书籍介绍
翻开这本书，你读到的不是算法公式的堆砌，而是一场跨越数十年的学术江湖。作者把符号主义、连接主义、行为主义三大学派写成了一场关于「智能究竟藏在哪里」的论战：有人执着于模拟人脑的生理结构，有人迷信逻辑与符号的推演，有人干脆只关心机器对外界刺激的反应。读者反复提及的，正是这种把科学史讲成传奇的笔力——图灵、香农、达特茅斯会议的恩怨，辛顿对模仿大脑的执念，感知机从明星到陨落的起伏。它不承诺让你学会训练神经网络，甚至不保证你看完就能看懂当下的大模型；但它能帮你理解：今天的AI为何走到这一步，又为何曾在寒冬里几近消亡。适合那些对技术史背后的「人」更感兴趣、而非只想要一本工具手册的读者。
作者简介
周志明，Java技术、机器学习和企业级开发技术专家，现任远光软件研究院院长，人工智能博士在读，著有畅销书本书。
开源技术的积极倡导者和推动者，对计算机科学和相关的多个领域都有深刻的见解，尤其是人工智能、Java技术和敏捷开发等领域。曾受邀在InfoQ和IBMDeveloperWorks等网站撰写技术专栏。
著作颇丰，著有《深入理解Java虚拟机》《深入理解OSGi》，翻译了《Java虚拟机规范》等著作。其中《深入理解Java虚拟机》第1版出版于2011年，已经出至第2版，累计印刷超过30次，不仅销量好，而且口碑更好，是中文计算机图书领域公认的、难得一见的佳作。
AI导读
核心看点
- 从图灵机到深度学习，全景梳理AI发展史
- 详解符号、连接、行为三大流派之争
- 科普大师用通俗语言拆解硬核技术原理
读者共识
- 逻辑清晰，故事与知识融合得恰到好处
- 消除神秘感，是入门AI历史的极佳读物
- 虽缺最新大模型内容，但底层逻辑依然经典
精彩摘录
- "辛顿确实曾经表示误差反向传播并不是自然界生物大脑中存在的训练机制，也不相信人类大脑是通过生物方式完成求导，通过梯度来调节神经元权重和激活阈值的。从辛顿的成长经历里我们就知道他对模仿人类大脑工作原理有多么的执着。目前已有许多脑科学的研究证实，大脑皮层中普遍存在一种称为“微皮层柱”（Cortical Minicolumn）的柱状结构，它像一颗胶囊一般把数百个神经元封装在一起，每个微皮层柱里的神经元都记录、处理相同特征的同一种信号。由此看来，人类大脑并不是像经典神经网络一样由神经元直接连接的简单分层结构，而是具有更高的内部复杂性；先由神经元组成“微皮层柱”，再由“微皮层”柱组成“皮层柱”（Corti"
- "这个发现不仅令休伯尔和威泽尔分享了1981年的诺贝尔医学奖，还激发了人们对于神经系统的进一步思考：信息从“视觉细胞”到“中枢神经”再到“大脑”的流动过程，或许是一个分层迭代、逐级抽象的过程。这里的关键词有两个，一个是“抽象”，一个是“迭代”，从原始信号输人开始，先做低级的抽象，逐渐向高级抽象迭代。人类自己可以感知的逻辑思维层面，总是使用高度抽象的概念，可是人类的感知器官，接触的都是低级的具体的事物，通俗一点来说，我们的视网膜感知到的是像素的颜色、亮度等信息，但我们大脑中思考的是具体的物体和对象。假如我看见一位朋友，要判断出他是一名熟悉的人的话，很可能的神经活动是如上图所示这样的。 ●从原始信号"
- "行为主义是从其他学科引入到控制科学和人工智能的舶来品，在控制论诞生之前，科学家便已经发明了用于研究动物和人类的生理、心理现象的“行为主义方法”。他们把有机体应付环境的一切活动统称为“行为”，认定全部行为都可以分解为“刺激”和“反馈”两大过程。给考察对象以某种刺激，观察它的反馈，通过研究反馈与刺激的关系来了解对象的特性，而不去纠结对象内部的组织结构，这就是行为主义方法。 维纳自己一直坚持把考察对象作为开放系统来看待。从他的开放性观点来看，研究的对象是从它的环境中相对地抽取出来的，与环境仍然有千丝万缕的联系。可以而且必须从系统与环境的互动关系中研究系统。如果把行为广义地定义为系统相对于环境做出的变"
- "这里隐含了一个重要结论：控制论其实是一种统计理论，它关心的不是系统根据单独一次输人后产生的动作，而是对全部输入整体上能够做出合乎预期动作。在这个系统中，因果联系不再是完全确定的，它同时具有统计上的确定性和个体上的不确定性，因而是一种统计上的因果关系。在控制系统中引人统计属性，从根本上改进了机械式的因果观念，从此观点出发，机械同样可以表现出“具有灵性”的智能行动，这也是维纳对“机械大脑论”的翻天覆地的革新改进，使得机器与生物体，在理论上都可以表现出相同智能行为的理论基础。机器与生物在行为意义上的界限，或者说智能与否在行为意义上的界限，可概括为以下两点。 ●机械或者机电系统中的反馈机制可以推广到人"
- "⭐连接主义学派使用的是生物仿生学的方法，通过模拟生物体的脑部组织结构去寻找智能，它关心的是承载智能的生理结构：符号主义学派使用的是逻辑推理和演算的方法，通过解析物理符号系统假说和启发式搜索原理去寻找智能，它关心的是承载智能的心理结构和逻辑结构；而行为主义学派使用“感知一动作”的研究方法，通过环境反馈和智能行为之间的因果联系去寻找智能，既不关心智能的载体和其内部的生理结构，也不关心智能的逻辑和心理结构，只关心智能的外部可观察到的行为表现。如果要用最简单的一句话进行总结，我们可以说连接主义学派在研究“大脑”（Brain），符号主义学派在研究“心智”（Mind），行为主义学派则在研究“行为”（Act"
- "神经网络学习方法的基本原理就是从训练集中提取出分类特征，这些特征应能同样适应独立同分布的其他未知数据，所以经已知数据学习训练后的神经网络可以对同类的未知数据有效。"
- "符号主义从推理期进入知识期，如果说理论上的成就是出现了知识工程这个新学科，那实践上的成就，就是终于出了一些被成功应用于商业的、基于知识的系统日（Knowledge Based Systems）。基于知识的系统一殷软件架构上都可以划分为知识库和椎理引擎两个部分，知识库用于在计算机系统里面反映出真实世界中的知识，而推理引擎则负责使用知识库中的内容推理求解，得到用户提出的问题的答案。典型的基于知识的系统包括决策支持系统、推荐系统、专家系统等，这些系统目前仍然应用非常广泛，其中又以专家系统的历史影响最为突出。"
- "一个是来自数学的观，点，机器拥有智能的反对意见主要来自于哥德尔不完备定理，该定理证明了一个反科学直觉的结论： “如果一个形式系统是不含矛盾的，那就不可能在该系统内部证明系统的不矛盾性。” 哥德尔不完备定理对机械智能的限制是：它决定了无论人类造出多么精致、复杂的机器，只要它还是机器，就将对应一个形式系统©，就能找到一个在该系统内不可证的公式而使之受到哥德尔不完备定理的打击，机器不能把这个公式作为定理推导出来，但是人心却能看出公式是真的。因此这台机器不可能是承载思维的一个恰当模型©。也就是说，如果可以通过图灵测试的智能是基于某种能够承载该形式系统的运算器（譬如基于图灵机）来实现的话，那在进行图灵测"
目录
用户评论
深入浅出
后浪棒棒，希望中文世界这样的书越来越多。
人工智能技术发展史
详细介绍了人工智能技术的发展历史。
介绍了人工智能的发展、常用的算法等，比较有趣的是一些学者的故事。看到是《深入理解Java虚拟机》的作者写的，就买了一本。不可否认，作者知识储备很丰富，娓娓道来，文字可读性也比较好，技术圈里面文字比较好的还有吴军、王垠。周老师还很低调，网络上竟然搜不到周老师较详细的信息，希望某一天我能达到周老师的境界。
需要更多的数学跟计算机的知识才能跟得上
2022年NO.31
感谢书友赠书。
关于人工智能以前只是多少从跟图灵相关的书籍里多多少少了解过一点，这本书比较通俗又详细的梳理了人工智能的前世今生，从历史和各个科学家的经历着手，穿插比较硬核的人工智能算法的原理，看得出来已经尽量通俗易懂了（但是我一个四则运算也要求助计算器的人类要理解微积分和函数真是太难了，幸好所占篇幅很少），连续性和阅读趣味性比较兼顾，对想要了解相关知识的文科生还是很友好的。
群星闪烁的现代天才集，有时不免感到所谓文明的进步也仅只依赖和发生于极少数人类。但最终让我们回到图灵“We can only see a short distance ahead，but we can see plenty there that needs to be done.”也回到人类理性与智识的源起。神学中对于人作为有限生物能否想象无限上帝的怀疑，跨越不同学科依然是立于地球一点来设想全部宇宙的英雄主义与悲剧感的壮阔。
这是一本非常精彩的人工智能简史，深入浅出，能够让人迅速了解人工智能的发展历程，主要技术流派，关键技术思路和难点，以及未来的发展方向。强烈推荐！
下载
收藏