《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？3.1、AlphaGo带给人类的启示究竟是什么？1.AlphaGo最震撼的是在“大局观”上突飞猛进，远远将人类甩在身后。

当人电脑计算“大局观”的方式和人类培养“大局观”的思路，有根本差别。

人类不可能在这方面赶上电脑。

2.AlphaGo带给人的是一种警示：如果计算机可以在两年内实现大多数人此前预测要花20年货更长时间才能完成的进步，那么，还有哪些突破会以远超常人预期的速度来临？这些突破会不会超过我们对人工智能的想象，颠覆人类预想中的未来？我们已经为这些即将到来的技术突破做好准备了吗？3.人工智能在“完整信息的博弈游戏”，如围棋、象棋等，取得突破。

在“不完整信息的博弈游戏”上，哈萨比斯的团队借助《星际争霸》磨练下一代人工智能算法，卡内基-梅隆大学的研究者选择德州扑克作为此类问题的出发点。

4.人工智能存在着不同的层级：a)弱人工智能（Weak AI）：也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。

一般人们将弱人工智能看成是人类的工具，而不会将弱人工智能视为威胁。

今天我们看到的所有人工智能算法和应用都属于弱人工智能的范畴。

b)强人工智能（Strong AI）：又称通用人工智能（Artificial general intelligence）或完全人工智能（Full AI），指可以胜任人类所有工作的人工智能。

最为流行和被广泛接受的标准是通过图灵测试。

一般认为，强人工智能大概具备以下能力：i.存在不确定因素时进行推理，使用策略，解决问题，制定决策的能力；ii.知识表示的能力，包括常识性知识的表示能力；iii.规划能力；iv.学习能力；v.使用自然语言进行交流沟通的能力；vi.将上述能力整合起来实现既定目标的能力。

c)超人工智能（Superintelligence）：比世界上最聪明、最优天赋的人类还聪明的人工智能系统。

目前只存在于哲学和科幻中。

3.2、奇点来临？（Singularity）●蒂姆·厄班（Tim Urban）：《AI革命：通向超人工智能之路》——技术发展在时间上呈现加速度的趋势。

强人工智能一旦到来，就可能迅速转变为超人工智能。

且一旦超人工智能出现，人类的命运难以预料。

其前提是人类科技已加速度形式跃进。

但摩尔定律即将失效，弱人工智能发展强人工智能受到基础科学的制约，存在难以逾越的鸿沟。

●霍金（《时间简史》作者）和埃隆·马斯克（特斯拉和SpaceX公司创始人）均对人工智能威胁人类表示担忧，但同时积极行动，将人工智能置于安全、友好的界限内，比如二人于2017年支持加州阿西洛马（Asilomar）会议通过的23条基本原则，马斯克创办OpenAI积极开展最前沿AI技术的开发（主要是强化学习和无监督学习技术）。

●人工智能威胁人类还相当遥远，虽然AI技术在许多垂直领域内的局部发展，如围棋、智慧医疗、自动驾驶，都比很多人预料的早来，但是AI的整体发展尤其是最重大的技术突破，几乎每一步都比多数人预测来得晚。

3.3、今天的人工智能还不能做什么？●跨领域推理：举一反三，触类旁通，从表象入手推倒并认识背后规律的能力；但迁移学习（Transfer Learning）取得一些初步成果。

●抽象能力：深度学习几乎都需要大量训练样本，少样本学习、无监督学习方向的科研工作进展有限。

●知其然，也知其所以然。

●常识：AI可以预设·规则，但远未如人类所理解的常识那么丰富。

●自我意识。

●审美：机器可以仿照人类创作绘画、诗歌、音乐，但是不懂得什么是美。

审美不是简单的规则组合，也不仅仅是大量数据堆砌后的统计规律。

审美能力是一个跨领域的能力，与个人的经历、文史知识、艺术修养、生活经验有密切关系。

●情感。

第四章 AI时代：人类将如何变革？4.1、从工业革命到文艺复兴●如果说在21实际，还有哪一种技术可以和历次工业革命中的先导科技相提并论的话，那一定是正在步入成熟增长期的人工智能技术。

●但牛津大学教授伊安·戈尔丁认为，今天这个时代与发生在欧洲14世纪中叶到16世纪的文艺复兴与启蒙运动非常相似。

一方面科技快速发展，信息技术特别是人工智能技术引领潮流，另一方面，世界仍然动荡不安。

快速发展的科学技术与长期处于不稳定状态的全球社会、经济结构之间，存在着强烈的不平衡和内在的变革需求。

●技术不仅仅是技术，技术的未来必将与社会的未来、经济的未来、文学艺术的未来、人类全球化的未来紧密联系在一起。

人工智能因为对生产效率的大幅改进、对人类劳动的部分替代、对生活方式的根本变革，而必然触及社会、经济、政治、文学、艺术等人类生活的方方面面。

4.2、AI会让人类大量失业吗？●纵观人类发展，因为科技进步而造成的社会格局、经济结构的调整、变革、阵痛乃至倒推都屡见不鲜。

新型纺织机、蒸汽机、汽车等的出现。

●从短期看，人工智能带来的工作转变会带来阵痛，某些行业、某些地区会出现局部的失业现象，特别是在一个适应人工智能时代的社会保障和教育体系建立之前。