这种“培育”而非“编程”的范式，不仅重塑了计算机科学，而且像一面镜子，映照出人类思维深处长期被忽略的真相——我们的认知，很大程度上也是一种精妙的统计决定过程。
　　智能语音输入法的用户可能都有这样的经历：用得越多，准确率也越高，这是典型的AI训练的结果。AI的神经元网络，本质上是一场浩大而精密的“试错工程”。科学家给算法海量地标注数据——这是猫，那是狗；这是雷声，那是雨声。算法起初只会瞎猜，错误百出，但每次错误，都会微调内部数百万个“神经元”之间的连接权重。随着反复纠错，渐渐地，它在没有明确“如果……那么……”的规则指令下，自己摸索出了猫狗的区别，甚至能分辨不同品种的猫。它只是在统计的洪流里，捕捉到了那些最稳定、最相关的组合模式。
　　但“统计决定思维”却是个伪命题。比如数据显示，每年夏天冰淇淋销量与溺水人数呈正相关，若按统计思维，两者可能存在因果关系，但它们只是受共同因素——天气炎热的影响。天气热，冰激凌销量增加，游泳人数增多，溺水事故也相应增加。有时过于相信统计结果会导致社会问题，这就是“检察官谬误”给我们的启示。