么样的弯道，精确打多大角度的转向吗？你在自然地训练过程中，就形成了弯道转向技巧的操作本能。实际操作中，你是以动态捕捉，动态跟踪的方式完成的，是一个操作与反馈的循环互动过程。唯有如此，才能保证你在不同路况信息情况下，有效保证操作的正确性。

如果是人工智能去完成这一操作，其每一个指令都是以精确的数字信号进行输入、输出及处理的，而作为人，你却无法意识到大脑和身体里输入、输出及处理的具体过程。《难论》本级别段对55周期SMA均线的回归判断，也大致是这么回事。在《难论》的数理部分是有这么一套标准的，但这是无法用来实际操作的，因为你不是人工智能，我们现在也无法做到在此部分的人工智能。

《难论》中本级别段的回归标准是基于概率统计学判定标准的，即行情落在55周期SMA均线附近某个区域内，统计上认为其有多大概率是本级别的表达，这是一个连续的概率分布，并因具体的行情走势而不同。更为重要的是，K线本身就是一种对价格走势的统计抽样表达，均线也是如此，建立在此基础上的数据描述，也是统计概率的，而不能是数值型的非此即彼，这就是概率统计处理问题时的魅力优势了。比如大家手机上熟悉的语音识别，就是这么一个处理过程。大家可理解是什么意思？实际上，教程只是在很初显的部分，有提到一些简单的概率计算，都在中学水平。而且这也仅仅只是为了让你对理论有点信心，作为操作教程，则完全没有必要介入这部分内容，就跟操作手册一样，就跟教材一样（如果万有引力定律、库伦定律，教材并没有提供证明）。自始至终，你都需要明白：精确并不是你的目的，你只是有目的地去精确；理论地精确，模糊地应用，何必跟那几个小数点过不去呢？

有些学生，特别是理科思维、学究思维太浓的学生，就容易犯这样的错误。有时候，也不知道这些学生，到底是学操作的，还是研究人工智能的（玩笑话）。段回归55周期SMA均线附近，附近一词，本身就是一种对现实情境非精确性，却不影响操作的表达。如果你引导朋友倒车，你不会说，还有多少厘米或毫米的空间，可以用多大的速度，倒多少厘米或毫米，然后以多少牛的力度踩刹车，在什么时候提前踩刹车……你一方面做不到如此，另一方面你朋友可就操作不来了。你只会说倒、倒、倒，停，然后你朋友就可以正确操作到位了。

《难论》中本级别段对于55周期SMA均线附近的回归，其学习和理解过程，也应该是一个如开车一样的技能学习过程。在大量的图谱观察和划分过程中，你自然就会习得关于本级别段的处理技能。这是《难论》操作技能训练过程中的基本科目，没有捷径。

来源：难者博客，微信/QQ：251563188，转载请注明出处