李開復的《人工智能》讀后感1500字：

首先感謝劉莉莉的贈送李開復的《人工智能》書本，謝謝其的信任，正因為如此，及個人的薄稀能力未能讀懂書中的全部內容，也無法從書中內容里提煉出對自己的工作價值的賦能關鍵合作點。特此寫一份讀后感，以便于自己的總結和深度思考，同時也發(fā)到朋友圈分享使得感興趣的朋友、特別對AI有一定期望的人，可建議其閱讀一下。

書本總共分為六章，主要涵蓋了從身邊日常應用的弱人工智能，如頭條、客服AI助理、圖片人臉視覺識別、電子商務評價信息應用、搜索廣告等功能，揭示了人工智能已經是普及的技術應用，且是相對性的成熟。

所以我們有必要放下“固有的偏見”，無論是從高納德(Gartner)的技術成熟度曲線去評估，即在2015年和2016年間，基于AlphaGo事件和AI基金的盈利、提前預知金融危機準確性正式推動了AI從曲線中低谷期進入了攀升階段；而都應做好準備接受這一現實，并基于AI這個是工具論的方式下，第四章論述了AI即將對社會、組織結構、工作流程的改變和機遇，同時在第五章中預防傳統(tǒng)的管理模式和“商業(yè)利益出發(fā)”，系統(tǒng)數據碎片化、孤島性下，“也為數據的共享和流轉限定了基本的規(guī)則和邊界”。

當然高級AI模式，或許還要攀升階段中需求幾年、甚至一、二十年攀升。正如書中第三章中抽象定義了弱AI、強AI、超級AI三種階段，質疑AI挑戰(zhàn)人類的悲觀、樂觀論中，明確了計算機在情感跨域推理的缺陷。及第二張的AI定義和第五、六章中講述了特別成功的場景案例和對個人的教育及發(fā)展機會、如何學習。特此總結如下：

一、“AI=大數據+深度學習”，其實深度學習是神經網絡算法中經典，主要分為"DNN、CNN、RNN、ResNet（深度殘差）、LSTM之外，還有很多其他結構的神經網絡。如因為在序列信號分析中，如果我能預知未來，對識別一定也是有所幫助的。因此就有了雙向RNN、雙向LSTM，同時利用歷史和未來的信息"。當然不同的深度學習算法是用于不同的領域場景解決范圍。如圖片、視頻和文本、數字。網上一些資料如下：

二、基于成熟曲線下擁抱成熟AI開源技術，因自己不是科研類型，固然無需研究AI背后的科學原理，更多應是擁抱AI應用。如開源可直接免費應用于商業(yè)的框架：

基于以上框架，對當前AI的人力需求則可在幾個人下就可完成一個乃至一系列的AI平臺快速實現能力。

三、“運籌就是AI的靈魂”，對是否能夠駕駑AI并結合傳統(tǒng)下常規(guī)的軟件應用，我們應知道AI的靈魂就是運籌，如FaceBook和亞馬遜、谷歌等，他們對AI工程師的入門就是面試為一個“動態(tài)規(guī)劃算法”的應用基礎。當然很多的運籌就是應用統(tǒng)計學和數學的結合，加上算法編程能力。讀后感·而對算法庫的支持中最好應該就是R語言、Python,其次就是Java；而且Java在大數據的處理能力中有Hadoop、Spark這樣等級的基礎，且他們均支持Python,故此到底選擇什么框架、什么語言還是要看個人及團隊能力。

四、需求自我裂變，明白AI的推動應該是在特定場景需求中，通過技術需求和算法自我裂變的過程。

其實書中說的裂變，我更多理解成AI在系統(tǒng)中提供的服務能力，是需要不斷地迭代和完善、驗證。當然書中更多列舉了谷歌的搜索語義裂變、電子商務的評價分析中的一個點，不斷擴散到翻譯、螞蟻金服的信用審核過程。這些過程不僅僅是技術數據的自我裂變，且這種需求是無法從業(yè)務、組織、流程這樣的被動式需求規(guī)劃去實現，而裂變中講究的是技術自我主動管理的過程。

五、AI的應用是在“閉環(huán)的生態(tài)技術棧啟動”，其所依賴的數據倉庫資產化的“多維度”下，數據賦能服務能力。

數據倉庫資產化我是非常的認可，在Togaf技術架構治理中就定義了數據資產化，而對于AI依賴生成體現的數據資產化，如果都不知道什么是數據資產化，更不用說推動AI的應用了。

六、各種適合AI場景和機會的總結

1、搜索推薦；2、醫(yī)療養(yǎng)老；3、自動駕駛；4、智能客服；5、商務評價監(jiān)控；6、圖片視頻識別；7：品質抽樣檢查評估等等。作者：Heavin

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的人工智能python课程总结1500字_李开复的《人工智能》读后感1500字的全部內容，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。