一、简评概要
1.推荐指数：4.5分【满分5分】
2.书籍标签：人工智能
3.内容简评：
本书作者是梅拉妮·米歇尔，波特兰州立大学计算机科学教授、 著名认知科学家侯世达学生，梅拉妮·米歇尔主要研究类比推理、复杂系统、遗传算法。
本书适合想要了解人工智能最新进展的读者，也适合没有任何相关基础的普通人阅读。阅读本书不需要数学和计算背景知识，主要注意本书比一般的通俗读物讲述内容要深一些。
本书英文标题是Artificial Intelligence :A guide for thinking humans，从英语标题角度看本书是讲人工智能能否想人类一样思考，是否能获得人类智慧。通过阅读本书，你将知道，AI暂时是达不到的。为什么达不到，本文给了解释。随着近期ChatGPT的出圈，AI界再次掀起一拨热潮，让我们一起通过阅读本书来领略人工智能的魅力。
二、笔记&启示
1.本书有以下五部分组成，每一部分可以单独成章，所以可以根据自己喜欢的章节进行阅读，最后结尾有6个关键问题，可以说是对人工智能的重大挑战或思考，建议优先阅读。
第一部分：厘清人工智能为何无法超越人类智能
第二部分：视觉识别，看起来容易做起来难
第三部分：游戏与推理，开发更接近人类水平的学习和推理能力的机器
第四部分：自然语言，让计算机理解语言
第五部分：常识-人工智能打破意义障碍的关键
2.侯世达恐惧：不是担心人工智能太聪明，而是担心人工智能太容易取代我们人类所珍视的东西。
启示：人工智能必然越来越智能，但是相比于我们珍视的东西，例如情感、友谊、思考等，如果有一天也能被取代，那将是可怕的，就如同黑客帝国一样。人类不同于人工智能，在于会思考，产生一些想法，但是随着大语言模型的发展，这些想法居然能让电脑产生，尽管有时稀奇古怪、错误百出，但有时也会异想天开，产生新奇的想法。这个大脑知识结构逻辑类似，我们学习的内容本来是建构在知识经验和思考上的，当达到一定规模后，计算机也就如同人脑了。
库兹韦尔奇点理论：在不久的将来，计算机将比人类更加智能。奇点：在不久的将来，出现具有自我提升和自主学习能力的人工智能
侯世达认识到，通用的、人类水平的人工智能在他甚至是下一代的一生都不可能出现。
3.四名大佬级别的存在，建议熟练记忆：
麦卡锡-斯坦福大学、马文·明斯基-麻省理工学院、纽厄尔-卡内基梅隆大学、西蒙-卡内基梅隆大学
4.感知机
感知机：根据加权输入的总和是否超过满足阈值来做出是否（输出1或0）决策的简易程序。
感知机通过条件计算来学习，受到斯金纳的影响
5.历史总是惊人的相似，人工智能领域的泡沫不断产生有破灭的循环：
第一阶段：新想法在研究领域得到大量支持。研究人员承诺即将取得突破性的成果，并被新闻媒体各种炒作，政府资助部门和风险投资者，学术研究和商业初创公司注入大量资金。
第二阶段：层级承诺的人工智能突破没有如期实现，或者远没有当初承诺的那么令人满意。政府和风险投资枯竭，初创公司倒闭，人工智能研究放缓。
研究人工智能的群体已经熟悉这一模式，先是“人工智能的春天”，紧接着过度的承诺和媒体炒作，接下来便是“人工智能的寒冬”。从某种程度上看，这一现象以5-10年在不算上演。
启示：这么看的话，当下的ChatGPT火热会不会也会如上所述呢？我们只能静观其变了。
6.在学术界，哲学家约翰·瑟尔，1980年，《思想、大脑和程序》，介绍了强人工智能 和 弱人工智能的概念
强弱之争：一堆狭义智能永远不会堆砌成一种通用人工智能，通用人工智能不在于单个能力的数量，而在于这些能力间的整合。
启示：学习多学科知识，形成联结，低水平的学习成就不了高水平的学习。知识结构如同大厦一般，点滴积累，形成稳固结构。
- 长尾效应
长尾效应会让机器犯错，长尾来自统计学，包含各种可能事件的概率分布形态。尾部的情况不常出现在训练数据中，所以当遇到意外情况时，系统会容易出错
启示：这也就说自动驾驶达不到完全自动，只能算辅助的原因了。毕竟实际情况复杂多变，数据不一定有，或者发生概率很小，所以得不到训练，但如果到了真实场景并且发生，自动驾驶就变成了自动驾鹤西去了。
8.有偏见的人工智能，而且愚弄人工智能并不是什么新鲜事，人类诱导神经网络犯错，轻而易举
你无法通过观察别人的大脑内部或者他们的直觉来弄清楚他们如何做出特定决定的
9.对抗性学习：制定策略来防御潜在的人类对手攻击机器学习系统。
10.强化学习：操作性条件反射
愿景：智能体能够在现实世界中执行一些动作并偶尔获得奖励的方式自主地学习灵活的策略，而无须人类手动编写规则或者直接教育智能体如何应对各种可能的情况
强化学习不是将输出跟大量给定的标签进行比较，而是假设后续迭代给出的值比前面迭代给出的值更好
11.迁移学习，指的是一个程序将其所学的关于一项任务的知识进行迁移，以帮助期货的执行不同相关任务的能力，对人类来说，迁移学习是自动的、我们对所学知识进行泛化的能力正是思考的核心部分
12.任何一个工程项目的经验法则：前90%的工作占用10%的时间，而后10%的工作占有90%时间。
语音识别最后10%，处理噪音、不熟悉的口音和不认识的单词。
13.语言学 费斯：语义分布
两个语言表述A和B之间的语义相似度是A和B能出现的语言上下文环境的相似度的函数
14.我们赖以生存的隐喻，语言学，乔治·莱考夫
所有抽象概念的理解是通过基于核心物理知识的隐喻来实现的
15.思考6个关键问题，激发人工智能的终极潜力
（1）自动驾驶汽车还有多久才能普及？——长尾效应，存在大量小概率情况，但一旦发生足以致命
（2）人工智能会导致人类大规模失业嘛？——明斯基：容易的事情做起来难，例如炒菜、洗衣服？
（3）计算机能够具有创造性嘛？
（4）我们距离通用的人类水平的AI还有多远？——2029年
（5）我们应该对人工智能感到多恐惧？——我们人类倾向于高估人工智能的发展速度，低估人类智能的复杂性
（6）人工智能中哪些激动人心的问题还尚未解决？——几乎所有
更多硬核书籍推荐及点评，请关注公众号【诸葛梦宇】，不定期发送。
相关图书
