《人工智能》读后感

《人工智能》（李开复）读后感

本书内容框架如下：

1.关于人工智能的五种定义

2.人工智能发展的三个阶段

3.人工智能是否会威胁人类

4.人类将如何变革

5.AI行业的创业概况

6.AI时代下的教育和个人发展

一、关于人工智能的五种定义

首先，请抛开人工智能就是人形机器人的固有偏见。

人工智能目前作为一种技术手段，已经成为了不少应用的核心驱动力。

苹果的SIRI、微软的小冰是常见的人工智能助理。当用户与他们对话时，他们会通过事先积累好的人类对话库和互联网资料库中，查找最有可能匹配的回答。

今日头条、淘宝购物推荐，会根据你的浏览习惯、购物历史，学习你的爱好。所以用的越久，它就会越懂你。

人脸识别是目前应用最广泛的机器视觉技术，是人工智能大家庭中的重要分支。用刷脸的方式替代门禁卡，支付宝正在开发的刷脸支付也是依托于人脸识别技术。广义上的机器视觉还包括图像、视频中各种物体识别、场景识别、地点识别乃至语义理解。比如手机中的照片自动分类就是运用了场景识别的功能，还有清理重复照片的功能，也运用到了这个技术。此外，百度中的图片搜索、淘宝中的商品图片搜索，也运用到了人工智能技术。

我们现在用的美图秀秀中的一键P图软件、三生三世画风的一键美妆，都是运用到了人工智能技术。机器通过从大量经典画作中学习到的上色技法、笔触技法、干湿画法、上妆技巧等，来对原始图片进行处理。

搜索引擎根据问题给出最直接的答案，也与SIRI的运行原理相类似。

在机器翻译这一块儿上，通过对语言、语言学的学习，得出的翻译结果也具备较强的可读性。甚至可以通过中文与英文的翻译数据、英文与阿拉伯文的翻译数据，自动学习如何从中文翻译到阿拉伯文。

还有目前在商业化方面已经取得长足进展的自动驾驶技术。也是通过数百万里的驾驶里程学习，来完成车速调整、控制转向、避免碰撞等操作。当然，目前相对比较成熟的还是半自动驾驶技术。完全的无人驾驶或许还要等到十年之后。

还有我们经常在电影中看见的机器人行业。快递分拣机器人、无人飞机、工业机器人，都极大的提高了商业效率。但目前机器人还无法做到像人一样具备完整的思维。大家所期待的人形机器人，其实投资人也是不看好的。原因很简单，机器越像人，就越容易被拿来和真人比

较。由于人工智能技术尚未达到十分成熟的阶段，这个机器人的蠢笨会暴露的非常彻底。使期望与现实之间的差距加大，因此难以获得市场认可。

那讲了这么多现象，到底什么是人工智能？

目前常见的定义有五种：

第一，人工智能是让人感到不可思议的计算机程序。几十年前的人类，如果能见识到现在手机上常见的人机对战的象棋、跳棋游戏，恐怕会被吓一大跳，甚至怀疑是有人在背后操纵。可现在的人都见怪不了。所以，用这种方法定义，会使得人工智能随着技术的成熟，失去一个客观的标准。

第二，AI就是与人类思考方式相似的计算机程序。这种说法在早期非常流行。本质上与仿生学无异。但弊端在于，人类至今也无法说清楚大脑是如何进行学习、记忆、归纳、推理等思维过程的。因此，也很难教会机器去模拟人脑的运作。再一点就是，通过为程序输入大量专业的知识、常见的思考逻辑，使得计算机应用难以扩展到较为复杂的领域当中。比如面对语言中的歧义和丰富的表达方式，得出的翻译结果往往也是漏洞百出。

第三，AI就是与人类行为相似的计算机程序。这一定义与仿生学派的说法是对立的。实用主义者并不在乎人工智能要遵循什么思考框架，也不在乎计算机到底是如何处理采集到的数据。只要模型可以工作，最终的结果是对的就行。

第四，AI是会学习的计算机程序。最近的这波人工智能热潮里，深度学习作为一种技术手段确实是一枝独秀，几乎垄断了所有流行的技术方向。而在此之前的专家系统、统计模型都未能使人工智能获得如此大的进步。所以，把学习等同于AI，虽然过于狭隘，但也是比较符合时代精神的。但要注意的是，机器的学习方法和人类的学习方法还有很大的差距与不同。如果人工智能是一种会学习的机器，那么需要着重提高的就是其抽象理解能力。

第五，AI就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。不同的定义分别适用于不同的人群和语境。如果非要得出一个看上去比较合理的定义，那也只能是比较模糊的概念。那么这一种就是学术界的教科书式定义，全面均衡，偏重实证。

二、人工智能发展的三个阶段

1962年，IBM的阿瑟萨缪尔开发的西洋跳棋程序曾经战胜过一位盲人跳棋高手，1997年IBM 深蓝战胜卡斯帕罗夫的那一天，全世界科技爱好者奔走相告，2016年ALPHAGO战胜李世石，就由流传起人工智能将要毁灭人类的言论。

纵观前两次次人工智能潮，每一次都曾让人以为人工智能将会掀起大的变革。但最后回头看，都没有达到人们期望的高度。与其说是人们的心理落差，不如说是人们对机器是否具有智能的判断标准在不断被拔高。

那究竟这一次的人工智能热潮，会超出人们的期望吗？

从高德纳咨询公司的技术成熟曲线来看，每一项技术在早期阶段，都会被公众追捧，被媒体大肆报道，最终走向一个充满泡沫的膨胀期。

随着盲目追捧者的激增，跟风的公司越来越多。但随着技术遇到瓶颈，市场供过于求，大量没有核心竞争力的公司不是被兼并，就是倒闭。

行业跌入低谷后，迎来了第二轮、第三轮投资，技术上的突破使得第二代、第三代产品得到了普罗大众的认可。投资得到了回报。

20世纪50年代到60年代，随着通用电子计算机的诞生，人工智能悄然兴起，比如一些简单的象棋程序设想。但由于当年计算机的运算水平远远达不到要求，很多东西只能停留在纸上谈兵的层面。

20世纪80年代到90年代，基于统计模型的技术悄然兴起，并在语音识别、机器翻译等领域取得了不俗的进展。人工神经网络也在模式识别应用等领域开始有所建树。但还是不足以超过人类的预期。

那么这一次的人工智能复兴的最大特点就是AI在多个领域达到了人们心中“有用”的标准，在商业领域被广泛的应用。

从心理学上说，人们接受一件新事物，就像人们接受外界刺激一样，是有一个阈值的。只有当外界刺激的强度超过了一个人能感知的最小刺激量，人们才会注意到它。而这个人们能感知到的最小刺激量，就是心理学上的绝对阈值。

这一次的AI热潮，正是达到了人们的心理阈值才得到了广泛的关注。就拿人脸识别来说，之前的准确率可能只有20%不到，根本不具备实用价值，只能停留在实验室当中，自然就没有达到人们的心理阈值。但现如今就不一样了。

所以，我们说人工智能来了，其实是说人工智能或深度学习真的可以解决实际问题了。在机器视觉、语音识别、数据挖掘、自动驾驶等方面都获得了长足的进步。

而这一切，都离不开深度学习。

今天的人工智能研究者，几乎无人不谈深度学习。很多人甚至喊出了“人工智能=深度学习”的口号。但毋庸讳言，深度学习绝对不是人工智能领域解决的唯一方案，二者之间不能划上等号。但说深度学习是未来很长一段时间内，推动人工智能进步的核心技术，则一点都不为过。

深度学习依赖海量的大数据和强大的计算能力。对于计算机来说，想让它成功识别猫这个物种。需要其学习一千万段视频才行。

三、人工智能是否会威胁人类

人工智能真的足够聪明以至于会超出人类的控制范围，最终威胁到人类吗？

要回到这个问题，首先要理清不同层级人工智能的定义。

弱人工智能：限制领域人工智能，指的是专注于且智能解决某一特定领域问题的人工智能。目前看到的所有人工智能都属于这个范畴。例如AlphaGo。人们更多的是将其看作一种工具，而不是威胁。当然了，同其他所有工具，如汽车、飞机等一样，都是存在风险的。

强人工智能：指可以胜任人类所有工作的人工智能。就是人可以做什么，人工智能就可以做什么。谈及这个层面，就不得不面对强人工智能是否有必要具备“意识”这个问题。一旦牵涉到“意识”，强人工智能的定义和评判标准就会变得十分复杂。

超人工智能：比人类还有天赋、还要聪明的人工智能。目前更多的是从哲学以及科幻的角度加以解析。没有办法和经验去预测这种智能究竟是否存在。