王佳冬中文博客

越发觉得人工智能是未来的绝对趋势，没有之一。今年以来，连续读了三本关于人工智能与深度学习的书籍，精简版的读书笔记立刻奉上，有需求的朋友可选择阅读。

《人工智能：李开复谈AI如何重塑个人、商业与社会的未来图谱》

人工智能已经来了，而且它就在我们身边，几乎无处不在。

深度学习能够大展身手的两个前提条件——强大的计算能力和高质量的大数据。

从根本上来说，深度学习和所有机器学习方法一样，是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。

用专业的术语来说，计算机用来学习的、反复看的图片叫“训练数据集”；“训练数据集”中，一类数据区别于另一类数据的不同方面的属性或特质，叫作“特征”；计算机在“大脑”中总结规律的过程，叫“建模”；计算机在“大脑”中总结出的规律，就是我们常说的“模型”；而计算机通过反复看图，总结出规律，然后学会认字的过程，就叫“机器学习”。

从18世纪至今，300余年间，这个世界通过三次工业革命，完成了自动化、电气化、信息化的改造。

机器带给人类的不是失业，而是更大的自由与更加个性化的人生体验。 未来是一个人类和机器共存、协作完成各类工作的全新时代。

是啊，只有人的精神个性，才是人工智能时代里人类的真正价值。只有用开放的心态，创造性地

接人工智能与人类协同工作的新世界，才能真正成为未来的主人。

的确，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。

如果把地球的历史浓缩成24小时——人类只有3秒钟!
如果整个人类大约6000年的文明史浓缩成24小时，我们看到的将是怎样一种图景？
·苏美尔人、古埃及人、古代中国人在凌晨时分先后发明了文字；
·20点前后，中国北宋的毕昇发明了活字印刷术；
·蒸汽机大约在22：30被欧洲人发明出来；
·23：15，人类学会了使用电力；
·23：43，人类发明了通用电子计算机；
·23：54，人类开始使用互联网；
·23：57，人类进入移动互联网时代；
·一天里的最后10秒钟，谷歌Alpha Go宣布人工智能时代的到来……

《智能革命：迎接人工智能时代的社会、经济与文化变革》

前三次技术革命时代，是人要去学习和适应机器，但在人工智能时代，是机器主动来学习和适应人类。

未来，人和工具、人和机器之间的沟通，可能完全是基于自然语言的。你不需要去学习怎么使用工具，比如怎么打开电视会议系统，怎么去调节空气净化器，你只要说话，它就能听懂。

现在我们认为拥有人工智能的那些系统，比如，进化算法和深度学习等，都有一个共同特点：它们都或多或少地表现出了黑箱的特点，虽然从理论上它们内部的运算步骤仍然可以追踪，但由于计算量的巨大，使这种追踪实际上很困难甚至不可能。于是，我们真的感觉它们有智能了。

人类自古以来为生存而劳作，实在是迫不得已，工作着是美丽的，但谁都知道，不需要工作的生活更美丽。

以前的人机交互都是通过鼠标和键盘，微软发展到今天的规模，也是通过鼠标、键盘和GUI（Graphic User Interface，图形用户界面）这个人机交互的创新。苹果和乔布斯对这个世界最大的贡献是改为用手指来交互，从而改变了世界。而人工智能时代的改变更大，人类将可以用自然语言跟任何器件交流。

赫布认为神经网络的学习过程发生在神经元之间的突触部位，突触的联结强度随着突触前后神经元的活动而变化，正确的反馈会让两个神经元的联系得到强化。这个原理机制类似巴甫洛夫的条件反射实验：每次给狗喂食前都先响铃，时间一长，狗的神经系统就会将铃声和食物联系起来。赫布用一套加权公式来模仿人类的神经网，权重就代表神经元之间联系的强弱。赫布给机器创造了一套可以简单区分事物的方法，对于每个数据，让决策树程序做出判断，判断对了就奖励（提高函数的权重），判断错了就惩罚（降低函数的权重）。他利用这个方法创造了一个分类器，可以提取数据集的统计特性，把输入信息按照它们的相似程度划分为若干类。

顾名思义，神经网络类似人类大脑，由一个个神经元组成，每个神经元和多个其他神经元连接，形成网状。单个神经元只会解决最简单的问题，但是组合成一个分层的整体，就可以解决复杂问题。
比如，已知x=2，y=5，求f（x）。这在输入和输出数据很少的情况下是无法计算的，f（x）可能是2x+1，也可能是1x+3，甚至是x2+1，以及无数种其他情况。但是如果x和y的数量充足，数学家就能通过“逼近计算”方法，不断调整公式权重，近似求得这个函数。

人工智能如何识别猫：科学家只是把图片大量“喂”给计算机，让计算机输出标签——是猫或者不是猫。在识别猫的神经网络中有无数的通路，正如人的脑神经一样，每个通路都会输出自己的结果，如果答对了，科学家就会给这条通路加权（可以理解成亮绿灯）；答错了，就降低权重（可以理解成亮红灯）。经过足够多的尝试，如用10万张各种猫的图片做测试之后，那些得到加权的神经通路就组成了一个识别装置（一组复杂的函数联结）。然后在没有科学家告诉它识别结果的情况下，也可以识别出新的图片中的猫来。训练数据越多，这个函数集合就越复杂但也越精确。

所以对人类而言，机器学习往往在自己的“内部”形成一个“黑箱”。有人警告这种超越人类理解的黑箱会带来危险，因为我们不知道机器如何思考，是否产生了危险思维。不过更多时候，深度学习会给人带来意想不到的惊喜。

在深度学习领域，GPU的作用也被改变了。GPU本来是显卡，用来渲染图像，给图形计算加速，后来却成为深度学习的主要硬件。因为显卡芯片具备比CPU更强的浮点运算能力，原本就用于处理图像这种矩阵数据，非常适合机器学习领域对数据的计算。

人类在自我劳作、自我启蒙中发展出自我的智慧。如今，深度学习神经网络也在自我运作、自我调试中创造新的“大脑”。这颗巨大的人工智能之脑将成为人类文明新的背景，它正是人类伟大活动的体现，并支持人类文明迈向更高阶段。

人口以算数级数增长，数据以几何级数增长。 数据量以线性规律增加，计算量以非线性规律增长。

人工智能如同普罗米修斯带来的礼物，既可能是启蒙的火种，也可能是伤人的烈焰，只有掌握它，才能发挥积极的作用。

一个对程序编写、数据分析、机器学习一窍不通的人，就像工业时代不会使用扳手的人一样。

在技术进步面前，人们没有选择，只有奋力前行。因为技术不是外来者，正来自人类生产创造本身，和人类的存在不可分割。

《智能时代：大数据与智能革命重新定义未来》

安迪-比尔定理 （Andy and Bill’s Law）是对IT产业中软件和硬件升级换代关系的一个概括。原话是 “Andy gives, Bill takes away.（安迪提供什么，比尔拿走什么。）” 安迪指英特尔前CEO安迪·格鲁夫，比尔指微软前任CEO比尔·盖茨，这句话的意思是，硬件提高的性能，很快被软件消耗掉了。

我们对大数据重要性的认识不应该停留在统计、改进产品和销售，或者提供决策的支持上,而应该看到它(和摩尔定律、数学模型一起)导致了机器智能的产生。而机器一旦产生和人类类似的智能，就将对人类社会产生重大的影响。毫不夸张地讲，决定今后20年经济发展的是 大数据和由之而来的智能革命。

在无法确定因果关系时，数据为我们提供了解决问题的新方法，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到我们想知道的答案，这便是大数据思维的核心。

今天，信息论已经被广泛地用于管理，因为它为我们提供了信息时代的方法论。而熵这个词，也成了信息论和不确 定性的代名词。

历史上影响力可以和正在进行的智能革命相比的，只有19世纪末始于英国的工业革命、20世纪末始于美国和德国 的第二次工业革命、“二战”后以摩尔定律为标准的信息革命，一共是三次。这三次技术革命都有一个共同的特点，那就是它们对当时的社会产生了巨大的冲击，都需要经过大约半个世纪甚至更长的时间才能消化掉。

智能革命所要替代的是人类最值得自豪的部分——大脑。

在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么进入前2%的行列，要么被淘汰。抱怨是没有用的。至于当下怎么才能成为这2%，其实很简单，就是踏上智能革命的浪潮。

PS 由于本着书在之前写过详尽的读书笔记，以上只是精简版，如果有兴趣的朋友可以移步 《智能时代》读书笔记：新技术+原有产业=新产业 进一步阅读。