《人工智能》内容简述

本书对比了人工智能的定义,及自计算机发明以来AI的三次热潮。并分析预测人工智能时代人类面对的变革、挑战、及人工智能潜在的威胁。并对AI时代下的创业、教育和个人职业发展提供了建设性地思路。

人工智能应用与AI定义

AI就是根据对环境的感知，做出合理的行动，并获得最大收益的计算机程序。

目前应用领域有：智能助理、新闻推荐和撰稿、机器视觉（图像、实物识别）、AI艺术（图像合成）、搜索引擎、机器翻译、自动驾驶、机器人。

深度学习+大数据=人工智能

第一次AI热潮 图灵测试：1950年10月，图灵在《计算机械和智能》（Computing Machinery and Intelligence）的论文中提出一个实验：假如有一个会＂思考＂的计算机，让一个测试者通过键盘和屏幕与之对话，测试者并不知道与自己对话的到底是一台计算机还是一个人。如果计算机在测试中表现出与人等价，或至少无法区分的智能，那么，我们就说这台计算机通过了测试并具备人工智能。

2006年，杰弗里·辛顿及其合作者名为《一种深度置信网络的快速学习算法》的论文宣告了深度学习时代的到来。

蒙特卡洛算法：（Monte Carlo method），也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。

人机大战：AI真的会挑战人类？

人工智能会下棋：AI在棋艺上已经让人类望尘莫及，可使人类从AI中学习新的思想。

会打策略型游戏的人工智能：2016年11月在暴雪公司的BlizzCon大会上，DeepMind用人工智能打赢《星际争霸》。

会玩德扑的Libratus，用自我对局来学习。

弱人工智能（Weak AI），也称限制领域人工智能（Narrw AI）或应用型人工智能(Applied AI),指的是专注于且只能解决特定领域问题的人工智能.

强人工智能(Strong AI) 又称通用人工智能(Artificial general intelligence)或完全人工智能（Full AI）,指的是可以胜任人类所有工作的人工智能。

强人工智能程序要具备的能力：

存在不确定因素进行推理，使用策略，解决问题，制定决策的能力；

知识表示的能力，包括常识性知识的表示能力；

规划能力；

学习能力；

使用自然语言进行交流的能力；

将上术能力整合起来实现既定目标的能力。

“奇点”表示超人工智能到来的时刻。

文明加速比喻

如果整个人类大约6000年的文明听被浓缩到一天也就是24小时 ，我们看到的将是怎样的一种图景？

苏美尔人、古埃及人、古代中国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；

一天里最后10秒钟，谷歌AlphaGo宣布人工智能时代的到来……

强人工智能可能让人类的命运难以预料

强人工智能一旦到来，人类就必须认真考虑自己的命运问题了，因为从强人工智能“进化到超人工智能，对机器而言，也许只是几个小时的事情。因为一个可以像人一样学习各种知识的计算机，它的学习速度一定比人快无数倍，它的记忆力一定是过目不忘，它可以从互联网上接触到并记住这个世界上全部知识。

蒂姆·厄班的推理：人个人工智能系统花了几十年达到了人类脑残智能的水平，而不这个节点发生的时候，电脑对世界的感知大概和4岁小孩一般，而当这个节点发生后一个小时，电脑立马推导出了统一相对论和量子力学的理论；而在这之后半小时，这个强人工智能变成了超人工智能，智能达到了普通人类的17万倍。

也就是说，一个具备了人类水平认知能力和学习能力的机器，可以借助比人类强大得多的计算资源、网络资源甚至互联网知识库以及永不疲倦、不需要吃饭睡觉的特点，无休止地学习，迭代下去，并在令人吃惊的时间内，完成从强人工智能到超人工智能的进化！

一旦超人工智能出现，人类的命运是难以预料的。

霍金对人工智能的提防

2017年初，霍金和马斯克均表示，为了防止人工智能威胁人类，他们支持加州阿西洛马（Asilomar）会议通过的23条基本原则。原则涵盖了三个范畴：

科研问题；

伦理和价值问题；

长期问题。

其中几条原则：

安全性：人工智能系统应当在整个生命周期内确保安全性，还要针对这项技术的可行性以及适用的领域进行验证。

价值观一致性：需要确保高度自动化的人工智能系统在运行过程中秉承的电影票和采取的行动，都符合人类的价值观。

由人类控制：人类应当有权选择是否及如何由人工智能系统制定决策，以便完成人类选择的目标。

非破坏性：通过控制高度先进的人工智能系统获得的权力，应当尊重和提升一个健康的社会赖以维继的社会和公民进程，而不是破坏这一进程。

今天的人工智能还不能做什么？

跨领域推理。人和今天的AI相比有一个明显的优势：举一反三，触类旁通的能力。

抽象能力。

知其然，也知其所以然。

常识。

自我意识。

审美。

情感。

志勇备注：自我意识、审美、情感都是“求存逻辑”的衍生物，是副产品。一切文明都是“求存逻辑”的副产品。（深入思考自然选择下生物的“求存逻辑”，在此基础上理解人工智能与人的智能的不同。）

AI时代人类将如何应对变革？

牛津大学全球化与发展教授、著名经济学家伊安·戈尔丁（Ian Goldin）说今天世界面临的最大挑战是：

人类赶不上科技发展的速度，来不及调整适应；

人类之间的相互连接及信息的迅速传播，既有好的一面，也有危险的一面；

对个人或国家短期有益的事情，有可能伤及世界的整体利益。

当前有两项重大任务等着我们去解决：

思考如何调配未来20年大量被AI技术替代的工作者；

我们的教育亟待改革。我们需要对我们的后代进行再教育，分析哪些工作不会轻易被替代，而不仅仅去幻想从事目前看似光鲜亮丽的工作。

哪种工作最容易被AI取代？

李开复的“5秒钟准则”：一项本来由人从事的工作，如果可以在5秒内对工作中需要思考和决策的问题做出相应的决定，那么，这项工作就有非常大的可能被人工智能全部或部分取代。反之，涉及缜密的思考，周全的推理或复杂的决策，每个具体的判断并非人脑可以在5秒时间内完成，那么，以目前的技术来说，你的工作是很难被机器取代的。

志勇备注：不认同李开复的“5秒钟准则”。有一些对人来说比较复杂的计算工作，或逻辑性可的答案的确定性比较强的，也可以由弱人工智能解决。象棋就是其一。还有金融数据分析、股票交易等。对人来说是复杂的决策。对弱人工智能来说就是计算的问题。应该是“容易建立数据模型的工作，都是容易被人工智能取代的”

自动驾驶：AI最大应用场景

扩展思考：AI可以与交通信号灯（及其他道路交通设施）之间用无线电通信，而不是让AI“视觉识别”交通信号灯。

智慧金融：AI目前最被看好的落地领域

成功案例：

第一个以人工智能驱动的基金Rebellion曾成功预测了2008年股市崩盘，并在2009年给希腊债券F评级，而当时惠誉的评级仍然为A，通过人工智能，Bebellion比官方降级提前一个月；

掌管900亿美元的对冲基金Cerebellum，使用人工智能从2009年以来一直处于盈利状态。

蚂蚁金服将人工智能运用于互联网小贷、保险、征信、资产配置、客户服务等领域；智融金服利用人工智能风控系统已经实现月均120万笔以上的放款，常规机器审核速度用时仅8秒。

詹姆斯·西蒙斯的大奖章基金年均回报高达71.8%。

判断人工智能技术能在哪个行业最先引起革命性的变革，除了要看这个行业对自动化，智能化的内在需求外，主要还要看这个行业内的数据积累、数据流转、数据存储和数据更新是不是达到了深度学习算法对大数据的要求。

智慧生活：机器翻译、智能超市；

智慧医疗：AI将成为医生的好帮手; 

艺术创作：AI与人类各擅胜场.

人工智能的商业化路线图

第一阶段 AI会率先在那些在线化程度高的行业开始应用，在数据端、媒体端实现自动化。这一过程会首先从线上“虚拟世界”开始，随着在线化的发展扩张到各个行业，帮助线上业务实现流程自动化、数据自动化、业务自动化。

第二阶段 随着感知技术、传感器和机器人技术的发展，AI会延伸到实体世界，并率先在专业领域、行业应用、生产力端实现线下业务的自动化。

第三阶段 当成本技术进一步成熟时，AI会延伸到个人场景，全面自动化的时代终将到来。

AI创业的五大基石

清晰的领域界限

闭环的、自动标注的数据

千万级的数据量

超大规模的计算能力

顶尖的AI科学家

人工智能产业发展面临六大挑战

前沿科技与产业实践尚未紧密衔接

人才缺口巨大，人才结构失衡

数据孤岛化和碎片化问题明显

可复用和标准化的技术框架、平台、工具、服务尚未成熟

一些领域存在超前发展、盲目投资等问题

创业难度相对较高，早期创业团队需要更多支持

AI时代的教育和个人发展

人工智能时代，程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能，几乎一定可以由机器来完成；反之，那些最能体现人的综合素质的技能，例如，人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力和创造性思维，由生活经验及文化熏陶产生的直觉、常识，基于人自身的情感（爱、恨、热情、冷漠等）现他人互动的能力……这些是人工智能时代最有价值，最值得培养、学习的技能。

AI时代该如何学习？

密涅瓦大学的创始人相信传统的四年制大学已经无法适应未来的需要，大学教育过程本身需要被改革甚至被颠覆，在线课程、讨论小组、实习实践、自我探索和自我完善将成为今后教育的主流模式。基于这样的思路密涅瓦大学使用“沉浸式全球化体验”（Global lmmersion）的教学方式。

一年级课程直接将知识课程与四种极其重要的方法论有机结合起来，变成四大课程板块：

形式分析（训练精密、合理思考的能力）高级思维、理性思维、统计分析、计算思维、形式系统等课程。

实证分析（培养创造性思维和解决问题的能力）有效定义实际问题、测试和验证猜想。

多元模式交流（关注使用不同方法进行有效交流）高级知识理解和获取、公开演讲、视觉语言交流、设计、辩论、艺术表达。

复杂系统（复杂环境中有效协作）理解复杂因果关系、学习多元交互、项目协作、谈判、领导力、正式辩论。

从大二开始进入专业课程学习阶段。跟导师一起从艺术、人文、计算科学、商学、自然科学、社会科学这五个方向中选择自己的专业。

大三的主题是“专注”要求学生深入各自专业方向的领域内部，培养精深的专业技能。

大四的主题是“综合”，重在培养学生学以致用的能力。

密涅瓦大学给“未来如何学习”提供了一种建设性的方案。

人工智能时代最核心、最有效的学习方法包括：

主动挑战极限；

从实践中学习；

关注启发式教育；

互动式的在线学习；

主动向机器学习；

既学习人与人协作，也学习人与机器协作；

学习要追随兴趣。

AI时代的教育要关注什么？

个性化、定制化的教育该如何设计，如何满足不同学生的需求，如何评估定制化教育的结果？

教育如何做到可持续化？

教育体系的设计必须更早、更充分地考虑全社会的公平性。

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

——李开复