《人工智能》读书笔记

人工智能

李开复王咏刚著

文化发展出版社

第一章人工智能来了

1.1、无处不在的人工智能

●智能助理：语音识别能力、语音合成技术、基于大语料库的自然语言对话引擎，有微

软小冰，苹果Siri，Google now，亚马逊智能音箱Echo，百度的度秘，Google Allo

●新闻推荐和新闻撰稿：今日头条智能推荐新闻、Automated Insights的人工智能撰

写新闻稿

●机器视觉：人脸识别、Google自动照片分类和检索

●AI艺术：将照片变成特定风格的Prisma手机绘画程序、美图秀秀

●新一代搜索引擎：基于人工智能的网站排名、直接向搜索引擎提问等

●机器翻译：提升翻译率，翻译的成果具有较强可读性

●自动驾驶：Google的Waymo公司，特斯拉的Autopilot，优步的无人出租车，自

动驾驶的货运汽车，驭势科技

●机器人：仓储机器人，无人机，Starships Technologies的智能机器人，教育机器人

1.2、到底什么是人工智能？

定义一：AI就是让人觉得不可思议的计算机程序

这种唯经验的定义显然缺乏一致性，会因时代不同、背景不同、评判者的经验不同而套用不同的标准。

定义二：AI就是与人类思考方式相似的计算机程序

这是一种仿生学的直观思路。

●哲学家希望找到人类思维的逻辑法则，但基于人类知识库和逻辑学规则的AI系统具有

局限性，在一个解决特定、狭小领域问题的专家系统难以扩展到更大范围。

●科学家通过心理学和生物学实验了解人类在思考时的身心变化规律，提出神经网络技

术。但是早期的神经网络技术受到理论研究和计算机运算能力的限制。

●仿生学的本质问题是，人类至今对大脑如何实现学习、记忆、归纳、推理等思维过程

的机理还缺乏认识，而且应该在哪一个层面进行仿生（大脑各功能区？细胞层面？分子原子层面？）。

定义三：AI就是与人类行为相似的计算机程序

实用主义思想，关键是看程序是否做了和人相似的智能的事。

定义四：AI就是会学习的计算机程序

“无学习，不AI。”现在人工智能=机器学习。但机器学习需要大量数据，远远达不到人类的学习境界。

定义五：AI就是根据对环境的感知，作出合理的行动，并获得最大收益的计算机程序

全面但过于笼统、模糊。

点评：

第一种定义揭示的是大众看待人工智能的视角，直观易懂，但主观性太强，不利于科学讨论。

第二种定义特别不可取。人们对大脑的工作机理认识尚浅，而计算机走的是几乎完全不同的技术道路。

第三种定义是计算机科学界的主流观点，也是一种实用主义出发，简介、明了的定义，但

缺乏周密的逻辑。

第四种定义反映的是机器学习特别是深度学习流行后，人工智能世界的技术趋势，虽失之

狭隘，但最有时代精神。

第五种定义是学术界的教科书式定义，全面均衡，偏重实证。

第二章 AI复兴：深度学习+大数据=人工智能

2.1、第三次AI热潮：有何不同？

人机进行了三次博弈：

●1962年，IBM的阿瑟·萨缪尔开发的西洋跳棋程序与盲人跳棋高手对决

●1997年，IBM的深蓝在国际象棋上战胜卡斯帕夫

●2016年3月，AlphaGo在在围棋上战胜李世石

在这两次热潮中，人们表现出从被人工智能表现的震撼，到逐渐认识到当时的人工智能的

局限性，以至于产生巨大的心理落差，反映了人们对计算机是否具有智能的标准不断拔高。

高德纳咨询公司（Gartner）推荐的技术成熟度曲线，变现了一项新兴且成功的技术，在

成熟之前，都经历了先抑后扬，在波折中通过积累和迭代，走向真正的繁荣、稳定和有序

发展。

今天的人工智能是有用的，是说人工智能可以解决实际问题。在机器视觉、语音识别、数据挖掘、自动驾驶等应用场景，得到人们接受，并在产业层面“落地”，发挥并创造真正的价值。而这一切要归功于深度学习技术。

前两次人工智能与这次人工智能相比：

●前者是学术研究主导的，而后者是现实商业需求主导的。

●前者是市场宣传层面的，而后者是商业模式层面的。

●前者多是学术界在劝说、游说政府和投资人投钱，而后者多是投资人主动向热点领域

的学术项目和创业项目投钱。

●前者更多是提出问题，而后者更多是解决问题。

2.2、图灵测试与第一次AI热潮

1950年10月，图灵发表《计算机械和智能》（computing machinery and intelligence），讨论什么是智能，提出：

假如有一台宣称自己会“思考”的计算机，人们该如何辨别计算机是否真的会思考？一个好方法是让测试者通过键盘和屏幕进行对话，测试者并不知道与之对话的到底是一台计算

机还是一个人。如果测试者分不清楚幕后的对话者是人还是机器，即，如果计算机能在测试中表现出与人等价或至少无法区分的智能，那么我们就说这台计算机通过了测试并具备人工智能。

以上即所谓的“模仿游戏”，或“图灵测试”。

此外图灵还给出发展人工智能的建议：

与其去研制模拟成人思维的计算机，不如去试着制造更简单的，也许只相当于一个小孩智慧的人工智能系统，然后再让其不断学习。

罗布纳奖（Loebner Prize）

2.3、语音识别与第二次AI热潮

问题：语音识别与自然语言处理

传统：符号主义时代，专家系统+语言学家

现在：统计时代，概率统计模型

2.4、深度学习携手大数据引领第三次AI热潮

深度学习来自于神经网络。

人工神经网络：模拟人类神经节沿着网状结构传递和处理信息的模型。

深度学习：把计算机要学习的东西看成一大堆数据，把这些数据丢进一个复杂的、包含多个层级的数据处理网络（深度神经网络），然后检查经过这个网络处理得到的结果是否符合要求——如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地、锲而不舍的调整网络的参数设置，直到输出满足要求为止。

深度学习能够大展身手，有两个前提条件：强大的计算能力和高质量的大数据。最有代表性的就是谷歌大脑（Google Brain）。

第三章人机大战：AI真的会挑战人类？