什麼是『知識』？長久以來，西方的主流思潮中有一個稱之為『JTB』 justified true belief 的『經確證的真信念』之理論，它是這麼定義『知識』與『知道』的︰
The JTB account of knowledge is the claim that knowledge can be conceptually analyzed as justified true belief — which is to say that the meaning of sentences such as “Smith knows that it rained today” can be given with the following set of necessary and sufficient conditions:
A subject S knows that a proposition P is true if and only if:
P is true, and
S believes that P is true, and
S is justified in believing that P is true
JTB 理論對於知識的解釋是︰宣稱知識可以概念解析為經確證的真信念 ── 這就是說『史密斯知道今天下雨』一句話的意義，可以用如下之充份與必要的條件來給定︰
一位主體 
知道一個命題 
是真的，若且唯若︰
一、 是真的，且
二、 相信 是真的，而且
三、 有經確證的真信念相信 是真的
在這個定義下『知道□』意味著有『□的知識』，因為『知識』是由『真的命題』構成，所以必須有第一條件；如果某甲 『聽說』過 □ ，但是不相信，或者以為它是『假的』，當然不能說他知道□；再者雖說某甲相信□，卻出於無『理據』，比方說從『不知哪裡』得來的，一但『爭論』將無法『辯護其說』，所以也不能講他真知道□。如此說來，這個定義該是很完善的了，但是卻受到美國哲學家 Edmund Gettier 的反駁，他說即使上述的三條要件都得到了滿足，有些情況下我們仍然不能聲稱『某甲知道□』── 這就是知名的『葛梯爾問題』 ──。如今葛梯爾問題之多都成『問題集』了，於此就說一個經典的『空地上的奶牛』 The Cow in the field 問題︰
一位農民正擔心自己獲獎的奶牛走失了；這時送奶工到了農場，告訴他說︰不必擔心，他看到那頭奶牛在附近的一塊空地上。雖然農民很相信送奶工，但是他還是親自的望了望，見著了熟悉的黑白相間之物，感覺滿意的放下心來。隔了一會兒，送奶工走過那塊空地想再次確認，他發現那頭奶牛確實是在那裡，不過現在它躲進樹林裡了，並且空地上還有著一大張黑白相間的紙纏在樹上。顯然是，農民把這張紙錯認成那頭奶牛的了；於是問題就來了，雖然奶牛一直都在空地上，假使農民說自己知道奶牛在空地上時，此時這句話是正確的嗎？
─── 《基因改寫 ── THUE 改寫系統之補充《二》》
如果一個人相信費馬 
，在 
時，沒有整數解。那麼他會寫一個程式測試 
嗎？
費馬閱讀代數之父丟番圖之《算術》，是否真的發現
沒有『整數解』之巧妙證明？若有人閱讀安德魯‧懷爾斯 Andrew John Wiles 以及其學生理查‧泰勒 Richard Taylor 的晦澀『證明』 ，能不能另闢蹊徑，找到容易理解的闡釋？『簡單』的提問往往卻是『不容易』回答！更別說數理邏輯之精深，讓人嘆為觀止矣！
─── 摘自《萬象在說話︰簡單問不容易答》
假使今天仍無法『證明』，那麼不該寫那個測試程式嘛！
故而得問所謂『知識』難到不會改寫一個人的『信念』耶！？
人類果真不能『學 How To 學』乎？！
所以機器學習不得不面對如何
Jürgen Schmidhuber‘s page on
LEARNING TO LEARN
METALEARNING MACHINES AND
RECURSIVE SELF-IMPROVEMENT
Most machine learning researchers focus on domain-specific learning algorithms. Can we also construct general purpose learning algorithms, in particular, meta-learning algorithms that can learn better learning algorithms? This question has been a main drive of Schmidhuber’s research since his diploma thesis on metalearning in 1987 [1], where he applied Genetic Programming (GP) to itself, to recursively evolve better GP methods.
Metalearning (or Meta-Learning) means learning the credit assignment method itself through self-modifying code. Metalearning may be the most ambitious but also the most rewarding goal of machine learning. There are few limits to what a good metalearner will learn. Where appropriate it will learn to learn by analogy, by chunking, by planning, by subgoal generation, by combinations thereof – you name it.
Schmidhuber’s recent Gödel machine is the first fully self-referential optimaluniversal metalearner, typically using the somewhat `less universal’ Optimal Ordered Problem Solver for finding provably optimal self-improvements.
也☺
關鍵就在掌握『改寫』之中矣☆