《人工智能》讀后感

1、人工智能（李開復）讀后感本書內(nèi)容框架如下：關于人工智能的五種定義人工智能發(fā)展的三個階段人工智能是否會威脅人類人類將如何變革AI行業(yè)的創(chuàng)業(yè)概況AI時代下的教育和個人發(fā)展一、關于人工智能的五種定義首先，請拋開人工智能就是人形機器人的固有偏見。人工智能目前作為一種技術手段，已經(jīng)成為了不少應用的核心驅(qū)動力。蘋果的SIRI、微軟的小冰是常見的人工智能助理。當用戶與他們對話時，他們會通過事先積累好的人類對話庫和互聯(lián)網(wǎng)資料庫中，查找最有可能匹配的回答。今日頭條、淘寶購物推薦，會根據(jù)你的瀏覽習慣、購物歷史，學習你的愛好。所以用的越久，它就會越懂你。人臉識別是目前應用最廣泛的機器視覺技術，是人工智能大家庭中的重

2、要分支。用刷臉的方式替代門禁卡，支付寶正在開發(fā)的刷臉支付也是依托于人臉識別技術。廣義上的機器視覺還包括圖像、視頻中各種物體識別、場景識別、地點識別乃至語義理解。比如手機中的照片自動分類就是運用了場景識別的功能，還有活理重復照片的功能，也運用到了這個技術。此外，白度中的圖片搜索、淘寶中的商品圖片搜索，也運用到了人工智能技術。我們現(xiàn)在用的美圖秀秀中的一鍵P圖軟件、三生三世畫風的一鍵美妝，都是運用到了人工智能技術。機器通過從大量經(jīng)典畫作中學習到的上色技法、筆觸技法、十濕畫法、上妝技巧等，來對原始圖片進行處理。搜索引擎根據(jù)問題給出最直接的答案，也與SIRI的運行原理相類似。在機器翻譯這一塊兒上，通過對

3、語言、語言學的學習，得出的翻譯結果也具備較強的可讀性。甚至可以通過中文與英文的翻譯數(shù)據(jù)、英文與阿拉伯文的翻譯數(shù)據(jù)，自動學習如何從中文翻譯到阿拉伯文。還有目前在商業(yè)化方面已經(jīng)取得長足進展的自動駕駛技術。也是通過數(shù)白萬里的駕駛里程學習，來完成車速調(diào)整、控制轉(zhuǎn)向、避免碰撞等操作。當然，目前相對比較成熟的還是半自動駕駛技術。完全的無人駕駛或許還要等到十年之后。還有我們經(jīng)常在電影中看見的機器人行業(yè)?？爝f分揀機器人、無人飛機、工業(yè)機器人，都極大的提高了商業(yè)效率。但目前機器人還無法做到像人一樣具備完整的思維。大家所期待的人形機器人，其實投資人也是不看好的。原因很簡單，機器越像人，就越容易被拿來和真人比較。由

4、于人工智能技術尚未達到十分成熟的階段，這個機器人的蠢笨會暴露的非常徹底。使期望與現(xiàn)實之間的差距加大，因此難以獲得市場認可。那講了這么多現(xiàn)象，到底什么是人工智能？目前常見的定義有五種：第一，人工智能是讓人感到不可思議的計算機程序。幾十年前的人類，如果能見識到現(xiàn)在手機上常見的人機對戰(zhàn)的象棋、跳棋游戲，恐怕會被嚇一大跳，甚至懷疑是有人在背后操縱?？涩F(xiàn)在的人都見怪不了。所以，用這種方法定義，會使得人工智能隨著技術的成熟，失去一個客觀的標準。第二,AI就是與人類思考方式相似的計算機程序。這種說法在早期非常流行。本質(zhì)上與仿生學無異。但弊端在于，人類至今也無法說活楚大腦是如何進行學習、記憶、歸納、推理等思維

5、過程的。因此，也很難教會機器去模擬人腦的運作。再一點就是，通過為程序輸入大量專業(yè)的知識、常見的思考邏輯，使得計算機應用難以擴展到較為復雜的領域當中。比如面對語言中的歧義和豐富的表達方式，得出的翻譯結果往往也是漏洞白出。第三,AI就是與人類行為相似的計算機程序。這一定義與仿生學派的說法是對立的。實用主義者并不在乎人工智能要遵循什么思考框架，也不在乎計算機到底是如何處理采集到的數(shù)據(jù)。只要模型可以工作，最終的結果是對的就行。第四，AI是會學習的計算機程序。最近的這波人工智能熱潮里，深度學習作為一種技術手段確實是一枝獨秀，幾乎壟斷了所有流行的技術方向。而在此之前的專家系統(tǒng)、統(tǒng)計模型都未能使人工智能獲得

6、如此大的進步。所以，把學習等同于AI,雖然過于狹隘，但也是比較符合時代精神的。但要注意的是，機器的學習方法和人類的學習方法還有很大的差距與不同。如果人工智能是一種會學習的機器，那么需要著重提高的就是其抽象理解能力。第五，AI就是根據(jù)對環(huán)境的感知，做出合理的行動，并獲得最大收益的計算機程序。不同的定義分別適用于不同的人群和語境。如果非要得出一個看上去比較合理的定義，那也只能是比較模糊的概念。那么這一種就是學術界的教科書式定義，全面均衡，偏重實證。二、人工智能發(fā)展的三個階段1962年，IBM的阿瑟薩繆爾開發(fā)的西洋跳棋程序曾經(jīng)戰(zhàn)勝過一位盲人跳棋高手，1997年舊M深藍戰(zhàn)勝卡斯帕羅夫的那一天，全世界科

7、技愛好者奔走相告，2016年ALPHAGO勝李世石,就由流傳起人工智能將要毀滅人類的言論?？v觀前兩次次人工智能潮，每一次都曾讓人以為人工智能將會掀起大的變革。但最后回頭看，都沒有達到人們期望的高度。與其說是人們的心理落差，不如說是人們對機器是否具有智能的判斷標準在不斷被拔高。那究竟這一次的人工智能熱潮，會超出人們的期望嗎？從高德納咨詢公司的技術成熟曲線來看，每一項技術在早期階段，都會被公眾追捧，被媒體大肆報道，最終走向一個充滿泡沫的膨脹期。隨著盲目追捧者的激增，跟風的公司越來越多。但隨著技術遇到瓶頸，市場供過于求，大量沒有核心競爭力的公司不是被兼并，就是倒閉。行業(yè)跌入低谷后，迎來了第二輪、第三

8、輪投資，技術上的突破使得第二代、第三代產(chǎn)品得到了普羅大眾的認可。投資得到了回報。20世紀50年代到60年代，隨著通用電子計算機的誕生，人工智能悄然興起，比如一些簡單的象棋程序設想。但由于當年計算機的運算水平遠遠達不到要求，很多東西只能停留在紙上談兵的層面。20世紀80年代到90年代，基于統(tǒng)計模型的技術悄然興起，并在語音識別、機器翻譯等領域取得了不俗的進展。人工神經(jīng)網(wǎng)絡也在模式識別應用等領域開始有所建樹。但還是不足以超過人類的預期。那么這一次的人工智能復興的最大特點就是AI在多個領域達到了人們心中“有用”的標準,在商業(yè)領域被廣泛的應用。從心理學上說，人們接受一件新事物，就像人們接受外界刺激一樣，

9、是有一個閾值的。只有當外界刺激的強度超過了一個人能感知的最小刺激量，人們才會注意到它。而這個人們能感知到的最小刺激量，就是心理學上的絕對閾值。這一次的AI熱潮，正是達到了人們的心理閾值才得到了廣泛的關注。就拿人臉識別來說，之前的準確率可能只有20%f到，根本不具備實用價值，只能停留在實驗室當中，自然就沒有達到人們的心理閾值。但現(xiàn)如今就不一樣了。所以，我們說人工智能來了，其實是說人工智能或深度學習真的可以解決實際問題了。在機器視覺、語音識別、數(shù)據(jù)挖掘、自動駕駛等方面都獲得了長足的進步。而這一切，都離不開深度學習。今天的人工智能研究者，幾乎無人不談深度學習。很多人甚至喊出了“人工智能=深度學習”的

10、口號。但毋庸諱言，深度學習絕對不是人工智能領域解決的唯一方案，二者之間不能劃上等號。但說深度學習是未來很長一段時間內(nèi)，推動人工智能進步的核心技術，則一點都不為過。深度學習依賴海量的大數(shù)據(jù)和強大的計算能力。對于計算機來說，想讓它成功識別貓這個物種。需要其學習一千萬段視頻才行。三、人工智能是否會威脅人類人工智能真的足夠聰明以至于會超出人類的控制范圍，最終威脅到人類嗎？要回到這個問題，首先要理活不同層級人工智能的定義。弱人工智能：限制領域人工智能，指的是專注于且智能解決某一特定領域問題的人工智能。目前看到的所有人工智能都屆于這個范疇。例如AlphaGoo人們更多的是將其看作一種工具，而不是威脅。當然

11、了，同其他所有工具，如汽車、飛機等一樣，都是存在風險的。強人工智能：指可以勝任人類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。談及這個層面，就不得不面對強人工智能是否有必要具備“意識”這個問題。一旦牽涉到“意識”，強人工智能的定義和評判標準就會變得十分復雜。超人工智能：比人類還有天賦、還要聰明的人工智能。目前更多的是從哲學以及科幻的角度加以解析。沒有辦法和經(jīng)驗去預測這種智能究竟是否存在。目前大眾憂心的人工智能威脅論，主要指的是強人工智能和超人工智能。那么他們會以遠超我們預料的速度降臨嗎？目前大多數(shù)對于這類威脅的論述都是基于“人類科技發(fā)展是越來越快，呈現(xiàn)出不斷加速的勢頭”。但這個

12、假設是否正確，也很難給出明確的答復。但作者更相信：特定的科技如人工智能，經(jīng)歷一段時間的加速度發(fā)展后，會遇到難以攻克的技術瓶頸?？陀^的分析看，人類威脅還相當遙遠。問題的根源可能在于人類總習慣把人工智能人格化。人工智能的危險，本質(zhì)上還是和其他工具一樣具備無法避免的弊端，這是我們需要防范的,而并非擔心智能機器會像人類一樣思考?！爸悄堋倍直旧砭褪侨狈σ粋€客觀的、可量化的定義的。單從計算能力看，人工智能確實超出人類很多。如果僅根據(jù)這種限定范疇的技術能力去推測，確實很可怕。但如果綜合考慮人工智能的跨領域推理能力、常識和感性、理解抽象概念的能力等，其實人工智能還很難給人類造成威脅。今天的人工智能還不能做什

13、么:1. 跨領域推理：比如使用比喻句。人類強大的跨領域聯(lián)想、類比能力是跨領域推理的基礎。但顯然智能機器是不具備的。在今天，遷移學習的概念正在興起，指的是將人工智能在某一領域取得的經(jīng)驗，通過某種形式的變換，遷移到另一個陌生的領域。2. 抽象能力：目前的深度學習技術都需要大量的數(shù)據(jù)來支撐。不像人類可以通過少量樣本就總結出規(guī)律。3. 探索原因：人工智能做出行為的原因很簡單，就是依賴于設定的一個程序。而不會去追求為什么要設定這個程序。譬如看到蘋果落地，智能機器看一萬遍也不會去思考背后的原因。4. 常識：即無須仔細思考就能直接使用的知識、方法和經(jīng)驗。比如雖然小朋友沒學習過牛頓定理，但也知道東西會下落。人

14、工智能只能靠人類設定的規(guī)則來完成常識的積累，豐富性還不足。5. 自我意識：這種能力智能機器很難在短時間內(nèi)擁有。也很難推測有沒有擁有的可能。6. 審美：審美缺少量化的標準，是非常主觀的東西。那種體驗到美好事物之后的情感，人工智能也難以領會。7. 情感：推測判斷人類的表情目前是可以實現(xiàn)的。但至于說讓人工智能自己具備情感，可能還有很遠的路要走。四、人工智能將如何變革人工智能不僅是技術層面的一次革命。由于人工智能會對生產(chǎn)效率有大幅的提升，也必然會觸及社會、政治、經(jīng)濟、文化層面的變革這其中熱議最多的就是關于失業(yè)的問題。從短期看，必然會造成某些行業(yè)、局部地區(qū)的失業(yè)陣癰。但從長期看，會刺激大量工作轉(zhuǎn)變?yōu)樾碌?/p>

15、工作類型，從而為生產(chǎn)力的進一步解放、人類生活的進一步提升打下基礎。這里有一個“5秒鐘”準則：如果人可以在5秒鐘內(nèi)對工作中需要思考和決策的問題作出相應的決定，那么就很有可能被取代。反之，如果涉及縝密的推理和復雜的決策，就很難被取代。例如，照著課本講課的老師可能會被取代，但可以重塑知識架構體系，創(chuàng)造性的方法為學生授課的老師則不會被取代。因此，一些簡單的重復性工作將被取代，但也會催生更多新型的、需要判斷力、創(chuàng)造力、情感交流以及審美和藝術創(chuàng)作的工作類型。如設計師、架構帥、藝術家、文學創(chuàng)作者。人的獨特性會體現(xiàn)出來：思考、創(chuàng)造、溝通、情感交流；人與人的依戀、歸屆感和協(xié)作精神；好奇、熱情、志同道合的驅(qū)動力。五、人工智能的創(chuàng)業(yè)方向第一階段，AI會率先在哪些在線化程度高的行業(yè)開始應用，在數(shù)據(jù)段、媒體端實現(xiàn)自動化。第二階段，隨著感知技術、傳感器和機器人技術的發(fā)展，AI會延伸到實體世界，并率先在專業(yè)領域、行業(yè)應用、生產(chǎn)力端實現(xiàn)線下業(yè)務自動化。工業(yè)機器人、倉儲機器人等將大范圍普及。第三階段，AI會延伸到個人場