十堂極簡人工智能課

要讓個人系統長期保持有序並不斷進化，可以將“對抗熵增”拆解爲四個可執行的動作模塊，並用成長型思維貫穿始終。 ​​1. 打開“成長型”視角：把目標看作練習場，而非一次性的成敗判定​​ • 羅傑斯所說“只有學會了如何學習和改變的人，才稱得上是受過教育的人”提醒我們：持續改進的能力比一次性結果更重要。 • 成長型思維者在機會面前先問“能否學到東西”，而不是“會不會失敗”——這能降低對錯誤的恐懼，增加嘗試頻率，從本質上擴大了自我係統的“可用能量”。 ​​2. 給系統加“反饋迴路”：用最小可行循環不斷校正​​ • 機器學習中，Q 學習等算法依靠“狀態-動作-獎勵”閉環持續修正策略；個人也可以把任務拆成“行動-評估-獎勵”微循環，每完成一輪就記錄：做得怎樣、哪裏可以改進、下一步具體做什麼。 • 這種迴路讓知識從經驗中被“提煉”出來，而不是停留在感性體會，從而減少內在混亂（熵）。 ​​3. 在“探索-利用”之間做熵平衡​​ • 強化學習告訴我們，要保持隨機性（探索新策略）同時也要運用已驗證有效的做法（利用），兩者的平衡才能兼顧效率與創新。 • 普通人可操作的做法： 1. 每週留出固定時間嘗試全新方法或全新領域（探索）。 2. 其餘時間聚焦當前最有效、能帶來穩定產出的任務（利用）。 ​​4. 用“歸納整理”維持低熵環境​​ • 環境雜亂會迅速抬高個人系統的熵值。通過持續的歸檔、清理、精簡，讓信息與事務保持可管理規模。 • 管理者與高效個人常用“專注做最關鍵最緊要的事情”來對抗無序，這與書中提到的自我監督學習在結構化數據時的效率提升同理。 ​​落地小工具​​ 場景具體做法關聯策略 任務管理每日用“三欄表”：待辦、進行、已完成；晚上覆盤歸納整理+反饋迴路 學習升級每週一次“小項目”：用 1 小時嘗試一個新技能點併產出成果探索-利用平衡 信息過濾訂閱源 ≤3 個；每天閱讀前先列 3 個問題降低輸入熵 反饋記錄建立“獎勵日誌”：對每輪嘗試打分並寫下改進建議反饋迴路 ​​結語​​ 熵增是不可逆的自然趨勢，但只要保持成長心態、建立反饋閉環、在探索與利用之間動態平衡，並持續整理外部與內部環境，每個人都能把對抗熵增轉化爲自我改善的行動力——讓個人系統長期處於“有序且不斷進化”的狀態。

有份量的 AI 通識書籍實在是太少了，這本書帶來了關於 AI 技術的全局觀，仔細讀下來，不僅豐富了我的見聞，更消除了我作爲從業者的一些疑惑。我個人覺得非常值得一讀，於是花了點時間做了總結，幫助其他讀者節省時間。 第一章，人工智能簡史。迄今經歷了 3 次興衰。第一次是 20 世紀 60-70 年代，達特茅斯研討會點爆了人工智能，但是發展了近 10 年，以前畫的餅如機器翻譯都沒有實現，不僅貴而且還比人工翻譯的質量還差，最終第一次浪潮在英國爵士萊特希爾所做報告的批評聲中偃旗息鼓。第二次是 80 年代的專家系統的崛起，同樣的問題依然存在，貴而且難用，再加上專用的專家系統機器比日益普及的計算機的性能更差，很多專用機器的公司都倒閉了，這樣第二次也歸於沉寂。第三次得益於大數據和深度學習算法的普及，2023 年 ChatGPT 橫空出世，引發了這一波的浪潮。 第二章，選對路徑。符號人工智能使用邏輯（命題）來表達知識，使用形式邏輯表達式來把自然語言翻譯成對應謂詞邏輯，然後對這些邏輯進行基於規則的演算。這種想法背後原初的動力就是人類的智能就是對符號的操作。在 60 年代，這種思維是順理成章的事情，因爲整個數學都可以簡化爲邏輯，那麼數學能解決的事情，就是邏輯可以解決的事情。但是有些哲學家並不同意智能就是對符號的操作，他們認爲操作符號和理解符號是兩碼事，例如中文房間的故事，這個房間有兩個孔，有人從一個孔中塞入滿是中文的字條，房間裏的人按照字條逐個地去文件櫃中查找對應的答案，然後仔細抄寫到一張紙條上再從另一個孔中塞出去。這個故事表明自始至終只要遵循規則，用一些符號查找另一些符號，而無需理解這些符號就能得到答案。儘管有反對的聲音，但是符號處理的思想獲得了不俗的成績，其工作原理就是將符號集合（知識）和符號處理分開，符號處理程序利用搜索去選擇不同的路徑以逼近正確答案。於是符號和搜索成爲了人工智能的標配工具箱。然而，龐大的搜索空間註定讓符號人工智能駕馭不了現實世界的複雜性，但不妨礙它在專家系統中的應用，例如：醫療診斷、欺詐檢測系統等。 符號人工智能逐漸融入了開發者的工具鏈中，例如面向對象的編程語言裏面蘊含了很多符號人工智能的思想，例如語義繼承和結構繼承這樣的方法，就是一種壓縮和存儲知識的方法。人們發明了很多表示知識用的語言及其複雜的規則，因爲語言本身是基於邏輯的，所以能夠同推理系統結合。其中比較出名的邏輯編程語言 Prolog 就是一個典型的知識和推理系統。這種系統能夠基於事實（fact）來進行推理，從而產生新的事實。符號人工智能和互聯網共同發展，萬維網的發明者蒂姆伯納斯李的夢想中，互聯網中每個網頁中包含的概念都應該標註清楚名稱和唯一識別碼，形成語義互聯網（Web3.0），這樣人工智能就能讀懂全球的知識來搜索、推理。只不過事與願違，互聯網確實產生海量的數據，但是這些數據沒有按照語義組織，我們只能寄希望於新的人工智能能夠協助我們處理無結構、無標記的數據，最終交給符號人工智能處理。在 ChatGPT 掀起的 genAI 的狂潮中，結構化信息已經變得非常簡單，這是不是意味着我們離強人工智能更近一步了呢？ 第三章，我們都會犯錯。符號人工智能在應對現實世界複雜性的無能爲力催生了人工智能研究中的“整潔派”和“混亂派”的兩大對立陣營。“整潔派”認爲可以設計精密和可被證明的方法，而“混亂派”認爲在假設的單一環境中，不可能造出能探索和理解世界的機器人。我們知道，AlphaGo 的成功某種意義上代表了符號人工智能的里程碑式的勝利，也就是“整潔派”，但是它不能代表人工智能在現實世界中的勝利。“混亂派”嘗試讓現實世界直接影響機器人的行爲，也就是給機器人裝上感知器。機器人公司波士頓動力展示的機器狗在被人狠狠地踹上一腳還能維持平衡就是一個很好的支撐這一流派的例證。這一章告訴我們，符號人工智能有其侷限性，人工智能需要感知複雜的現實世界並在其中學習。 第四章，尋找正確答案。如果說感知世界是人工智能模仿生物的一種形式，那麼把進化引入人工智能則是模仿自然的形式。當我們受限於自己的知識而無法設計出更高水平的人工智能時，或許仿照自然，讓人工智能自己進化是更好的選擇。很多機器人學的研究者開始爲機器人裝上大腦，並且使用搜索算法來黏合神經元、規則集合和數學公式，從而造出可以自我進化的機器人。可以說，搜索是遺傳算法、中心引力優化、智能水滴算法的核心，但是搜索畢竟有其侷限，它不可能無限制地搜索解空間。所以對於人工智能接管世界的擔憂還爲時過早。 第五章，理解世界。人工智能的視覺感知歷經了坎尼的邊緣算法到效法人腦神經網絡的過程，其中前饋式網絡和反向傳播方法，以及卷積神經網絡依賴的深度學習算法，憑藉着大規模的數據和算力不斷提升的 GPU，讓機器視覺成功超過了人類。但是由於和數據強綁定，就導致訓練偏差的產生。小小的仙女蜂只有 7400 個神經元，卻比我們構建出的複雜的神經網絡更加有效。保持對自然的敬畏，認識到目前我們技術是有侷限性。 第 6 章，自我改善。監督學習訓練出的人工智能可以應對已知的情況，其應用場景往往在分類和迴歸的場景中。而無監督學習則不需要已知的數據集就能自我學習，它能發現規律從而完成聚類的操作。但是無監督學習不能做決策，因爲它不知道哪種行爲是有利的，所以強化學習出現了，它彌補了無監督學習在做決策時的短板，給出了激勵函數，即反饋在特定情況下一個潛在行動和後續行動的預期獎勵，於是人工智能就能始終選擇最佳行動，使得獎勵最大化。因爲世界是動態的，我們需要一種動態的不斷學習的人工智能，這就是無監督學習中的在線學習。臉書的首席人工智能科學家楊立昆說：“如果智能是一塊蛋糕，無監督學習就是蛋糕體，監督學習就是蛋糕上的糖衣，而強化學習就是蛋糕上的櫻桃。我們知道如何製作糖衣和櫻桃，但我們還不知道如何製作蛋糕體。” 第七章，溝通是關鍵，聊天機器人的發展得益於喬姆斯基的形式語法（通用語法規則）和大數據時代發展出來的決策樹、Word2Vec 的技術，在歷代巧妙的算法迭代過程中，人工智能在自然語言處理上能給自動識別語法規律，標記語言成分，自動將名詞歸類到人名、地名和組織名、文字轉成邏輯表達式、分析情緒等。這背後涉及的神經網絡包括卷積神經網絡、強化學習、循環神經網絡、遞歸神經網絡、注意力機制、生成模型。 第八章，重新想象現實。人工智能當中有建模和模擬的部分，由此產生的細胞自動機、生命遊戲都是計算機模擬的出色案例，數字代理則是另一類技術，它構造一個虛擬的空間，把個體釋放出來，在空間裏自行其是。在個體上的簡單行爲最終湧現出更高級的羣體行爲。這樣的操作引發了人工生命的探索，他們用數字代理的方式研究第一個複製體是如何誕生的，細胞如何發育，多細胞如何進化，大腦和感知系統如何形成，還有複雜的生態系統如何運行。相對於深度神經網絡，人工生命和計算生物學的關係更近，離工程效率更遠。 第九章，增強感情。人工智能是理智的產物，所以不需要情感？書中的艾略特因爲喪失了情緒，所以無法做決策。可見，情感是必要的。觀察人的行爲來判斷情感似乎是無法形成理解，因爲人工智能依舊沒有同理心。真正的情感計算是要讓人工智能具備情感，讓它有能力和人一樣做出快速和有效的判斷。 第十章，瞭解自我。通用人工智能是與人類擁有同等水平甚至超越人類水平的一類人工智能，相比較於大多數的專用人工智能，通用人工智能能夠以一種日常的方式和我們互動，瞭解我們的需求，同我們順暢地對話。此外，他也能感知自己的行爲能夠對社會、道德和環境的影響。在這個過程中，研究人員嘗試綜合各種不同的人工智能技術，如把基於符號學的方法和深度學習結合，也有人創建巨大的知識圖譜來實現。在模擬大腦領域，有尖峯神經網絡，這種神經網絡不同於傳統的多層神經網絡，它完全模擬生物的神經網絡，運用了膜電位和動作電位的概念，不會在每個傳播週期內傳遞信息，僅在高電位的時候發送信息。最後，人工智能的獨特之處在於，開發它的過程能教會我們關於大腦和身體如何運作的深刻道理。

這本書雖然“極簡”，但信息量挺大，並不是很好入門。簡要摘錄一些書中內容： 圖靈測試 智能是什麼？該怎樣造出人工智能？就算你有朝一日能造出一臺像生命活體一樣思考的機器，你又怎麼確認它的思考能力呢？圖靈認爲我們需要一個方法來測試一臺機器是否真的能思考。他把這個方法稱作“模仿遊戲”，不過後來這個方法更廣爲人知的名字是“圖靈測試”。 一名訊問者通過打字跟兩個人通信，而這兩個人分別在不同的房間裏。訊問者可以提出任何問題：“請寫一首詩，以福斯橋爲題。”或是“34957加上70764等於多少？”那兩個人則各自以打字回應。過了一段時間，訊問者得到提示，那兩個人中的一個是計算機。如果他分辨不出來哪個是計算機，哪個是真人，那麼我們就可以說這臺計算機通過了圖靈測試。 達特茅斯人工智能研討會 1955年，香農和另幾個先驅約翰·麥卡錫、馬文·明斯基、納撒尼爾·羅切斯特一起倡議舉辦一場夏季研討會，把科學家和數學家聚攏起來，用了幾個星期的時間深入討論人工智能。達特茅斯研討會於1956年舉辦，持續了六個星期，是第一場專注這個領域的研討會，探討（並且命名）了人工智能。 《感知機》 馬文·明斯基和西摩爾·派普特出版於1969年的圖書《感知機》，書中詳述了簡單神經元模型的衆多侷限。這標誌着神經網絡研究的終結。 專家系統 最終到了20世紀80年代，人工智能又迎來了一個新突破：專家系統。這些新的人工智能算法把人類專家的知識採集到基於規則的系統裏，並執行諸如識別未知分子或診斷疾病之類的任務。 虛擬動物 這些進化後的虛擬動物，都是計算機圖形藝術家和研究者卡爾·西姆斯創造的。這項工作在1994年初次發佈後，啓迪了數以百計的科學家。他培養的這一批能游泳、走路、跳躍，甚至互相競爭的虛擬動物震驚了整個科學界。雖說它們的身體只不過是一組簡單的方塊，它們的人工大腦卻是個極其複雜的網絡，信息經由傳感器的輸入，經過大量的數學函數計算和操作，才能產生那些看起來很聰明的動作和表現。它們在一個完美模擬的虛擬世界中運動，有模擬的水讓它們游泳，也有模擬的地面和重力以及物理定律，讓它們能走、能跑、能跳。 進化計算 虛擬動物在計算機中進化，這聽起來可能很怪誕，但這是在計算機發展的早期就已經存在的一種人工智能方法。我們要解決一個問題，可以編寫一套程序進行一系列計算並輸出答案，但進化計算的實踐者創造出了一個虛擬世界，讓計算機自己繁衍出越來越好的答案，直到找到最佳答案。遺傳算法就是這樣一種方法。 遺傳算法 遺傳算法及其近親（進化策略和進化編程）可以追溯到計算機科學的最早期。蟻羣優化和人工免疫系統是在20世紀90年代纔出現的。但最近幾年，研究者證明了越來越多的自然過程可以啓發優化方法，比如中心引力優化、智能水滴算法和河流形成動力學等方法。也有一些優化方法基於大型哺乳動物的行爲習慣，比如動物遷移優化，也有好些優化方法基於昆蟲，甚至植物和水果的習性。這還沒算上基於鳥類和魚類的各種算法！ 機器人 布魯克斯把感知連接到行爲的“新鮮”人工智能思想，啓發了更多的進化機器人學研究者爲機器人使用非符號化的大腦。機器人大腦的構件可能是模擬神經元、有限狀態機、規則集合，或數學方程，搜索則是黏合劑，把這些構件以正確方式組合起來，並連接到傳感器和效應器，從而讓機器人能執行真正的任務。

人工智能距離我們越來越近了，而且 ai 也變成了社會發展的關鍵，各行各業都是期待着 ai 的改造，非常類似於網絡時代對於我們社會的改造，儘管還是沒有完全完成，但是已經改變了我們生活和社會的狀態，特別是社交網絡的產生，使得大部分個體都進入到了這個網絡之中，其中唯一的問題就是形成了兩個相對平行的世界，我們的和世界的，網絡的割裂造成了當下外國人很難來到我們這裏，如同沒有電子支付在我們這裏還是非常難以生活的，當然 ai 會不會也變成這個狀態，還是不知道的。當然從我們對於 ai 的態度是完全接受，而且是作爲工具和手段存在着，帶着各式希望來使用和發展 ai，並且形成了全新的思考，前一段時間參加了高規格的 ai 大會，請的漂亮女主持竟然是央視的前主持人，因爲姓艾所以被請來了，發現水平確實很高，而且其中的院士一大堆，儘管都是與 ai 關係不大，但是還是在認真的聽着，對於 ai 的認識類似於一種虔誠的崇拜，能夠讓我們充滿了想象力，很多難題人類解決不了，機器就是可以解決，其中最近最爲令人喫驚的就是 xAI 公司的 ai 竟然解決了黎曼猜想，也許困擾了人類一百多年的難題，如果這個是真的化，那麼就會對於我們世界產生了完全不一樣的巨大影響，從而使得 ai 產生我們人類智能很難理解的知識，或者接受或者忽略，似乎也沒有其他選擇了，ai 進入社會之後，會產生怎樣的影響，或者 ai 單獨存在具有碾壓人類的算力會有什麼影響，儘管 ChatGPT 的訓練陷入了困境，據說數據人類產生的，已經被用完了，只能使用機器產生的，這樣就是陷入 scaling law 的邊界，也被稱爲牆。其實 ai 也是存在極限和限制的。

從人臉識別到AlphaGo，從無人駕駛到全球經濟管理，人工智能作爲21世紀極有潛力的一門技術，已經全面滲透了我們的生活，也徹底改變了我們的行爲方式。 如今，我們既離不開人工智能，也無法擺脫它對我們生活的影響。那麼，這門技術到底是如何發展起來的？人工智能背後的運行邏輯是什麼？它會讓我們的生活變得更好，還是會帶來更多的問題？我們每個人的工作是否終將被人工智能所取代？ 作爲一部幾乎沒有門檻的人工智能入門作品，本書審視並回答了上述問題。讀完之後，你將對人工智能形成一套完整且系統化的認知。 值得一讀！

成功創造出真正的人工智能，將會是人類歷史上最重大的事件。不幸的是，它也可能是人類的最後一件大事，除非我們學會如何避開風險。 ——斯蒂芬·霍金（2014） 一、人工智能 自動駕駛汽車、智能家電、ChatGPT、機器人等人工智能形式越來越廣泛地應用於我們今天的生活，深刻改變了人們的工作和生活方式。人工智能造成的失業，AI換臉技術等詐騙也被居心叵測的犯罪分子所利用實施詐騙。人工智能在改變人們生活方式的同時，也給普通人帶來了新的威脅。在新的社會環境下，只有對人工智能建立一定的認知，才能很好地利用它所帶來的便利，規避它所帶來的的風險。 現如今，越來越多的車企將大量資金投入到全自動駕駛系統的研發和應用中，自動駕駛汽車被越來越多的人購買使用，然而自動駕駛汽車所產生的問題也屢屢見諸於報端。車禍、信息安全風險、汽車被自動導航進墓地等在公衆羣體中掀起爭議浪潮的事件也讓部分消費者對其持觀望態度。 機器人的行爲、性能等是人們津津樂道的話題。這些從街頭巷尾的談論，大量科幻書籍和科幻電影的風靡中可見一斑。人工智能經過不同領域的科學家長時間的齊心探索，鉅額的資金投入以後，現在成效也越來越顯著。ChatGPT的語言生成能力，機器翻譯，餐飲機器人的應用，電影特效等等都是人工智能領域的傑作。人工智能已經延伸到我們生活的各個領域，這一點誰都無法迴避。我們已經迎來人工智能的黃金時代。然而，如果想造出能理解並探索真實世界的機器人，單憑邏輯運行與計算機知識，只會導致失敗。多國多學科專家一起合作，才能製成性能優良的產品。 二、《十堂極簡人工智能課》 《十堂極簡人工智能課》是英國倫敦大學學院計算機系榮譽教授彼得·J. 本特利的科普著作。作者從2400年前希臘羅德島上的機械發明講起，按照時間順序講述了人工智能發展中的高潮與低谷， 爲大衆介紹了不同人工智能形式的研發過程、智能設計中的數學原理、目前的研發成果階段、研發成果的侷限性以及問題的癥結所在等等，介紹了歐美大學及相關研究領域的尖端科技，能讓大衆對國際上人工智能的現狀與所處的發展階段有清醒的認識。 從目前國內緊缺的芯片設計，還未成熟的汽車自動駕駛技術，加密貨幣，火星探測器到可以遠程遙控的無人機，應用於醫療臨牀領域的機器人手術，自閉症兒童的治療，到未來養老模式的革新，人工智能無不發揮着重要作用。本特利博士在書中坦言，每一次技術革命都會迎來人類社會的改變，創造新的工作崗位，造成人口階段性的失業。技術的衝擊給人們帶來便利的同時，也深刻影響了人們的生活。 本特利博士立足於當下的人工智能環境，依據不同類型的算法知識講述機器人的設計控制原理，詳細剖析不同類型機器人的性能，展示了機器人避開障礙物的能力與侷限。糅合多學科知識介紹了機器人在情感、情緒反應能力上面的模仿性能與侷限，指出目前機器人產業發展的痛點，科學的闡述與解釋清晰明白。每章的開頭都用有趣的人工智能產品作開端，用人工智能公司創制的智能產品做案例，逐步闡釋產品的設計理念和科學原理，圖文並茂，備註解釋清晰明瞭，將抽象的理論和人的形象視覺需求相結合，讓讀者在閱讀的過程中能學到人工智能的相關知識點，瞭解到國內人工智能產品與國外之間存在的差距。 書中講述了不同類型的計算機算法知識，關於計算機科學，我們還有許多內容需要探索改進。算法與編程的專業知識是普通讀者覺得此書艱深難懂的方面，它恰恰在提醒讀者，你的知識庫該更新了。無所不在的人工智能的存在，要求我們進一步瞭解它，掌握它，並從容自如地應對。 《十堂極簡人工智能課》成書於2022年，於2023年翻譯出版，較大程度地保持了科技類翻譯作品的時效性。全書沒有極其複雜的參數設置，只對智能技術進行大致的描述、概括，可滿足於大衆對人工智能的認知需求。此書對國內的人工智能研究與開發具有很大的啓發意義，也是普通大衆瞭解人工智能產品設計原理的入門圖書。瞭解人工智能，我們才能更好地使用其產品，發揮它的巨大價值。

隨着alpha-go與柯潔的圍棋大戰引發關注，到2023年chat-gpt的橫空出世，再到現在豆包、千問之流融入我們的日常生活，ai也就是人工智能與我們的生活越來越息息相關！ 關於人工智能，我們可能更多的關心它能夠爲我們做什麼，未來會如何發展，以及會不會取代人類的工作崗位乃至取代人類？ 關於以上這些問題，本書雖沒有太過細緻的回答，但或多或少都有所提及，書裏主要還是向讀者展示了人工智能的發展史，從歷史中我們也可以瞥見未來，人工智能在取代人類部分工作崗位時也會創造新的工作崗位。 因此我們身處人工智能發展的時代浪潮之中，更要學會認識ai，擁抱ai，運用ai，讓人工智能成爲我們通往更加美好生活的階梯與工具！

這是2026年我讀的第一本書，去年第一本書也是關於人工智能的，算上這本，一年的時間，我讀完或讀過關於人工智能的可能有3、4本了，本本都讀的似懂非懂，我也發愁，真的人工智能全面替代人類，因爲不懂，我是不是會成爲第一批被替換的那類人，如果真的有那麼一天，我倒是希望自己成爲某個人工智能的寵物，那樣似乎也不錯，但千萬不能成爲食物，那可太慘了，因爲按照當下的人工智能時代，一定是缺能源的，在沒有解決能源無限供給之前，所以，人工智能大概還不會威脅到人類地位吧。 人工智能究竟是什麼?看過此書，我大概理解，人工智能無非就是人類在自我思考：人們是怎麼思考的？雖然原理搞清楚了，但我們能否真的按照人類思考的原理做出一個機器來驗證我們的思考成果？！以下引用書中的一段話“歸根結底，也許是因爲我們對自身的興趣，人工智能和機器人總是讓我們着迷，也會在某些情況下讓我們感到不適。在我們發明的各種技術中，人工智能的獨特之處在於，開發它的過程能教會我們關於大腦和身體如何運作的深刻道理。爲了成功構建出我們的人造子女，我們必須仔細檢視我們自身和我們的行爲方式。我們將學到，人與人之間的互動如何能幫助個人成長和團結協作。我們將明白情緒和自我意識的作用，以及我們如何做出決定的方方面面。我們將學到我們在現實世界中的行爲如何影響我們自己和他人。我們將學習什麼是道德，瞭解道德以及對生命的尊重應該如何嵌入我們所做的一切。我們將明白我們與環境密切相關：環境會改變我們，正如我們也會改變環境一樣。人工智能是一趟持續的發現之旅。這條漫長而艱難的道路也許能教會我們成爲更好的人。” 作者還有一個觀點：西方的一部分經濟學家認爲，人工智能提高生產效率所產生的巨大利潤、帶來的巨大好處，不應該只由少數有錢人佔有，而應該由全人類社會共享，因此應該改革分配製度。比如自動化程度更高的公司的稅負比例應該更高，應該推廣全民無條件基本收入(UBI)制度等。不過，這些主張目前都還有許多爭議，並沒有成爲主流共識。我想對於這個問題的回答，現在的人工智能可能給不出答案，但人類卻有明確的答案吧！

如今，各式各樣的人工智能在不同方向上都有着令人矚目的突破，例如能夠避開障礙的掃地機器人，以及在此基礎上更進一步的無人駕駛汽車；例如能夠自我進化、自我設計、自我完成的機器人，爲人工生命的延續提供可能；例如人工智能的自我學習，感知情緒，智能對話等等，每種技術都對我們的生活產生了或多或少的影響。 人工智能不僅成爲了當代最重要的議題之一，也正在逐漸佔據着我們的生活。 既然人工智能的浪潮不可阻擋，那麼至少應當對此有基本的瞭解。 作爲一本入門之作，本書言簡意賅地講述了人工智能的發展及背後邏輯，並對人工智能的影響和侷限性做出分析，在此基礎上展望人工智能的未來。 通俗易懂又具有系統化，作者彼得·J.本特利幫助每個好奇的人對人工智能形成基本認知。 - 人工智能給我們的生活帶來的好處我們已經切身體會到了，然而不可忽視的是，人工智能同時帶來了許多問題。 這很容易理解，可以預見，每項技術如果想普遍地運用於社會都會面臨一系列的困境。 例如，無人駕駛車將面對比測試更爲複雜的駕駛情景，安全性的存疑，事故的歸責，以及取代勞動力等種種亟待解決的難題。 例如，監督學習導致了人工智能在種族或性別上的偏見，用於訓練人臉識別人工智能的數據集存在嚴重偏頗，淺色人臉數據遠大於深色人臉數據，則結果也存在偏差，在識別黑人面孔的能力上遠差於識別淺膚色人種。 例如，通過聚類實現的無監督學習廣泛應用於大數據的個性推薦，不少app未經同意便通過信息的監測管理將用戶貼上標籤，選擇性地推送他們感興趣的話題，這會導致人們看到的世界變得狹窄，個人的偏見變得更加嚴重。 由此看來，讓人工智能的用戶保留對其功能的知情權，以及是否選擇使用人工智能的自主決定權極爲重要。 人工智能技術的濫用也值得我們的重視，監管法案需要緊跟技術的步伐，許多相關法律法規仍需完善。 - 從書中能夠看到人工智能的侷限性，其中也預示了未來的發展方向。 現今的人工智能幾乎都是“專家”，很少有“通才”，每種人工智能只負責自己的專業知識，對於另一領域的瞭解是空白。 隨着人們對通用人工智能的需求日益增加，人工智能在這一領域的缺口暴露在我們眼前，對於通才機器人的開發將更加受到重視。 面對數據的極速增長，萬維網的發明者蒂姆·伯納斯-李希望萬維網成爲所有概念連接而成的巨型全球知識圖，將所有網站做成計算機可以理解的格式，所有的網站數據都可以被儲存，被分類，從而每個人都可以用全球的數據庫進行知識的搜索、演繹和推理。 然而，目前大量的網站開發者們沒有采納這個想法，計算機依然無法識別巨量上傳數據的格式。 如何將其自動識別和分類將成爲人工智能發展路上需要解決的一個重要問題。 除此之外，人工智能領域由最初的監督學習發展出無監督的自我學習，機器可以通過不斷變化的範式進行適應更新，但即使是最專業的研究者也對這個過程知之甚少。人工智能在無監督學習中準確性的提高又是一個亟待解決的難題。 - 我們對人工智能的擔憂有幾種，其一是經常在科幻作品中出現的，人工智能擁有自我意識的情形。 實際上，人工智能的發展需要大量的計算，不少領域的進展趨於緩慢，且需要人工干預進行糾正和發展。 而按照約翰·塞爾提出的中文房間理論，人工智能只是依據規則操縱符號，並沒有真正理解符號和規則的意思。即使目前看似學習成長快速的聊天機器人也並沒有脫離中文房間理論範疇，因此我們大可以放寬心。 另一個擔憂便是“我們會被人工智能代替嗎”這一問題。 人們擔心人工智能會造成多行業的大規模失業，擔憂自己的崗位被機器取代。 這看起來很現實，畢竟人工智能的功能越來越強大，製造業及服務業自不必說，人工智能甚至開始涉足藝術創新領域，這讓越來越多人產生了危機感。 但是，如果我們將目光放得長遠些，就會發現歷史上已經發生過許多次技術革新，歷史中每次科技變革都會淘汰部分工作崗位，但也會創造出新的崗位。 我們要做的是擁抱變革，學習新知識，新技能。 在人工智能這條漫長的發現之旅上，不斷修行，不斷進步。

應該怎樣接受自己的造物，取決於我們自己 沒想到，譯林的這本小書，竟然斷斷續續讀了很久纔讀完。 關於人工智能的話題，一直是大熱門，特別是OpenAI的大語言模型出來，各家科技巨頭都在快速跟進，好像每天都有這方面的新聞。 這個時間點看這本小書，是想了解清楚，哪裏都少不了的人工智能，到底是什麼。 這本書的作者是彼得.J .本特利博士，倫敦大學計算機系榮譽教授。本書的書名是《十堂極簡人工智能課》，所以全書分爲10個章節。作者沿着人工智能的發展歷程，以關鍵技術節點爲切入口，用不同階段的人工智能成果，從不同的維度，說明人工智能的全面發展和對我們生活的影響。 從書中各章節標題中就可以看到，人工智能對我們的影響是全方位的： 選對路徑；我們都會犯錯； 尋找正確答案；理解世界；自我改善；溝通是關鍵；重新想象現實；增強感受；瞭解自我。從物理，生理，甚至心理，思想層面，都在影響我們。可謂在你知道和不知道的領域，人工智能都有着飛速的發展，人們的生活已經徹底被人工智能改變。日常新聞中所知道的這些人工智能，只是冰山一角，更多在人工智能就像水下的冰山，在支撐着我們整個社會運轉的方方面面。 人工智能的學習對象，研究對象是大自然，是萬物。科學家都現實世界中尋找模型，找尋規律，計算機只是一個工具。人們從生物神經網絡中來學習決策的過程 ，從鳥類的飛行來學習個體和羣體的行爲規則，從動物的運動視覺聽覺各方面學習而來的仿生機器人等等。 也就是說，我們是通過人工智能去更好的理解這個世界，無論是物質層面，生物層面還是思維層面。 可這樣說來，我也更迷惑了，如果人工智能各方面的發展，是把人類已經觀察習得的知識轉化爲計算機語言，並在某些方面突出性加強，人工智能的優勢是速度，是能處理海量的數據。他更像是一種被模仿訓練而出，並非完全創造而出。那我們所擔心的人工智能危機，其實就不是人工智能本身。因爲它是基於已有的世界所提煉出的模型，我們更應該擔心的是，人工智能被不法分子濫用，而這不是人工智能所能控制的，這是人性引發的。 最後，借用書中引用的一句話： 機器人會繼承我們的地球嗎？會的，但它們也會變成我們的孩子。——馬文 明斯基（1994） 是我們，決定了人工智能長什麼樣子。