《人工智能》李开复版读书笔记

101 阅读 0 评论 67 点赞

我是靠谱客的博主魁梧外套，最近开发中收集的这篇文章主要介绍《人工智能》李开复版读书笔记，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

前言：本读书笔记大多为摘录，是我认为非常有价值的部分。欲知详情，还请阅读原书。

如今，人工智能已经无处不在。手机上的常见应用，大多使用了人工智能技术，例如图像处理与机器视觉（美图秀秀、Google 照片）、推荐引擎（今日头条、抖音、淘宝）、自然语言处理（百度度秘、微软小冰、亚马逊 Alexa）、机器翻译（Google 翻译）。

在新闻媒体领域，除了新闻推荐，还出现了新闻撰稿，AI 程序可以自动生成新闻稿。2011 年，一个名叫罗比·艾伦（Robbie Allen）的工程师所创办的公司 Automated Insights 开发了一个名叫“作家”（Wordsmith）的程序，可自动撰写新闻稿。两年后，该程序撰写的新闻稿数量达到 3 亿篇，超过了所有主要新闻机构的稿件产出数量。

在所有流行的翻译工具中，谷歌翻译是支持语种最多，效果最好的，这得益于深度学习技术的应用。2016 年谷歌发表论文，宣布已经突破了跨语言翻译的难题，可以在两种没有直接对应的语料样本的语言之间，完成机器翻译。其原理是通过中间语言实现，例如中文与阿拉伯文之间没有足够的对应语料，那么可以利用英文到阿拉伯文，以及中文到英文之间的对应语料，训练出一个支持多语言间相互翻译的模型，完成中文和阿拉伯文的双向翻译。

自动驾驶也是人工智能应用的热门领域，该领域的“资深玩家”是谷歌 Waymo。能够执行一些复杂任务的“机器人”，也是人工智能发展的成果。例如仓储机器人大幅提高仓库利用率、降低工人成本，外卖机器人替代外卖配送员。这些都是在特定领域大展拳脚的机器人，它们没有人的形状。而“人形机器人”反而更难发展，因为人们会拿它与真人做比较，这时技术的不足会暴露无遗，在“缺点放大镜”的作用下，这种机器人只会显得无比愚蠢和笨拙。

我认为目前的人工智能就是机器帮助人类自动完成复杂任务，越复杂显得越智能。本书引用了维基百科对人工智能的定义：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。

人工智能之所以有今天的成就，深度学习居功至伟。

艾伦·图灵是人工智能的开拓者，他所提出的图灵测试，是我们判断一部机器是否具有人类智慧的重要手段。让测试者和计算机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。如果测试者分不清屏幕后的对话者是人还是机器，那么我们就说这台计算机通过了测试并具备人工智能。

针对图灵测试，人工智能领域还专门设立了一个每年一度的罗布纳奖（Loebner Prize），颁发给在图灵测试中表现最优秀的计算机程序。所有聊天机器人程序都可以参加评测，以判定是否有程序通过图灵测试。评测时，人类评判员坐在电脑前，同时与一个计算机程序和一个真人通过键盘和屏幕对话。对话时长由最初的 5 分钟增加到 2010 年之后的 25 分钟。对话结束后，评判员判断哪一位是电脑，哪一位是人类。如果计算机程序愚弄人类的次数超过 30%（图灵本人建议的比例数字），就可以认为，该计算机程序通过了图灵测试。

图灵测试推动了人工智能特别是自然语言处理技术的飞速发展。

深度学习技术让语音识别的准确度大幅提高，从此语音识别技术走出实验室，进入人们的生活，例如语音输入法、视频自动字幕。

2006 年是深度学习发展史上的分水岭。这一年，深度学习泰斗杰弗里·辛顿及其合作者用一篇名为《一种深度置信网络的快速学习算法》的论文宣告了深度学习时代的到来。其他大师们也在这一年前后，贡献了一批重要的学术文章，在基本理论方面取得了若干重大突破。

谷歌大脑（世界最强大的深度学习集群），是在 2011年由谷歌最资深的科学家与工程师杰夫·迪恩，以及后来在百度任首席科学家的吴恩达（Andrew Ng）带领团队创建的。这是一个庞大的深度学习计算框架，拥有数万台高性能的计算机和顶级的图形处理器作为计算单元，可以完成大规模、多维度、多层次的深度学习模型训练和演算。

深度学习是一种在表达能力上灵活多变，同时又允许计算机不断尝试，直到最终逼近目标的一种机器学习方法。用“水管网络”来模拟深度学习，是简单易懂的。参考文章《什么是「深度学习」，主流的「深度学习模型」主要有哪些？》。

大数据是人工智能的基石，也就是对大数据进行训练，并从中归纳出可以被计算机运用在类似数据上的知识或规律。大数据越来越多地来源于生产或服务过程中的副产品，但在价值上却往往超过了为了特定目的专门采集的数据。深度学习可以从大数据中挖掘出以往难以想象的有价值的数据、知识或规律。有效、合法、合理地收集、利用、保护大数据，是人工智能时代的基本要求。

从围棋角度说，AlphaGo 最震撼的是计算机在人类传统认为极其玄妙的、电脑无法掌握的“大局观”上突飞猛进，远远将人类选手甩在身后。电脑计算“大局观”的方式，和人类培养“大局观”的思路，有根本的差别。并且 AlphaGo 的围棋布局技巧迅速被人类棋手模仿，这和当年“深蓝”问世后，国际象棋的布局革命是一样的。从人工智能技术的角度说，AlphaGo 用的是 AI 领域应用非常普遍的算法：深度学习、蒙特卡洛算法、增强学习等。AlphaGo 带给人类对未来的警示：如果计算机可以在两年内实现大多数人此前预测要花20年或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？

人工智能可以根据“智能程度”分为以下几类。

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的人工智能。今天我们看到的人工智能都属于这个范畴。它总体上只是一种技术工具，如果说人工智能存在风险，那也和人类已经大规模使用的其它技术没有本质的不同。只要严格控制，严密监管，人类完全可以像使用其它工具那样，放心地使用今天的 AI 技术。

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），指的是可以胜任人类所有工作的人工智能。

超人工智能（Super intelligence），可以比世界上最聪明、最有天赋的人类还聪明。从逻辑上讲，强人工智能一旦出现，就可能迅速转变为超人工智能。

今天的人工智能还不能做什么？

跨领域推理：也就是举一反三、触类旁通的能力。

抽象能力：数学理论的发展是人类超强抽象能力的表现。

知其然也知其所以然：目前基于深度学习的人工智能技术，经验的成分比较多，本质上是在寻找自然规律。

常识：无需思考，本能的行为。

自我意识：这是人工智能与人类的本质区别。

审美：这是一个感性的概念，无法精确计算，并且人与人之间也存在差异。

情感：与审美类似，非生物无法理解。

时代不断变革，新技术取代旧技术。大多数情况下，旧的工作不是消失了，而是转变为了新的形式。例如从马车时代到汽车时代，旧的工作岗位消失的同时，也出现了许多新的工作，也就是比马车时代规模更大的汽车产业链。

在人工智能快速发展的大背景下，哪种工作最容易被人工智能全部或部分取代呢？李开复先生认为，如果人可以在 5 秒钟以内对工作中需要思考和决策的问题做出决定，那么这项工作就有非常大的可能被取代。（这是李开复的“五秒钟准则”）例如股票市场的普通交易员（已经被取代）、驾驶汽车（即将被取代）、信息报道类的新闻撰稿（部分被取代）。

自动驾驶将是 AI 最大的应用场景，整个城市的交通会因此发生翻天覆地的变化。因为智能调度算法的帮助，共享汽车的使用率会接近 100%，城市里需要的汽车总量会大幅减少。停车难、大堵车等问题自然就解决了。自动驾驶的产业链将非常庞大，单是自动驾驶需要的廉价、可靠的传感器（如激光雷达），就可以成为一个千亿美元规模的产业。对现有道路进行改造升级，又将涉及庞大的固定资产投资和相关产业升级。

在自动驾驶的普及过程中，中国有机会扮演关键角色。首先，中国是一个快速发展的国家，在全国和城市的交通路网建设上，一直处于不断建设、不断更新的状态。中国比其他任何一个国家都容易从道路建设的角度入手，为自动驾驶汽车配备专用的路面、交通标志甚至制定有针对性的交通法规。这可以弥补自动驾驶技术本身的许多缺陷，将自动驾驶技术发生事故的风险大幅降低。

下一次生产率革命的关键是自动化，而人工智能正是帮助现有流程实现自动化的最好工具。

《真实的人类》里，合成人曾说：“我不惧怕死亡，这使得我比任何人类更强大。”而人类则说：“你错了，如果你不惧怕死亡，那你就从未活着，你只是一种存在而已。”

人与 AI 之间有一种质的不同，AI 无法像人一样理解生命的意义和死亡的内涵。人脑中的情感、自我认知等思想都是机器所完全没有的。

在浩瀚的宇宙中，人只不过是一根苇草，但人却是一根能思想的苇草。AI 来了，有思想的人生并不会因此而黯然失色，因为我们全部的尊严就在于思想。