书籍介绍
人工智能浪潮澎湃的时代
洞悉计算机的“思维”奥秘
塑造未来 必读之书
·
👁️🗨️编辑推荐
🧩全球顶尖智库、微软设计和人工智能副总裁、麻省理工学院媒体实验室创始人、罗德岛设计学院前院长、TED热门演讲嘉宾、人工智能先驱之一前田约翰横跨设计、技术、商业三大领域,历时六年写就人机交互先驱之作。
🧩前田约翰用通俗语言解构计算机内核,带你了解计算机特性,轻松掌握对复杂计算的基本认知。机器擅长合作,机器并非完美,机器亦有偏见,可机器昼夜无休,永不停止……与其任由它们操控你我的一言一行,不如打开与机器对话的大门,真正为人工智能和所有未知的可能做好准备。
🧩AI时代,了解计算机如何思考是每一个数字原住民的必备技能。普通人,如何轻松拥有计算思维?无需编程,也能快速掌握前沿科技?智能应用越来越懂你,但你是否真正懂它?
是做被科技推动的看客,还是成为主导未来的玩家?权威作者,多方推荐,这不仅是一场对普罗大众关于计算的知识启蒙,更是一本让每个人融入科技未来的行动指南!
·
👁️🗨️内容简介
随着ChatGPT等人工智能和语言模型不断进步,了解这些技术的含义和潜在陷阱比以往任何时候都更加重要。作为享誉全球的跨技术和设计学科思想家,前田约翰利用他的丰富经验,为企业、产品设计师和决策者提供了可行的指导。通过深思熟虑和偶尔异想天开的例子,他构造了一个可以描述任何机器学习系统的关键功能的框架,并展望了可以如何使用它们来创造富有包容性和改变世界的产品。对任何想要深入了解机器如何“思考”以及未来可能会发生什么的人来说,本书都不容错过。·
·
👁️🗨️名人推荐
人机交互方式的演进推动了AI的落地,但在未来的商业环境中,机器能力趋于无限,它在循环中打开新维度,其演绎的结果该由谁来负责?计算机将比人类更擅长沟通,其带动人类的情绪价值是显性的,但其结论与厚数据的隐形差异怎么控制?本书面向计算这一无形陌生宇宙提出了富有哲理的问题,值得我们共同思考。——钱世政,复旦大学管理学院教授,原香港上实集团副总裁
在让机器做你想做的事情之前,你最好先学会说它们的语言。前田约翰在这本引人入胜、富有启发性的书中,构想了人类与计算机之间的和谐关系。——道格拉斯·洛西科夫(Douglas Rushkoff),《人类队》(Team Human)作者
一本关于人类行为和技术的书。引人入胜,意义重大。——张秀春(Emily Chang),彭博社电视主持人,畅销书《男人乌托邦》(Brotopia)作者
这本书令人大开眼界。不是每个人都需要了解如何编写计算机程序,但了解计算机如何“思考”已不再是可有可无的。——蒂姆·奥莱利(Tim O’Reilly),奥莱利公司创始人、首席执行官,畅销书《未来地图》(WTF?)作者
精通“机器”语言的人决定了技术如何造福和影响我们每个人。让更多人了解这种语言并被赋权,就从这本书开始。——凯特·霍姆斯(Kat Holmes),谷歌用户体验总监,《误配:包容如何改变设计》(Mismatch)作者
迷人、独一无二、前卫。《人机沟通法则》和我读过的所有书都不一样。它会重新连接你的大脑(以一种好的方式)。对任何想要塑造未来的人来说,它都是必读之书。——杰克·纳普(Jake Knapp),《纽约时报》畅销书《设计冲刺》(Sprint)作者
前田约翰为那些想要更好地理解设计和计算以及两者之间密不可分的关系的人写了一本有趣、发人深省且易读的指南。他将复杂的概念分解开来,以一种平易近人且巧妙的方式呈现它们。当我在努力为科技行业创造公平的竞争环境时,我很高兴我的工具箱里有《人机沟通法则》这本书。——珠儿·博克斯·所罗门(Jewel Burks Solomon),科技企业家
毫不意外,前田约翰的这本书凝练、大开眼界、可读性强、富有建设性,对希望充分利用这个当代世界的任何人来说都是必要的学习经历。不过,书中的一句话说明了一切:只有通过拥抱赋予我们人性的事物,我们才能够找到真正的伙伴——在人类和机器中。——保拉·安东内里(Paola Antonelli),现代艺术博物馆(MoMA)建筑与设计部高级策展人,现代艺术博物馆研究与发展创始董事
我非常、非常、非常喜欢这本书。它与机器无关;它有关哲学、设计、人性和我们的未来。买下它,尽情享受它,把它送给你关心的人。——胡安·恩里克斯 (Juan Enriquez),《重写生命未来》(Evolving Ourselves)合著者
《人机沟通法则》是一趟包罗万象的计算世界之旅。前田约翰的欣喜和惊叹,以及谨慎的智慧,正是我们在思考人机交互时发生的事情的许多含义时需要的。——塞缪尔·阿贝斯曼(Samuel Arbesman),《为什么需要生物学思维》(Overcomplicated)作者
您总是可以相信前田约翰用挑衅、吸引人且鼓舞人心的方式与众不同,在他的新书《人机沟通法则》中,所有这些才华都被放大了。——唐纳德·诺曼 (Donald Norman),《设计心理学》(The Design of Everyday Things)作者
这本书巧妙而有见地,揭示了连接人类和机器的代码中隐藏的美。——罗尔夫·多贝里(Rolf Dobelli),《清醒思考的艺术》(The Art of Thinking Clearly)作者
AI导读
核心看点
- 本书并非教授如何与大模型对话,而是深入解析计算机底层逻辑。作者前田约翰利用其在设计与科技领域的跨界经验,通俗解构神经网络、递归、循环等核心概念,揭示机器不知疲倦、完美执行指令的特性,帮助读者理解算法背后的数学模型与潜在偏见,建立对计算技术的正确认知框架。
- 强调定量数据与定性洞察的平衡,批判唯数据论。书中指出聚合数据与个体故事均非绝对事实,任何涉及人类行为的预测本质都是猜测。作者警示读者不要盲目信任算法结论,应重视面对面访谈等定性研究,提醒技术人员走出舒适区,关注数据背后真实的人性与情感需求。
- 倡导人文关怀与包容性设计,拒绝技术冷漠。作者明确反对将技术视为冰冷工具,强调‘可爱’与浪漫是设计的刚需而非锦上添花。通过‘计算机怒火’等案例,探讨人机交互中的伦理责任,呼吁开发者在追求效率的同时,必须坚守人文底线,创造富有同理心且服务于人类福祉的产品。
适合谁读
- 对人工智能、计算机科学感兴趣但缺乏专业背景的普通大众。本书无需编程基础,通过生动比喻和生活化案例,帮助非技术人员理解计算机如何‘思考’,消除对黑盒算法的恐惧,提升数字素养,适合希望融入科技未来、避免被算法操控的读者阅读。
- 产品经理、设计师、创业者及企业管理者。书中提供的人机交互原则、数据伦理警示及包容性设计指南,对从事互联网产品开发、商业决策者极具参考价值。帮助从业者反思技术应用的边界,避免陷入唯数据论的陷阱,提升产品的人文关怀与社会责任感。
- 关注科技伦理、社会学及教育领域的研究者与教师。书中关于STEM向STEAM转型的倡导、对算法偏见的批判以及对数字意识培养的呼吁,为科技教育提供了新视角。适合希望引导学生正确看待技术、培养批判性思维与计算思维的教育工作者参考。
读前提醒
- 请注意本书英文原版出版于2019年,早于ChatGPT爆发期,内容聚焦于通用计算原理而非最新大模型技术。读者应将其视为理解计算机底层逻辑的入门科普,而非AI应用指南。书中关于神经网络、递归等基础概念的讲解依然具有极高的普适性与教育价值,切勿因书名产生误解。
- 阅读时请重点关注作者对‘机器特性’的剖析,如无限循环、无情感执行等。这些特性既是技术优势也是潜在风险。建议结合书中提到的‘计算机怒火’、数据偏见等案例,反思日常使用智能设备时的体验,警惕算法推荐带来的信息茧房,保持对技术保持清醒的批判性距离。
- 书中包含大量跨学科隐喻,如将神经网络比作肌肉记忆、将算法与自然规律联系等。读者需适应这种非线性的叙述方式,不要纠结于代码实现细节,而应领会其背后的哲学思考与设计伦理。建议配合书中图示辅助理解,重点吸收关于人性、伦理与社会责任的核心观点。
读者共识
- 多数读者认为本书是一本真诚且富有启发性的科普佳作,作者前田约翰成功将复杂的计算机概念转化为通俗易懂的生活语言。书中关于技术伦理、人文关怀的讨论备受好评,被认为能有效提升读者的数字素养与批判性思维,尤其适合非技术背景人群建立对AI的正确认知,阅读体验轻松且富有深度。
- 部分读者指出本书出版较早,未涵盖最新的大语言模型技术,对追求前沿AI应用技巧的读者而言价值有限。但仍有大量读者肯定其基础原理讲解的准确性与重要性,认为理解计算机底层逻辑是应对未来技术变革的前提。书中关于反对唯数据论、强调定性研究的价值,被许多从业者视为极具前瞻性的警示。
- 读者普遍赞赏作者跨界融合的独特视角,认为其将艺术、设计与科技结合的思考方式极具启发性。书中关于‘可爱’设计、包容性创新的理念获得高度认同,被认为是对当前技术冷漠风气的有力纠偏。尽管部分技术细节对专业人士而言过于浅显,但其倡导的以人为本的技术价值观,被广泛认为是科技行业亟需补上的一课。
本导读基于书籍简介、目录、原文摘录、短评和书评生成,不等同于全文精读。
精彩摘录
- "如果我们把「神经网络」分开来看,可以发现它意味着两件事。神经:与大脑中的神经元有关。网络:关于神经元之间的相互连接。神经网络不同于符号计算,因为它不涉及由代码的符号语句定义的一系列逻辑步骤——它更像输入和输出之间的数字“原始”关系,通过一组相互连接的类似神经元的元素在数学上建模,就像大脑中的神经元网络。因此,神经网络不能像传统的计算机程序那样被简单地分解为带有符号的逻辑语句,而是包含在合成神经元之间反复传递直到「学习」到一种模式的原始数字。"
- "打个比方,你的肌肉在你运动一段时间后会适应这项运动——你不一定会把做运动这件事看成一系列步骤,但你的肌肉确实已经通过辛苦的练习学会了如何做出反应。换句话说,神经网络是一种对我们可能拥有的「直觉」进行编码的方法,这些直觉不能被写成简单易操作的食谱,并且与长期以来我们广泛接受的由字母和数字符号编写计算机代码的方式截然不同。当涉及神经网络时,并没有实际的计算机代码——只有一个学习模式的黑匣子。黑匣子内部是一个粗略的数学模型,用电流的形式模拟了大脑中的神经元是如何工作的,当受到正确的刺激时,这个数学模型可以利用投喂给它的原始数字数据制造自己的火花、连接和关联来学习模式。"
- "一个定量的观点看起来就像事实 —— 一个从噪声中提取出来的重要信号,而一个定性的观点看起来就像吵闹的客户,他怎么也“听不懂”并且可以被忽略,因为他不在7.2%的范围内。实际上,无论是聚合数据还是个体故事都不构成事实,因为这两种情况都涉及了人。人在本质上是不可预测的,所以任何涉及人类行为预测的事情终究也只是一种猜测。一种猜测是通过定量数据,另一种则是通过定性数据。我们花大价钱购买高质量的猜测,将它们当作降低决策风险的一种手段,但没有任何猜测能100%保证是正确的。这就是为什么它是猜测,而不是事实。任何投资者都非常清楚:要想猜得更好,最好的办法是创建一个投资组合,这样赌场里所有的筹码就不会只押在一"
- "在计算时代,收集定量数据已经变得如此轻松,以至今天的挑战之一是让技术人员离开配有巨大显示器和大量零食的站立式办公桌,进行一次老式的、面对面的客户访谈。这之所以相当困难,是因为轻松获取定量数据是计算时代的主要好处和实际结果,所以对每天生活在未来的人来说,这可能像在往相反的方向走。此外,如果每月只需花费5美元就可以收集和分析数百万使用你的产品的在线客户的数据,那么每月花费数百美元与客户进行一对一的沟通似乎没有必要地昂贵且低效。借用另一个金融业的比喻,最好的投资者不仅会仔细分析他们参投的基金,还会去基金经理那儿进行实地考察,这是他们作为投资专家的额外尽职调查。因此,如果投资界的尽职调查是业内最高标准"
- "但是,一台运行程序的计算机只要接通电源就可以处于循环状态并一直运行,永远不会失去能量和热情。它是一种超机械机器,不会像真正的机械那样经历表面磨损,也不会受到重力的影响,因此它能够完美地运行。这一特性是计算机与生机轨勃、躁动不安、吱吱作响的世界的首要区别。"
- "我都希望更多的人能体验数字意识是怎样一种感觉。为什么?因为我相信若要与机器沟通,你也需要“生活”在机器的世界里。不幸的是,机器的世界本质上是不可见的。"
作者简介
前田约翰John Maeda
微软设计和人工智能副总裁,曾担任罗德岛设计学院院长、麻省理工学院媒体实验室教授,拥有技术专家、设计师、工程师、艺术家、投资人、作家和教师的多重身份。他被《君子》杂志评为21世纪75位最有影响力的人物之一。他还是《简单法则》和《重新设计领导力》的作者。他曾在世界各地发表演讲,从达沃斯到北京,从圣保罗到纽约,他在TED.com上的演讲已有数百万次观看量。
何盈,《误配:包容如何改变设计》的译者,零一万物 AI设计专家,前商汤科技、纽约银行高级设计师、大都会艺术博物馆数字媒体实验室研究员。