我记得 80 年代上大学图书馆看 40 年代的民国科学画报，看当时的人们对 21 世纪的幻想，大多数都超前了，1961 年克劳德・香农预言，10-15 年后，科幻中的机器人将成为现实。但现实的发展并不是线性的，而是跳跃发展，展现的形式也和人们想象不同，在机械模拟时代，一切是对人的模仿，以人为标准，进展缓慢。直到开始数字化，任何现实的物体都从原点开始重构，声音，影像和语言思维，都从数字开始重构，人工智能并不神秘，现在还是个初生婴儿。40 年前人工智能叫 “机器人”，当时日本人研究的最先进，1999-2017 年顶峰是索尼推出的机器狗，当时这只狗能够实现的功能，现在中国落地的场景是任何语音声控平台 + 扫地机器人。今年曾经风光一时的 OpenAI 有可能陷入破产困境。新闻媒体平台 Analytics India Magazine 近日的一份报告称，OpenAI 运行其人工智能服务的 ChatGPT 每天就要花费约 70 万美元。尽管该公司试图通过 GPT-3.5 和 GPT-4 来实现盈利，但目前还没有能够产生足够的收益来实现收支平衡，其亏损额在 5 月份翻了一番，达到了 5.4 亿美元。微软前期对 OpenAI 投资的 100 亿美元已经花得七七八八，波士顿著名的机器人也一直是个演示品。人工智能只有 + 工业化大规模应用，才能在大规模使用中不断迭代进步，美国今年的制造业回归，也得益于机器臂价格的不断降低，现在供应链转移可能更方便。华为盘古大模型在气象预测、矿山开采、智慧码头等一系列产业应用如火如荼地展开，看最近大疆头显控制的无人机， 特别是新能源的车机系统，中国在人工智能方面会后来居上，因为有大规模的应用需求，中国的人工智能大模型已经在产业领域得到大规模的应用，只要观察一下越来越快捷的快递系统的运行细节，就能明白人工智能不是简单的仿生，将成为系统，渗透到生活的方方面面。

概述人工智能发展历程和主要方法的书籍。目标是帮助读者迅速全面地了解人工智能的各个方面。书中涵盖了从计算机理论和人工智能的早期发展，到现代的大型语言模型如 LaMDA 和 GPT-3 的详细介绍。书中提到了阿兰・图灵的著名问题：“机器会不会思考？” 以及荷兰计算机科学家、图灵奖得主戴克斯特拉的回答：“问计算机会不会思考，就像问潜水艇会不会游泳。” 这个回答后来成了各路人士反复引用的经典名言。书中解释了计算机和人脑的运作既有相似之处，也有不同之处，就像潜水艇的水中运动和鱼类既有相似之处，也有不同之处。书中还详细介绍了 LaMDA 和 GPT-3 等大型语言模型。LaMDA 是一个用 1.56 万亿个单词的语料库（包括公开的对话和一般网络文本）训练出来的神经网络，它拥有 1370 亿组参数，能从海量的文本中总结出语言的许多深层结构，属于现在比较常见的基于 Transformer 架构的大语言模型。Transformer 架构，这是近十年来神经网络技术的最大突破，自 2017 年发表以来已迅速获得越来越广泛的应用。Transformer 架构一方面更擅长在很长的一个输入序列里找到和记住相距很远的两个单元之间的联系，另一方面还允许大规模并行的训练。

不太费力就能读完，书里并没有介绍人工智能的技术细节，而是更加关注人工智能的发展史。这个时代几乎每隔一段时间都会有人工智能的新突破和新进展进来。最近的一次莫过于是 GPT 的大热了，这一轮人工智能发展可以被认为是大力出奇迹，随着算力的增加，和参数的增加，GPT 这类大语言模型展现出了非凡的智能能力，这让人不得不期待通用人工智能诞生的那一天。不过人工智能对于人类生活的影响也是巨大的，现代人寿命越来越长，但是工作时间还是人生的前半段时间，以及对工作技能的要求也越来越高。人必须要适应这一点，终身学习不可避免，同时也需要这代人规划好自己的人生之旅，避免老无可依，老后破产的窘境。当然人工智能的冬天也一定会阶段性的降临，一旦人们发现人工智能的发展并未满足原先原以为的那些期待，狂热的投资热潮就会褪去，并伴随着人工智能领域的阶段性沉寂，这在人工智能发展史上已经发生过了好几次了。书里还提到了一些看待生命和意识的观点，都是前沿科学家们的洞见，随着人工智能的不断发展，这一类的话题也一定会伴随着媒体的宣传不断出现。无论如何，我们在人工智能上面还有很长的路要走。人工智能越来越像人，但是人脑，是进化至今的最佳解决方案，其低能耗和高效率远超人工智能，这是不争的事实。

Chat GPT 的出现让我们感叹人工智能的时代扑面而来。但实际上人工智能的开发比我们想象的要早得多，对于人工智能的定义和理解，每个人也有不同，就现阶段来说，认为人工智能会出于自身目的做自己想做的事，就像认为计算器会进行自己想做的计算一样，书中举了一个例子 “问计算机会不会思考就好像问潜水艇会不会游泳是一样的道理。” 了解、拥抱、改进人工智能，防止可能的危害，推动社会进步，是我们每一个人都可以关注、可以尝试的。希望人工智能带给我们更美好的社会，更光明的未来。

从人脸识别到 AlphaGo，从无人驾驶到全球经济管理，人工智能作为 21 世纪最有潜力的一门技术，已经全面渗透了我们的生活，也彻底改变了我们的行为方式。人工智能的时代扑面而来。了解、拥抱、改进人工智能，防止可能的危害，推动社会进步，是我们每一个人都可以关注、可以尝试的。希望人工智能带给我们更美好的社会，更光明的未来。

希望人工智能带给我们更美好的社会，更光明的未来。

发展新技术，也重新认识人类自己。在我们发明的各种技术中，人工智能的独特之处在于，开发它的过程能教会我们关于大脑和身体如何运作的深刻道理。为了成功构建出我们的人造子女，我们必须仔细检视我们自身和我们的行为方式。我们将学到，人与人之间的互动如何能帮助个人成长和团结协作。我们将明白情绪和自我意识的作用，以及我们如何做出决定的方方面面。我们将学到我们在现实世界中的行为如何影响我们自己和他人。我们将学习什么是道德，了解道德以及对生命的尊重应该如何嵌入我们所做的一切。我们将明白我们与环境密切相关：环境会改变我们，正如我们也会改变环境一样。—— 人工智能是一趟持续的发现之旅。这条漫长而艰难的道路也许能教会我们成为更好的人。

感谢刀哥 @快刀青衣 推荐的这本书，通俗易懂。在我们发明的各种技术中，人工智能的独特之处在于，开发它的过程能教会我们关于大脑和身体如何运作的深刻道理。为了成功构建出我们的人造子女，我们必须仔细检视我们自身和我们的行为方式。人工智能是一趟持续的发现之旅。这条漫长而艰难的道路也许能教会我们成为更好的人。

粗力度跳跃式讲了 AI 发展史上的一些互相独立的故事，故事本身没有什么精彩之处，也基本不具备科技知识性。但是如果仅仅是持有 “远远看看，看看就走” 的态度，那还是可以的，又不花太多时间。不太推荐啊

有启发 5 句话 1. 我们并不靠遵循规则来学会走路。我们靠直接尝试，靠反复跌倒来学习走路 2. 传感器是极其重要的，但它只是感知的第一步 3. 智慧的真正标志不是知识而是想象力 4. 感受是不能忽视的，无论它们看起来多么不公平，或多么不领情 5. 历史上每次科技变革都会淘汰一大批旧的工作岗位，但也会创造出一大批新的工作岗位，人们需要做的是尽量学习新技能，好胜任新工作重点整理 1.20 世纪 90 年代，连人工智能这个名词都容易让人联想到失败，所以相关技术纷纷穿上了别的伪装：智能系统、机器学习、现代启发式方法 2. 斯蒂芬・霍金：成功创造出真正的人工智能，将会是人类历史上最重大的事件。不幸的是，它也可能是人类的最后一件大事，除非我们学会如何避开风险 3. 艾伦・纽厄尔：思维本来是个不可捉摸、不可名状的东西，直到现代形式逻辑把思维解释成对形式符号的操控 4. 人工智能在进行符号运算时正是如此。它依据规则来操纵符号，但永远不理解那些符号和规则是什么意思 5. 解决方法就是搜索。人工智能会在时间允许的情况下，假想做出一个又一个选择，顺着选择树往下走，并做出判断：走到这一步，我是不是离最终答案更近了？考虑过足够多的组合以后，它就能找到一条好路径，这也就意味着可以做出决定 6. 搜索与符号表示相结合，就成了人工智能的标准方法。无论是下国际象棋或围棋，还是证明一条公式，还是为机器人规划一条路径来绕开路上的障碍物，人工智能可能都在搜索千百万，乃至上万亿种不同的可能性，以达到其目标 7. 理查德・布兰森：我们并不靠遵循规则来学会走路。我们靠直接尝试，靠反复跌倒来学习走路 8. 在现在以及可预见的将来，最有效的机器都不会是人形的：机器的形态只需完美适配它们的职责 9. 无人驾驶汽车现在还没有聪明到能够全天候完全自动驾驶。虽然人工智能现在可能识别出一些形状，比如其他车辆或是行人，但它们对所感知的环境缺少真正的理解和判断，其能力尚没有希望与优秀的人类司机比肩 10. 咨询公司的分析师预测，这些新的机器人技术将给低收入群体带来沉重的打击，因为低技能的工作岗位将会流失。然而，它带来的也不全是坏消息。有分析表明，采用机器人技术越快的国家，短期和中期的经济增长就越快，创造新工作的速度也越快 11. 我们要问的关键问题，并不是无人驾驶汽车什么时候能准备好上路，而是哪些道路能做好准备迎接无人驾驶汽车 12. 基于搜索的算法是人工智能的一个独特分支 13. 智力其实就是改进的能力。我们在学习一样东西时会不断练习，直到掌握到一定程度才停下来 14. 达里奥・弗洛里亚诺：数字世界的进化论有着一个美妙之处：人类设计师的角色可以被降低到最低限度 15. 朱利安・米勒：许多困扰人类直觉的问题，可以用计算机进化论找到崭新的解决方案 16. 计算能力也不能帮助我们理解如何找出正确答案 17. 感知是人工智能的一个重要方面。如果没有感知外部世界的能力，我们的人工智能就只能活在数字宇宙中，用数据进行神秘晦涩的思考，却与现实毫无关联。感官将它们与我们的世界联系起来。摄像机给了它们视觉，麦克风给了它们听觉，压力传感器提供了触觉，加速计提供了方向感 18. 传感器是极其重要的，但它只是感知的第一步 19. 计算机视觉的早期工作侧重于将图像分解为组成元素，类似于当时公认的人类眼睛的工作方式。当时的算法会查看大量看似彼此无关的信息，找出图像里不同区域之间存在的边缘或界线 20. 人工神经网络是一种成熟且非常成功的人工智能类型。其原理是把生物大脑的工作方式高度简化，得到一种模型，由此在计算机中运行 21. 到了 2012 年，计算机视觉已经超越了人类视觉，它们能以超人的精度识别图像中的物体。卷积深度神经网络现在已经变得非常聪明，我们不再需要预先计算图像的特征。神经网络自己就能完成这一切 22. 如今，计算机视觉的进步正在图像分析领域创造巨大的机会，它们正以指数级增长的速度影响着每个商业垂直领域，从汽车到广告到增强现实 23. 卡尔・罗杰斯：只有学会了如何学习和改变的人，才称得上是受过教育的人 24. 监督学习反映了我们的内心以及我们的偏见 25. 有一种无监督学习会为了跟上不断变化的环境而不断进行学习，它的名字叫在线学习。这种学习方法非常重要，因为我们的世界永远不会保持不变。如果不顾变化，只会死板地应用以前学到的规则，学习就会出现问题 26. 阿尔伯特・爱因斯坦：智慧的真正标志不是知识而是想象力 27. 深度学习等其他形式的人工智能专注于工程化的高效解决方案，而在人工生命和计算生物学的相关领域，人们研究的是与生物学的关系更密切的模型，以了解生命是如何运作的 28. 如何找到一个简单到可以计算的近似状态，但又不至于简单到失去有用的细节，这是一门艺术 29. 安妮・弗兰克：感受是不能忽视的，无论它们看起来多么不公平，或多么不领情 30. 面部情绪识别，就是通过机器学习来识别面部每块肌肉［或叫 “动作单元”（AU）］的运动。然后，计算机使用面部动作编码系统（FACS）来破译面部正在表现的情绪 31. 情感人工智能或情感计算的最终目的，是让人工智能拥有自己的情感。识别他人的情绪只能让你了解你的行为正在产生什么影响。感受自身的情绪才能让你真正产生同理心，并更有效地做出决定 32. 工智能技术的发展得益于计算能力的增长，以及新近出现的大量数据集可以用来训练机器学习算法。但人工智能的进步总是源于算法的发展，而非处理器的加速 33. 如今的人工智能进展已经超越了当初的图灵测试，时代呼唤着新的测试标准 34. 大语言模型能够在大量训练素材中学习到深层的语言结构。这一现象的一个表现是，它似乎能在相距很远的不同事物间建立联系。这些联系大致可以分为三种没有实际意义的联系，这往往体现在会话的时候，大语言模型会一本正经地捏造事实、张冠李戴，我们要从别的途径确认模型说的到底对不对对我们有实际意义，而且我们事先知道的联系，但我们往往想不到大语言模型也能发现这种联系，跟它会话的时候会被吓一跳有实际意义，但是我们此前不知道的联系，这种联系可以帮助我们发现新知识，产生新创意。我们推进人工智能，一个努力方向就是要尽量减少第一种联系，增加第二、第三种联系的比例 35. 投入的这许多计算资源，训练的这许多大模型，对社会、对环境会有哪些负面影响，倒也是个值得时刻警惕和反省的问题 36. 一些研究者试图在优化目标之外，在人工智能框架里正式引入一些受保护的状态，禁止系统去改变那些状态，或者通过一系列人工指定的元规则让人工智能来训练新的人工智能，希望最终能借此避免系统不择手段的做法 37. 现实中这些模型都是需要多次反复训练调整的，而且许多研究项目如果不成功的话，并不会公开发表，真正公开发表出来的模型只是冰山一角 38. 历史上每次科技变革都会淘汰一大批旧的工作岗位，但也会创造出一大批新的工作岗位，人们需要做的是尽量学习新技能，好胜任新工作

随着 OPEN AI 的 ChatGPT 在今年年初投入公众阶段的测试使用，人工智能真正第一次被全社会予以广泛且持续的关注。实际上，我们距离人工智能并不遥远，苹果的 Siri，小米的小爱同学，已经属于带有交互功能的人工智能系统。我们在日常生活中使用的扫地机器人，属于带有视觉识别和地形障碍规避功能的机器人，虽然它们的尺寸还很小。虽然很多汽车尚未达到特斯拉或蔚小理的人工自动驾驶，但是辅助驾驶系统（比如车道保持、前车跟随）等已经是很多汽车的标配。我们在日常生活中已经广泛结束这些工具或者系统，但并没有意识到人工智能实际上已无处不在。人工智能带来便利的同时，对于普通人而言，更多的担忧在于对职业或工作岗位的影响。在不远的将来，人们可以利用人工智能去更好地开展工作，还是相应的岗位会被人工智能所代替。在工业制造业领域，机器人已经显示出其巨大的优势，当 “全黑工厂” 越来越多时，制造业的工人不得不考虑自己的出路在哪里。而诸如会计等传统专业领域的工作也表示出极大的担忧。目前，最充满信心和最斗志昂扬的应该是从事人工智能研究的硬件工程师，比如英伟达的芯片工程师，以及从事数据科学和算法研究的计算机科学家了。他们掌握着人工智能的进展、走向和未来，在某种程度上，他们也影响着世界的发展进程。彼得・J. 本特利的这本书，对于专业读者而言过于浅显，对于一般读者而言还是有很多晦涩的专业术语在其中。不过，在人工智能已然到来的时候，了解一些人工智能的知识，总是有益的。这就是这本小册子的价值所在。

在现在以及可预见的将来，最有效的机器都不会是人形的：机器的形态只需完美适配它们的职责。我们的工厂里已经充满了机械臂，可以组装各种各样大规模生产的产品。最新的手术室也装备了多种医疗自动机器系统，以协助复杂的手术和生命的维持。你家的洗衣机是机器人。你家的中央供暖或空调设备是机器人。虽然它们不能在你家里到处转悠，但我们还有扫地机器人，它们在多数情况下都还算好用，不会一天到晚被卡住。

“这本小册子简单梳理了人工智能发展的历程，概略介绍了人工智能各个方向最主要的方法与成就，可以帮助读者迅速全面地了解人工智能的方方面面。”“人工智能的时代扑面而来。了解、拥抱、改进人工智能，防止可能的危害，推动社会进步，是我们每一个人都可以关注、可以尝试的。”

这是我在得到电子书读完的第 101 本书。本书值得五星。因为它讲清楚了人工智能这个概念，它自身的发展，以及当前面临的问题。正如书中所说的争议那样，一方面是人工智能的迅速发展，实践领先理论太多太多；另一方面是引发的社会问题暂时找不到合适的解决方案。不管怎样，我个人是倾向于跟着科技进步的节奏去改变自己，而不是期待从天而降的神天上帝。

【选对路径】我决不瞎猜。这种糟糕的习惯只会毁坏逻辑思维能力。—— 阿瑟・柯南・道尔【我们都会犯错】我们并不靠遵循规则来学会走路。我们靠直接尝试，靠反复跌倒来学习走路。—— 理查德・布兰森【寻找正确答案】一定有更好的解决方法，找到它。—— 托马斯・爱迪生【理解世界】如果我们一定要理解我们看到的一切，我们就只能看到一条小路。—— 亨利・戴维・梭罗【自我改善】只有学会了如何学习和改变的人，才称得上是受过教育的人。—— 卡尔・罗杰斯【沟通是关键】先弄懂你说的话的意思，然后再开口说话。—— 爱比克泰德【重新想象现实】智慧的真正标志不是知识而是想象力。—— 阿尔伯特・爱因斯坦【增强感受】感受是不能忽视的，无论它们看起来多么不公平，或多么不领情。—— 安妮・弗兰克【了解自我】认为人工智能会出于自身目的做自己想做的事，就像认为计算器会进行自己想做的计算一样。—— 奥伦・埃齐奥尼我造不出的东西，我便不明白。—— 理查德・费曼

《十堂极简人工智能课》是一本旨在为初学者解开人工智能（AI）复杂概念的书籍，以浅显易懂的方式介绍了 AI 的基本原理、关键技术和应用领域。作者通过十堂课的形式，分别探讨了机器学习、深度学习、神经网络、自然语言处理、机器人技术等 AI 核心主题，同时也讨论了 AI 的伦理、社会和经济影响。每堂课都结合了历史背景、发展现状和未来趋势，旨在帮助读者理解 AI 技术如何塑造我们的世界和日常生活。书中还强调了继续教育和适应新技术的重要性，鼓励读者积极探索 AI 领域的更多可能性。

自己的第一本关于人工智能的书，人工智能的几个发展方向，符号的堆砌，信息的搜索，信息的储存，专业化的应用比如智能咖啡机，智能化驾驶但也存在社会现存规则和伦理的破坏和颠覆，以及情绪化、全才型人工智能等。真正会被大众关注或社会普遍使用的人工智能，应该会是全才型人工智能，但在之前相信专业化 ai 已经运行多年，也为使用者提效多年。情绪处理以及在毫无关联的数据面前生成拟人化的处理，使之具备人的感觉，也可能有了类型的思维方式，或许是人工智能的最高山，还需要时日，可能是自我诞生而非人类创造的出现方式，但是专业化 ai 至少在现阶段确实可以为人所用。人工智能擅长于处理符号，收集、存储、查找、整理，这就为庞大人类社会大量信息数据的抓取和使用提供了可能，就是现阶段的价值所在。另外是应用层面，专业化垂类的 ai 应用场景和应用程序会是现阶段的诞生重点，层出不穷，我可以为不同的应用场景找到好用的 ai 程序，从而实现比人手更快更好的结果产出。这样就挺好。20240311 飞行到成都

我们每采用一项新发明，都会改变人们的生活方式和工作方式。旧的专门手艺会过时，同时新的专业知识会出现。历史上每次科技变革都会淘汰一大批旧的工作岗位，但也会创造出一大批新的工作岗位，人们需要做的是尽量学习新技能，好胜任新工作。人工智能的时代扑面而来。了解、拥抱、改进人工智能，防止可能的危害，推动社会进步，是我们每一个人都可以关注、可以尝试的。希望人工智能带给我们更美好的社会，更光明的未来。

人工智能的扫盲书。也仅仅在于扫盲。而且也回答了人工智能开展的领域。对于人工智能的入门认知，可以一看。

人工智能谈了多年，ChatGpt 是让人们看到了真正的前景。由来，技术发展，相关应用…… 面宽，但不深，也不连续。但既说了是极简，所以也无可厚非。今天，已经可以看到越来越多的领域在尝试在复制，期待未来，未来可期！