![AI 3.0 - [美] 梅拉妮·米歇尔](https://static.book345.com/covers/s/9787572700378.jpg)
书籍介绍
人工智能现在正深刻地影响着我们的生产与生活，甚至关系到人类未来的前途命运，但究竟什么是人工智能？人工智能背后的原理是什么？从问世到演化至今，人工智能经历了怎样的历史变迁？当下人工智能的能力边界在哪里？人工智能与人类智能的差异是什么？未来人工智能又将面对什么样的挑战和机遇？关于这些疑问，本书将为你一一揭晓答案。
本书是超级畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔历经10年思考，厘清人工智能与人类智能的全新力作。本书源自米歇尔多年来对人工智能领域发展真实状态的记录，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”。在描述了人工智能的发展历史之后，作者通过对视觉识别、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，厘清了人工智能与人类智能的关系，书中关于人脸识别、无人驾驶、机器翻译等方面的案例分析都充满了巨大的启示！而这些，都是当下人工智能发展所面临的困境、人工智能想要取得突破性进展所必须重新思考的。看懂这本书，你将对人工智能领域有一个全景式的认知。
AI导读
核心看点
- 厘清AI与人类智能差异，揭示技术局限
- 全景回顾AI发展史，从起源到深度学习
- 深入剖析视觉、语言、常识等核心领域
适合谁读
- 对人工智能原理感兴趣的科普读者
- 希望祛魅AI、理性看待技术发展的公众
- 计算机及相关领域的初学者与学生
读前提醒
- 本书出版较早，缺乏大模型等最新进展
- 侧重底层逻辑与历史脉络，非技术教程
- 建议结合最新AI新闻，辩证看待观点
读者共识
- 通俗易懂，是优秀的AI入门科普读物
- 有效祛魅，打破对AI万能的神话想象
- 内容略显过时，但核心逻辑依然有价值
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
- "我不是担忧人工智能变得太聪明、太有侵略性、太恶意，甚至是太有用。相反，我担心我们最为珍视的这些人性特征——智慧、创造力、情感，甚至意识本身都太容易产生了。它们最终不过是一堆“小把戏”，仅仅用一套肤浅而粗暴的算法就可以解释的人类精神。"
- "人工智能在某些细分领域已经取得了很大的进步，但仍然离通用的、人类水平的人工智能差得很远，可能一个世纪后都无法实现，更别说30年了。我认为，那些持相反观点的人大大低估了人类智能的复杂性。"
- "人工智能领域正处于一片混乱之中。人工智能的确取得了巨大的进展，但也的确几乎没有任何进展。可能我们离真正的人工智能只有咫尺之遥，但也可能还有数世纪之远。人工智能将解决我们所有的问题，或令我们所有人失业，或贬低我们的人性，甚至消灭人类种族。这项研究要么是一个高尚的使命，要么就是在“召唤恶魔”。"
- "下面是库兹韦尔的一些预测： 进入21世纪20年代，分子组装技术将提供能够有效消除贫困、清洁环境、战胜疾病和延长人类寿命的工具。 2029年，计算机将通过图灵测试。 21世纪30年代，人工智能将变得非常真实，这也意味着它们可以通过图灵测试。 21世纪30年代末，基于大规模分布式智能纳米机器人的大脑植入物将极大地扩展我们的记忆，并极大地改善我们的感知、模式识别和认知能力。 大脑上传就是扫描大脑所有的重要细节，并将这些细节重新植入一个合适且功能强大的计算基板，21世纪30年代末是成功实现大脑上传的保守预测时间。 我将奇点的时间设定为2045年。在那一年，人类创造的非生物智能，将比今天所有的人类智能强"
- "知名的深度学习专家本吉奥说：“实事求是地讲，我们不可能对世界上的所有事物都进行标注，并一丝不苟地把每一个细节都解释给计算机听。”这一情况由于长尾效应的存在而进一步恶化：人工智能系统可能要面临各种可能的意外情况，自动驾驶汽车在一天的行驶期间可能会遇到的各种假设情况的可能性可以很好地说明这一现象。遇到红色交通信号灯或停车标志等都是常见的情况，被评定为具有高可能性；中等可能性的情况包括遇到碎玻璃或者风吹过来的塑料袋；不太常见的情况是自动驾驶汽车遇到了被水淹没的道路或被雪遮挡住的车道标志，等等。 “长尾”这个术语来自统计学，其中包含的一长串可能性低，但却可能发生的情况被称为一个概率分布的“尾巴”，尾巴"
- "迄今为止强化学习最大的成功不是在机器人领域，而是在那些能够在计算机上进行完美模拟的领域，特别是游戏领域。"
- "强化学习不是将其输出与人类给定的标签进行比较，而是假设后续迭代给出的值比前面迭代给出的值更好，网络学习的是使其输出在一次迭代到下一次迭代的过程中保持一致。"
- "对大多数人工智能研究人员来说，开发超人类的游戏程序并不是人工智能的最终目的。我们应该思考的是：这些成功对人工智能更长远的发展有什么启示。对此，哈萨比斯表达过他的一些看法： 游戏只是我们的开发平台……它是开发并测试这些人工智能算法的最快途径，但最终我们希望把它们应用于解决现实世界的问题，并在健康和科学等领域产生巨大影响。关键在于，它必须是一种通用人工智能，也就是它可以根据自身的经验和数据来学习如何做事。"
作者简介
梅拉妮·米歇尔（Melanie Mitchell），波特兰州立大学计算机科学教授，曾在美国圣塔菲研究所（Santa Fe Institute）和洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）工作，主要的研究领域为类比推理、复杂系统、遗传算法等。在圣塔菲研究所时，米歇尔主导了复杂系统领域的研究工作，并教授了相关的在线课程。她的在线课程 Introduction to Complexity 已有近30000名学生选修，成为Coursera排名前50位的在线课程之一。
目录
引言 创造具有人类智能的机器，是一场重大的智力冒险
第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能
01 从起源到遭遇寒冬，心智是人工智能一直无法攻克的堡垒
02 从神经网络到机器学习，谁都不是最后的解药
03 从图灵测试到奇点之争， 我们无法预测智能将带领我们去往何处
显示全部
用户评论
作者很详细的介绍了人工智能从提出到至今发展的历程和取得的成果。深度学习，卷积神经网络，虚拟现实，语音助理，自动驾驶，alphago等等之前耳熟能详的词语终于彻底了解了是怎么回事。内容也不太难，深度也合适，很棒的一本书。
人工智能应对不同领域的发展状况，算法与思维方式，数据收集方式。仍需解决的问题，是否需要担忧，中规中矩，入门可以。 期待过高。
人工智能集大成之作 内容丰富 深入浅出 如果只推荐一本ai相关 绝对是这本
从技术演化逻辑和复杂智能视角批判当前盛行的技术乐观主义，反过来说，以人类智能定义智能属性、形态和演化是否又相对简单？
没想到是侯世达的学生的作品，是我找到的最清晰的关于AI内容的科普和祛魅，至少让我简单理解了何为卷积神经网络，递归神经网络，自然语言处理的基础Transformer其中的encoder和decoder，至少在很多地方能够帮助自己做了很多的祛魅，问题可能就是对我来说还不能理解类似Q-Learning和深度强化学习这样的算法，但我觉得其中打开的一扇门很适合通向例如侯世达例如其他的内容。
果然是名师出高徒啊，曾师从候世达的米歇尔的这本《AI3.0》把目前人工智能的各种技术都做了深入浅出的阐释也对人工智能的发展前景和所涉及的伦理做出了理性的预测和评判，5星推荐。希望今年可以挑战阅读一下候世达的传世之作GEB.
人类认清了自己的那一天，也就是真正人工智能实现的日子。
了解一些基本概念和发展概况。
读下来的感受是，作者反复强调了AI的弱点。
眼下正值冬奥，竞技体育打分裁判应该是AI最好的岗位，为什么还没有上岗呢🤔
由于当前人工智能发展的几条路线，他们最终都会撞到一个名为意识的壁垒。他们或许可以在某种具体的专业化的工作产生便利，但是距离真正的智能仍然遥远。另外，技术被滥用和攻击的风险仍然存在。
首先，这是一个非常好的作者，他的所有科普书籍都具有深入浅出的特点。这当然肯定说明，作者本身具有更宏观的视野，以及非常深刻的见解。
令我感到非常惊喜的是，我没有进行过任何的实际的程序的研究，只是在不断的思考和积累，关于这方面的想法。然而，作者提出的几乎所有方面的解决方案，在我的思考过程中都有对应，并且我个人坚信，绝不是简单的对应。
希望有朝一日能真正参与到人工智能的研究之中
下载
收藏