人工智能
李開復(fù) 王詠剛
>> 第一章 人工智能來(lái)了
◆ 第8章
>> 用高德納技術(shù)成熟度曲線看AI發(fā)展史和前面那張搞笑的“人工智能發(fā)展成熟度曲線”不同，學(xué)術(shù)界、產(chǎn)業(yè)界和投資界在談到技術(shù)高潮與低谷時(shí)，經(jīng)常會(huì)引用高德納咨詢公司（Gartner）推薦的技術(shù)成熟度曲線。這條曲線顯示出，幾乎每一項(xiàng)新興且成功的技術(shù)，在真正成熟之前，都要經(jīng)歷先揚(yáng)后抑的過(guò)程，并在波折起伏中通過(guò)積累和迭代，最終走向真正的繁榮、穩(wěn)定和有序發(fā)展。
>> 一種新科技的研發(fā)過(guò)程通常是這樣的：初創(chuàng)公司接受第一輪風(fēng)投，開發(fā)出第一代產(chǎn)品，雖然不成熟，但足以吸引一批早期接受者——粉絲。在早期階段，產(chǎn)品的優(yōu)點(diǎn)被粉絲放大，大眾媒體跟風(fēng)炒作，將該技術(shù)推向一個(gè)充滿泡沫的膨脹期。隨著盲目的追捧者激增，跟風(fēng)研發(fā)、生產(chǎn)的初創(chuàng)公司越來(lái)越多，產(chǎn)品的不足被無(wú)限放大，負(fù)面報(bào)道開始出現(xiàn)，供過(guò)于求的市場(chǎng)競(jìng)爭(zhēng)中，大批跟風(fēng)入局的初創(chuàng)公司不是被兼并，就是走向倒閉，只有少數(shù)擁有核心競(jìng)爭(zhēng)力的堅(jiān)持了過(guò)來(lái)。跌入低谷后，第二輪、第三輪風(fēng)投資金注入大浪淘沙后僅存的中堅(jiān)企業(yè)，新一代技術(shù)和產(chǎn)品也隨之問(wèn)世，整個(gè)技術(shù)曲線步入穩(wěn)步攀升的平臺(tái)期和成熟期，潛在用戶的接受程度也從5%以下逐漸提升到20%到30%，初創(chuàng)企業(yè)和風(fēng)投資本開始迎來(lái)高額回報(bào)。[插圖]
>> 高德納咨詢公司（Gartner）技術(shù)成熟度曲線
>> 這條曲線概括了絕大多數(shù)高新技術(shù)的發(fā)展歷程。
>> 技術(shù)人員、投資者經(jīng)常根據(jù)高德納曲線來(lái)判斷時(shí)代潮流，選擇投資方向。
>> 能引起人們感知反應(yīng)的最小刺激量，心理學(xué)上叫絕對(duì)值
>> 人工智能之所以有今天的成就，深度學(xué)習(xí)技術(shù)居功至偉。
>> 谷歌最杰出的工程師杰夫·迪恩說(shuō)：“我認(rèn)為在過(guò)去5年，最重大的突破應(yīng)該是對(duì)于深度學(xué)習(xí)的使用。這項(xiàng)技術(shù)目前已經(jīng)成功地被應(yīng)用到許許多多的場(chǎng)景中，從語(yǔ)音識(shí)別到圖像識(shí)別，再到語(yǔ)言理解。而且有意思的是，目前我們還沒(méi)有看到有什么是深度學(xué)習(xí)做不了的。希望在未來(lái)我們能看到更多更有影響力的技術(shù)。
◆ 第9章 null
>> 1966年，美國(guó)計(jì)算機(jī)協(xié)會(huì)（ACM）以開創(chuàng)計(jì)算機(jī)科學(xué)和人工智能基本理論的科學(xué)巨匠——艾倫·圖靈的名字設(shè)立了這項(xiàng)“計(jì)算機(jī)界的諾貝爾獎(jiǎng)”。
>> 有關(guān)圖靈的傳奇故事，2014年的電影《模仿游戲》很值得推薦，該片曾于2015年7月在中國(guó)大陸公映。
>> 艾倫·圖靈是人工智能的開拓者，他所提出的圖靈測(cè)試，直到今天仍然是我們判定一部機(jī)器是否具有人類智慧的重要手段。
>> 圖靈測(cè)試
>> 1950年10月，圖靈發(fā)表了一篇名為《計(jì)算機(jī)械和智能》（Computing Machinery and Inteligence）的論文，試圖探討到底什么是人工智能。在文章中，圖靈提出了一個(gè)有趣的實(shí)驗(yàn)：
>> 如果計(jì)算機(jī)能在測(cè)試中表現(xiàn)出與人等價(jià)，或至少無(wú)法區(qū)分的智能，那么，我們就說(shuō)這臺(tái)計(jì)算機(jī)通過(guò)了測(cè)試并具備人工智能。
>> 在機(jī)器試圖模仿人類與評(píng)判者對(duì)話的“模仿游戲”中，有思考能力的電子計(jì)算機(jī)可以做得和人一樣好嗎？圖靈所說(shuō)的“模仿游戲”，后來(lái)也被人們稱為“圖靈測(cè)試”。
>> 論文中，圖靈還對(duì)人工智能的發(fā)展給出了非常有益的建議。他認(rèn)為，與其去研制模擬成人思維的計(jì)算機(jī)，不如去試著制造更簡(jiǎn)單的，也許只相當(dāng)于一個(gè)小孩智慧的人工智能系統(tǒng)，然后再讓這個(gè)系統(tǒng)去不斷學(xué)習(xí)——這種思路正是我們今天用機(jī)器學(xué)習(xí)來(lái)解決人工智能問(wèn)題的核心指導(dǎo)思想。
>> 針對(duì)圖靈測(cè)試，人工智能領(lǐng)域還專門設(shè)立了一個(gè)每年一度的羅布納獎(jiǎng)（Loebner Prize），專門頒發(fā)給在圖靈測(cè)試中表現(xiàn)最優(yōu)秀的計(jì)算機(jī)程序。
>> 羅布納獎(jiǎng)成立至今，尚未有任何程序超過(guò)30%的關(guān)口。
>> 非常有趣的是，2014年，為了紀(jì)念圖靈去世60周年，雷丁大學(xué)在倫敦皇家學(xué)會(huì)舉辦了另一場(chǎng)圖靈測(cè)試。測(cè)試中，一個(gè)名叫尤金·古斯曼（Eugene Goostman）的聊天機(jī)器人程序取得了33%的成功率。
>> 尤金·古斯曼第一次通過(guò)了圖靈測(cè)試！
>> 用5分鐘的聊天記錄來(lái)判定一個(gè)程序是否具有智能，這太簡(jiǎn)單和草率了
>> 尤金·古斯曼還沒(méi)有得到學(xué)界的一致認(rèn)可。
◆ 第10章 null
>> 深度學(xué)習(xí)來(lái)重新打造語(yǔ)音識(shí)別的整個(gè)算法架構(gòu)，
>> 今天，語(yǔ)音識(shí)別和更廣泛意義上的自然語(yǔ)言處理已經(jīng)走進(jìn)了統(tǒng)計(jì)方法與深度學(xué)習(xí)方法相結(jié)合，甚至是深度學(xué)習(xí)方法獨(dú)立起主導(dǎo)作用的新時(shí)代。與我們那個(gè)時(shí)代相比，今天的語(yǔ)音識(shí)別真正滿足了用戶的應(yīng)用需求。這也意味著，像我這樣“上一代”的研究者就必須抓緊一切時(shí)間，轉(zhuǎn)換思維和知識(shí)儲(chǔ)備，擁抱以深度學(xué)習(xí)為代表的嶄新時(shí)代，否則，就有被時(shí)代淘汰的風(fēng)險(xiǎn)。
>> 在近年來(lái)的第三次人工智能熱潮中，語(yǔ)音識(shí)別領(lǐng)域發(fā)生了天翻地覆的變化。深度學(xué)習(xí)就像一個(gè)秘密武器，蟄伏多年，重出江湖，首先在計(jì)算機(jī)視覺(jué)領(lǐng)域，幫助計(jì)算機(jī)認(rèn)識(shí)人臉、認(rèn)識(shí)圖片和視頻中的物體，然后，拔劍四顧，沖入語(yǔ)音識(shí)別、機(jī)器翻譯、數(shù)據(jù)挖掘、自動(dòng)駕駛等幾乎所有人工智能的技術(shù)領(lǐng)域大展身手。
>> 技術(shù)上，科大訊飛的語(yǔ)音輸入法可以達(dá)到每分鐘錄入400個(gè)漢字的輸入效率，甚至還支持十幾種方言輸入。
◆ 第11章 null
>> 毋庸諱言，深度學(xué)習(xí)絕對(duì)不是人工智能領(lǐng)域的唯一解決方案，二者之間也無(wú)法畫上等號(hào)。
>> 但說(shuō)深度學(xué)習(xí)是當(dāng)今乃至未來(lái)很長(zhǎng)一段時(shí)間內(nèi)引領(lǐng)人工智能發(fā)展的核心技術(shù)，則一點(diǎn)兒也不為過(guò)。
>> 人工智能大師、深度學(xué)習(xí)泰斗約書亞·本吉奧（Yoshua Bengio）說(shuō)：“沒(méi)有可與深度學(xué)習(xí)競(jìng)爭(zhēng)的人工智能技術(shù)。人工智能是循序漸進(jìn)的耐心工作的成果，而且它總是站在巨人的肩膀上，并且這些進(jìn)步在某種程度上促成了轉(zhuǎn)折點(diǎn)——我們可以在新服務(wù)中利用這些成果來(lái)生產(chǎn)新東西，進(jìn)行經(jīng)濟(jì)轉(zhuǎn)型以及改變社會(huì)。正如人們所寫的那樣，我們正在經(jīng)歷另一場(chǎng)工業(yè)革命，它并不是簡(jiǎn)單地增加人類的機(jī)械力；計(jì)算機(jī)將增加人類的認(rèn)知能力和智力。我談到了深度學(xué)習(xí)，因?yàn)檫@些變化和突破在很大程度上正是由于深度學(xué)習(xí)的進(jìn)步?！盵插圖]
>> 深度學(xué)習(xí)
>> 歷史幾乎和人工智能的歷史一樣長(zhǎng)。
>> 大計(jì)算能力和大數(shù)據(jù)，正是深度學(xué)習(xí)這件深藏不露的千古神兵所等待的兩大時(shí)機(jī)。
>> 早在通用計(jì)算機(jī)問(wèn)世前的1943年，神經(jīng)科學(xué)家沃倫·麥卡洛克（Warren McCulloch）和沃爾特·彼茨（Walter Pitts）就提出了一種大膽假說(shuō)，描述了人類神經(jīng)節(jié)沿著網(wǎng)狀結(jié)構(gòu)傳遞和處理信息的模型。這一假說(shuō)一方面被神經(jīng)科學(xué)家用于研究人類的感知原理；另一方面則被計(jì)算機(jī)科學(xué)家們借鑒，用于人工智能的相關(guān)研究。后者也被學(xué)術(shù)界稱為人工神經(jīng)網(wǎng)絡(luò)。
>> 20世紀(jì)40年代，唐納德·赫布（Donald Hebb）嘗試將人工神經(jīng)網(wǎng)絡(luò)用于機(jī)器學(xué)習(xí)，創(chuàng)建出早期的“赫布型學(xué)習(xí)”（Hebbian Learning）理論。
>> 1965年，A. G．伊瓦赫年科（Alexey Grigorevich Ivakhnenko）提出建立多層人工神經(jīng)網(wǎng)絡(luò)的設(shè)想，這種基于多層神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型后來(lái)被人們稱為“深度學(xué)習(xí)”，伊瓦赫年科有時(shí)也被稱為“深度學(xué)習(xí)之父”。
>> 2006年是深度學(xué)習(xí)發(fā)展史上的分水嶺。
>> 深度學(xué)習(xí)能夠大展身手的兩個(gè)前提條件——強(qiáng)大的計(jì)算能力和高質(zhì)量的大數(shù)據(jù)，都是在2010年前后逐漸步入成熟的。深度學(xué)習(xí)、大規(guī)模計(jì)算、大數(shù)據(jù)三位一體，神兵出世，一下子就可以摧城拔寨、無(wú)堅(jiān)不摧
>> 今天，有深度學(xué)習(xí)助力，有基于互聯(lián)網(wǎng)的海量數(shù)據(jù)支撐，有數(shù)以萬(wàn)計(jì)的強(qiáng)大計(jì)算機(jī)集群，谷歌大腦正在幫助谷歌公司解決橫跨多個(gè)領(lǐng)域的幾乎所有人工智能的相關(guān)問(wèn)題：谷歌的搜索引擎正在使用谷歌大腦優(yōu)化搜索結(jié)果的排序，或直接回答用戶感興趣的知識(shí)性問(wèn)題；谷歌的街景服務(wù)使用谷歌大腦智能識(shí)別街道上的門牌號(hào)，以進(jìn)行精準(zhǔn)定位；使用了谷歌大腦的谷歌翻譯平臺(tái)在2016年連續(xù)取得翻譯質(zhì)量的革命性突破，將全世界一百多種語(yǔ)言的相互翻譯質(zhì)量提升了一個(gè)層次；谷歌自動(dòng)駕駛汽車正基于谷歌大腦對(duì)數(shù)百萬(wàn)英里的行駛記錄進(jìn)行訓(xùn)練，以改進(jìn)駕駛策略，保證絕對(duì)安全……
>> 什么是深度學(xué)習(xí)？
>> 第三撥人工智能熱潮源于深度學(xué)習(xí)的復(fù)興。那么，到底什么是深度學(xué)習(xí)？
>> 從根本上來(lái)說(shuō)，深度學(xué)習(xí)和所有機(jī)器學(xué)習(xí)方法一樣，是一種用數(shù)學(xué)模型對(duì)真實(shí)世界中的特定問(wèn)題進(jìn)行建模，以解決該領(lǐng)域內(nèi)相似問(wèn)題的過(guò)程。
>> 深度學(xué)習(xí)就是這樣一種在表達(dá)能力上靈活多變，同時(shí)又允許計(jì)算機(jī)不斷嘗試，直到最終逼近目標(biāo)的機(jī)器學(xué)習(xí)方法。
>> 簡(jiǎn)單地說(shuō)，深度學(xué)習(xí)就是把計(jì)算機(jī)要學(xué)習(xí)的東西看成一大堆數(shù)據(jù)，把這些數(shù)據(jù)丟進(jìn)一個(gè)復(fù)雜的、包含多個(gè)層級(jí)的數(shù)據(jù)處理網(wǎng)絡(luò)（深度神經(jīng)網(wǎng)絡(luò)），然后檢查經(jīng)過(guò)這個(gè)網(wǎng)絡(luò)處理得到的結(jié)果數(shù)據(jù)是不是符合要求——如果符合，就保留這個(gè)網(wǎng)絡(luò)作為目標(biāo)模型，如果不符合，就一次次地、鍥而不舍地調(diào)整網(wǎng)絡(luò)的參數(shù)設(shè)置，直到輸出滿足要求為止。
>> 深度學(xué)習(xí)大致就是這么一個(gè)用人類的數(shù)學(xué)知識(shí)與計(jì)算機(jī)算法構(gòu)建起整體架構(gòu)，再結(jié)合盡可能多的訓(xùn)練數(shù)據(jù)以及計(jì)算機(jī)的大規(guī)模運(yùn)算能力去調(diào)節(jié)內(nèi)部參數(shù)，盡可能逼近問(wèn)題目標(biāo)的半理論、半經(jīng)驗(yàn)的建模方式。
>> 指導(dǎo)深度學(xué)習(xí)的基本是一種實(shí)用主義的思想。
>> 目前的深度學(xué)習(xí)主要是建立在大數(shù)據(jù)的基礎(chǔ)上，即對(duì)大數(shù)據(jù)進(jìn)行訓(xùn)練，并從中歸納出可以被計(jì)算機(jī)運(yùn)用在類似數(shù)據(jù)上的知識(shí)或規(guī)律。
>> 數(shù)據(jù)量大，并不代表著數(shù)據(jù)一定有可以被深度學(xué)習(xí)算法利用的價(jià)值。
>> 大數(shù)據(jù)的價(jià)值在于數(shù)據(jù)分析以及分析基礎(chǔ)上的數(shù)據(jù)挖掘
>> 和智能決策。大數(shù)據(jù)的擁有者只有基于大數(shù)據(jù)建立有效的模型和工具，才能充分發(fā)揮大數(shù)據(jù)的價(jià)值。
>> 人工智能時(shí)代，深度學(xué)習(xí)和大數(shù)據(jù)成了密不可分的一對(duì)兒。
>> 深度學(xué)習(xí)可以從大數(shù)據(jù)中挖掘出以往難以想象的有價(jià)值的數(shù)據(jù)、知識(shí)或規(guī)律。簡(jiǎn)單來(lái)說(shuō)，有足夠的數(shù)據(jù)作為深度學(xué)習(xí)的輸入，計(jì)算機(jī)就可以學(xué)會(huì)以往只有人類才能理解的概念或知識(shí)，然后再將這些概念或知識(shí)應(yīng)用到之前從來(lái)沒(méi)有看見過(guò)的新數(shù)據(jù)上。
>> 《智能時(shí)代》的作者吳軍博士說(shuō)：“在方法論的層面，大數(shù)據(jù)是一種全新的思維方式。按照大數(shù)據(jù)的思維方式，我們做事情的方式與方法需要從根本上改變。”
>> 杰弗里·辛頓與約書亞·本吉奧、揚(yáng)·勒丘恩有時(shí)也被稱為深度學(xué)習(xí)領(lǐng)域的“三巨頭”。
>> 。2015年5月，三人聯(lián)名在《自然》雜志發(fā)表的名為《深度學(xué)習(xí)》的綜述文章[插圖]，成為人工智能領(lǐng)域近年來(lái)最重要的文獻(xiàn)之一。在這篇著名的文章里，“三巨頭”是這樣展望深度學(xué)習(xí)的：“在不久的將來(lái)，我們認(rèn)為深度學(xué)習(xí)將取得更多成就，因?yàn)樗恍枰獦O少的人工參與，所以它能輕而易舉地從計(jì)算能力提升和數(shù)據(jù)量增長(zhǎng)中獲得裨益。目前正在開發(fā)的用于深層神經(jīng)網(wǎng)絡(luò)的新型學(xué)習(xí)算法和體系結(jié)構(gòu)必將加速這一進(jìn)程。”[插圖]
◆ 第13章 null
>> 在計(jì)算機(jī)科學(xué)界，懂得蒙特卡洛搜索算法原理的人都知道，這種算法主要是利用抽樣統(tǒng)計(jì)來(lái)提高搜索效率，單用此算法確實(shí)難有提高空間。
>> 基于AlphaGo的思路，其他圍棋軟件的水平也突飛猛進(jìn)。僅2017年年初就有日本研發(fā)的DeepZenGo和騰訊人工智能實(shí)驗(yàn)室開發(fā)的“絕藝”達(dá)到了人類九段或以上的水平。騰訊“絕藝”不僅面對(duì)人類高手保持了絕對(duì)優(yōu)勢(shì)，還戰(zhàn)勝了AlphaGo以外的各路圍棋軟件，取得了2017年UEC杯計(jì)算機(jī)圍棋大賽的冠軍。
>> 從人工智能技術(shù)的角度說(shuō)，AlphaGo用的是AI領(lǐng)域應(yīng)用非常普遍的算法：深度學(xué)習(xí)、蒙特卡洛算法、增強(qiáng)學(xué)習(xí)等。
>> 類似技術(shù)隨后被DeepMind團(tuán)隊(duì)用于人工智能圍棋軟件，并由此誕生了震驚世界的AlphaGo。
>> ，在圍棋、象棋等游戲中，
>> 隨時(shí)可以獲取全部信息的游戲，我們可以稱之為“完整信息的博弈游戲”。而在《星際爭(zhēng)霸》或德州撲克中，人工智能和人類選手通常無(wú)法在特定時(shí)刻獲得有關(guān)游戲的全部信息，
>> 在這類“不完整信息的博弈游戲”里，人工智能必須像人一樣，根據(jù)經(jīng)驗(yàn)或概率統(tǒng)計(jì)知識(shí)，猜測(cè)對(duì)手底牌和下一張牌的可能性，然后再制定自己的應(yīng)對(duì)策略。
>> 對(duì)于實(shí)現(xiàn)人工智能算法而言，不完整信息的博弈游戲在技術(shù)難度上要大得多。
>> 均衡（balanced）策略——這一策略源自數(shù)學(xué)家納什定義的一種完美博弈的模型。
>> AI利用增強(qiáng)學(xué)習(xí)技術(shù)，從自我對(duì)局中學(xué)習(xí)最優(yōu)的撲克玩法，而避免從人類的既定模式中學(xué)習(xí)經(jīng)驗(yàn)，這是非常重要的一點(diǎn)
>> 計(jì)算機(jī)在德州撲克領(lǐng)域取得的成功，讓包括我在內(nèi)的人工智能研究者都非常振奮，這主要有以下兩個(gè)原因：·和圍棋不同，在德州撲克的牌桌上，人工智能與人類選手一樣，都只能看到部分信息。這種情況下，沒(méi)有所謂的唯一的、最佳的打法?！ibratus基本是從零開始學(xué)習(xí)德州撲克策略，且主要依靠自我對(duì)局來(lái)學(xué)習(xí)。這對(duì)利用人工智能解決更為廣泛的現(xiàn)實(shí)問(wèn)題意義重大。
>> 弱人工智能（Weak AI）也稱限制領(lǐng)域人工智能（Narrow AI）或應(yīng)用型人工智能（Applied AI），指的是專注于且只能解決特定領(lǐng)域問(wèn)題的人工智能。
>> AlphaGo是弱人工智能的一個(gè)最好實(shí)例。
>> 一般而言，限于弱人工智能在功能上的局限性，人們更愿意將弱人工智能看成是人類的工具，而不會(huì)將弱人工智能視為威脅。
>> 但少數(shù)評(píng)論者依然認(rèn)為，即便是弱人工智能，如果管理、應(yīng)對(duì)不善，也會(huì)帶來(lái)致命的風(fēng)險(xiǎn)。比如，發(fā)生在2010年5月6日的美股市場(chǎng)的“閃跌”（Flash Crash）事件，其起因就混合了人類交易員的操作失誤和自動(dòng)交易算法的內(nèi)在風(fēng)險(xiǎn)，而當(dāng)時(shí)已經(jīng)大量存在的，由計(jì)算機(jī)程序控制的自動(dòng)高頻交易，則被一些研究者認(rèn)為是放大市場(chǎng)錯(cuò)誤，并最終造成股市瞬時(shí)暴跌的幫兇。
>> 強(qiáng)人工智能（Strong AI）強(qiáng)人工智能又稱通用人工智能（Artificial general intelligence）或完全人工智能（Full AI），指的是可以勝任人類所有工作的人工智能。
>> 缺乏一個(gè)量化的標(biāo)準(zhǔn)來(lái)評(píng)估什么樣的計(jì)算機(jī)程序才是強(qiáng)人工智能。
>> 最為流行、被廣為接受的標(biāo)準(zhǔn)是前面我們?cè)敿?xì)討論過(guò)的圖靈測(cè)試。
>> 一般認(rèn)為，一個(gè)可以稱得上強(qiáng)人工智能的程序，大概需要具備以下幾方面的能力：
>> 1）存在不確定因素時(shí)進(jìn)行推理，使用策略，解決問(wèn)題，制定決策的能力；
>> ）知識(shí)表示的能力，包括常識(shí)性知識(shí)的表示能力；3）規(guī)劃能力；4）學(xué)習(xí)能力；5）使用自然語(yǔ)言進(jìn)行交流溝通的能力；6）將上述能力整合起來(lái)實(shí)現(xiàn)既定目標(biāo)的能力。[插圖]
>> 超人工智能（Superintelligence）假設(shè)計(jì)算機(jī)程序通過(guò)不斷發(fā)展，可以比世界上最聰明、最有天賦的人類還聰明，那么，由此產(chǎn)生的人工智能系統(tǒng)就可以被稱為超人工智能
>> 牛津大學(xué)哲學(xué)家、未來(lái)學(xué)家尼克·波斯特洛姆（Nick Bostrom）在他的《超級(jí)智能》一書中，將超人工智能定義為“在科學(xué)創(chuàng)造力、智慧和社交能力等每一方面都比最強(qiáng)的人類大腦聰明很多的智能”
◆ 第14章 null
>> “Wait But Why”網(wǎng)站的創(chuàng)始人蒂姆·厄班（Tim Urban），文章原名為《AI革命：通向超人工智能之路》[插圖]。蒂姆·厄班在這篇著名的長(zhǎng)文中，基于一個(gè)顯而易見的事實(shí)來(lái)討論人類科技的發(fā)展規(guī)律：人類科技發(fā)展是越來(lái)越快的，呈現(xiàn)出不斷加速的勢(shì)頭。
>> 從技術(shù)角度說(shuō)，弱人工智能與強(qiáng)人工智能之間的鴻溝可能遠(yuǎn)比我們目前所能想象的要大得多。而且，最重要的是，由于基礎(chǔ)科學(xué)（如物理學(xué)和生物學(xué)）尚缺乏對(duì)人類智慧和意識(shí)的精確描述，從弱人工智能發(fā)展到強(qiáng)人工智能，其間有很大概率存在難以在短期內(nèi)解決的技術(shù)難題。
>> 我們并沒(méi)有一種簡(jiǎn)單的方式來(lái)對(duì)智能進(jìn)行度量。
>> 智能是一個(gè)非常定性的概念，它反映的是某個(gè)人成功解決某種特定問(wèn)題的能力。
>> 心理學(xué)家使用一種叫發(fā)展能力（Developmental Competence）的概念來(lái)評(píng)估人類。他們測(cè)試一個(gè)人解決算術(shù)、邏輯等問(wèn)題的水平，然后將測(cè)試所得的分?jǐn)?shù)除以這個(gè)人的年齡——這是智商的含義。
>> 如果某人解決此類特定問(wèn)題的能力超出同齡人的平均水平，我們就說(shuō)他的智商高。
>> 對(duì)智能的定義是非常主觀的，這依賴于每個(gè)人自己的視角。
>> 關(guān)于智能的度量并不是線性的，而是一種多維度的度量。
>> 如果僅根據(jù)人工智能在圍棋這種限定范疇的技術(shù)能力上表現(xiàn)出來(lái)的進(jìn)步速度推斷超人工智能何時(shí)到來(lái)，那當(dāng)然可以得到人類即將面臨威脅的結(jié)論。但如果綜合考慮人工智能的跨領(lǐng)域推理能力、常識(shí)和感性、理解抽象概念的能力等，我們很難給過(guò)去數(shù)十年間人工智能發(fā)展的水平打出一個(gè)客觀的分?jǐn)?shù)，并據(jù)此預(yù)測(cè)超人工智能到來(lái)的時(shí)間。
◆ 第15章 null
>> 人和今天的AI相比，有一個(gè)明顯的智慧優(yōu)勢(shì)，就是舉一反三、觸類旁通的能力。
>> 人類強(qiáng)大的跨領(lǐng)域聯(lián)想、類比能力是跨領(lǐng)域推理的基礎(chǔ)。
>> 從表象入手，推導(dǎo)并認(rèn)識(shí)背后規(guī)律的能力，是計(jì)算機(jī)目前還遠(yuǎn)遠(yuǎn)不能及的。
>> 為了進(jìn)行更有效的跨領(lǐng)域推理，許多人都有幫助自己整理思路的好方法。比如，有人喜歡用思維導(dǎo)圖來(lái)梳理信息間的關(guān)系；有人喜歡用大膽假設(shè)、小心求證的方式突破現(xiàn)有思維定式；有人則喜歡用換位思考的方式，讓自己站在對(duì)方或旁觀者的立場(chǎng)上，從不同視角探索新的解決方案；有的人更善于聽取、整合他人的意見……人類使用的這些高級(jí)分析、推理、決策技巧，對(duì)于今天的計(jì)算機(jī)而言還顯得過(guò)于高深。
>> 一種名叫“遷移學(xué)習(xí)”（Transfer Learning）的技術(shù)正吸引越來(lái)越多研究者的目光。這種學(xué)習(xí)技術(shù)的基本思路就是將計(jì)算機(jī)在一個(gè)領(lǐng)域取得的經(jīng)驗(yàn)，通過(guò)某種形式的變換，遷移到計(jì)算機(jī)并不熟悉的另一個(gè)領(lǐng)域。
>> 不突破少樣本、無(wú)監(jiān)督的學(xué)習(xí)，我們也許就永遠(yuǎn)無(wú)法實(shí)現(xiàn)人類水平的人工智能。
>> 審美能力同樣是人類獨(dú)有的特征，很難用技術(shù)語(yǔ)言解釋，也很難被賦予機(jī)器。
>> 審美是一件非常個(gè)性化的事情，每個(gè)人心中都有自己一套關(guān)于美的標(biāo)準(zhǔn)，但審美又可以被語(yǔ)言文字描述和解釋，人與人之間可以很容易地交換和分享審美體驗(yàn)。這種神奇的能力，計(jì)算機(jī)目前幾乎完全不具備。
>> ，審美能力明顯是一個(gè)跨領(lǐng)域的能力，每個(gè)人的審美能力都是一個(gè)綜合能力，與這個(gè)人的個(gè)人經(jīng)歷、文史知識(shí)、藝術(shù)修養(yǎng)、生活經(jīng)驗(yàn)等都有密切關(guān)系。
>> 歡樂(lè)、憂傷、憤怒、討厭、害怕……每個(gè)人都因?yàn)檫@些情感的存在，而變得獨(dú)特和有存在感。
◆ 第17章 null
>> 19世紀(jì)以電氣技術(shù)、內(nèi)燃機(jī)為代表的第二次工業(yè)革命，以及20世紀(jì)以原子能技術(shù)、信息技術(shù)、空間技術(shù)、生物工程技術(shù)等為代表的第三次工業(yè)革命，每一次都使人類的生活水平、工作方式、社會(huì)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)
◆ 第18章 null
>> 李開復(fù)的“五秒鐘準(zhǔn)則”一項(xiàng)本來(lái)由人從事的工作，如果人可以在5秒鐘以內(nèi)對(duì)工作中需要思考和決策的問(wèn)題做出相應(yīng)的決定，那么，這項(xiàng)工作就有非常大的可能被人工智能技術(shù)全部或部分取代。
>> 反之，如果你的工作涉及縝密的思考、周全的推理或復(fù)雜的決策，每個(gè)具體判斷并非人腦可以在5秒鐘的時(shí)間內(nèi)完成，那么，以目前的技術(shù)來(lái)說(shuō)，你的工作是很難被機(jī)器取代的。
◆ 第20章 null
>> 據(jù)高盛集團(tuán)2016年12月發(fā)布的報(bào)告指出，在金融行業(yè)，“保守估計(jì)，到2025年時(shí)，機(jī)器學(xué)習(xí)和人工智能可以通過(guò)節(jié)省成本和帶來(lái)新的盈利機(jī)會(huì)創(chuàng)造大約每年340億～430億美元的價(jià)值，這一數(shù)字因?yàn)橄嚓P(guān)技術(shù)對(duì)數(shù)據(jù)利用和執(zhí)行效率的提升，還具有更大的提升空間”
>> 人工智能之所以能在近年來(lái)突飛猛進(jìn)，主要得益于深度學(xué)習(xí)算法的成功應(yīng)用和大數(shù)據(jù)所打下的堅(jiān)實(shí)基礎(chǔ)。
>> 判斷人工智能技術(shù)能在哪個(gè)行業(yè)最先引起革命性的變革，除了要看這個(gè)行業(yè)對(duì)自動(dòng)化、智能化的內(nèi)在需求外，主要還要看這個(gè)行業(yè)內(nèi)的數(shù)據(jù)積累、數(shù)據(jù)流轉(zhuǎn)、數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)更新是不是達(dá)到了深度學(xué)習(xí)算法對(duì)大數(shù)據(jù)的要求。
>> 拿股票買賣來(lái)說(shuō)，人類股票分析師的大腦里最多能夠記住幾百只股票的交易規(guī)律、價(jià)格走勢(shì)，最多能根據(jù)股票市場(chǎng)內(nèi)的幾千個(gè)影響股價(jià)的因素，制定出簡(jiǎn)化的交易策略。而基于機(jī)器學(xué)習(xí)特別是深度學(xué)習(xí)實(shí)現(xiàn)的量化交易程序，則可以輕松應(yīng)對(duì)幾萬(wàn)、幾十萬(wàn)個(gè)變化因子，全面觀察交易場(chǎng)內(nèi)、場(chǎng)外的各種影響因素，在需要時(shí)，可以盯緊全世界每一只股票的交易價(jià)格，每一次交易的實(shí)時(shí)情況，每一個(gè)交易市場(chǎng)的整體波動(dòng)規(guī)律，每一個(gè)投資人和投資機(jī)構(gòu)在全部歷史時(shí)間內(nèi)的交易策略，乃至世界所有證券、財(cái)經(jīng)類媒體上每一篇關(guān)乎股票價(jià)格的報(bào)道，F(xiàn)acebook和推特上每一次關(guān)乎股票價(jià)格的討論……基于這種海量、實(shí)時(shí)數(shù)據(jù)的量化交易算法，顯然有可能發(fā)現(xiàn)諸多人類股票分析師難以發(fā)現(xiàn)的隱含規(guī)律，并利用這些隱含規(guī)律，獲得遠(yuǎn)遠(yuǎn)超過(guò)人類的交易收益。
>> 根據(jù)高盛公司的評(píng)估，金融行業(yè)里，最有可能應(yīng)用人工智能技術(shù)的領(lǐng)域主要包括：·量化交易與智能投顧：
>> ·風(fēng)險(xiǎn)防控：
>> ·安防與客戶身份認(rèn)證
>> ·智能客服
>> ·精準(zhǔn)營(yíng)銷
>> 金融行業(yè)AI應(yīng)用成功案例目前，國(guó)內(nèi)外人工智能在金融領(lǐng)域的應(yīng)用已有諸多成功案例。
>> 在國(guó)內(nèi)，螞蟻金服已成功將人工智能運(yùn)用于互聯(lián)網(wǎng)小貸、保險(xiǎn)、征信、資產(chǎn)配置、客戶服務(wù)等領(lǐng)域；智融金服利用人工智能風(fēng)控系統(tǒng)已經(jīng)實(shí)現(xiàn)月均120萬(wàn)筆以上的放款，常規(guī)機(jī)器審核速度用時(shí)僅8秒；招商銀行的可視化柜臺(tái)、交通銀行推出的人工智能機(jī)器人“嬌嬌”等則在智能客服領(lǐng)域做出了早期的嘗試和探索。
>> 用機(jī)器學(xué)習(xí)技術(shù)自動(dòng)分析包含大量強(qiáng)特征和弱特征的數(shù)據(jù)，自動(dòng)判斷交易風(fēng)險(xiǎn)。
>> 如果把一個(gè)人的數(shù)據(jù)比作一座冰山，那么強(qiáng)特征數(shù)據(jù)僅是冰山的一角，之下還存在海量的弱特征數(shù)據(jù)，例如電商數(shù)據(jù)、設(shè)備數(shù)據(jù)、位置數(shù)據(jù)、行為數(shù)據(jù)等。同時(shí)，作為百業(yè)之母的金融行業(yè)與整個(gè)社會(huì)存在巨大的交織網(wǎng)絡(luò)，本身沉淀了大量有用或者無(wú)用數(shù)據(jù)，其中包括各類金融交易、客戶信息、市場(chǎng)分析、風(fēng)險(xiǎn)控制、投資顧問(wèn)等。這些數(shù)據(jù)單位都是海量級(jí)，且大量數(shù)據(jù)又以非結(jié)構(gòu)化的方式存在，無(wú)法轉(zhuǎn)換成傳統(tǒng)模型可有效分析的數(shù)據(jù)。
>> 以深度學(xué)習(xí)為代表的人工智能算法所要做的，就是充分挖掘并有效地利用這些海量弱特征數(shù)據(jù)，建立起更加符合真實(shí)世界規(guī)律的數(shù)學(xué)模型。
◆ 第22章 null
>> 世界上第一個(gè)專家系統(tǒng)程序Dendral是一個(gè)由斯坦福大學(xué)的研究者用Lisp語(yǔ)言寫成的，幫助有機(jī)化學(xué)家根據(jù)物質(zhì)光譜推斷未知有機(jī)分子結(jié)構(gòu)的程序。
◆ 第23章 null
>> 目前的人工智能更擅長(zhǎng)從大量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，幫助人類完成那些人類只需要簡(jiǎn)單思考就能做出決策的重復(fù)性工作。
◆ 第24章 null
>> 未來(lái)的虛擬現(xiàn)實(shí)（VR）和增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)必將深入每個(gè)人的生活中，成為人類一種全新的娛樂(lè)方式。
>> 機(jī)器人會(huì)迅速占領(lǐng)所有標(biāo)準(zhǔn)化領(lǐng)域，而人類將在各種差異化產(chǎn)品的供應(yīng)中尋覓新的領(lǐng)地。
>> …在未來(lái)，工廠機(jī)器流水線留給機(jī)器人，人會(huì)以更加富有創(chuàng)造性的方式與流水線競(jìng)爭(zhēng)。人的獨(dú)特性會(huì)體現(xiàn)出來(lái)：思考、創(chuàng)造、溝通、情感交流；人與人的依戀、歸屬感和協(xié)作精神；好奇、熱情、志同道合的驅(qū)動(dòng)力。根本不是計(jì)算能力和文書處理能力，而是人的綜合感悟和對(duì)世界的想象力，才是人和機(jī)器人最大的差別和競(jìng)爭(zhēng)力。創(chuàng)造者的個(gè)性化才是產(chǎn)品的價(jià)值所在”[插圖]。
◆ 第26章 null
>> 大多數(shù)情況下，人工智能并不是一種全新的業(yè)務(wù)流程或全新的商業(yè)模式，而是對(duì)現(xiàn)有業(yè)務(wù)流程、商業(yè)模式的根本性改造。
>> AI重在提升效率，而非發(fā)明新流程、新業(yè)務(wù)。
>> 2016年9月，成立于2014年的斯坦福大學(xué)人工智能百年研究項(xiàng)目組發(fā)布了首份人工智能報(bào)告——《2030年的人工智能與生活》[插圖]。
>> 斯坦福大學(xué)這份報(bào)告首先列舉了當(dāng)前的人工智能熱門研究領(lǐng)域，包括大規(guī)模機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、機(jī)器人、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、協(xié)同系統(tǒng)、眾包和人類計(jì)算、算法博弈理論與計(jì)算機(jī)社會(huì)選擇、物聯(lián)網(wǎng)（IOT）、神經(jīng)形態(tài)計(jì)算等。然后，報(bào)告概要分析了人工智能在2030年時(shí)最可能的應(yīng)用場(chǎng)景，例如，包括智能汽車、交通規(guī)劃、即時(shí)交通、人機(jī)交互等技術(shù)變革在內(nèi)的交通應(yīng)用，家庭服務(wù)機(jī)器人領(lǐng)域的應(yīng)用，人工智能輔助的醫(yī)療應(yīng)用，智能教育應(yīng)用，在資源匱乏的社區(qū)內(nèi)的應(yīng)用，公共安全與防護(hù)方向的應(yīng)用，就業(yè)與勞資關(guān)系，娛樂(lè)類應(yīng)用，等等，并為政府和社會(huì)決策提供了一些政策性的建議。
>> 2016年12月，高盛公司發(fā)布了長(zhǎng)達(dá)百頁(yè)的人工智能生態(tài)報(bào)告——《人工智能，機(jī)器學(xué)習(xí)和數(shù)據(jù)是未來(lái)生產(chǎn)力的源泉》[插圖]。
>> 高盛認(rèn)為，人工智能在四個(gè)方面的影響力最為顯著：
>> ·生產(chǎn)率。
>> 大體上而言，AI看起來(lái)似乎比上一次創(chuàng)新浪潮更有可能在統(tǒng)計(jì)數(shù)據(jù)中捕捉到更有價(jià)值的東西，人工智能可以降低成本，減少對(duì)高附加值生產(chǎn)類型的勞動(dòng)投入。
>> ·尖端技術(shù)。AI和機(jī)器學(xué)習(xí)在速度上的價(jià)值有利于構(gòu)建一種在建設(shè)數(shù)據(jù)中心和網(wǎng)絡(luò)服務(wù)時(shí)讓硬件更便宜的趨勢(shì)。
>> ·競(jìng)爭(zhēng)優(yōu)勢(shì)。
>> AI和機(jī)器學(xué)習(xí)具有重新調(diào)整每個(gè)行業(yè)的競(jìng)爭(zhēng)秩序的潛力。
>> ·創(chuàng)辦新公司。
>> 但我們也期望風(fēng)險(xiǎn)投資家、企業(yè)家和技術(shù)專家可以繼續(xù)推動(dòng)新公司的創(chuàng)立，從而促進(jìn)實(shí)質(zhì)性的創(chuàng)新和價(jià)值創(chuàng)造，即使最后創(chuàng)業(yè)公司會(huì)被收購(gòu)。
>> 2016年10月至12月，美國(guó)白宮科技政策辦公室連續(xù)發(fā)布了三份人工智能戰(zhàn)略報(bào)告，分別是《為未來(lái)人工智能做好準(zhǔn)備》《國(guó)家人工智能研究與發(fā)展策略規(guī)劃》和《人工智能、自動(dòng)化與經(jīng)濟(jì)》[插圖]。白宮認(rèn)為，生產(chǎn)率增速放緩和收入增速放緩的問(wèn)題正困擾著大部分發(fā)達(dá)國(guó)家，而人工智能驅(qū)動(dòng)的自動(dòng)化技術(shù)，是進(jìn)一步釋放生產(chǎn)力，全面提升全要素生產(chǎn)率增長(zhǎng)，并廣泛提高美國(guó)人的收入與生活水平的關(guān)鍵。考慮到人工智能已經(jīng)進(jìn)入一個(gè)最為重要的發(fā)展時(shí)期，美國(guó)政府需要為科研、產(chǎn)業(yè)、教育等領(lǐng)域的相關(guān)發(fā)展提供一個(gè)戰(zhàn)略方向上的指導(dǎo)。為此，《國(guó)家人工智能研究與發(fā)展策略規(guī)劃》[插圖]提出了七個(gè)重點(diǎn)戰(zhàn)略方向：
>> ·策略1：對(duì)人工智能研發(fā)進(jìn)行長(zhǎng)期投資。將投資重點(diǎn)瞄準(zhǔn)在下一代人工智能技術(shù)上，推動(dòng)發(fā)現(xiàn)和深入了解，確保美國(guó)在人工智能領(lǐng)域始終居于世界領(lǐng)先地位。
>> ·策略2：開發(fā)有效的“人—人工智能”協(xié)作方式。
>> ·策略3：理解并應(yīng)對(duì)人工智能帶來(lái)的倫理、法律和社會(huì)影響。
>> ·策略4：確保人工智能系統(tǒng)的安全。
>> ·策略5：開發(fā)人工智能共享公共數(shù)據(jù)集和測(cè)試環(huán)境平臺(tái)。
>> ·策略6：建立標(biāo)準(zhǔn)和基準(zhǔn)評(píng)估人工智能技術(shù)。
>> ·策略7：更好地了解國(guó)家對(duì)人工智能研發(fā)人才的需求。
>> 谷歌開源的TensorFlow框架，已經(jīng)成為業(yè)界深度學(xué)習(xí)的標(biāo)準(zhǔn)框架之一。
◆ 第27章 null
>> 但在創(chuàng)業(yè)的時(shí)代大潮中，是否符合科技大趨勢(shì)的確是決定創(chuàng)業(yè)成敗的第一要素。
>> 在美國(guó)，世界最成熟的風(fēng)投資本幾乎步調(diào)一致地將目前的投資重點(diǎn)由移動(dòng)互聯(lián)網(wǎng)轉(zhuǎn)向了人工智能。
>> 按照我的歸納和總結(jié)，人工智能時(shí)代的創(chuàng)業(yè)有五個(gè)前提條件：·清晰的領(lǐng)域界限：人工智能創(chuàng)業(yè)，要解決的領(lǐng)域問(wèn)題一定要非常清晰，有明確的領(lǐng)域邊界，因?yàn)檫@一類問(wèn)題是今天以深度學(xué)習(xí)為代表的人工智能算法最善于解決的。例如，同樣是做機(jī)器人，如果做一個(gè)借助視覺(jué)傳感器更好地規(guī)劃掃地線路、提高清潔效率的掃地機(jī)器人，將機(jī)器人的需求限定在一個(gè)有限的問(wèn)題邊界內(nèi)，這樣的解決方案就相對(duì)靠譜；如果上來(lái)就要做一個(gè)長(zhǎng)得像人一樣、可以與人交流的人形機(jī)器人，那以今天的技術(shù)，做出來(lái)的多半不是人工智能，而是“人工智障”。
>> ·閉環(huán)的、自動(dòng)標(biāo)注的數(shù)據(jù)：針對(duì)要用AI解決的領(lǐng)域問(wèn)題，最好要在這個(gè)領(lǐng)域內(nèi)，有閉環(huán)的、自動(dòng)標(biāo)注的數(shù)據(jù)。例如，基于互聯(lián)網(wǎng)平臺(tái)的廣告系統(tǒng)可以自動(dòng)根據(jù)用戶點(diǎn)擊以及后續(xù)操作，收集到第一手轉(zhuǎn)化率數(shù)據(jù)，而這個(gè)轉(zhuǎn)化率數(shù)據(jù)反過(guò)來(lái)又可以作為關(guān)鍵特征，幫助AI系統(tǒng)進(jìn)一步學(xué)習(xí)。這種從應(yīng)用本身收集數(shù)據(jù)，再用數(shù)據(jù)訓(xùn)練模型，用模型提高應(yīng)用性能的閉環(huán)模式更加高效。谷歌、百度等搜索引擎之所以擁有強(qiáng)大的人工智能潛力，就是因?yàn)樗鼈兊臉I(yè)務(wù)，比如搜索和廣告本身就是一個(gè)閉環(huán)的系統(tǒng)，系統(tǒng)內(nèi)部就可以自動(dòng)完成數(shù)據(jù)收集、標(biāo)注、訓(xùn)練、反饋的全過(guò)程?！でf(wàn)級(jí)的數(shù)據(jù)量：今天人工智能的代表算法是深度學(xué)習(xí)。而深度學(xué)習(xí)通常要求足夠數(shù)量的訓(xùn)練數(shù)據(jù)。一般而言，擁有千萬(wàn)級(jí)的數(shù)據(jù)量是保證深度學(xué)習(xí)質(zhì)量的前提。當(dāng)然，這個(gè)“千萬(wàn)級(jí)”的定義過(guò)于寬泛。事實(shí)上，在不同的應(yīng)用領(lǐng)域，深度學(xué)習(xí)對(duì)數(shù)據(jù)量的要求也不盡相同。而且，也不能僅看數(shù)據(jù)記錄的個(gè)數(shù)，還要看每個(gè)數(shù)據(jù)記錄的特征維數(shù)，特征在相應(yīng)空間中的分布情況，等等?！こ笠?guī)模的計(jì)算能力：深度學(xué)習(xí)在進(jìn)行模型訓(xùn)練時(shí)，對(duì)電腦的計(jì)算能力有著近乎“癡狂”的渴求。創(chuàng)新工場(chǎng)曾經(jīng)給一個(gè)專注于研發(fā)深度學(xué)習(xí)技術(shù)的團(tuán)隊(duì)投資了1000萬(wàn)元人民幣。結(jié)果，團(tuán)隊(duì)建設(shè)初期才兩三個(gè)月時(shí)間，僅購(gòu)買深度學(xué)習(xí)使用的計(jì)算服務(wù)器就花掉了700多萬(wàn)元。今天，一個(gè)典型的深度學(xué)習(xí)任務(wù)，通常都要求在一臺(tái)或多臺(tái)安裝有4塊甚至8塊高性能GPU芯片的計(jì)算機(jī)上運(yùn)行。涉及圖像、視頻的深度學(xué)習(xí)任務(wù)，則更是需要數(shù)百塊、數(shù)千塊GPU芯片組成的大型計(jì)算集群。在安裝了大型計(jì)算集群的機(jī)房?jī)?nèi)，大量GPU在模型訓(xùn)練期間發(fā)出遠(yuǎn)比普通服務(wù)器多數(shù)十倍的熱量。許多機(jī)房的空調(diào)系統(tǒng)都不得不重新設(shè)計(jì)、安裝。在一些空調(diào)馬力不足的機(jī)房里，創(chuàng)業(yè)團(tuán)隊(duì)甚至購(gòu)買了巨大的冰塊來(lái)協(xié)助降溫?！ろ敿獾腁I科學(xué)家：今天的人工智能研發(fā)還相當(dāng)依賴于算法工程師甚至是AI科學(xué)家的個(gè)人經(jīng)驗(yàn)積累。水平最高的科
>> 學(xué)家與普通水平的算法工程師之間，生產(chǎn)力的差異不啻千百倍。人工智能創(chuàng)業(yè)公司對(duì)頂尖AI科學(xué)家的渴求直接造成了這個(gè)領(lǐng)域科學(xué)家、研究員的身價(jià)與日俱增。谷歌雇用杰弗里·辛頓、李飛飛，F(xiàn)acebook雇用揚(yáng)·勒丘恩，據(jù)說(shuō)都開出了數(shù)百萬(wàn)美元的年薪。國(guó)內(nèi)AI創(chuàng)業(yè)公司如曠視科技，也用令人瞠目的高薪，將機(jī)器視覺(jué)領(lǐng)域的頂尖科學(xué)家孫劍“挖”了過(guò)來(lái)，擔(dān)任公司的首席科學(xué)家。
>> 概括來(lái)說(shuō)，目前的人工智能產(chǎn)業(yè)發(fā)展面臨六大挑戰(zhàn)：
>> 一、前沿科研與產(chǎn)業(yè)實(shí)踐尚未緊密銜接：
>> 二、人才缺口巨大，人才結(jié)構(gòu)失衡
>> 三、數(shù)據(jù)孤島化和碎片化問(wèn)題明顯：
>> 四、可復(fù)用和標(biāo)準(zhǔn)化的技術(shù)框架、平臺(tái)、工具、服務(wù)尚未成熟：
>> 五、一些領(lǐng)域存在超前發(fā)展、盲目投資等問(wèn)題
>> 六、創(chuàng)業(yè)難度相對(duì)較高，早期創(chuàng)業(yè)團(tuán)隊(duì)需要更多支持：
◆ 第31章 null
>> 在線課程、討論小組、實(shí)習(xí)實(shí)踐、自我探索和自我完善將成為今后教育的主流模式。
>> 如果要我來(lái)總結(jié)的話，我覺(jué)得，人工智能時(shí)代最核心、最有效的學(xué)習(xí)方法包括：
>> ·主動(dòng)挑戰(zhàn)極限：
>> 在挑戰(zhàn)中完善自我。如果人類不在挑戰(zhàn)自我中提高，也許真有可能全面落伍于智能機(jī)器。
>> ·從實(shí)踐中學(xué)習(xí)（Learning by doing）：面向?qū)嶋H問(wèn)題和綜合性、復(fù)雜性問(wèn)題，將基礎(chǔ)學(xué)習(xí)和應(yīng)用實(shí)踐充分結(jié)合，而不是先學(xué)習(xí)再實(shí)踐。一邊學(xué)習(xí)一邊實(shí)踐的方法，
>> ·關(guān)注啟發(fā)式教育，培養(yǎng)創(chuàng)造力和獨(dú)立解決問(wèn)題的能力：被動(dòng)的、接受命令式的工作大部分都可以由機(jī)器來(lái)替代。人的價(jià)值更多會(huì)體現(xiàn)在創(chuàng)造性的工作中。啟發(fā)式教育在此非常重要。死記硬背和條條框框只會(huì)“堵死”學(xué)生靈感和創(chuàng)意的源頭。
>> ·雖然面對(duì)面的課堂仍將存在，但互動(dòng)式的在線學(xué)習(xí)將愈來(lái)愈重要：只有充分利用在線學(xué)習(xí)的優(yōu)勢(shì)，教育資源才能被充分共享，教育質(zhì)量和教育公平性才有切實(shí)保證。
>> ·主動(dòng)向機(jī)器學(xué)習(xí)：未來(lái)的人機(jī)協(xié)作時(shí)代，人所擅長(zhǎng)的和機(jī)器所擅長(zhǎng)的必將有很大不同。人可以拜機(jī)器為師，從人工智能的計(jì)算結(jié)果中吸取有助于改進(jìn)人類思維方式的模型、思路甚至基本邏輯。
>> ·既學(xué)習(xí)人—人協(xié)作，也學(xué)習(xí)人—機(jī)協(xié)作：未來(lái)的“溝通”能力將不僅僅限于人與人之間的溝通，人機(jī)之間的溝通將成為重要的學(xué)習(xí)方法和學(xué)習(xí)目標(biāo)。
>> ·學(xué)習(xí)要追隨興趣：通常來(lái)說(shuō)，興趣就是那些比較有深度的東西，所以只要追隨興趣，就更有可能找到一個(gè)不容易被機(jī)器替代掉的工作。無(wú)論是為了美，為了好奇心，為了其他原因產(chǎn)生的興趣，這些興趣都有可能達(dá)到更高層次，在這些層次里，人類才可以創(chuàng)造出機(jī)器不能替代的價(jià)值。
◆ 第32章 null
>> 人工智能時(shí)代，程式化的、重復(fù)性的、僅靠記憶與練習(xí)就可以掌握的技能將是最沒(méi)有價(jià)值的技能，幾乎一定可以由機(jī)器來(lái)完成；反之，那些最能體現(xiàn)人的綜合素質(zhì)的技能，例如，人對(duì)于復(fù)雜系統(tǒng)的綜合分析、決策能力，對(duì)于藝術(shù)和文化的審美能力和創(chuàng)造性思維，由生活經(jīng)驗(yàn)及文化熏陶產(chǎn)生的直覺(jué)、常識(shí)，基于人自身的情感（愛(ài)、恨、熱情、冷漠等）與他人互動(dòng)的能力……這些是人工智能時(shí)代最有價(jià)值，最值得培養(yǎng)、學(xué)習(xí)的技能。而且，這些技能中，大多數(shù)都是因人而異，需要“定制化”教育或培養(yǎng)，不可能從傳統(tǒng)的“批量”教育中獲取。
>> 而人工智能時(shí)代到來(lái)后，大家都認(rèn)識(shí)到機(jī)器學(xué)習(xí)特別是深度學(xué)習(xí)才是未來(lái)最有價(jià)值的知識(shí)。
>> 科幻作家、雨果獎(jiǎng)得主郝景芳說(shuō)：“很顯然，我們需要去重視那些重復(fù)性標(biāo)準(zhǔn)化的工作所不能夠覆蓋的領(lǐng)域。包括什么呢？包括創(chuàng)造性、情感交流、審美、藝術(shù)能力，還有我們的綜合理解能力、我們把很多碎片連成一個(gè)故事這樣的講述能力，我們的體驗(yàn)。所有這些在我們看來(lái)非常不可靠的東西，其實(shí)往往是人類智能非常獨(dú)特的能力?！盵插圖]
◆ 第34章 null
>> AI來(lái)了，有思想的人生并不會(huì)因此而黯然失色，因?yàn)槲覀內(nèi)康淖饑?yán)就在于思想
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
