智慧的疆界：從圖靈機到人工智能

機器人三定律： 第一法則：機器人不得傷害人類，或因不作爲使人類受到傷害； 第二法則：除非違背第一法則，機器人必須服從人類的命令； 第三法則：在不違背第一及第二法則下，機器人必須保護自己。 本書以深邃的洞察力與清晰的邏輯將計算機科學從圖靈機的誕生到人工智能的蓬勃發展娓娓道來，除技術發展，書中始終貫穿“機器能否超越人類智慧”這一思考，作者並未給出非黑即白的答案，而是以辯證的視角解析了強人工智能與弱人工智能的哲學。 書中對圖靈測試的重新解讀很精妙：測試本身並非判斷機器是否具有“智能”，而是揭示了人類對“智能”認知的侷限性——我們只能通過交互行爲來間接推測內在的思維過程。 人工智能的發展，與其說是機器在逼近人類，不如說是人類在重新認識自己的思維疆界。 在冰冷的技術與抽象的哲學之間，作者巧妙地融入了人文關懷，將人工智能與人類創造力進行比較：機器擅長的是模式識別與優化，而人類則在概念跳躍與價值判斷中展現獨特性。 在書的結尾，對人工智能的未來進行了富有洞見的展望。他並未陷入“技術奇點”的狂熱或“AI威脅論”的恐慌，而是提出了“共生智能”的概念：人類與AI並非替代關係，而是通過協作達到新的認知維度。 人工智能的發展從未偏離過人類智慧的軌跡，每一次技術的突破都在重新定義“人”與“機器”的邊界，並與機器的對話中，找到更廣闊的智慧可能。 真正的智慧疆界，不在代碼與生物大腦的鴻溝中，而在人類永不停息的探索之心。 每一次算法突破，都是對“智慧疆界”的一次摸索。 人工智能的發展，本質上是人類在照鏡子——Ai照出的，是我們對自身思維認知的盲區與侷限，走向更深刻的協同共生。 物理學家馬克斯·普朗克：“科學每經歷一次葬禮就前進一步。” ps：另強烈推薦你閱讀：第四部分人機共生之“第8章與機器共生”

《智慧的疆界：從圖靈機到人工智能》是一部面向大衆的人工智能全景式讀物，作者周志明以時間爲主軸，從理論奠基、技術演進到產業應用，系統梳理了人工智能七十餘年的發展歷程。全書以“奠基人物—歷史事件—學術理論—研究成果—技術應用”五大維度爲核心框架，力求將高深專業的AI知識拉回大衆視野，讓非專業讀者也能輕鬆理解。敘述線索清晰劃分前後兩大部分：1956年達特茅斯會議前的“思想萌芽”與會議後的“學科誕生”，先從圖靈機、圖靈測試等基礎概念切入，再逐步展開符號主義、連接主義等主要學派的理論爭鳴，脈絡分明且層層深入。 書中對AI的核心主題進行了全面且深入的闡釋：在理論基石層面，詳細解讀了圖靈機、可計算性與邱奇-圖靈論題，清晰闡明“凡是能被人類證明的計算問題，都能被圖靈機模擬”這一核心觀點，從而爲人工智能劃定了堅實的數學邊界；在歷史節點部分，重點回顧了達特茅斯會議的里程碑意義、神經網絡的興起、專家系統熱潮與深度學習突破等關鍵技術浪潮，同時客觀揭示了“管中窺豹”式局部成功的內在侷限；對於核心學派，書中梳理了符號主義、連接主義、行爲主義三大流派的發展脈絡，分析了它們在推理、學習、感知等領域的互補性與衝突點，幫助讀者打破“深度學習即AI全部”的認知誤區；而在現實與未來的探討中，作者結合醫療、法律等行業的具體案例，展現了大數據與算法爲AI帶來的能力飛躍，同時也直面倫理爭議、隱私保護、責任歸屬等重要社會議題，引發讀者深度思考。 作者的寫作意圖清晰而深刻，他希望讀者能“站在巨人的肩膀上看世界”，先理解“智能”概念的演變歷程，再理性看待當下熱門的AI模型，避免因陷入信息繭房而誤將局部進展當作行業全貌。全書通過數學、哲學與工程實踐的多重視角交織敘事，既保持了知識的嚴謹性，又兼具可讀性與啓發性。總而言之，這部作品既是一部系統完整的AI通史，也是一堂“如何正確看待機器智能”的思維課，能夠幫助讀者穿越技術喧囂，精準把握人工智能真正的潛力與邊界。

（時間2小時58分鐘，進度18%） 一首新出的AI曲子，開頭古箏輕彈引入，配合洞簫，讓獨特的英文嗓音聲線慵懶迷人登場。中西融合，旋律抓耳。 想起之前社會人類學家項飆老師的訪談，表達“要活得更像人，纔不怕被AI取代。” 於是，我順手留下來這麼一條看似客觀的評論，我說，“不必過度牴觸AI。若AI能夠替代某項工作，恰恰說明這項工作本身具備高度標準化、可複製的特徵。人真正的價值，本就不應活成可被算法替代的模式。” 沒想到幾天後，歌曲熱度上去，我的評論也火了，也看到了更多人在歌曲評論區和我一樣在探討AI歌曲的問題。 互聯網的底層邏輯，總是滑向一種危險的簡化：立場＞事實，情緒＞道理，站隊＞思辨。 很多人開始在這首歌曲的評論區站隊、吵架。 有一位網友評論了我，當我好奇對方發了什麼內容的時候，發現對方已經把內容刪掉，並且把我拉進黑名單了。 我永遠不知道對方發了什麼內容。 看到歌曲評論區各種觀點，引起了我的個人思考，最後我還是選擇把自己隨手寫的評論刪掉了。 因爲有些問題的存在就是爲了讓我一直問下去，而不是寫出一個理中客的結論。 （一） 那首AI曲子，我後來又聽了很多遍。 旋律確實好聽。古箏與洞簫的東方底色上，浮着英文人聲的慵懶顆粒——這種混搭有一種奇異的陌生感，像在熟悉的老街上突然聽見異鄉人的口音。可聽久了，某種不對勁漸漸浮上來。 它不是“不對”，是“太對”了。 每一個音符都恰到好處，每一個轉折都精算出彩，每一種情緒的起落都被精確地安置在“讓人舒服”的區間裏。沒有氣息，沒有停頓，沒有出錯。像一面完美的湖，沒有漣漪，沒有意外，沒有那種只有人類創作者纔會留下的、笨拙卻動人的毛邊。 我忽然想起本雅明在《機械複製時代的藝術作品》裏說的話：機械複製讓藝術作品失去了“靈韻”（Aura）——那種“此時此地”的、獨一無二、不可複製的在場感。一幅原作畫前，你知道藝術家曾站在這塊畫布前猶豫、修改、呼吸；一張照片可以完美複製畫作的圖像，卻無法複製那個“在場”的時刻。 AI生成的音樂也是。 它可以複製風格、模仿聲線、生成比人類更“標準”的旋律，但它無法擁有那個“創作過程中的自己”——那個在某個深夜，因爲一個突然出現的音符而眼眶發熱的人；那個反覆修改一段旋律、只爲替某一句詩找到安放之處的人；那個在作品完成之後，依然不確定它是否“夠好”的人。 這些“不確定”“猶豫”“笨拙”，恰恰是人類的靈韻所在。 而AI，太確定了。 （二） 同樣的困惑，在AI生成的照片上更明顯。 我見過一組AI生成的“家庭合影”——畫面裏，三代人圍坐一堂，光線柔和，表情自然，每一個人都笑得恰到好處。可你盯着看久了，會發現那些笑容裏沒有“隱喻”。 什麼是“隱喻”？ 一張真實的家庭合影裏，奶奶的笑容可能是“她想起父親小時候”的隱喻，父親的手勢可能是“他今天其實很累”的隱喻，角落裏那個低頭的小孩可能是“他剛剛和媽媽吵過架”的隱喻。每一張真實的臉，都是無數條故事線的交叉點。你看見的不只是此刻的像素，是過去的全部抵達了此刻。 而AI生成的照片，只有此刻。 它沒有“這張照片是在什麼情況下拍的”這個敘事背景，沒有“按下快門之前發生了什麼”這個前史，沒有“這張照片裏的人後來怎麼樣了”這個後續。它是一組完美的像素，也是一個空殼。 我們喜歡很多張照片、很多首曲子，但那些“很多”通常只是淺層的喜歡——喜歡氛圍、喜歡旋律、喜歡那張臉上“好看”的笑容。而深層的喜歡，喜歡的是“背後的東西”：是那張照片裏奶奶看父親的眼神裏藏着的半生故事，是那首曲子在某個深夜拯救過你的那個瞬間。 AI可以給你完美的表象，卻給不了你那個“隱喻”。 因爲隱喻，需要一個人，真正活過。 （三） 我也焦慮。 寫這些話的時候，我清楚地知道自己也是AI時代下焦慮的個體之一。我看着AI生成的文字越來越流暢、AI生成的圖像越來越逼真、AI生成的音樂越來越“好聽”——然後我問自己：那我呢？我寫的東西，和AI寫的東西，區別在哪裏？ 這個問題的可怕之處在於：當你開始問它的時候，你已經被它擊中了。 你開始懷疑自己的不可替代性，開始質疑自己的獨特性，開始害怕那個“被算法替代”的未來。這不是矯情，這是這個時代每一個人都必須面對的存在性追問。 加繆說，荒謬產生於人渴望意義與世界不提供意義之間的衝突。而AI時代給出了一種新的荒謬：你渴望自己是獨特的、不可替代的，可你眼睜睜看着一個沒有意識、沒有情感、沒有“活過”的東西，正在逼近你引以爲傲的能力邊界。 這不是AI的問題。這是人的問題。 是我沒有把自己活成那個“不可替代”的樣子。是我先把自己活成了可被模式化的存在，然後才害怕AI替代了我。 項飆老師說得對：要活得更像人，纔不怕被AI取代。 可什麼是“活得更像人”？ （四） 也許答案就在“笨拙”裏。 AI生成的詩句可以工整對仗，卻沒有“兩句三年得，一吟雙淚流”的笨拙；AI生成的畫作可以精緻完美，卻沒有梵高那筆觸裏“我還在畫，我還在掙扎”的笨拙；AI生成的音樂可以無可挑剔，卻不會有一個人坐在琴前，彈錯、停頓、重來、再彈錯、再重來的笨拙。 笨拙，是“人還在路上”的證據。 完美，是“已經抵達”的姿態。可人類的本質不是“已經抵達”，是“在路上”。我們不是已經被寫好的詩，我們是正在被寫、可能寫廢、可能重來的草稿。這個“未完成”的狀態，這個“可能失敗”的風險，這個“不確定能否寫好”的忐忑——這些恰恰是AI永遠無法擁有的。 AI可以生成一首完美的詩，但它不知道“寫詩是爲了什麼”。它可以模仿痛苦，但它不曾失戀；可以模仿喜悅，但它不曾被愛；可以模仿信仰，但它從不跪拜。 它可以模擬一切表象，卻不曾擁有任何一個“隱喻”。 而人類的每一個創作，都是隱喻——是我們在用自己的生命經驗，去爲另一件事命名。 （五） 那我們應該怎麼和AI共存？ 我想，不是對抗，不是臣服，是分工。 AI擅長“標準”，人類擅長“例外”。AI擅長“複製”，人類擅長“原創”。AI擅長“完美”，人類擅長“笨拙”。AI擅長“答案”，人類擅長“問題”。AI可以生成一萬張好看的照片，但它不知道哪一張“值得被記住”；可以生成一千首好聽的曲子，但它不知道哪一首會在某個人的人生裏成爲“那首歌”。 AI提供表象，人類賦予隱喻。 AI可以是工具、是助手、是延伸——但它不能是主體。主體永遠是人。是那個站在畫布前猶豫的人，是那個坐在琴前彈錯重來的人，是那個在深夜裏寫下“我還在掙扎”的人。 同時，其實作爲渺小的我，也坦誠地希望：AI生成的內容，應該有清晰的標註。法律應該劃定邊界。這不是恐懼，這是清醒。我們不是在拒絕技術，我們是在要求：技術應該服務於人，而不是讓人迷失在技術製造的“完美表象”裏，忘記了自己真正的來處和去處。 （六） 那首AI曲子的評論區，最後變成了一場混戰。 有人歡呼“ai推動了行業”，有人憤怒“這是對藝術的褻瀆”，有人沉默——比如那個評論了我又拉黑我的人。我永遠不知道他寫了什麼。也許是一句嘲諷，也許是一句辱罵，也許是一句我自己都不敢面對的真相。 這個“永遠不知道”，成了我對這件事最深的記憶。 它不是答案，它是一個問號。一個關於“我到底怎麼看待這件事並且如何與ai共存”的問號。 我刪掉了自己的評論。不是因爲不認同自己寫的話，是因爲我發現——在那樣的環境裏，任何“理中客的結論”都會被吞沒，被立場、被情緒、被站隊吞沒。 哲學告訴我，有些問題不需要結論，它需要我一直被問下去。 AI會讓我們的創作更“容易”，還是更“廉價”？ AI會讓我們的表達更“豐富”，還是更“空洞”？ AI會讓我們的關係更“便捷”，還是更“疏離”？ 這些問題，沒有人能給出終極答案。因爲答案不在AI身上，在我們自己身上。 我們怎麼用AI，決定了AI是什麼。 我們怎麼活，決定了我們是否會被替代。 （七） 寫完這些，我又去聽了一遍那首AI曲子。 古箏，洞簫，慵懶的英文嗓音。 還是好聽。還是完美。還是沒有毛邊。 我關掉它，翻開自己前幾天的文字。那文字寫得不好，有明顯的多餘成分，有幾處我自己都知道怎麼改卻一直沒改。可看着它，我心裏有什麼東西是踏實的。 因爲我知道，那文字裏的每一個“不好”，都是我真正活過的證據。是某個凌晨，我坐在桌前，一個字一個字地擠出來，刪掉，重寫，再刪掉，再重寫，最後放棄修改，告訴自己“就這樣吧”的證據。 AI永遠不會懂得，那個“就這樣吧”的時刻。 它不知道，那不是放棄，那是——我只能走到這裏了，但“走到這裏”本身，就是我來過的證明。 從此岸到彼岸，沒有人能擺渡另一個人。 AI也不行。 但工具可以幫助我們看見自己的邊界，然後在邊界處，重新選擇成爲誰。 -------- 5.19 出自 《中國日報》（China Daily） 官網（shturl.cc/Vr9G2fz）： Foreign Ministry spokesman Guo Jiakun confirmed on Tuesday that during last week's China-US summit in Beijing, the two heads of state agreed that an intergovernmental dialogue on artificial intelligence would be carried out. According to media reports, the leaders of China and the United States exchanged views on AI regulation during their meeting and agreed that dialogue and cooperation would be carried out. In response, Guo said, "As two major countries in the field of artificial intelligence, China and the US should work together to promote the development and governance of AI, and ensure that AI better serves the advancement of human civilization and the common well-being of the international community." "During President Trump's visit to China, the two heads of state engaged in constructive exchanges on AI issues and agreed that an intergovernmental dialogue on AI would be carried out," Guo said.

這是一本引人深思的作品，不僅深入探討了人工智能的發展歷程，還從多個維度全面解析了這一領域。這本書以圖靈機爲起點，講述了人工智能從萌芽到成熟的過程，以及其背後的理論算法和應用。作者周志明以通俗易懂的語言，巧妙地組織了內容，讓讀者能夠更好地理解人工智能的複雜性和多樣性 書中不僅詳細介紹了人工智能的重要歷史事件、理論學說和成果，還從科普的角度，儘可能不依賴數學等專業知識，向讀者展示了人工智能的創造者和推動者們所希望的智能理論和產品是如何工作的。這使得無論是與人工智能產業相關的研發人員，還是這個領域的專業研究人員，或是信息科學和計算機科學的愛好者們，都能從本書中獲得啓發 通過閱讀這本書，我們可以深刻理解到人工智能的發展脈絡，以及它如何影響和改變了我們的世界 圖靈啓智疆界寬，辛頓堅守曙光現

《智慧的疆界》是以歷史敘事的筆法，梳理人工智能從理論起源到當代大語言模型的完整思想脈絡。讀完全書，最令人震撼的不是任何單項技術突破，而是那根貫穿始終的思想主線：人類試圖用數學和機器理解“智能”這件事，究竟走了多遠，又離終點有多遠。 一切的起點是1936年圖靈提出的那臺假想機器：一條無限長的紙帶、一個讀寫頭、一套狀態轉移規則。構造極簡，卻在計算機誕生之前就從純數學角度證明了通用計算的可能性。丘奇-圖靈論題隨後斷言：任何可算法化的問題，圖靈機都能處理。這兩件事共同劃定了“機器能做什麼”的理論邊界，也奠定了此後所有AI研究的共同出發點。 1950年圖靈再次出手，在《計算機器與智能》中提出“圖靈測試”。他沒有糾纏“機器能否思考”這一形而上學難題，而是將其轉化爲可操作的經驗性問題。這種務實的轉化思路，本身就是一種深刻的方法論智慧——面對無法直接回答的大問題，先把它變成可以驗證的小問題。 書中最精彩的敘事，是三大AI學派——符號主義、連接主義、行爲主義——長達數十年的爭論與各自的起伏命運。符號主義相信智能的本質是邏輯推理與符號操作，誕生了專家系統和知識圖譜；連接主義模仿神經元網絡，歷經兩次低谷，終於在深度學習時代大放異彩；行爲主義則強調感知-動作循環，認爲智能無需內部表徵，在與環境的持續交互中自然湧現。 辛頓的故事是全書最動人的篇章之一。從1972年頂着符號主義主流的壓力堅持研究神經網絡，到2012年AlexNet一舉震驚學界，整整四十年。這不僅是一個科學家個人的執着，更是連接主義整個學派的蟄伏與爆發。它提醒我們：科學史的進程並不總是線性的，被暫時遺忘的方向，有時纔是真正的未來。 2017年穀歌發佈Transformer架構，論文標題“Attention Is All You Need”既是技術宣言，也是歷史轉折點。拋棄循環結構、純基於自注意力機制的設計，讓模型得以並行處理任意長度的序列，GPT、BERT、LLaMA等幾乎所有大語言模型都建立在這一基礎之上。三大學派的邊界在當代系統中日益模糊——大模型融合了連接主義的表徵學習、藉助提示詞工程實現符號式推理、通過強化學習從人類反饋中優化行爲，三者在實踐中走向了統一。 書中有一個判斷我深以爲然：當前的AI既是天才，也是白癡。在圖像識別、棋類博弈、代碼生成、語言翻譯等狹窄專業任務上，AI早已超越人類；但在常識推理、跨域遷移、因果理解、小樣本學習這些人類習以爲常的能力上，它的表現依然拙劣。Cyc項目從1984年開始手工編碼常識知識，耗資數千萬美元、歷經三十餘年仍未竣工，足以說明“常識”對機器而言有多難。 這種強烈反差恰恰是理解AI現狀的最佳切入點：它是一種非常特殊的、不均勻的、與人類智能有根本性差異的智能形態。把它當成“人類的替代品”固然危險，把它當成“只會統計規律的蠻力工具”也同樣低估了它的潛力。 書的後半部分落腳於更現實的問題：AI對社會的衝擊與人機共存的路徑。作者並不迴避就業替代、算法偏見、隱私侵蝕、權力集中等議題，但他的基本立場是清醒的樂觀主義——不是機器取代人類，而是“增強智能”（Augmented Intelligence）：AI負責數據處理、模式識別、重複自動化，人類保留價值判斷、創意構思、道德約束和最終決策權。 這讓我想到一個比喻：AI是副駕駛，人類是機長。副駕駛可以處理例行操作和海量數據，但遭遇異常時，最終判斷和責任必須由機長承擔。“人在迴路中”（Human-in-the-loop）不是一種保守，而是面對當前AI侷限性的必要謙遜。 讀完此書，最大的收穫不是掌握了某個技術細節，而是建立了一幅AI思想史的全景地圖。從圖靈到馮·諾依曼，從達特茅斯會議到Transformer，從三大學派的爭鳴到當代大模型的融合——每一步都是人類試圖理解和複製自身智能的努力，也都在某處觸碰到尚未跨越的邊界。 書名“智慧的疆界”意味深長。疆界不是終點，而是當下已知與未知的分界線。真正重要的問題——意識的本質、通用智能的實現、AI的倫理邊界——都還懸而未決。站在這條線上，既需要敬畏這些開放性問題的深度，也需要保持探索的勇氣。這或許纔是這本書最想傳遞的東西。

此書分爲四個部分：以智慧創造智慧、學派爭鳴、第三波高潮、人機共生。各個部分之間有時間上的先後順序，前面章節是後續章節的基礎。正如作者所說，這是一本人工智能領域的“入門”書。但這個入門不等同於簡單，更不能等同於粗陋。對於人工智能這種涉及數學、信息、生物、心理和大量其他專業知識的交叉學科，要做到技藝精深必然是極難的，僅入門這一步，就面臨着非常高的門檻，阻隔了許多慕名而來的興趣愛好者！結合今年是人工智能興起的大年，現記錄一些心得體會。 2023年ChatGPT的橫空出世，在人工智能領域掀起了重要變革，這一智能工具因其解放人類生產力的潛力，從使用者到投資者，引起了各界的廣泛關注。就目前看ChatGPT的輿論熱度高得有些驚人——在時下，看某個事物是不是流行，都不需要看輿情監測熱力圖，就看看你隔壁辦公桌的阿強或你關注的生活方式類公號是不是也在聊它就行了，在放大的時間尺度上來看，人類社會的技術進步呈指數曲線。15年前我們沒有智能手機，150年前我們沒有內燃機，也沒有家庭用電，1500年前我們沒有工業機器，15000年前我們沒有農業。我們在未來100年取得的技術進步，將遠遠超過我們從最初控制火種到發明車輪以來所取得的一切成就。我們現在已經建立了可以通過學習來做有用事情的人工智能系統，儘管它們仍然處於原始階段，但是發展趨勢卻是清晰可見的。 人工智能把一切都推入數字化的超級模式，誰算力大誰牛，就像導彈與反導上演道高一尺魔高一丈一樣一樣。ChatGPT是文字編碼和數據概率組合成的遊戲，但這裏面每個步驟似乎都留有很大的靈活性，或者說有很大的不確定性。最終可能輸出的並不是最準確事實信息。AI的“科學性”在於，AI用更快的電子信號，實現對人類大腦的化學信號的學習過程的模仿、加速。AI現在還是一個剛學會說話，什麼都敢說的三歲小孩。這個小孩，加以時日、持續學習，前途不可限量。 AI的“不科學”在於，要避免它的“不科學”濫用，一旦互聯網充斥AI產生的不準確信息，互聯網就被毀了——AI自己毀了自己。提高準確性是ChatGPT的競品和ChatGPT自己未來要解決的問題。 人工智能三次震驚世界。1997年，2016年，2023年。有意思的是，這三次，都由美國主導，卻都和美國最大的對手蘇聯（俄羅斯）有關。1997年，IBM的深藍，打敗俄羅斯國際象棋大師。2016年，AlphaGo戰勝圍棋九段李世石。2023年，ChatGPT驚豔登場。一場比賽，讓三十年硬件江湖換了姓，已經夠吊炸天。但是沒完，ChatGPT問世，正式宣告，那場比賽掀起的革命不止於芯片江湖，軟件、互聯網、整個科技界，都要翻江倒海。 文字是創造美好的東西，可是在人工智能的手上，文字變得冷冰冰的，一點感情都沒有。一般來說，我們和人交流，不會重複問對方同一個問題；正常人不會每次對同一個問題，給出不一樣的答案。人的思想是一致的，說出來的話是一致的。一言九鼎，人不能瞎說。ChatGPT不一樣，不能把它當成人。如果問了一個問題，覺得它回答得不好，你可以重複問同樣的問題，直到得到滿意的答案。ChatGPT算法的隨機性，讓它每次給出的答案都不一樣，會有完全相反的觀點。 即將到來的科技變化是勢不可擋的。如果我們接受這些變化併爲之制定計劃，人類就能利用這些變化創造一個更加公平、更加幸福和更加繁榮的社會。未來將是超出你想象般的美好。

作爲接觸過一些機器學習的內容、調過一些庫的人，看起這本書來，有那麼一丟丟覺得奇怪，並不那麼機器學習。 以前並不知道人工智能有三大主要流派：符號主義、連接主義、行爲主義。神奇的是，這仨流派我都過多或少接觸過，只是並不知道這個體系是這樣劃分的。最近看書越發覺得缺少系統框架，有些東西在知識體系裏擺不好位置，不算好現象。好的是讀點有體系的書就能迅速填充過去，只是漏了哪些，也說不太清楚。從人工智能的實現意義上來說，這仨分別指心智派、結構派、行爲派，也就是研究人的推理能力、研究大腦的結構、研究人的行爲。 人工智能公認從達特茅斯會議開始的，這時候紅的是符號主義學派，核心思想是“認知即計算”。 符號主義起初是推理期，描述已知來推理未知，分爲認知派和邏輯派。邏輯派的代表是紐厄爾和司馬賀，他們認爲物理符號系統可以用來模擬人類的智能。他們在會議上提出的“邏輯理論家”就是將問題形式化，通過樹搜索加剪枝算法得到和結論一致的變換形式，將樹的這條分支路徑連接起來，成爲對定理的證明。認知派的代表是明斯基和麥卡錫，麥卡錫的《常識編程》論文，那就是 pddl 的原理啊——以前一直納悶 pddl 這種用 dsl 寫約束和定義，利用啓發式算法求解的語言爲什麼會被放入人工智能裏，現在知道了，它屬於符號主義學派裏的認知派。這個時期的主要困難是：需要描述的已知從哪裏來？就好比 pddl 也需要人定義一大堆經驗條件一樣，要從頭開始定義 domain knowledge，非常複雜而且多變，缺少重用性。麥卡錫的另外一篇通過七個運算符來定義一種圖靈完備語言的論文，被他學生實現成 LISP，可謂是計算機語言的一個里程碑，而 LISP 的元編程能力（數據可以變爲程序、符號可以修改自身的行爲的能力）是一種程序的學習能力。 推理期後面是知識期，試圖解決推理需要的知識問題。這個時期有類似思維導圖的語義網絡，它適用於檢索推理，但不適用於定量的動態的知識，也不適合表達過程性、控制性的知識；有知識工程和知識系統，試圖建造計算機用的知識庫和知識引擎，前者是知識的存儲，後者是用於知識的檢索和推理求解的，專家系統就屬於這一類，專家就是用來進行知識定義的，讓系統自己利用推理期的方法求解。 但是推理期和知識期，都算不上真正的人工智能，因爲是人在幫機器工作，人是主要的信息來源。所以進化到學習期，想要機器擁有自我學習改進的能力。這個時期的代表是決策樹，計算機通過訓練數據構建出合理的決策樹。通過樣本訓練最優決策樹是 NP 完全問題，所以通常用啓發式算法來找到局部最優。 連接主義就是現在比較流行的機器學習概念了，不再是試圖模擬人的思考，而是模擬人的大腦結構，所以主要講了神經網絡。以前一直納悶神經網絡爲什麼炒冷飯，據這本書所言應該是實現性限制了它的發展，因爲計算能力達不到。深度學習的發展真是要多謝摩爾定律。這一部分講得很棒的是機器學習特徵選取時的維度災難、評估的幾種指標分別代表什麼、神經網絡目標函數里的正則化項的意義（怎樣靠不同的範數來避免過擬合）。深度學習比淺層神經網絡多了許多隱層外，出現的意義是人的認知是“分層迭代、逐級抽象”的，出現的時機是誤差反向傳播算法的出現大大減少了計算複雜度，名字的來由是Hinton 當時用神經網絡投稿各種被拒只能改名……深度學習這塊講了卷積神經網絡的卷積和池化、帶時間序列的循環神經網絡裏的短期記憶網絡和長短期記憶網絡、對抗式生成網絡裏的卷積和反捲積互相對抗。神經網絡的可解釋性現在還沒得到太多詮釋，主要靠經驗和試錯，所以現行機器學習從業人員也會自嘲調參狗以及調參是玄學。 行爲主義又稱控制論，是以控制論爲起源的，多在交叉學科領域，譬如機器人學、人工生命。這一段講得比較簡略，主要是維納的一些成就。控制反正也學過，就是輸入輸出加反饋的系統。所以行爲主義的方法就是給刺激、等反饋、通過刺激反饋研究行爲特性。自複製機是馮諾依曼提出的體系結構，是機器生命的研究，前些日子突然火起來的青蛙機器人應該也算這一塊。 書裏提到的一些機器學習方法講得很不錯，是技術人員寫的書。最後還有講最新的發展，並且順帶提了提人工智能做決斷的倫理。至於人工智能是否會毀滅地球，安啦，這是弱人工智能，只能做到部分人想要它做的事情。強人工智能才能模擬人的心靈和意識，不是嗎？還是等腦科學、認知科學這些慢慢發展吧。 圖靈測試與圖形驗證碼的縮寫 CAPTCHA 居然關係。

堅持實踐蘇軾的“八面受敵閱讀法”，本書的閱讀目的是人工智能掃盲，瞭解人工智能主要研究內容和未來發展方向，以下是我的總結。 一、主要研究內容 1956年，達特茅斯會議標誌了人工智能學科的誕生。此後，三大學派（符號主義學派、連接主義學派、行爲主義學派）開闢了各自實現人工智能的途徑。 符號主義通過機器模擬人心，力求能抽象出一種模型，囊括人類所有的思維。具體實現路徑如下：（1）機器通過學習獲取知識（2）描述並存儲知識（3）基於已有知識，邏輯推理產生出新的知識。但很遺憾，符號主義的研究沒有實現其目標。主要原因是智能太抽象，無法通過總結一般規律以及無法根據一般規律推測未知。 連接主義通過機器模擬人腦，希望先實現最原始嬰兒的腦結構，然後通過訓練學習進化出更多智能。神經網絡和深度學習就是該思路的落地成果，可以實現不依靠人工編程，僅靠機器學習來完成一部分機器視覺和模式識別方面的任務。以感知機自動識別阿拉伯數爲例，來展開說說神經網絡和機器學習。感知機其實就是單層的M-P神經元。若每個阿拉伯數字代表一個神經元，每個神經元有196個像素值輸入，數字不同像素值權重不同，對權重加權求和，可得到0-9的權重分佈。最後再經過閾值比較篩選，網絡中有且僅有一個數字對應的神經元被激活，這個神經元代表的數字就是圖片識別的結果。神經網絡和機器學習真的很牛，但是它也有做不到的，就是是無法進行邏輯推理。而這一點是通用人工智能至關重要的一點。 行爲主義通過機器控制模仿人類或自然生物的動作，這種是具體身體的智能。從控制論到我們現在的洗碗機，掃地機器人等自動化機器都屬於行爲主義學派的成果。只是這些機械都只有自動化，只能重複機械執行規則，無法達到智能化，即實現靈性與創造力，實現規則外的創新。 二、未來發展方向 我覺得可以從兩個角度來分析： 第一個角度是從學派的發展歷程，至今依舊繁榮的學派的研究方向或許更值得關注。符號主義自第一次人工智能寒冬後就一直沒有太大進展，現在人們的目光也很少有落在其上的。連接主義自2006年提出深度信念網絡，神經網絡-深度學習一直具有統治地位。行爲主義甚至沒被放到人工智能的圈子裏，其大量研究都放到了控制科學、人工生命等其他交叉學科。 第二個角度是從人工智能的目標，目標就是方向。1980年後，學術界分裂出兩種不同的方向。一種是通用人工智能——能通過圖靈測試的人造智能機械，比如電影中描述的智能人，她們擁有獨立的意識，會思考，有情感；另一種是專用人工智能——解決人類某一類問題是表現出的智能。 由於通用人工智能難度太高，且超過了人類的實際需要，甚至可能會產生人類恐慌。通用人工智能近年來幾乎沒有進展，人們的研究信心和熱情也漸漸冷卻。現在，人們更關注的是專用人工智能。今年爆火的CHATGPT就屬於專用人工智能範疇，是自然語言處理類工具，可以實現和人類聊天，撰寫文案，翻譯，寫代碼，AI繪畫等專用技能。

2024年看的第一本書，花了一週時間零零碎碎加起來二十多個小時看完了。 這幾年人工智能很火，在去年chatgpt橫空出世後更是引爆了大家對人工智能的討論。 秉着與時俱進的想法，一直想對人工智能發展歷史、人工智能底層邏輯、人工智能研究現狀、人工智能應用領域、人工智能未來發展趨勢、人們對人工智能的威脅的擔憂是否存在、人和人工智能應該怎麼相處……很多問題進行一次全面的瞭解 周老師的這本書滿足了我的需要，一上來並非晦澀難懂的人工智能領域的各類專有名詞，也不是嚴謹的公式推導，通篇的基調其實就是"讓門外漢"也能迅速理解人工智能，從人工智能是什麼、爲什麼、怎麼做，到對各個深入淺出地論述對各種問題的討論，對不同路徑即各個學派思想的分析，在到對當下最熱的神經網絡、深度學習的介紹，最後以未來人工智能的作用:輔助人類決策來解答人們擔憂爲結尾。 至於內容，看到評論區書友總結的很好，特借鑑如下: 此書分爲四個部分：以智慧創造智慧、學派爭鳴、第三波高潮、人機共生。各個部分之間有時間上的先後順序，前面章節是後續章節的基礎。正如作者所說，這是一本人工智能領域的“入門”書。但這個入門不等同於簡單，更不能等同於粗陋。對於人工智能這種涉及數學、信息、生物、心理和大量其他專業知識的交叉學科，要做到技藝精深必然是極難的，僅入門這一步，就面臨着非常高的門檻，阻隔了許多慕名而來的興趣愛好者！結合今年是人工智能興起的大年，現記錄一些心得體會。 2023年ChatGPT的橫空出世，在人工智能領域掀起了重要變革，這一智能工具因其解放人類生產力的潛力，從使用者到投資者，引起了各界的廣泛關注。就目前看ChatGPT的輿論熱度高得有些驚人——在時下，看某個事物是不是流行，都不需要看輿情監測熱力圖，就看看你隔壁辦公桌的阿強或你關注的生活方式類公號是不是也在聊它就行了，在放大的時間尺度上來看，人類社會的技術進步呈指數曲線。15年前我們沒有智能手機，150年前我們沒有內燃機，也沒有家庭用電，1500年前我們沒有工業機器，15000年前我們沒有農業。我們在未來100年取得的技術進步，將遠遠超過我們從最初控制火種到發明車輪以來所取得的一切成就。我們現在已經建立了可以通過學習來做有用事情的人工智能系統，儘管它們仍然處於原始階段，但是發展趨勢卻是清晰可見的。 人工智能把一切都推入數字化的超級模式，誰算力大誰牛，就像導彈與反導上演道高一尺魔高一丈一樣一樣。ChatGPT是文字編碼和數據概率組合成的遊戲，但這裏面每個步驟似乎都留有很大的靈活性，或者說有很大的不確定性。最終可能輸出的並不是最準確事實信息。AI的“科學性”在於，AI用更快的電子信號，實現對人類大腦的化學信號的學習過程的模仿、加速。AI現在還是一個剛學會說話，什麼都敢說的三歲小孩。這個小孩，加以時日、持續學習，前途不可限量。 AI的“不科學”在於，要避免它的“不科學”濫用，一旦互聯網充斥AI產生的不準確信息，互聯網就被毀了——AI自己毀了自己。提高準確性是ChatGPT的競品和ChatGPT自己未來要解決的問題。 人工智能三次震驚世界。1997年，2016年，2023年。有意思的是，這三次，都由美國主導，卻都和美國最大的對手蘇聯（俄羅斯）有關。1997年，IBM的深藍，打敗俄羅斯國際象棋大師。2016年，AlphaGo戰勝圍棋九段李世石。2023年，ChatGPT驚豔登場。一場比賽，讓三十年硬件江湖換了姓，已經夠吊炸天。但是沒完，ChatGPT問世，正式宣告，那場比賽掀起的革命不止於芯片江湖，軟件、互聯網、整個科技界，都要翻江倒海。 文字是創造美好的東西，可是在人工智能的手上，文字變得冷冰冰的，一點感情都沒有。一般來說，我們和人交流，不會重複問對方同一個問題；正常人不會每次對同一個問題，給出不一樣的答案。人的思想是一致的，說出來的話是一致的。一言九鼎，人不能瞎說。ChatGPT不一樣，不能把它當成人。如果問了一個問題，覺得它回答得不好，你可以重複問同樣的問題，直到得到滿意的答案。ChatGPT算法的隨機性，讓它每次給出的答案都不一樣，會有完全相反的觀點。 即將到來的科技變化是勢不可擋的。如果我們接受這些變化併爲之制定計劃，人類就能利用這些變化創造一個更加公平、更加幸福和更加繁榮的社會。未來將是超出你想象般的美好。

本書詳細介紹了人工智能的前世今生，講述人工智能的“緣起”、“主要流派”、“今日高潮”與“展望”四部分，詳略得當，既全面梳理了人工智能的發展，也深入講解了人工智能發展進程中的許多技術原理。因此，整體來說，這本書對於外行還是很友好的，儘管其中許多數學、計算機方面的內容可能會阻礙理解。但是，如果我們認真地去反覆閱讀，我們還是可以有比較清晰的瞭解。必須指出，本書也僅僅是讓讀者整體瞭解，它更多是我們學習的開端。 對於人工智能，“現在並不是結束，結束甚至還沒有開始，現在僅僅是序幕的尾聲”。我們必須認真對待，瞭解，並最終擁抱。這是變革的時代，迅猛、激烈。