AI 3.0

纯阳书评第573期《AI3.0（梅拉妮.米歇尔版）》这本书将完美的证明两点，一是大模型AI的突破太突然，突然到无论多么聪明的大脑都可能被意外击中，大模型AI进步的速度又太快，快到无论多么大的咖位，都有可能被AI甩到后边，作为超级畅销书《复杂》的作者，梅拉妮. 米歇尔也终究没有跳出这个圈。二是相对于其他被留在大模型爆发之前的观察者，作者对人工智能的观察更有深度，见解更有力度。 第一、本书证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来之后，尽管研究者众多，形成了三大流派，经历了多次冲锋，始终没有取得突破，所以人们普遍降低了预期，形成了一个基于经验的认知惯性，认为通用人工智能是一个伟大的目标，但是这一目标短时间不可能实现。 这种稍带悲观情绪的结论在当时丝毫不失理性的加冕，因为三大流派都遇到了实实在在的困难和障碍。符号主义作为主流的研究学派，一直寄希望于人脑把世界梳理好，然后完整地把这份人脑中的世界灌进机器中，让机器达到人的高度，这个逻辑听起来很好，但是实践证明其充其量只是另一个版本的耗子给猫挂铃铛，除了听起来好之外，有点像开玩笑，谁去梳理？谁能梳理？谁又能负责灌进去？ 行为主义更加可笑，认为既然人可以从一张白纸开始，通过学习行为，最后什么都可以学到，那么干脆让机器也按照人的学习方式，放飞自我，把进步交给机器自己，让机器自己在与环境的互动中自我提高。都不用多想，看看邯郸学步，读读东施效颦都，最终结果一切都知道。 连接主义模仿人脑，认为人脑通过神经元连接网络，依靠神经元环路完成了思维、记忆、推理等高阶功能的涌现，所以通过人工神经网络模仿人脑也有可能涌现出认知和其他高阶能力。这个结论太可怕，可怕到没有几个正常人敢信，所以也是应者寥寥。 所以本书作者，在几年前，在AI大模型爆发之前，看走眼，认为AI短期内无法取得突破，非但不是缺乏理性，而是充满理性，因为在那种背景下，突破才是小概率事件。本书通过对爆发前有关情况的梳理恰恰证明了这一点。 第二、本书证明相对于其他观察者，作者的观察更有深度，见解更有力度 相对于其他被留在大模型爆发之前的观察者，本书作者的观察更有深度。可能是师承侯世达的缘故，作者对人工智能的观察和理解更有深度，她不是就人工智能本身泛泛而谈，而是通过人工智能和人类智能关系去谈人工智能，这样的观察视角让观察一直聚焦人工智能本质而不跑偏，抓住实质而不游离于表现。在深入分析视觉识别、游戏与推理、自然语言处理、常识判断这4大人工智能领域的热门应用、发展现状和局限性之后，在这些基础上去构建判断与结论。 作者的理论本来是扎实的，见解也更有力度，可AI并不是按照大家都以为的那条路走的。就像黑天鹅会发生一样，人工智能领域的小概率事件还是发生了，大力真地出了奇迹，人工神经网络在达到那个传说中有的阈值之后，真的出现了涌现。于是本书也就得到了今天的评价。 人工智能超越大咖精英只是一个开胃菜，未来将会带来滔天巨浪。

Excellent! 五星推荐。生活在这个人工智能时代，这应该是必读书目。当然，如果这个书是2024年以后写的就更好了。 在人工智能能成为真正的人工智能，不能，能，能，不能……反反复复中，结束了这本书的阅读。最后，我觉得能！只是一个时间的问题。 对于人工智能专业学生，通过这本书，可以学习解决计算机问题或者人工智能问题的逻辑思维方式。 对于非专业人士，理工科的应该都能读懂，其他人士，可以了解一些常识。作者的示例比较生活化，通俗易懂。可以根据自己的知识水平，忽略极个别深奥的理论。 通过这本书，我了解到了人工智能的研究发展过程，现在的研究水平，最重要的是，了解到了身边的智能到底有多智能。有了这个认知，便于我们决定是否选择智能产品，对智能产品要寄予多大的期望。 可以了解到人工智能的脆弱性，以及易被攻击性，在使用的过程当中，注意防范有可能不智能的方面。 这本书写作的时候，人工智能还没有发展到当前的这种状态，非常希望作者能够再写一部新书。 这本书写得实在太好了。表述和观点都比较客观。 最近两年，我一直在试用家里的小度和手机上的智能助手。我有时候会变着花样地给它们提问，或者非常口语化地回复它们——用正常生活当中表述的方式，从而测试它们的智能情况。我发现小度和手机里的智能助手，都越来越智能了，感觉非常不错！ 关于自动驾驶，在多大程度上可以信任它，我觉得读完这本书之后，应该能有一个比较清晰的认知。 两本有关AI的书读完。关于AI的学习先告一段落。 如果日后有什么优秀的AI图书，2024以后出版的，希望书友们给我推荐，再此，先表示感谢。 【关于作者】 梅拉妮·米歇尔（英语：Melanie Mitchell，1969年—）是一位美国计算机科学家，美国波特兰州立大学教授，圣塔菲研究所客座教授，主要研究领域为复杂系统和遗传算法以及细胞自动机。

书评：发展AI的过程，也是人类认识自己的过程 有人说这本书已经过时了，若想从中找AI最新动态，确实如此。它2019年出版、2021年出中文版，彼时ChatGPT尚未出现，文生图、图生图也仅处于理论突破和小范围应用阶段；如今GPT-5的传闻甚嚣尘上，Sora、文心一言4.0等生成式AI层出不穷，多模态、大模型的发展早已把书中的AI图景甩在身后。 但这本书的价值从不在“追新”。它梳理了AI发展史上的各类尝试与碰壁过程，精准点出当下AI技术仍未突破的瓶颈——哪怕现在大模型能写代码、做视频，依然跳脱不开书中提及的算法底层限制，作者还把各类算法原理讲得深入浅出。借着AI历史，作者甚至暗示这轮AI热可能因长期瓶颈遇冷，如今资本市场对AI创业项目的理性回归，似乎也印证了这一判断。 于我而言，选择这本书是因十年前读作者的《复杂》踏入复杂性理论之门，而这本书即便案例陈旧、描述的AI状态落后于当下，其基础理论和对AI发展层级的判断，却从未过时。 读罢最大的感悟，是发展AI的过程本质上就是人类认识自己的过程。神经元研究启发了神经网络概念，而如今大模型的训练数据反哺脑科学研究；AI始终无法拥有人类的常识，哪怕能通过各类考试、模拟人类情感，核心原因也在于人类自己都没弄清常识的本质。从这个角度看，这本书给当下狂飙的AI热潮，提供了一份难得的冷静思考。

这本书和《深度学习革命》同时读完，但读第一遍是听书感觉很多地方没有理解（所以这本书不大适合泛听），于是再次阅读了一遍。整体来讲，这本书和《深度学习革命》都很适合普通读者（非技术人员）对人工智能的历史，现状以及对未来的展望有个概要性的了解。《深度学习革命》更侧重讲神经网络的发展历程，而本书则在讲发展历程的过程中也穿插了不少相关技术原理的概要性讲解。本书作者米歇尔是复杂系统前沿科学家，著有《复杂》一书专门阐述她对复杂系统的研究成果。本书出版时间是2021年，所以并未涵盖从2022年底开始的ChatGPT以及通用大语言模型狂潮，故推荐《这就是ChatGPT》《生成式人工智能》作为阅读补充。 能够制造和使用复杂工具是人区分于动物的重要能力之一，如果说一两百年前工业革命和电力革命是“人手脚的延伸”，几十年前的信息技术革命是“人眼和耳的延伸”，那么人工智能革命就是“大脑和智能的延伸”。人工智能最近几年大热，据说已经开始推动千亿万亿美元的产业，吴恩达说人工智能就好像基础资源如电力一般将会无处不在，也许不久的将来，人工智能将会像电脑，手机，网络一样“颠覆性”的影响我们每个普通人的生活，也会深刻的影响就业市场。如果用两个词形容当前人们对人工智能的感受，可能就是“躁动”和“不安”吧？这也没啥奇怪的，毕竟躁动和不安伴随着每一次技术革命，躁动和不安也会促使更多人思考和关注。 作者在结语中提出了6个关键问题，这部分对理解当前人工智能的潜力和风险很有帮助，语言简练易懂，特别推荐： ❓自动驾驶汽车还要多久才能普及 ❓人工智能会导致人类大规模失业吗 ❓计算机能够具有创造性吗 ❓我们距离创建通用的人类水平AI还有多远 ❓我们应该对人工智能感到多恐惧 ❓人工智能中有哪些激动人心的问题还尚未解决 “创造具有人类智能的机器，是一场重大的智力冒险”，也许在冒险的过程中，人类更好的认识了自己。

你有没有觉得奇怪？我们身边还是有大量的人觉得，AI没啥用。让它替我写一个年终总结，写的都是一堆陈词滥调。让它回答一个简单问题，还经常胡说八道，出现事实性错误。要真想靠AI干重要的活儿，早着呢。 那，问题到底出在哪儿呢？ 绿洲资本的张津剑打过一个比方，他说把AI看成是人，而且是名牌大学毕业的，学过所有专业，成绩还名列前茅的学霸。他们不用休息，人数无限，24小时待命。他们知识程度非常好，但就是没经历过社会历练，需要你指挥，才能工作。像算盘珠子，拨一下才动一下。而且，还会犯错，你得有点耐心去教，给他们成长的时间。 现在问题来了，你能带几个这样的实习生？ 对啊。我们缺的不是使用AI的能力，我们缺的，可能就是指挥人的能力。 假如免费给你配上一大拨这样的学霸实习生，你能当好他们的领导吗？ 当一堆年轻人瞪着纯洁的大眼睛看着你，等着你分配任务的时候，你能够手挥目送，指挥若定吗？ 你能把自己的大任务，分解成一堆实习生能帮你干的小任务吗？ 你能在分配任务的时候交代清楚这个任务的要素、范围、目标和验收标准吗？ 你能在他出错的时候，一眼看出问题所在，然后纠正他辅导他吗？ 你能评价他们创意的好坏，说清楚你的偏好和品味吗？ 你能协调这么多实习生之间的关系，让他们之间的任务不打架吗？ 天呐！这是一个相当有领导力的管理者才能胜任的。 我们缺的，哪儿是什么提示语工程学？而是“AI领导力”。 AI时代的重点在于，给你一支队伍，你能不能当好他们的领导。 这才是AI时代对我们的真正考验。 反正那种现在面对大活人的乙方，还是只能说出“高端大气上档次低调奢华有内涵”的甲方，肯定不具备AI领导力，通不过这种考验。 你看，不是说工具强，我们就越强。真实的情况是，工具越强，对我们的要求就越高。AI真是一个遇强则强的能力放大器。

人工智能，这个诞生于上世纪五十年代的名词，近来突然变得家喻户晓，随着智能化产品的普及和使用，它已从计算机领域“飞入寻常百姓家”了。 科技发展带来了便捷高效的生活，智能手机，智能家居，智慧社区，智慧城市……人工智能产品已经渗透进生活的每一个层面，我们不得不重新认识它，阅读此书很有必要。从1997年5月，IBM公司研制的计算机深蓝（DEEP BLUE）战胜了国际象棋大师卡斯帕洛夫，到2016年3月13日，谷歌人工智能“选手”AlphaGo以4：1战胜前世界围棋第一人、韩国九段名将李世石，人工智能正以前所未有的速度前进。 本书主要基于人工智能3.0的特征，讲述了神经网络、视觉识别、智能翻译等技术的基本原理与应用分析，当然，限于篇幅和读者群体，在具体技术上多是点到为止，适合非专业人士阅读。 特别是人工智能发展的前景和是否会对人类产生威胁等问题上，引用了诸多权威人士的论述，算是给我们吃了颗定心丸，但也算是打了预防针。在他们看来，人类大脑——这个位于天灵盖下方的小小的中枢系统，拥有数十亿个神经单元，简直太神奇太厉害了，至少目前远不用担心人工智能是否会战胜我们，我们倾向于高估人工智能的发展速度，而低估人类自身智能的复杂性，目前的人工智能与通用智能还相距甚远。例如，人类能够以某种深刻且本质的方式来理解他们面对的情境，然而，目前还没有任何一个人工智能系统具备这样的理解力，许多人类的工作对于计算机或机器人而言可能比我们想象的要困难得多。 尽管如此，作为普通人，需要警惕的是，人工智能将在某些工作上取代人类，因为它们已经取代了部分人类工作，但我们也不用过分担心这些失业的人会没饭吃，从历史上看，新技术创造了与它们所取代的一样多的新就业岗位，人工智能也不例外。例如，或许人工智能将接手卡车司机的岗位，但由于人工智能伦理发展的需要，该领域将会为道德哲学领域创造出更多岗位。 毕竟，人工智能是人类智囊下的产物，只要人类足够小心运用自己的聪明，人工智能想对人类不利恐怕还欠火候，但话说回来，人类是个复杂的群体，如果有人想让人工智能干点坏事，还是有可能的。 “不怕神一样的对手，就怕猪一样的队友”，心理学早把人类看透透的了： 人最强大的敌人是自己，人类也是。

高速通用人工智能的发展和它贫瘠的灵魂意识 读此书前对人工智能的理解停留在用大数据效率加倍处理事件的层面里，从“在餐馆吃饭一系列交流”判定场景指定人物完成的事件与否，简单的让我知道人工智能所需的、擅长的、在攻克的，这些在我们人类意识里自然事件对非生命体来说意味着什么。 暂接触不深，除ChatGPT日常内容使用和近期衍生总结文档的需求，加上通过4.0审核后，想尝试看看语音对话的可能性；从作者角度还知道了睡前娱乐让Siri讲冷笑话这件事其实建立在语音数据完善的背景前提 （原来已是大数据享用者了- .< 近期被推送的特斯拉机器人伤人事件，人力在机械面前力量似乎难以抗衡。在毫无防备的情况下，我们甚至无法意识到危险的产生。 才发现，人工智能可以替代工具，但代替不了意识。很多我们意识里思考完再去做的事件，它可能在一瞬间在没有道德门槛的前提下立刻完成。 想起《西部世界》和《真实的人类》，设定无法伤害的程序导致频繁bug的出现，如设定无法伤害生命体，那么在其未来广泛智能机械力量的使用里会出现诸多“不便”，这些不变也许会是最后的保护屏障。 担心它不能，担心它又太能。 这似乎是对人工智能发展速度和人类自身智能复杂的矛盾解读，特别是AlphaGo在围棋领域的表现不凡，足以产生重视。 唯有了解与之和解，匹配自身能力和需求，跟上时代潮流，也许方为上策，以勉。 从致谢里加入书架的书籍： 《稀缺》 《别想那只大象》 《情感机器》 《如何创造可信的AI》 《人工智能时代》 《当下的启蒙》 《表象与本质》。 《AI 3.0》人工智能领域学习_新的内容和科技趋了解_用时7小时_ 值得一读。已读及完善书单：《大数据|I了解未来 语言人工智能》。

乙巳蛇年，己亥日，读完了《AI 3.0》这本书。先说一下我的整体印象：书中的世界没有让我惊艳，也没有让我失落。它只是静静地存在，存在我阅读的那三个小时，记忆像一阵风，轻轻拂过，现在也忘得差不多了。当合上书页写书评的一刻，我的心情平静得像一潭湖水。没有波澜，只有淡淡的回味。但既然如此，我也想写点什么。 阅读体验 推荐这本书是不可能的，我看了一下评论区，书友的一个金句能够表达我此刻的感受：有的时候你什么也没有做错，只是错在你太老了… 这话虽然扎心，但的确是这样的。这本书是写于2019年，问题就在这儿：试问那个时候的AI在什么样的阶段？ 到了2025年，尤其是ChatGPT发布的O1模型，甚至即将发布的O3模型，体验下来简直震撼。与书中所讨论的技术相比，现如今的人工智能已发生了翻天覆地的变化，书中的理论在面对这些新的进展时，显得格外陈旧。比如，书中提到的向量机和早期机器学习的理论，在我现在的记忆中已经逐渐模糊，而近年来流行的神经网络和对抗式学习，我更清晰地记得。 如果说这本书在2019年是值得一读的，那么对于今天的读者而言，它显然有些“过时”。当然，这并非说这本书完全没有价值。其实，很多曾经的AI技术在当时都是先进的，只不过它们如今已经被新技术所替代。 例如，过去的AlphaGo等学习方法缺乏知识迁移能力。它们只能在特定领域内执行任务，比如下围棋，他也仅仅是会下围棋而已，但无法将这种能力迁移到其他领域。如今，生成式AI的出现，带来了更强的创新性和知识迁移能力——它们可以在多个领域间应用训练过的数据，大大增加了AI的创新性，也为商业带来了巨大的价值。这些变化，在书中几乎没有涉及，我觉得这种可玩性，并且有前沿知识性的互动，才是我们需要了解的，这本书，很可惜没有给到（但2021年来看，这本书是很好的研究学习的教材）。 个人推荐方向 AI的迭代速度，就像一场没有终点的赛跑。每一次的更新，都在为我们打开新的可能，AI的发展阶段像一股不可阻挡的洪流，它用速度赋能未来，用智慧点亮生活。虽然在本书中，很多内容已经过时，但AI的发展仍然没有停止，尤其是最近几年的迅速进展。例如，人工智能的通用推理能力正在快速发展，最新的人工智能模型O1展现了更强的推理（Inference）能力，而强化学习也不再仅仅是用于微调模型，而是被用于训练更复杂的思维链条和系统（Transformer）。 此外，AI的快速发展给普通人带来了巨大的机遇和挑战。在未来，我们可能看到AI能够为我们带来全新的解决方案，它将如何改变我们的工作和生活？这个话题非常庞大，因为我本身也在学习，不敢误导别人，但交流是可以的，我的想法也会以文字的形式输出，欢迎大家批评。所以在本书评这里，提一下我的经验：在AI领域，最重要的事情是不断学习和探索，不仅要跟得上最新的技术，也要理解这些技术如何改变我们身边的世界。 当然，对于那些正在学习AI的专业人士或深度爱好者来说，这本书依然值得一读，因为它为我们呈现了早期机器学习的基础理论和技术背景，尽管它的视野与今天的AI成就有很大差距。 今天的AI世界像一场无尽的狂欢，新的技术、新的模型层出不穷，甚至让我们有些应接不暇。面对如此多的选择，如何选取合适的工具？我的建议是：选择两三种你能深度掌握的工具，做到极致，不要被各种新奇的应用所淹没（万变不离其宗）。 最后的最后，很感谢这本书提供了一些思路，他教会我们站在AI的赛道上，我们每一个普通人，只要敢于探索，也能成为赢家。只要我们敢于学习、敢于尝试，就能走在前沿，超越自己。人工智能的时代已经到来，别再等着它追赶你，学起来吧，探索未来的无限可能！

艾伦·麦席森·图灵和约翰·冯·诺伊曼等计算机领域的先驱认为，人脑与计算机之间存在着极强的相似性，因而可以将人脑类比为计算机，并且在他们看来，人类智能显然能够被复制到计算机程序中。这个思想贯穿了AI研究的整个过程，即如何把人类智能的运作方式复制到计算机身上，这也是为何AI研究囊括了涉及哲学、心理学、语言学、神经科学、计算机科学等多个领域，并引发了人们的广泛兴趣。这不仅仅是一门学科，更是人类世界新的革命。在统计学和概率论的启发下，人工智能领域的研究者开发了一系列能够使计算机从数据中进行学习的方法，并且为了与符号人工智能区分开来，机器学习成了人工智能领域一个独立的分支学科。随着时间的推移，人工智能领域的工作开始聚焦于特定的任务，如人脸识别、无人驾驶、语音翻译等。 《AI 3.0》是科学家梅拉妮•米歇尔历经10年思考，通过对视觉识别、游戏与推理、自然语言处理、常识判断这4大人工智能领域的热门应用的发展现状和局限性的探究，厘清人工智能与人类智能关系的一部力作。她在书中通过5个部分揭示了“现在的人工智能可以做什么，以及在未来几十年我们能从它们身上期待什么”。 近期，聊天机器人ChatGPT火爆全球 。它可以完成撰写邮件、代码、文案、作业、翻译等任务。据说，ChatGPT不是照本宣科，它能够读懂语境中的“言外之意”。ChatGPT对很多问题能够给出比较完整的分析框架，语法通顺、逻辑完整 。 ChatGPT的出现，意味着人工智能算法的进一步升级。采用Transformer模型的ChatGPT，首先是突破了RNN 模型不能并行计算的限制；其次关联所需的操作次数不随距离增长。ChatGPT等人工智能的迭代，未来可能会让机器更接近人的思维模式。作为OpenAI的创始人之一，马斯克评价ChatGPT：“厉害得吓人，我们距离危险而强大的AI不远了”。短期来说，ChatGPT等人工智能的应用仍旧是工具式的，它会提高效率、替代一部分人的工作，但随着计算机能够处理的数据结构、模型、算法越来越复杂，我们未必能预测其最终输出的结果。将来，人工智能会不会跨越某个关键的节点，进入到一个人类还无法到达的世界，似乎没有人可以预测。

此书有一部分算法和原理的描述，对没有相关背景的人理解起来有些晦涩，中间有些内容读起来有些费力，但好在坚持读了下来。 作者的写作风格是不断地在提问，每一章针对各种场景的描述都带有一定的有深度的问题，然后针对这些问题给出作者自己的见解及举例，层层深入，引人思考。 整体读下来，全文对人工智能的发现历史、技术路线、热门研究场景、当前发展现状、所面临的问题等进行了详细的介绍。当下 AI 发展正是水深火热的时候，自媒体也在各种炒作播流量，作为普通人还是要了解一些现状，有自己的理解，不要人云亦云。 借用作者在书中的表述，结束这本书的阅读：“我们距离创建通用的人类水平 AI 还有多远？-- 我们真的，真的相距甚远！” 以下是作者在写完一整本书后，对整本书整体的概括，放在此处，常见常新： 【人工智能对我们所有人的影响都将持续深化。我希望这本书能帮助你，成为一个有思想的人，更好地去了解这项新兴技术的当前发展现状，包括其尚未解决的问题、技术的潜在风险和益处，以及它所引出的关于理解人类自身智能的科学和哲学问题。】