期末剛考完，離小學期開課還有幾天時間，還是單身狗一只，沒對象要陪，emmmm，所以這兩天有那么億點點閑，就把這本書 ---- 人工智能（李開復，王詠剛）看了一下，稍微寫點讀書筆記加點小感悟 。這篇文章是我的第一篇文，所以發的時候有那么億丟丟小激動，但限于我（叫筆者好像專業一點）水平有限，文章中肯定會有很多漏洞或錯誤， 還請小伙伴們多多指正，感激涕零。

1. 什么是人工智能

說到人工智能，大家早已耳熟能詳，但具體什么是人工智能，想必大家還是有點懵，或許只有我這個大憨憨啥也不懂吧。。。所以，初步了解人工智能的基本概念是我讀這本書的主要目標。
對于人工智能，書中給出了幾個定義，我放到下面了，每個定義下面我也放了一些小例子，方便大家食用。

i. AI就是讓人覺得amazing的計算機程序

1962年，IBM的 Arthur Samuel 開發的西洋跳棋程序戰勝了一位盲人跳棋高手，當時的絕大多數媒體和公眾都認為西洋跳棋程序是不折不扣的人工智能，甚至有些激進派都覺得人類要滅亡了。
但不久人們發現這個程序其實就是用搜索或優化搜索的方式來解決博弈問題，而且公眾認為所謂程序只不過是按照既定的搜索策略一步步找到最佳走棋步驟而已。另一方面，隨著PC的普及，幾乎每臺電腦上都有這個下棋游戲，人們也就司空見慣了，開始質疑這樣的程序根本不是人工智能，有本事下下人家國際象棋去。
1997年，IBM研究團隊傾力打造的計算機----深藍，戰勝了世界棋王卡斯帕洛夫，霎時間激起千層浪，人們覺得人工智能來了?？珊镁安婚L，西洋跳棋的歷史重演，”下象棋有什么了不起的，有本事跟下圍棋呀，要知道圍棋可是一項無法窮盡搜索的治理運動，極度依賴人類不斷積累的經驗和大局觀呢“。
后面發生的事大家應該可以預想到。2016年，Deepmind團隊研發的AlphaGo四比一大勝圍棋世界冠軍李世石，又引發了一撥人工智能的熱潮，我猜應該有很多人都是通過這一事件開始關注人工智能的吧?？墒?#xff0c;西洋跳棋程序和IBM深藍的歷史還會重演嗎，再過幾年，人們還會將圍棋程序視為人工智能的代表嗎？

概括來講：第一種定義揭示了大眾看待人工智能的視角，雖然通俗易懂，但帶有明顯的主觀性，不利于科學討論。

ii. AI就是與人類思考方式相似的計算機程序

第二種定義強調人的思考方式，也就是說AI就是模擬人腦唄，可人又是怎樣思考的呢？
數千年來，人類一直都有個飛天夢，人們渴望像鳥兒一樣在空中振翅翱翔，但真正帶著人類翱翔長空的卻是與鳥類的的飛行方式差別比較大的固定翼或是多旋翼飛機。
另一個例子就是六七十年代的專家系統了。
專家系統程序依賴大咖、專家們的經驗知識和符合人類邏輯推理規律的大量判定規則（可以理解成一大堆 if-else）在限定的領域解決問題。20世紀60年代中期世界上第一個專家系統程序Dendral，成功地用人類專家知識和邏輯推理規則，幫助有機化學家根據物質的光譜推斷未知有機分子結構。霎時激起千層浪，人們認為專家系統好像就是人工智能的代名詞了，其熱度不亞于今天的深度學習。

稍微總結一下，時至今日，我們人類對大腦如何實現學習、記憶、歸納、推理等思維過程的機理都還沒搞清楚，如何基于我們的思考方式來編寫計算機程序來為我們工作呢。周志華教授也表示，深度學習不是“模擬人腦”，只能說是從最早的神經網絡受到一丟丟啟發。

iii. AI就是與人類行為相似的計算機程序

這種觀點就有點偏向實用主義了，管你是不是一堆 if-else，只要能給爺整活就行。雖然缺乏一定的周密的邏輯，但簡潔明了，況且發展人工智能不就是為了用嗎。這一點就不多介紹了。

iv. AI 就是會學習的計算機程序

無學習，不AI

這一觀點體現了近年來機器學習特別是深度學習流行之后，人工智能世界的發展趨勢，也符合人類認知的特點 ---- 沒有誰是不需要學習滴。

但另一方面，如果是機器自己來學習的話，那么一個模型中很多參數的意義就無從而知，為什么這樣調節參數，人類搞不明白，機器也一臉懵逼，干就完事，哪有那么多廢話。由機器學習得到的模型越來越以一個黑盒的姿態出現，這跟第三種（也就是上一種）觀點有點像，總結來講就是，干就完事。

說到機器學習，很多人會站在人類的視角看待它，但是機器學習方式和人類學習方式存在巨大差別。

最簡單的一點就是人類的學習過程往往不需要大規模的訓練數據，人類可以通過極少的例子一張圖片或一段話就抓住事物的關鍵特征，

v. AI 就是根據對環境的感知，做出合理的行動，并獲得最大收益的計算機程序。

這一定義就比較全面了，既包括了人工智能根據環境感知做出主動反應，又指明了人工智能所做的反應必須達到目標，同時，不在強調人工智能對人類思維方式或人類總結的既定規律的依賴或模仿，就比較 nice （不知道該說啥了。。。。）

這些定義大家看看，圖一樂就行了，沒必要深究，有這時間不如寫倆深度學習新模型，或者搞個聊天機器人撩撩妹子。。。

2. 三次 AI 熱潮

對于這三次AI熱潮，我們可以從早期的西洋跳棋程序到IBM深藍再到前幾年的AlphaGo的演進中稍微窺一窺。下棋程序的演進無疑是AI發展的一個縮影，下面稍微介紹一下這三次AI熱潮吧，個人感覺對了解AI還是比較有幫助的。

i. 第一次AI熱潮

十九世紀四五十年代，通用電子計算機剛剛問世，無論是軍方、科學家、研究院亦或是學生，都覺得計算機只是一臺運算速度比平常的計算器快億丟丟的計算工具罷了。但總有一些 crazy ones，桀驁不馴、特立獨行、順帶推動人類社會向前邁進，（此處應該有蘋果公司的經典宣傳廣告《Think Different》），圖靈就是這樣的人。他走在了所有研究者的最前沿，開始探索計算機是否可以像人一樣思考這樣的問題，并提出了著名的”模仿游戲“，后來常稱為”圖靈測試“。

圖靈測試

圖靈測試其實就是判斷一臺計算機是否具備智能的一個小方法。測試者在不知道跟他對線的是一臺計算機還是一個人的情況下，通過鍵盤和屏幕與對方聊天，如果測試者分不清對面是計算機還是人，那么我們就說這臺計算機通過了圖靈測試并具備了人工智能。

圖靈測試提出后，著實掀起了一波AI熱潮，人們爭先恐后地編程、研究，覺得通過圖靈測試也就是秒秒鐘的事吧，就像新中國成立沒幾年，稍微進行了一些社會主義改造，大伙就覺得我們已經步入社會主義社會一樣，emmm。著名的程序有1966年MIT開發的一個聊天小程序----ELIZA，第一次使用ELIZA的小伙伴們幾乎都驚呆了，ELIZA真的就跟真人一樣，一聊就是好幾十分鐘。但ELIZA的代碼又讓人大跌眼鏡，程序的邏輯很簡單，就是在一個話題庫里，用關鍵字映射的方法，根據人們的問話，要么通過簡單地變換人稱，要么是給出一些既定的回答。整個程序乍一看好像還不錯，仔細想想也就那樣。這里要強調一下，我們不否認ELIZA的歷史價值，也不否認它對后來的之后的智能客服、聊天機器人的參考價值。

到目前為止好像還沒有程序可以通過圖靈測試，革命尚未成功，吾輩仍需努力呀。

ii. 第二次AI熱潮

第一波熱潮里面的程序，不論是MIT的聊天小程序ELIZA，還是IBM戰勝盲人跳棋高手的西洋跳棋程序，基本上都是基于一些現有的知識庫再外加一點推理判斷規則，如搜索算法等來解決問題的，所以說本質上跟專家系統都差不多。但隨著技術的發展，過度依賴專家經驗知識的基于符號主義學派的技術逐漸露出疲態。人們開始認識到人工智能跟人類的思考方式存在著巨大差異，基于統計模型的技術悄然興起，那些符號主義學派如在語音識別實驗室呼風喚雨的語言學家也都沒能保住自己的飯碗。

iii.第三次AI熱潮

2006年開始的第三次人工智能熱潮，源于深度學習的復興。

第三次也就是目前這次人工智能浪潮最大的特點是人工智能技術真正突破了人類的心理閾值，達到了大多數人心中“可用”的標準。什么是心理閾值呢，我們都知道，如果外界刺激的強度太小的話，人們根本不會有任何感覺，比如一只小小的蚊子悄悄地叮了你一口；只有外界刺激的強度超過了一個人能夠感知到的最小刺激量，人們才有聽見、看見等感覺，比如這只蚊子叮完你之后，嗡嗡嗡地唱著歌大搖大擺地亂飛，開心得不能自已，你一個聽聲辯位，再帶一個“提前槍“，一巴掌結束了蚊子罪惡的一生。這個能引起人們感知反應的最小刺激量，心理學上就叫絕對閾值。

深度學習

上文中提到了深度學習的概念，大家之前肯定也或多或少聽過這個詞匯，什么是深度學習呢？

深度學習，基于多層神經網絡的機器學習模型。

這里先以教小孩識字來給讀者建立感性的認識。比如說要教小盆友們分辨“一”、“二”、“三”，我們會告訴他們，一筆寫成的是“一”，兩筆寫成的是“二”，三筆寫成的是“三”，簡單好記?？墒?#xff0c;開始學習新字，這個規律就不行了，比如說，“口”也是三筆，可是它不是“三”，這個時候我們就會告訴小朋友，圍成一個方框就是“口”，排成橫的是“三”。那要學習“田”呢，“田”也為成了一個框，可它不是“口”，這個時候我們就要告訴小朋友，框框中間有個“十”，就是“田”字。
這個過程的大概流程是這樣的。

這里我們是根據一些特征規律來教小朋友識字的，而這些規律或者說是推理規則從哪來呢，是我們教給小朋友的，大家有沒有想到之前介紹的專家系統。如果碰到了我們不認識的字，小朋友們又該如何分辨呢，這里假設小朋友無法自己發現這些特征規律，可以想象成是個小機器人。

我們再來看看深度學習是如何解決這個問題的。先講幾個專業術語，計算機用來學習、反復查看的圖片叫“訓練數據集”；“訓練數據集”中，一類數據區別于另一類數據的不同方面的屬性或性質叫“特征”；計算機在“大腦”中總結規律的過程叫“建模”；而計算機總結出來的規律就叫做“模型”。有了這些概念，可以把問題轉化為，小朋友如何通過一些數據集（這里是“一”“二”“三”“口”“田”）根據數據的特征得出一個合理的模型。

假設要處理的數據集是信息的“水流”，處理數據的深度學習網絡就是一個由管道和閥門組成的水管網絡（對應多層神經網絡）。水管網絡有相應的入口和出口，在與數據集數量相同的出口處各設置一個我們想讓計算機認識的數據集中的字的字牌。現從入口處輸入的字是“田”（在計算機中以二進制表示的數據流），通過水管網絡后，如果“田”字字牌對應的出口的水流最大，就說明這個水管網絡對“田”字來說符合要求，然后在判斷其他的字即可。反之，就讓計算機調節閥門，再不斷測試，直到水管網絡符合要求，然后將這個水管網絡保存下來作為目標模型?？梢哉f，深度學習就是一個靠瘋狂調節閥門“湊”出最佳模型的學習方法。

通過上面的描述我們不難發現，深度學習能夠大展身手需要兩個前提條件：強大的計算能力和高質量的大數據。其實深度學習和神經網絡早在第一次AI熱潮中后期就有了，只不過限于當時計算機算力和數據的缺乏，深度學習沉寂了很長時間。2010年前后這兩個前提條件才逐漸步入成熟，至此，一項又一項的科學研究不斷突破人類的心理閾值，甚至在某些領域已經突破人類極限。
AI 又一次高潮了。

總的來說，AI發展大概趨勢跟下面這個頗有調侃意味的漫畫差不多。

3. AI會挑戰人類嗎?

上文說到深度學習通過瘋狂調節閥門來“湊”出最佳學習模型，現在問題來了，閥門（也就是神經網絡中的各個參數）為什么這么調呢，為什么這樣能行，那樣就不行？計算機肯定不知道，它只是按規律辦事而已，而且人家也不要工資，要求太高不太好 emmm，但是搞出這個模型的人也不懂呀，他也只是做出一個模型，讓計算機自己去學習，通過結果來評價模型的好壞。有史以來最有效的機器學習方法----深度學習，竟是一個只可意會、不可言傳的黑盒子。既然是一個黑盒子，那計算機會不會偷偷摸摸學到人類不希望它們掌握的知識呢？答案是肯定的，因為實實在在干活的本來就是計算機。當奇點（超人工智能到來的時刻）來臨，人類又該何去何從？對此我是持樂觀態度的，人工智能要超越人類還有很長的路要走，至少在可預見的未來是不可能的，而且，反正早晚都要超越人類，過度擔憂只是白費力氣，我們現在能做的就是多了解人工智能，以應對未來的各種變化，擔憂的事就留給科幻作家、導演吧。

這里放一張圖，大家自行體會所謂的“人工智能威脅論”。

人們為了衡量人工智能的發展程度, 給人工智能劃分了層級，分別是弱人工智能、強人工智能和超人工智能。

i. 弱人工智能

弱人工智能也稱限制領域人工智能或應用型人工智能，指的是專注于且只能解決特定領域問題的人工智能。比如，AlphaGo在圍棋界橫掃一方，卻連擺棋這種最基本的動作都不會，更不要說行禮啥的了。
這一階段的人工智能屬于相對容易控制和管理的計算機程序，跟汽車、電腦一樣，只是人類的一個工具。

ii. 強人工智能

強人工智能又稱通用人工智能或完全人工智能，指的是可以勝任人類所有工作的人工智能。
大家不難發現上面這個定義有點寬泛，啥叫可以勝任人類所有工作，如何定義“勝任”和“所有”？缺乏一種量化的標準來衡量什么樣的計算機程序才是強人工智能。最為流行的，被廣為教授的標準是之前討論過的圖靈測試。
不過話說回來，如果人工智能故意不通過圖靈測試咋辦呢？（狗頭）
一般認為，一個能稱之為強人工智能的程序至少需要具備一下幾方面的能力：

存在不確定因素時進行推理，使用策略，解決問題，制定決策的能力

知識表示能力，包括常識性知識的表示

規劃能力

學習能力

使用自然語言交流的能力

將上述能力整合起來解決問題的能力

iii. 超人工智能

從弱人工智能到強人工智能可能還需要漫長的積累和努力，而從強人工智能到超人工智能可能只需要短短幾個小時。因為人工智能的計算能力不知道高出人類多少個量級，而且不知疲倦，有電就行。

今天的人工智能還不能做什么？

前面提到，現在的人工智能仍處于并將長期處于弱人工智能（簡稱“弱智”）階段，而弱人工智能只是人類的工具，它們可能在某些領域表現出色，但不代表人工智能已無所不能。就好比，咱們沒豬吃的多，沒狗跑的快，難道就豬狗不如了嗎。。。（你再罵！！）
如果用人類對“智能”定義的普遍理解和一般性的關于強人工智能的標準去衡量，今天的AI至少還在以下七個領域還“稚嫩”得很：（我就不展開了）

跨領域推理

抽象能力

知其然，也知其所以然

常識

自我意識

審美

情感

今天我們看待人工智能，經常犯的錯誤就是把人工智能人格化，以衡量人的標準來判斷人工智能的發展程度。而疏忽了人工智能只是工具，如果它們做了什么不符合社會準則的事，那一定是因為我們人類在設計它們時犯了錯誤。

That’s all

這本書就聊這些吧，連抄帶寫感想 ps:其實主要還是寫感想（不管你信不信，反正我是不信），洋洋灑灑六千字，書后面還有很多AI的應用案例，如自動駕駛、智慧金融呀啥的，還有AI時代如何學習的內容就不說了，畢竟它們不是我讀這本書的主要目的，我也只是簡單過了一遍。對于學生黨來說，畢業后能不能找到好工作一直是熱點話題。mou問題啦，不要慌的啦，AI時代雖然可能會有很多重復性的工作被機器所取代，但誰又能說就不會有新的工作形式呢。用書里的話說就是，工作不是消失了，只是換了一種形式。

12，13年，4G即將到來的時候，人們對于4G的想法大多也就是流量和網速的大幅提升，有誰能想到短短幾年，打電話可以直接來個視頻通話、有事沒事刷會兒抖音、B站，甚至打游戲都可以有很多收入，什么新媒體啦、兼職平臺啦，層出不窮。現在我們仍處在第三次AI熱潮中，又有5G的加持，未來三五年會發生什么、有多少新事物產生，誰也給不出明確的答案。so，放平心態，擁抱變化，未來可期。

AI會改變世界，但這里真正的問題是，改變AI的又是誰呢？ ---- 李飛飛

總結

以上是生活随笔為你收集整理的读《人工智能，李开复王咏刚》的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。