AI 3.0

純陽書評第573期《AI3.0（梅拉妮.米歇爾版）》這本書將完美的證明兩點，一是大模型AI的突破太突然，突然到無論多麼聰明的大腦都可能被意外擊中，大模型AI進步的速度又太快，快到無論多麼大的咖位，都有可能被AI甩到後邊，作爲超級暢銷書《複雜》的作者，梅拉妮. 米歇爾也終究沒有跳出這個圈。二是相對於其他被留在大模型爆發之前的觀察者，作者對人工智能的觀察更有深度，見解更有力度。 第一、本書證明大模型突破超出了很多人的想象 在1956年人工智能的概念被首次提出來之後，儘管研究者衆多，形成了三大流派，經歷了多次衝鋒，始終沒有取得突破，所以人們普遍降低了預期，形成了一個基於經驗的認知慣性，認爲通用人工智能是一個偉大的目標，但是這一目標短時間不可能實現。 這種稍帶悲觀情緒的結論在當時絲毫不失理性的加冕，因爲三大流派都遇到了實實在在的困難和障礙。符號主義作爲主流的研究學派，一直寄希望於人腦把世界梳理好，然後完整地把這份人腦中的世界灌進機器中，讓機器達到人的高度，這個邏輯聽起來很好，但是實踐證明其充其量只是另一個版本的耗子給貓掛鈴鐺，除了聽起來好之外，有點像開玩笑，誰去梳理？誰能梳理？誰又能負責灌進去？ 行爲主義更加可笑，認爲既然人可以從一張白紙開始，通過學習行爲，最後什麼都可以學到，那麼幹脆讓機器也按照人的學習方式，放飛自我，把進步交給機器自己，讓機器自己在與環境的互動中自我提高。都不用多想，看看邯鄲學步，讀讀東施效顰都，最終結果一切都知道。 連接主義模仿人腦，認爲人腦通過神經元連接網絡，依靠神經元環路完成了思維、記憶、推理等高階功能的湧現，所以通過人工神經網絡模仿人腦也有可能湧現出認知和其他高階能力。這個結論太可怕，可怕到沒有幾個正常人敢信，所以也是應者寥寥。 所以本書作者，在幾年前，在AI大模型爆發之前，看走眼，認爲AI短期內無法取得突破，非但不是缺乏理性，而是充滿理性，因爲在那種背景下，突破纔是小概率事件。本書通過對爆發前有關情況的梳理恰恰證明了這一點。 第二、本書證明相對於其他觀察者，作者的觀察更有深度，見解更有力度 相對於其他被留在大模型爆發之前的觀察者，本書作者的觀察更有深度。可能是師承侯世達的緣故，作者對人工智能的觀察和理解更有深度，她不是就人工智能本身泛泛而談，而是通過人工智能和人類智能關係去談人工智能，這樣的觀察視角讓觀察一直聚焦人工智能本質而不跑偏，抓住實質而不遊離於表現。在深入分析視覺識別、遊戲與推理、自然語言處理、常識判斷這4大人工智能領域的熱門應用、發展現狀和侷限性之後，在這些基礎上去構建判斷與結論。 作者的理論本來是紮實的，見解也更有力度，可AI並不是按照大家都以爲的那條路走的。就像黑天鵝會發生一樣，人工智能領域的小概率事件還是發生了，大力真地出了奇蹟，人工神經網絡在達到那個傳說中有的閾值之後，真的出現了湧現。於是本書也就得到了今天的評價。 人工智能超越大咖精英只是一個開胃菜，未來將會帶來滔天巨浪。

Excellent! 五星推薦。生活在這個人工智能時代，這應該是必讀書目。當然，如果這個書是2024年以後寫的就更好了。 在人工智能能成爲真正的人工智能，不能，能，能，不能……反反覆覆中，結束了這本書的閱讀。最後，我覺得能！只是一個時間的問題。 對於人工智能專業學生，通過這本書，可以學習解決計算機問題或者人工智能問題的邏輯思維方式。 對於非專業人士，理工科的應該都能讀懂，其他人士，可以瞭解一些常識。作者的示例比較生活化，通俗易懂。可以根據自己的知識水平，忽略極個別深奧的理論。 通過這本書，我瞭解到了人工智能的研究發展過程，現在的研究水平，最重要的是，瞭解到了身邊的智能到底有多智能。有了這個認知，便於我們決定是否選擇智能產品，對智能產品要寄予多大的期望。 可以瞭解到人工智能的脆弱性，以及易被攻擊性，在使用的過程當中，注意防範有可能不智能的方面。 這本書寫作的時候，人工智能還沒有發展到當前的這種狀態，非常希望作者能夠再寫一部新書。 這本書寫得實在太好了。表述和觀點都比較客觀。 最近兩年，我一直在試用家裏的小度和手機上的智能助手。我有時候會變着花樣地給它們提問，或者非常口語化地回覆它們——用正常生活當中表述的方式，從而測試它們的智能情況。我發現小度和手機裏的智能助手，都越來越智能了，感覺非常不錯！ 關於自動駕駛，在多大程度上可以信任它，我覺得讀完這本書之後，應該能有一個比較清晰的認知。 兩本有關AI的書讀完。關於AI的學習先告一段落。 如果日後有什麼優秀的AI圖書，2024以後出版的，希望書友們給我推薦，再此，先表示感謝。 【關於作者】 梅拉妮·米歇爾（英語：Melanie Mitchell，1969年—）是一位美國計算機科學家，美國波特蘭州立大學教授，聖塔菲研究所客座教授，主要研究領域爲複雜系統和遺傳算法以及細胞自動機。

書評：發展AI的過程，也是人類認識自己的過程 有人說這本書已經過時了，若想從中找AI最新動態，確實如此。它2019年出版、2021年出中文版，彼時ChatGPT尚未出現，文生圖、圖生圖也僅處於理論突破和小範圍應用階段；如今GPT-5的傳聞甚囂塵上，Sora、文心一言4.0等生成式AI層出不窮，多模態、大模型的發展早已把書中的AI圖景甩在身後。 但這本書的價值從不在“追新”。它梳理了AI發展史上的各類嘗試與碰壁過程，精準點出當下AI技術仍未突破的瓶頸——哪怕現在大模型能寫代碼、做視頻，依然跳脫不開書中提及的算法底層限制，作者還把各類算法原理講得深入淺出。藉着AI歷史，作者甚至暗示這輪AI熱可能因長期瓶頸遇冷，如今資本市場對AI創業項目的理性迴歸，似乎也印證了這一判斷。 於我而言，選擇這本書是因十年前讀作者的《複雜》踏入複雜性理論之門，而這本書即便案例陳舊、描述的AI狀態落後於當下，其基礎理論和對AI發展層級的判斷，卻從未過時。 讀罷最大的感悟，是發展AI的過程本質上就是人類認識自己的過程。神經元研究啓發了神經網絡概念，而如今大模型的訓練數據反哺腦科學研究；AI始終無法擁有人類的常識，哪怕能通過各類考試、模擬人類情感，核心原因也在於人類自己都沒弄清常識的本質。從這個角度看，這本書給當下狂飆的AI熱潮，提供了一份難得的冷靜思考。

這本書和《深度學習革命》同時讀完，但讀第一遍是聽書感覺很多地方沒有理解（所以這本書不大適合泛聽），於是再次閱讀了一遍。整體來講，這本書和《深度學習革命》都很適合普通讀者（非技術人員）對人工智能的歷史，現狀以及對未來的展望有個概要性的瞭解。《深度學習革命》更側重講神經網絡的發展歷程，而本書則在講發展歷程的過程中也穿插了不少相關技術原理的概要性講解。本書作者米歇爾是複雜系統前沿科學家，著有《複雜》一書專門闡述她對複雜系統的研究成果。本書出版時間是2021年，所以並未涵蓋從2022年底開始的ChatGPT以及通用大語言模型狂潮，故推薦《這就是ChatGPT》《生成式人工智能》作爲閱讀補充。 能夠製造和使用複雜工具是人區分於動物的重要能力之一，如果說一兩百年前工業革命和電力革命是“人手腳的延伸”，幾十年前的信息技術革命是“人眼和耳的延伸”，那麼人工智能革命就是“大腦和智能的延伸”。人工智能最近幾年大熱，據說已經開始推動千億萬億美元的產業，吳恩達說人工智能就好像基礎資源如電力一般將會無處不在，也許不久的將來，人工智能將會像電腦，手機，網絡一樣“顛覆性”的影響我們每個普通人的生活，也會深刻的影響就業市場。如果用兩個詞形容當前人們對人工智能的感受，可能就是“躁動”和“不安”吧？這也沒啥奇怪的，畢竟躁動和不安伴隨着每一次技術革命，躁動和不安也會促使更多人思考和關注。 作者在結語中提出了6個關鍵問題，這部分對理解當前人工智能的潛力和風險很有幫助，語言簡練易懂，特別推薦： ❓自動駕駛汽車還要多久才能普及 ❓人工智能會導致人類大規模失業嗎 ❓計算機能夠具有創造性嗎 ❓我們距離創建通用的人類水平AI還有多遠 ❓我們應該對人工智能感到多恐懼 ❓人工智能中有哪些激動人心的問題還尚未解決 “創造具有人類智能的機器，是一場重大的智力冒險”，也許在冒險的過程中，人類更好的認識了自己。

你有沒有覺得奇怪？我們身邊還是有大量的人覺得，AI沒啥用。讓它替我寫一個年終總結，寫的都是一堆陳詞濫調。讓它回答一個簡單問題，還經常胡說八道，出現事實性錯誤。要真想靠AI乾重要的活兒，早着呢。 那，問題到底出在哪兒呢？ 綠洲資本的張津劍打過一個比方，他說把AI看成是人，而且是名牌大學畢業的，學過所有專業，成績還名列前茅的學霸。他們不用休息，人數無限，24小時待命。他們知識程度非常好，但就是沒經歷過社會歷練，需要你指揮，才能工作。像算盤珠子，撥一下才動一下。而且，還會犯錯，你得有點耐心去教，給他們成長的時間。 現在問題來了，你能帶幾個這樣的實習生？ 對啊。我們缺的不是使用AI的能力，我們缺的，可能就是指揮人的能力。 假如免費給你配上一大撥這樣的學霸實習生，你能當好他們的領導嗎？ 當一堆年輕人瞪着純潔的大眼睛看着你，等着你分配任務的時候，你能夠手揮目送，指揮若定嗎？ 你能把自己的大任務，分解成一堆實習生能幫你乾的小任務嗎？ 你能在分配任務的時候交代清楚這個任務的要素、範圍、目標和驗收標準嗎？ 你能在他出錯的時候，一眼看出問題所在，然後糾正他輔導他嗎？ 你能評價他們創意的好壞，說清楚你的偏好和品味嗎？ 你能協調這麼多實習生之間的關係，讓他們之間的任務不打架嗎？ 天吶！這是一個相當有領導力的管理者才能勝任的。 我們缺的，哪兒是什麼提示語工程學？而是“AI領導力”。 AI時代的重點在於，給你一支隊伍，你能不能當好他們的領導。 這纔是AI時代對我們的真正考驗。 反正那種現在面對大活人的乙方，還是隻能說出“高端大氣上檔次低調奢華有內涵”的甲方，肯定不具備AI領導力，通不過這種考驗。 你看，不是說工具強，我們就越強。真實的情況是，工具越強，對我們的要求就越高。AI真是一個遇強則強的能力放大器。

人工智能，這個誕生於上世紀五十年代的名詞，近來突然變得家喻戶曉，隨着智能化產品的普及和使用，它已從計算機領域“飛入尋常百姓家”了。 科技發展帶來了便捷高效的生活，智能手機，智能家居，智慧社區，智慧城市……人工智能產品已經滲透進生活的每一個層面，我們不得不重新認識它，閱讀此書很有必要。從1997年5月，IBM公司研製的計算機深藍（DEEP BLUE）戰勝了國際象棋大師卡斯帕洛夫，到2016年3月13日，谷歌人工智能“選手”AlphaGo以4：1戰勝前世界圍棋第一人、韓國九段名將李世石，人工智能正以前所未有的速度前進。 本書主要基於人工智能3.0的特徵，講述了神經網絡、視覺識別、智能翻譯等技術的基本原理與應用分析，當然，限於篇幅和讀者羣體，在具體技術上多是點到爲止，適合非專業人士閱讀。 特別是人工智能發展的前景和是否會對人類產生威脅等問題上，引用了諸多權威人士的論述，算是給我們喫了顆定心丸，但也算是打了預防針。在他們看來，人類大腦——這個位於天靈蓋下方的小小的中樞系統，擁有數十億個神經單元，簡直太神奇太厲害了，至少目前遠不用擔心人工智能是否會戰勝我們，我們傾向於高估人工智能的發展速度，而低估人類自身智能的複雜性，目前的人工智能與通用智能還相距甚遠。例如，人類能夠以某種深刻且本質的方式來理解他們面對的情境，然而，目前還沒有任何一個人工智能系統具備這樣的理解力，許多人類的工作對於計算機或機器人而言可能比我們想象的要困難得多。 儘管如此，作爲普通人，需要警惕的是，人工智能將在某些工作上取代人類，因爲它們已經取代了部分人類工作，但我們也不用過分擔心這些失業的人會沒飯喫，從歷史上看，新技術創造了與它們所取代的一樣多的新就業崗位，人工智能也不例外。例如，或許人工智能將接手卡車司機的崗位，但由於人工智能倫理發展的需要，該領域將會爲道德哲學領域創造出更多崗位。 畢竟，人工智能是人類智囊下的產物，只要人類足夠小心運用自己的聰明，人工智能想對人類不利恐怕還欠火候，但話說回來，人類是個複雜的羣體，如果有人想讓人工智能幹點壞事，還是有可能的。 “不怕神一樣的對手，就怕豬一樣的隊友”，心理學早把人類看透透的了： 人最強大的敵人是自己，人類也是。

高速通用人工智能的發展和它貧瘠的靈魂意識 讀此書前對人工智能的理解停留在用大數據效率加倍處理事件的層面裏，從“在餐館喫飯一系列交流”判定場景指定人物完成的事件與否，簡單的讓我知道人工智能所需的、擅長的、在攻克的，這些在我們人類意識裏自然事件對非生命體來說意味着什麼。 暫接觸不深，除ChatGPT日常內容使用和近期衍生總結文檔的需求，加上通過4.0審覈後，想嘗試看看語音對話的可能性；從作者角度還知道了睡前娛樂讓Siri講冷笑話這件事其實建立在語音數據完善的背景前提 （原來已是大數據享用者了- .< 近期被推送的特斯拉機器人傷人事件，人力在機械面前力量似乎難以抗衡。在毫無防備的情況下，我們甚至無法意識到危險的產生。 才發現，人工智能可以替代工具，但代替不了意識。很多我們意識裏思考完再去做的事件，它可能在一瞬間在沒有道德門檻的前提下立刻完成。 想起《西部世界》和《真實的人類》，設定無法傷害的程序導致頻繁bug的出現，如設定無法傷害生命體，那麼在其未來廣泛智能機械力量的使用裏會出現諸多“不便”，這些不變也許會是最後的保護屏障。 擔心它不能，擔心它又太能。 這似乎是對人工智能發展速度和人類自身智能複雜的矛盾解讀，特別是AlphaGo在圍棋領域的表現不凡，足以產生重視。 唯有了解與之和解，匹配自身能力和需求，跟上時代潮流，也許方爲上策，以勉。 從致謝里加入書架的書籍： 《稀缺》 《別想那隻大象》 《情感機器》 《如何創造可信的AI》 《人工智能時代》 《當下的啓蒙》 《表象與本質》。 《AI 3.0》人工智能領域學習_新的內容和科技趨瞭解_用時7小時_ 值得一讀。已讀及完善書單：《大數據|I瞭解未來 語言人工智能》。

乙巳蛇年，己亥日，讀完了《AI 3.0》這本書。先說一下我的整體印象：書中的世界沒有讓我驚豔，也沒有讓我失落。它只是靜靜地存在，存在我閱讀的那三個小時，記憶像一陣風，輕輕拂過，現在也忘得差不多了。當合上書頁寫書評的一刻，我的心情平靜得像一潭湖水。沒有波瀾，只有淡淡的回味。但既然如此，我也想寫點什麼。 閱讀體驗 推薦這本書是不可能的，我看了一下評論區，書友的一個金句能夠表達我此刻的感受：有的時候你什麼也沒有做錯，只是錯在你太老了… 這話雖然扎心，但的確是這樣的。這本書是寫於2019年，問題就在這兒：試問那個時候的AI在什麼樣的階段？ 到了2025年，尤其是ChatGPT發佈的O1模型，甚至即將發佈的O3模型，體驗下來簡直震撼。與書中所討論的技術相比，現如今的人工智能已發生了翻天覆地的變化，書中的理論在面對這些新的進展時，顯得格外陳舊。比如，書中提到的向量機和早期機器學習的理論，在我現在的記憶中已經逐漸模糊，而近年來流行的神經網絡和對抗式學習，我更清晰地記得。 如果說這本書在2019年是值得一讀的，那麼對於今天的讀者而言，它顯然有些“過時”。當然，這並非說這本書完全沒有價值。其實，很多曾經的AI技術在當時都是先進的，只不過它們如今已經被新技術所替代。 例如，過去的AlphaGo等學習方法缺乏知識遷移能力。它們只能在特定領域內執行任務，比如下圍棋，他也僅僅是會下圍棋而已，但無法將這種能力遷移到其他領域。如今，生成式AI的出現，帶來了更強的創新性和知識遷移能力——它們可以在多個領域間應用訓練過的數據，大大增加了AI的創新性，也爲商業帶來了巨大的價值。這些變化，在書中幾乎沒有涉及，我覺得這種可玩性，並且有前沿知識性的互動，纔是我們需要了解的，這本書，很可惜沒有給到（但2021年來看，這本書是很好的研究學習的教材）。 個人推薦方向 AI的迭代速度，就像一場沒有終點的賽跑。每一次的更新，都在爲我們打開新的可能，AI的發展階段像一股不可阻擋的洪流，它用速度賦能未來，用智慧點亮生活。雖然在本書中，很多內容已經過時，但AI的發展仍然沒有停止，尤其是最近幾年的迅速進展。例如，人工智能的通用推理能力正在快速發展，最新的人工智能模型O1展現了更強的推理（Inference）能力，而強化學習也不再僅僅是用於微調模型，而是被用於訓練更復雜的思維鏈條和系統（Transformer）。 此外，AI的快速發展給普通人帶來了巨大的機遇和挑戰。在未來，我們可能看到AI能夠爲我們帶來全新的解決方案，它將如何改變我們的工作和生活？這個話題非常龐大，因爲我本身也在學習，不敢誤導別人，但交流是可以的，我的想法也會以文字的形式輸出，歡迎大家批評。所以在本書評這裏，提一下我的經驗：在AI領域，最重要的事情是不斷學習和探索，不僅要跟得上最新的技術，也要理解這些技術如何改變我們身邊的世界。 當然，對於那些正在學習AI的專業人士或深度愛好者來說，這本書依然值得一讀，因爲它爲我們呈現了早期機器學習的基礎理論和技術背景，儘管它的視野與今天的AI成就有很大差距。 今天的AI世界像一場無盡的狂歡，新的技術、新的模型層出不窮，甚至讓我們有些應接不暇。面對如此多的選擇，如何選取合適的工具？我的建議是：選擇兩三種你能深度掌握的工具，做到極致，不要被各種新奇的應用所淹沒（萬變不離其宗）。 最後的最後，很感謝這本書提供了一些思路，他教會我們站在AI的賽道上，我們每一個普通人，只要敢於探索，也能成爲贏家。只要我們敢於學習、敢於嘗試，就能走在前沿，超越自己。人工智能的時代已經到來，別再等着它追趕你，學起來吧，探索未來的無限可能！

艾倫·麥席森·圖靈和約翰·馮·諾伊曼等計算機領域的先驅認爲，人腦與計算機之間存在着極強的相似性，因而可以將人腦類比爲計算機，並且在他們看來，人類智能顯然能夠被複制到計算機程序中。這個思想貫穿了AI研究的整個過程，即如何把人類智能的運作方式複製到計算機身上，這也是爲何AI研究囊括了涉及哲學、心理學、語言學、神經科學、計算機科學等多個領域，並引發了人們的廣泛興趣。這不僅僅是一門學科，更是人類世界新的革命。在統計學和概率論的啓發下，人工智能領域的研究者開發了一系列能夠使計算機從數據中進行學習的方法，並且爲了與符號人工智能區分開來，機器學習成了人工智能領域一個獨立的分支學科。隨着時間的推移，人工智能領域的工作開始聚焦於特定的任務，如人臉識別、無人駕駛、語音翻譯等。 《AI 3.0》是科學家梅拉妮•米歇爾歷經10年思考，通過對視覺識別、遊戲與推理、自然語言處理、常識判斷這4大人工智能領域的熱門應用的發展現狀和侷限性的探究，釐清人工智能與人類智能關係的一部力作。她在書中通過5個部分揭示了“現在的人工智能可以做什麼，以及在未來幾十年我們能從它們身上期待什麼”。 近期，聊天機器人ChatGPT火爆全球 。它可以完成撰寫郵件、代碼、文案、作業、翻譯等任務。據說，ChatGPT不是照本宣科，它能夠讀懂語境中的“言外之意”。ChatGPT對很多問題能夠給出比較完整的分析框架，語法通順、邏輯完整 。 ChatGPT的出現，意味着人工智能算法的進一步升級。採用Transformer模型的ChatGPT，首先是突破了RNN 模型不能並行計算的限制；其次關聯所需的操作次數不隨距離增長。ChatGPT等人工智能的迭代，未來可能會讓機器更接近人的思維模式。作爲OpenAI的創始人之一，馬斯克評價ChatGPT：“厲害得嚇人，我們距離危險而強大的AI不遠了”。短期來說，ChatGPT等人工智能的應用仍舊是工具式的，它會提高效率、替代一部分人的工作，但隨着計算機能夠處理的數據結構、模型、算法越來越複雜，我們未必能預測其最終輸出的結果。將來，人工智能會不會跨越某個關鍵的節點，進入到一個人類還無法到達的世界，似乎沒有人可以預測。

此書有一部分算法和原理的描述，對沒有相關背景的人理解起來有些晦澀，中間有些內容讀起來有些費力，但好在堅持讀了下來。 作者的寫作風格是不斷地在提問，每一章針對各種場景的描述都帶有一定的有深度的問題，然後針對這些問題給出作者自己的見解及舉例，層層深入，引人思考。 整體讀下來，全文對人工智能的發現歷史、技術路線、熱門研究場景、當前發展現狀、所面臨的問題等進行了詳細的介紹。當下 AI 發展正是水深火熱的時候，自媒體也在各種炒作播流量，作爲普通人還是要了解一些現狀，有自己的理解，不要人云亦云。 借用作者在書中的表述，結束這本書的閱讀：“我們距離創建通用的人類水平 AI 還有多遠？-- 我們真的，真的相距甚遠！” 以下是作者在寫完一整本書後，對整本書整體的概括，放在此處，常見常新： 【人工智能對我們所有人的影響都將持續深化。我希望這本書能幫助你，成爲一個有思想的人，更好地去了解這項新興技術的當前發展現狀，包括其尚未解決的問題、技術的潛在風險和益處，以及它所引出的關於理解人類自身智能的科學和哲學問題。】