《智能时代》读后感

1. 《智能时代》读后感

 　　《智能时代》一书的作者是吴军，该书揭示了大数据和机器智能对于未来社会的影响。以下是我为大家整理的关于这本书的读后感，欢迎大家阅读！
   　　《智能时代》读后感（一）   　　在《智能时代》一书中，作者系统地讲述了大数据和智能革命相关的知识，对我触动最大的是大数据引起的思维革命、大数据对商业的影响以及智能革命对未来社会的影响这三部分的内容。
   　　 思维革命 
   　　工业革命后人们形成的思维方式是机械思维，即确定性思维。我们可以通过找到特定的模型（公式、定律），找出事物之间的因果关系，而且发现的规律往往是放之四海而皆准的。
   　　然而这个世界是不确定的。首先当我们对世界的了解越来越细致之后，我们会发现影响世界的变量其实非常多，已经无法通过简单的方法或者公式计算出结果。
   　　然后通过量子力学中的测不准原理，我们可以知道不确定性是宇宙的一个特性。面对不确定性的世界我们该怎么办呢？
   　　香农在信息论中借用热力学里熵的概念，他用熵来描述一个信息系统的不确定性。香农指出，信息量与不确定性有关：假如我们需要搞清楚一件非常不确定或一无所知的事情，就需要了解大量的信息。这是一个全新的方法论：信息论建立在不确定性基础上，而想要消除这种不确定性，就要引入信息。要引入多少信息，则要看系统中的不确定性有多大。
   　　在我们无法确定因果关系时，数据为我们提供了解决问题的新方法，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到我们想知道的答案，这便是大数据思维的核心。
   　　 大数据与商业 
   　　从工业革命开始，几次主要的技术革命都遵循相似的规律。首先，是大部分现有产业加上新技术等于新产业。或者说原有产业需要以新的形态出现。其次，并非每一家公司都要从事新技术产品本身的制造，更多的时候它们是利用新技术改造原有产业。这次以大数据为核心的智能革命也不例外，我们将看到它依然会延续这两个特点。每次技术革命都会诞生新的思维方式和商业模式，企业只有在思维上跟上新的时代，才能在未来的商业中立于不败之地。
   　　 智能革命和未来社会 
   　　大数据导致机器革命的到来，这对未来社会的影响不仅仅存在于经济领域，而是全方位的。尽管总体上这些影响是正面的，从长远看会使我们未来的社会变得更好；不过，和以往的技术革命一样，智能革命也会带来很多负面的影响（个人隐私、失业率等），特别是在它发展的初期，而这些影响很可能会持续很久。
   　　任何一次技术革命，最初收益的都是发展它、使用它的人，而远离它、拒绝接受它的人，在很长的世界里都是迷茫的一代。在智能革命到来之际，作为人和企业无疑应该拥抱它，让自己成为那2%的受益者；而作为国家，则需要未雨绸缪，争取不要像过去那样每一次重大的技术革命多伴随半个多世纪的动荡。
   　　在我们还没有经历过机器在智能上全面超越人类的时代，我们需要在这样的环境里学会生存。这将是一个让我们振奋的时代，也是一个给我们带来空前挑战的时代。
   　　作者在书中对很多基础概念和技术发展历史都有较详细的讲解，也列举了很多生动有说服力的案例。在看这本书之前也在很多地方了解过关于人工智能、大数据等方面的案例和知识。但远没有看过书后如此深刻的认识，所以推荐大家还是阅读原书。书名虽然看上去是与科技相关的，实际上与每个人都相关。提前接触和运用新的思维与新的技术也许不能保证你成为前2%的人，但至少可以让你在过程中拥有更多的机会和成功概率。
   　　愿大家对新事物保持好奇心和热情，拥抱智能时代，为成为前2%的'人而努力。
   　　《智能时代》读后感（二）   　　第一次读《智能时代》，是通过朋友的豆瓣阅读邀请码下载到手机上看的。起先并没有太认真阅读，只是在下班路上随手翻几页，以为这就是写现在比较热门的关于智能设备或者智能生活方式的乏善可陈的书，毕竟书名”智能时代“给我第一印象就是如此。实际读的时候才发现，这是一本讲人的智能和计算机能否产生类似智能的书。书的原名是《on Intelligence》，本意是关于智能的讨论，翻译书名《智能时代》和副标题不是很切题，会给人错误的第一印象。
   　　抛开书名不说，《智能时代》是我几年内读过最好的书之一，作者——杰夫霍金斯的文笔很简洁，这本书翻译的水平也很高，文中很客观和批判性地描述了智能和人工智能研究，并阐述了作者自己对智能的理解。本书一推出就获得两个诺贝尔奖得主及专业领域人士的大力推荐，考虑到霍金斯本人是企业家而不是职业科学家这一点，是十分罕见的。
   　　我从小经常思考关于智能的问题，这本书能解答我很多疑惑，读书时那种开悟的感觉只能用醍醐灌顶来形容。还记得初一的某天下课回家，我骑着自行车，突然产生了一个疑问——我的手是怎么掌把的，我没有有意识地控制哪根手指放哪个位置啊？然后我撞了汽车。如果你和我一样，曾经思考过这类问题，那么本书绝对是你的菜。
   　　霍金斯在书中首先回顾了当今人工智能研究的历程以及自己探索的经历，客观批判了"智能行为派"，他认为智能是系统的内在属性，和外在表现无关。比如一个人在静静思考的时候，虽然没有表现出任何行为，他也是有智能的。退一步来讲，假使通过行为来判断是否有智能，当下的计算机也不合格。计算机要能识别图片，必须设计一套视觉识别算法，计算灰度、色阶、轮廓等；识别语音要设计语言算法，计算声波频率、音调、匹配语义等。图片算法和声音算法之间没有任何关联，从术语到计算过程完全不同。
   　　但是对于大脑来说，声音和图像在大脑中的处理过程很类似，只是接受刺激的感官不同。把实验动物幼崽的视觉神经接到本来应该发育听觉的位置，这些动物都能发育出正常的视觉——而如果把计算机的摄像头接到话筒上，结果可想而之。作者并非在否定算法本身，无疑，大脑也有自己的算法，这个算法是高度抽象的，能根据信号输入的不同发展出相应的知觉。相比之下，计算机算法毫无变通的可能性。从这两点出发，作者认为以往的计算机智能研究是一条死路。
   　　那么智能应该是什么样的？霍金斯从日常生活出发，通过对学习、记忆、回想等等行为的分解，结合脑部神经结构，提出了产生智能的"记忆——预测"框架。整个推断过程非常精彩，在此就不剧透了，以免破坏了阅读乐趣。
   　　这个系统的核心在于"恒定表征"这样一个概念，霍金斯认为人类（或海豚猴子等其他动物）之所以能认知世界，依赖于对事物高度抽象的能力。这种抽象能力，不是指刻意训练的逻辑思维能力，而是智慧生物由大脑结构决定的固有能力。举个例子：当我看到我家的小狗，我能意识到它在附近；当我听到它熟悉的叫声，我也能意识到它在附近；甚至当我只是看到它掉在沙发上的毛，都能推断出它肯定爬上过沙发。
   　　我并不一定直接看到它，是如何判断它是否在附近呢？这就表明我的大脑有关于这只狗的"恒定表征"，不以我观测的方式转移。我认识我家的狗，无论它是蹲着还是趴着还是把脑袋藏在沙发下面，我都能意识到它的独特存在。"恒定表征"也就是人们常说的"理解"某个事物，对于计算机来说，目前的技术只能按部就班地计算，没有理解的产生，更无所谓智能。
   　　恒定表征这个概念并非是霍金斯的原创，很多哲学家和科学家都有过类似的思想。比如大哲学家康德曾论证：人的心智拥有空间和时间的形式，独立于经验。康德称这些形式为直觉，它们是纯粹先天的知识方式，不依据经验和思想，这使理解现实成为可能。比如没有人见过完美的圆形，但不妨碍人理解正圆这个概念，因为空间的形式是先天的，是人的物理形态决定的。霍金斯的“恒定表征”，就是先天知识（人或者计算机物理结构所决定的）加上后天经验的产物。在我看来，计算机对时间和空间都没有先天的知识，如果计算机对什么有先天概念的话，那只能是频率。
   　　不过，计算机并非不能产生智能，只是现在的科技水平不够。最初计算机的设计就是用于处理专项任务，而生命的演化是为了适应各种各样的自然环境，人和计算机"硬件"的不同，体现了自然演化和人工制造的区别。产生人类智慧的大脑，对于现在的技术水平来说，的确很难复制（就算能复制，消耗的电量是相当惊人的），并非说大脑具有什么独特的"精神"层面的东西，是计算机无法模拟的。我相信在科学家们提取出大脑的"算法"之后，人工智能的产生是必然的，十年、二十年内都有可能。
   　　想象一下吧，具有人类智慧的计算机，不仅计算速度快，还能接上定制的感官，不仅有视觉、听觉、触觉、味觉、嗅觉，它还能具有感受磁场的"磁觉"（就像一些鱼），感受整个森林火灾可能性的"安全感"，甚至感受股市变化的"发财直觉"（有些人声称自己就有，比如我妈）应用的可能性是无限多的。这也是小伙伴们改变命运，找到下一个蓝海的机会啊！至于我呢，现在就开始着手创办全球第一家”人工智能幼儿早教机构“，并非人工智能来教育人类小孩哦，而是我来教育人工智能小孩……
   　　《智能时代》读后感（三）   　　像我这样每天看的都是小说、历史，会不会让人觉得这个人已经老了，很颓废，不求上进？尤其在这个开口闭口必谈云计算、大数据、人工智能的年头，既听不懂又插不上话，会不会就真的落伍了呢？于是继《浪潮之巅》后，又接着看了吴军先生的《智能时代》（他的《文明之光》也同步在看，只是4本书看完还需要点时间）。没想不看不打紧，这一看，未细思，心已冷。窗外虽是阳光灿烂，心中却早已凉凉的。
   　　作者说：“随着技术革命的发展，并非每一个人的发展机会都是越来越多的，反而可能是越来越少。”“在历次技术革命中，一个人、一家企业，甚至一个国家，可以选择的道路只有两条：要么进入前2%的行列，要么被淘汰。”“那么大量淘汰下来的劳动力怎么办？新毕业的学生如何就业？答案是要么去从事一份工资足够低的服务性工作，要么没有工作靠领取救济过活。”多么直接，多么残酷，又多么的冷酷，然而，这就是我们要面对的现实。于是又回到狄更斯那句被引用过无数次的《双城记》中开篇的一句话：“这是最好的时代，也是最坏的时代。”
   　　不要以为智能革命只会威胁到生产线上的工人和只需简单动脑的工作，即使在今天看来依然高大上的职业，未来也会失去工作，譬如医生、律师、编辑记者。先来看看医生，“在过去，像放射科医生这一类工作，被认为需要太多的专业技能，工作性质太复杂，不可能被机器取代。但是，今天智能的模式识别软件通过医学影像的识别和分析，可以比有经验的放射科医生更好地诊断病情，这将从根本上改变医疗行业的现状。”
   　　具有了智能的计算机不仅能帮助诊断，还可以进行手术。“相比医生，计算机在诊断和手术等方面有三大优势：
   　　首先，它们漏判（或者失误）的可能性非常低，也就是说它们能够发现一些医生们忽略的情况。
   　　其次，它们的准确率很高，而且随着数据量（病例）的增加提高得非常快。
   　　最后，也是人所不具备的，这些智能程序的稳定性非常好，它们不会像人那样受情绪的影响。”最要命的是，“这些智能程序的成本，通常不到人工的百分之一。”
   　　再来看看律师，“位于硅谷帕罗奥图市的Blackstone Discovery公司发明了一种处理法律文件的自然语言处理软件，使得律师的效率可以提高500倍，而打官司的成本可以下降99%，这意味着未来将有相当多的律师（尤其是初级水平的律师）可能失去工作。”事实上这件事情在美国已经发生，“新毕业的法学院学生找到正式工作的时间比以前长了很多。”那么记者和编辑呢？“今天美国很多媒体的财经新闻，尤其是对公司财报的评述，其实已经是计算机产生的了。”我想类似我们央视新闻联播和《人民日报》那样的新闻就更没有问题。
   　　有人会问：“文学作品如小说诗歌什么的总还需要人创作吧？”就在今天中午刚看到一条消息：“微软小冰通过对1920年后519位现代诗人的上千首诗经过10000次的迭代学习，小冰每学习一次的时间大约是0.6分钟，10000次需要100个小时。她至今创作了70928首诗，从中精心挑选了139首，结集出版。”也就是说你未来看到的小说或诗集有可能是机器写的。那么，再仔细想想、细思一下，还有什么工作是未来计算机做不了和不能替代的呢？包括你眼下正在干的事情。是不是不思已恐，细思，则极恐、更恐、很恐、非常恐？是否觉得有些危言耸听？
   　　“很多人会天真地认为，船到桥头自然直，劳动力会被自然而然地分配到其他行业中去。”过去几次技术和产业革命不就是这样的吗？“但是，这种劳动力的再分配，一来需要非常长的时间（至少半个世纪），二来依赖于产生新产业。”那么，这一切究竟是怎么发生的？为什么早不来晚不来却偏偏这个时候来、偏偏让我们给赶上了？
   　　回到吴军先生的《智能时代》这本书，还有个副题“大数据与智能革命重新定义未来”。全书一共分为七章，分别介绍了数据的作用，大数据和机器智能，机器智能的原理及其发展历程，大数据思维的核心及其重要性，大数据和机器智能与商业的关系，它们对社会正反两个方面的巨大影响。

2. 《智能时代》读后感

 物联网不是科技狂想，而是又一场科技革命。过去在中国，物联网被称之为传感网。下面是我我为您准备的“《智能时代》读后感”3篇，欢迎参考，希望能对您有所帮助。
   《智能时代》读后感一   人工智能是未来XX年可期有大发展的领域，也是我们从事数据行业的职业愿景。看我这本书，更加坚定这是一个可期，有意思的方向。下面是我读这本书的过程中，产生的对于数据分析和应用的一些理解和总结。
    基本思路 
   经典思路：目前在做数据分析时，采用的是传统的逻辑推理的分析的思路。先提出问题，再通过严谨的逻辑推理进行验证，解释商业问题。
    新思路 
   尝试使用相关性进行数据挖掘分析；就是数据挖掘的一些技术，比如聚类、决策树、随机森林等高级统计模型。这种思路做出的东西，一般而言是技术门槛较高、解决经典思路无法解答的问题，也符合当前流行的大数据思维、人工智能思维。新思路的处理问题逻辑，先有相关性分析，找出导致问题的相关性因素，然后再解释背后的商业逻辑。
    适用范围 
   符合人脑的思维模式，由A —>B —> C的逻辑顺序。在解决小而美的独立case时，效率高。比如，“为什么今天某个页面的转化率突然升高啦”这类的问题，通过逻辑推理，一步一步下钻，可以很快定位原因。
   新思路：这是AlphaGo下围棋是采用的思路，决策next move是因为next move对最终赢得棋局概率最高。这是一种结果导向的思维，将智能问题变成了数据问题。AlphaGo不需要知道如何布局，只关注每一次的落子都在提高最终胜利的概率。这种思路可以解决目标明确且影响因素众多的决策问题。
   《智能时代》读后感二   总的来讲，本书主要内容是在探讨基于大数据的机器智能是如何发展的`、将如何影响人们生活的方方面面以及如何应对。
   大数据给世界带来的改变很深刻，最深刻的是思维方式的转变——从因果论的机械思维到相关性的相关性思维。这里转变的不只是解决问题的手段——如今我们有能力在全集上分析问题，也终于有能力在全集的基础上精准刻画群体侧面画像，转变的还有看待问题的方法——我们不再是“小心假设，大胆求证”，而是“减少假设，数据自明”。这种转变实际上使得机器智能具备了成为公共设施的基础——不必要所有人都懂机器智能是如何工作的，对于使用者来说只需要明白有这样一个工具可以在数据全集上找到恰当的结论即可。因此，这会迅速引起一场商业革命。
   实际上，这场革命已经开始：在书本中已经列举了包括酒吧、冰箱制造商在内的传统行业利用大数据的手段改善经营状况。但是，还有更多的行业在探索如何将数据有效整合起来探索新的模式——首先是数据的获取问题，寻找有效的获取数据的方法可能不是一拍脑袋就想得到的；其次，如何从这些数据中发现价值依然需要一个指导方向；最后，如何利用数据发现的规则设计更合理的模式。
   书中另外一个精彩内容是最后一章——论述了智能革命带来的正面影响和负面冲击。我认为作者实际上是问了这样一个问题：智能革命大大解放了生产力，大大促进了生产，只需要更少的人就能够养活全世界，那么剩下的人怎么办？作者通过论述第一、二、三次工业革命的历史进程，得出来的结论不容乐观——只有通过时间的作用才能使革命带来的巨大的生产力解放得到释放。我们很不幸地处于这个历史进程，我们也很幸运地处于这个历史进程。
   所以整本书，可以说是一本科普的书，读完全书能对当下最时髦的概念——大数据、机器智能、区块链等有进一步的理解，尤其是大数据。但是我觉得更像是一本宣传鼓动的书——因为他描绘了两个世界，一种是参与到革命的进程中，跟上历史的车轮向前，另一种则是抗拒革命，被历史抛弃——这两者之间的差别，不可以云泥计。至于事实上是否真的会有这么严重，这个就仁者见仁了，只不过历史告诉我们，至少前三次是这样的，如果抱有怀疑，最好祈祷太阳底下会有新鲜事。
   至于革命已经发生，这是毋庸置疑的。当然，这是读本书之前就已经知道了的。实际上，很多人都已经知道——置身在一个全社会都在讨论大数据的环境下，很难不去想大数据会如何影响世界。本书的效用只是在于让读者知道这个过程是如何的不可抗拒。
   《智能时代》读后感三   这本书内容比较浅，基本属于讲故事、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
   唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
   机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢？另一条发展机器智能的方法，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。

3. 读《智能时代》前两章有感

偶得吴军老师的《智能时代》一书，阅读该书前两章，感觉受益匪浅，尤其是通过对第二章“大数据与机器智能”的阅读，才使我对人工智能的历史有了一个大致的了解，现将感想倾诸于下。
  
 一、“数据”概述
  
 虽然我对人工智能的具体情况尚不了解，但大致知道现阶段的人工智能需要以大数据为基础，而《智能时代》第一章即详细介绍了数据的相关问题。
  
 首先，“在计算机出现之前，一般书籍上的文字内容并不被看成数据，”而今天，不止书籍上的文字内容，连我们的活动，我们每天的言谈举止，喜爱偏好等，都已被看成是某种数据。
  
 在人类社会早期，我们通过观察现象，总结数据，再从数据中提取出有用的信息，并在信息的基础上形成知识（知识具有系统性），从而指导我们的行为。我们使用数据的标准流程如下：
                                          
 而在过去数据的作用之所以不被重视，“这里面有两个原因，首先是由于过去数据量不足，积累大量的数据所需要的时间太长，以至于在较短的时间里它的作用不明显。其次，数据和所想获得的信息之间的联系通常是间接的，它要通过不同数据之间的相关性才能体现出来。”而这种相关性也有待人们的发掘，吴军老师举了王进喜照片与日本投标之间的关联、谷歌用户对某节目的搜索量和该节目收视率之间的关联以及搜索趋势和流感疫情之间的关联等来说明相关性的重要。
  
 而关于第一个原因，“在互联网出现之前，获得大量的具有代表性的数据其实并非一件容易事，在误差允许的范围内做些统计当然没有问题，但只有在很少的情况下能够单纯依靠数据来解决复杂的问题。因此在20世纪90年代之前，整个社会对数据并不是很看重。”
  
 数据的相关性还要透过建立合适的数学模型来更好的加以利用，“要建立数学模型就要解决两个问题，首先是采用什么样的模型，其次是模型的参数是多少。”“……如果一开始模型选得不好，那么以后修修补补就很困难。因此，在过去，无论在理论上还是工程上，大家都把主要的精力放在寻找模型上。”
  
 “有了模型之后，第二步就是要找到模型的参数，以便让模型至少和以前观察到的数据相吻合。这一点在过去的被重视程度远不如找模型。但是今天他又有了一个比较时髦而高深的词——机器学习。”（程按：既输入数据，不断调整模型，这和今天机器学习的方法类似）
  
 “回到数学模型上，其实只要数据量足够，就可以用若干个简单的模型取代一个复杂的模型。这种方法被称为数据驱动方法，因为它是先有大量的数据，而不是预设的模型，然后用很多简单的模型去契合数据（Fit Data）。虽然这种数据驱动方法在数据量不足时找到的一组模型可能和真实的模型存在一定的偏差，但是在误差允许的范围内，单从结果上看和精确的模型是等效的，这在数学上是有根据的。从原理上讲，这类似于前面提到的切比雪夫大数定律。
  
 当然，数据驱动方法要想成功，除了数据量大之外，还要有一个前提，那就是样本必须非常具有代表性，这在任何统计学教科书里的一句话，但是在现实生活中要做到是非常难的。……”
  
 二、大数据和机器智能
  
 “在2000年以后，由于互联网特别是后来移动互联网的出现，数据量不仅剧增，而且开始相互关联，出现了大数据的概念，在2000 年以后，由于互联网特别是后来移动互联网的出现，科学家和工程师们发现，采用大数据的方法能够使计算机的智能水平产生飞跃，这样在很多领域计算机将获得比人类智能更高的智能。可以说我们正在经历一场由大数据带来的技术革命，其最典型的特征就是计算机智能水平的提高，因此我们不妨把这场革命称为智能革命。当计算机的智能水平赶上甚至超过人类时，我们的社会就要发生天翻地覆的变化，这才是大数据的可怕之处。
  
 那么为什么大数据会最终导致这样的结果，大数据和机器智能是什么关系呢？要说清楚这一一点，首先要说明什么是机器智能。”
  
 “1946年，第一台电子计算机ENIAC诞生，这使得人类重新开始考虑机器能否有智能的问题。”
  
 “真正科学地定义什么是机器智能的还是电子计算机的奠基人阿兰·图灵博士。1950年，图灵在《思想》杂志上发表了一篇题为《计算的机器和智能》的论文。在论文中，图灵既没有讲计算机怎样才能获得智能，也没有提出什么解决复杂问题的智能方法，而只是提出了一种验证机器有无智能的判别方法。”既让一个裁判坐在墓前和幕后的“人”交流，幕后是一台机器和一个人，如果裁判无法判断出与自己交流的是人还是机器，那么就说明这台机器拥有了和人同等的智能。
  
 “这种方法被后人称为图灵测试（Turing Test）。计算机科学家们认为，如果计算机实现了下面几件事情中的一件，就可以认为它有图灵所说的那种智能:
  
 1.语音识别
  
 2.机器翻译
  
 3文本的自动摘要或者写作
  
 4.战胜人类的国际象棋冠军
  
 5.自动回答问题
  
 今天，计算机已经做到了上述这几件事情，有些时候还超额完成了任务，比如在下棋方面，不仅战胜了国际象棋的世界冠军，而且还战胜了围棋的世界冠军，后者的难度比前者高出6～8个数量级。当然，人类走到这一步并非一帆风顺，而是先走了十几年的弯路。”
  
 鸟飞派:人工智能1.0
  
 “据记载，1956年的夏天，香农和一群年轻的学者在达特茅斯学院召开了一次头脑风暴式的研讨会。……事实上，这是一次头脑风暴式的讨论会。这10位年轻的学者讨论的是当时计算机科学尚未解决，甚至尚未开展研究的问题，包括人工智能、自然语言处理和神经网络等。人工智能这个说法便是在这次会议上提出的。”
  
 “人工智能这个名词严格地讲在今天有两个定义，第一个是泛指机器智能，也就是任何可以让计算机通过图灵测试的方法，包括我们在本书中要经常讲的数据驱动方法。第二个是狭义上的概念，即20世纪五六十年代特定的研究机器智能的方法。今天，几乎所有书名含有“人工智能”字样的教科书（包括全球销量最大的由斯图亚特·罗素和诺威格编写的《人工智能:一种现代的方法》一书）依然用主要的篇幅介绍那些“好的老式的人工智能”（Good Old
  
 Fashioned）。后来那些利用其他方法产生机器智能的学者为了划清自己和传统方法的界限，特地强调自己不是用人工智能的方法。因此，学术界将机器智能分为传统人工智能的方法和现代其他的方法（比如数据驱动、知识发现或者机器学习）。当然，计算机领域之外的人在谈到人工智能时，常常是泛指任何机器智能，而并不局限于传统的方法。因此为了便于区分，我们在本书中尽可能地使用机器智能表示广义上的概念，而在使用人工智能表达时，通常是指传统的人工智能方法，甚至我们有时会强调为人工智能1.0。
  
 那么传统的人工智能方法是什么呢？简单地讲，就是首先了解人类是如何产生智能的，然后让计算机按照人的思路去做。今天几乎所有的科学家都不坚持“机器要像人一样思考才能获得智能”，但是很多的门外汉在谈到人工智能时依然想象着“机器在像我们那样思考”，这让他们既兴奋又担心。事实上，当我们回到图灵博士描述机器智能的原点时就能发现，机器智能最重要的是能够解决人脑所能解决的问题，而不在于是否需要采用和人一样的方法。
  
 为什么早期科学家们的想法会和今天的门外汉一样天真呢？这个道理很简单，因为这是根据我们的直觉最容易想到的方法，在人类发明的历史上，很多领域早期的尝试都是模仿人或者动物的行为。比如人类在几千年之前就梦想着飞行，于是就开始模仿鸟，在东方和西方都有类似的记录，将鸟的羽毛做成翅膀绑在人的胳膊上往下跳，当然实验的结果都可想而知。后来人们把这样的方法论称作“鸟飞派”，也就是看看鸟是怎样飞的，就能模仿鸟造出飞机，而不需要了解空气动力学。事实上我们知道，怀特兄弟发明飞机靠的是空气动力学而不是仿生学。在这里，我们不要笑话前辈来自直觉的天真想法，这是人类认识的普遍规律。
  
 在人工智能刚被提出来的时候，这个研究课题在全世界都非常热门，大家仿佛觉得用不了多长时间就可以让计算机变得比人聪明了。遗憾的是，经过十几年的研究，科学家们发现人工智能远不是那么回事，除了做出了几个简单的“玩具”，比如让机器人像猴子一样摘香蕉，解决不了什么实际问题。到了20世纪60年代末，计算机科学的其他分支都发展得非常迅速，但是人工智能研究却开展不下去了。因此，美国计算机学界开始反思人工智能的发展。虽然一些人认为机器之所以智能水平有限，是因为它还不够快、容量不够大，但是，也有一些有识之士认为，科学家们走错了路，照着那条路走下去，计算机再快也解决不了智能问题。”
  
 明斯基在《语义信息处理》引用了巴希勒使用过的一个例子: The pen was
  
 in the box和The box was in the pen，来说明目前人工人工智能的局限性。
  
 “这两句话会得到相同的语法分析树，而仅仅根据这两句话本身，甚至通篇文章，是无法判定pen在哪一句话中应该作为围栏，在哪一句话中应该是钢笔的意思。事实上人对这两句话的理解并非来自语法分析和语意本身，而是来自他们的常识或者说关于世界的知识（world knowledge），这个问题是传统的人工智能方法解决不了的。因此，明斯基给出了他的结论:‘目前’（指1968年）的方法无法让计算机真正有类似于人的智能。由于明斯基在计算机科学界具有崇高的声望，他的这篇论文导致美国政府削减了几乎全部人工智能研究的经费，在之后大约20年左右的时间里，全世界人工智能在学术界的研究是处于低谷的。”
  
 另辟蹊径:统计＋数据
  
 “到了20世纪70年代，人类开始尝试机器智能的另一条发展道路，即采用数据驱动和超级计算的方法，而这个尝试始于工业界而非大学。
  
 在那个年代，IBM在全世界计算机乃至整个IT产业可以说是处于独孤求败的地位。……这时，IBM考虑的不能再是如何占有更大的市场份额，而是如何让计算机变得更聪明。
  
 1972年，康奈尔大学的教授弗雷德·贾里尼克（Fred Jelinek，1932-2010）到IBM做学术休假，正好这时IBM想开发“聪明的计算机”，贾里尼克就“临时”负责起这个项目。至于什么是聪明的计算机，当时大家的共识是它要么能够听懂人的话，要么能将一种语言翻译成另一种语言，要么能够赢得了国际象棋的世界冠军。贾里尼克根据自己的特长和IBM的条件，选择了第一个任务，即计算机自动识别人的语音。”
  
 贾里尼克认为语音识别是一个智能问题，而是一个通信问题，既人发出语音是一个大脑编码的过程，编码完成，经过传播，传入听者的耳朵，听者接受并理解则是一个解码的过程，而对于语音识别问题也可以按此处理，他“用当时已经颇为成熟的数字通信的各种技术来实现语音识别，而彻底抛开了人工智能的那一套方法（指传统的方法，让计算机模拟人）”
  
 “贾里尼克和他的同事在研究语音识别时，无意中开创了一种采用统计的方法解决智能问题的途径，因为这种方法需要使用大量的数据，因此又被称为数据驱动方法。这种方法最大的好处是，随着数据量的积累，系统会变得越来越好，相比之下过去人工智能的方法很难受益于数据量的提升。”
  
 “在语音识别之后，欧洲和美国的科学家开始考虑能否用数据驱动方法解决其他智能问题。贾里尼克的同事彼得·布朗（Peter Brown）在20世纪80年代，将这种数据驱动方法用于机器翻译。但是由于缺乏数据，最初的翻译结果并不令人满意，虽然一些学者认可这种方法，但是其他学者，尤其是早期从事这项工作的学者认为，解决机器翻译这样智能的问题，光靠基于数据的统计是不够的。从20世纪80年代初到90年代中期大约十多年的时间里，在计算机界大家一直有个争议，那就是数据驱动方法是否适用于各种领域，语音识别是否只是一个特例。简单地讲，当时无论是做语音识别、机器翻译、图像识别，还是自然语言理解的学者，分成了界限很明确的两派，一派坚持采用传统的人工智能方法解决问题，简单来讲就是模仿人，另一派在倡导数据驱动方法。这两派在不同的领域力量不一样，在语音识别和自然语言理解领域，提倡数据驱动的一派比较快地占了上风；而在图像识别和机器翻译方面，在较长时间里，数据驱动这一派处于下风。这里面主要的原因是，在图像识别和机器翻译领域，过去的数据量非常少，而这种数据的积累非常困难。图像识别就不用讲了，在互联网出现之前，没有一个实验室有上百万张图片。在机器翻译领域，所需要的数据除了一般的文本数据，还需要大量的双语（甚至是多语种）对照的数据，而在互联网出现之前，除了《圣经》和少量联合国文件，再也找不到类似的数据了。”但随着互联网的兴起，数据的获取变得容易起来，2005年谷歌公司打败全世界所有机器翻译研究团队所用的方法依然是数据驱动方法，而之所以能赢，则是因为“用了比其他研究所多几千倍甚至上万倍的数据。”
  
 “如今在很多与“智能”有关的研究领域，比如图像识别和自然语言理解，如果所采用的方法无法利用数据最的优势，会被认为是落伍的。
  
 数据驱动方法从20 世纪70年代开始起步，在八九十年代得到缓慢但稳步的发展。进入21世纪后，由于互联网的出现，使得可用的数据量剧增，数据驱动方法的优势越来越明显，最终完成了从量变到质变的飞跃。如今很多需要类似人类智能才能做的事情，计算机已经可以胜任了，这得益于数据量的增加。
  
 全世界各个领域数据不断向外扩展，渐渐形成了另外一个特点，那就是很多数据开始出现交叉，各个维度的数据从点和线渐渐连成了网，或者说，数据之间的关联性极大地增强，在这样的背景下，就出现了大数据。”
  
 “在有大数据之前，计算机并不擅长解决需要人类智能来解决的问题， 但是今天这些问题换个思路就可以解决了，其核心就是变智能问题为数据问题。由此，全世界开始了新的一一轮技术革命智能革命。”
  
 尽管过往数年，计算机能做的事情越来越来，但给人的感觉仍然是“快却不够聪明”，但当我们拥有足够多的数据之后，便可以化智能问题为数据问题，机器不再需要像人一样思考才能解决问题，只要输入足够的数据，配合合适的算法（模型），机器便可以做出最优的判断。深蓝即使战胜了卡斯帕罗，“但在这看似聪明的表象背后，其实是大量的数据、并不算复杂的算法和超强计算能力的结合——深蓝从来没有，也不需要像人一样思考。”
  
 “计算机下棋和回答问题，体现出大数据对机器智能的决定作用。我们在后面会看到很多各种各样的机器人，比如 Google自动驾驶汽车、能够诊断癌症或者为报纸写文章的计算机，它们不需要像科幻电影里的机器人那样长着人形，但是它们都在某个方面具有超过人类的智能。在这些机器人的背后，是数据中心强大的服务器集群，而从方法上讲，它们获得智能的方法不是和我们人一样靠推理，而更多的是利用大数据，从数据中学习获得信息和知识。如今，这一场由大数据引发的改变世界的革命已经悄然发生，我们在后面的几章会更深入地介绍它。这次技术革命的特点是机器的智能化，因此我们称之为智能革命也毫不为过。”

4. 智能时代读书心得

 《智能时代》是一本由吴军著作，中信出版集团出版的精装图书。该书揭示了大数据和机器智能对于未来社会的影响。这里给大家分享一些关于智能时代  读书心得  ，希望对大家有所帮助。
   智能时代读书心得1 
  这本书内容比较浅，基本属于讲  故事  、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
  唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
  机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢?另一条发展机器智能的  方法  ，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。
   智能时代读书心得2 
  标题来自书本序言，出自混沌大学创始人李善友教授之手，在此借用。
  总的来讲，本书主要内容是在探讨基于大数据的机器智能是如何发展的、将如何影响人们生活的方方面面以及如何应对。
  大数据给世界带来的改变很深刻，最深刻的是  思维方式  的转变——从因果论的机械思维到相关性的相关性思维。这里转变的不只是解决问题的手段——如今我们有能力在全集上分析问题，也终于有能力在全集的基础上精准刻画群体侧面画像，转变的还有看待问题的方法——我们不再是“小心假设，大胆求证”，而是“减少假设，数据自明”。这种转变实际上使得机器智能具备了成为公共设施的基础——不必要所有人都懂机器智能是如何工作的，对于使用者来说只需要明白有这样一个工具可以在数据全集上找到恰当的结论即可。因此，这会迅速引起一场商业革命。
  实际上，这场革命已经开始：在书本中已经列举了包括酒吧、冰箱制造商在内的传统行业利用大数据的手段改善经营状况。但是，还有更多的行业在探索如何将数据有效整合起来探索新的模式——首先是数据的获取问题，寻找有效的获取数据的方法可能不是一拍脑袋就想得到的;其次，如何从这些数据中发现价值依然需要一个指导方向;最后，如何利用数据发现的规则设计更合理的模式。
  书中另外一个精彩内容是最后一章——论述了智能革命带来的正面影响和负面冲击。我认为作者实际上是问了这样一个问题：智能革命大大解放了生产力，大大促进了生产，只需要更少的人就能够养活全世界，那么剩下的人怎么办?作者通过论述第一、二、三次工业革命的历史进程，得出来的结论不容乐观——只有通过时间的作用才能使革命带来的巨大的生产力解放得到释放。我们很不幸地处于这个历史进程，我们也很幸运地处于这个历史进程。
  所以整本书，可以说是一本科普的书，读完全书能对当下最时髦的概念——大数据、机器智能、区块链等有进一步的理解，尤其是大数据。但是我觉得更像是一本宣传鼓动的书——因为他描绘了两个世界，一种是参与到革命的进程中，跟上历史的车轮向前，另一种则是抗拒革命，被历史抛弃——这两者之间的差别，不可以云泥计。至于事实上是否真的会有这么严重，这个就仁者见仁了，只不过历史告诉我们，至少前三次是这样的，如果抱有怀疑，最好祈祷太阳底下会有新鲜事。
  至于革命已经发生，这是毋庸置疑的。当然，这是读本书之前就已经知道了的。实际上，很多人都已经知道——置身在一个全社会都在讨论大数据的环境下，很难不去想大数据会如何影响世界。本书的效用只是在于让读者知道这个过程是如何的不可抗拒。
   智能时代读书心得3 
  重读吴军博士的“智能时代-技术的拐点”章节有感，以及自己的一些思考。大家似乎都有这样一个直观的感性认识，人工智能从2015，16年开始似乎又进入了一个快速的发展阶段，各种人工智能的概念性产品纷纷涌现，遍地开花，尤其是创业者，感觉到特别兴奋，纷纷想要打造出革命性的产品，改变世界，这个时候其实我们有一点纳闷，有一点疑惑，为什么一项已经发展了半个多世纪之久的人工智能技术在今天这个时间点能够被大家普遍接纳和采用，大家开始有能力去构建一个人工智能学习系统，呈现一种突破性的发展态势，我们肯定在想这背后发生了什么，是的!
  这十几年来，还有一门技术非常火，那就是大数据技术，有人曾经这样形容大数据技术与人工智能技术的关系，说：
  人工智能就像潜力无限的婴儿，而大数据是喂养婴儿的奶粉，奶粉的数量和质量决定了婴儿的智力发育水平。
  那么这十几年以来，大数据技术取得了哪些突破性的进展，我们分成四个维度来分别看一下，如下图所示：
   智能时代读书心得4 
  1.中国古代有四大发明，为什么没有爆发工业革命和形成现代文明社会的基础，原因回到欧几里得的《几何原本》和牛顿的《自然哲学的数学原理》所形成的思维方式：世界是可以认知的，可以用确定的规律用简单的数学来表示，且是有因果关系的，这种思维方式形成体系，渗透到自然科学和社会科学中，都遵循这些规律取得的科学成就和社会成就，以致成为现代文明社会的基石;
  2.信息时代的世界具有不确定性，呈现出测不准的规则，大数据具有量大、多维、完备的特性，其更多给人提供了一种新的思维方式，变智能问题为数据问题，用强相关的关系来取代因果推理关系，大数据穷尽举例的优势取代过去大胆假设小心求证的机械思维方式;
  3.世界是不确定的，所有的问题都在于解决这个不确定性，把不确定变为确定的，比如石油开采技术的确定性解决了现代能源问题，天体运动规律的确定性解决了航空航天问题，现在互联网时代的不确定，就需要用大数据+，信息熵来解决确定性的问题。
   智能时代读书心得5 
  阅读笔记时间：320分钟，三星。
  数据与信息，通过筛选有用的数据得出信息。
  【从科技史的角度，分析大数据的作用，发展;以智能革命的角度对比前几个革命分析机器智能会带来的行业变革，对社会的冲击。】
  简单准确的模型与数据驱动方法。地心说，日心说的模型。苏联与美国的航天飞机，德国与日本的光学透镜。
  数据的数量与样本的代表性。文学文摘与盖洛普你对美国总统罗斯福与兰登的预测，以及盖洛普对杜威和杜鲁门的预测
  物理学的的基本规律是通过统计学的方式发掘的。
  【概率论，统计学，必须要学习的基础知识。记录自己的时间，记录工作的数据，记录现金流等等，都是在积累原始数据，然后通过数据发现规律，改进自我和工作。】
  鸟飞派：机器要像人一样思考才能获得智能。SYSTRAN。
  统计+数据。Google翻译，贾里尼克与IBM的语音识别，机器学习
  大数据：3V，大量，多样，及时。百度的“吃货”，斯维尔的2012大选预测，智能交通管理。big而不是large.
  智能问题为数据问题。深蓝与卡斯帕罗夫的象棋对弈，自动问答我why与how
  【认识到人工智能发展历史中思维的转变与曲折艰难，方法论是最重要的】
  机器思维：欧几里得、托勒密、牛顿。通过观察获得数学模型的雏形，然后利用数据来细化模型。1世界变化的规律是确定的，2从确定性出发可以用简单的公式或语言描述清楚规律。3规律应该是放之四海而皆准的。
  确定性(可预测性)和因果关系
  工业革命，瓦特的蒸汽机。爱因斯坦的相对论，青霉素
  三个公式质能转换，量子力学测不准原理，熵
  不确定性：1变量太多，2客观世界本身，微观世界。信息论
  熵，信息熵：信息的度量就等于不确定性的多少
  互信息：强相关性。吸烟有害健康的美国诉讼，研发新药，搜索公司的点击模型
  香农第一定律与霍夫曼编码 (吉尔德定律)用嘴短的编码方法给最常见的汉字，使平均长度无限的接近于它的信息熵
  香农第二定律：信息的传播速度不可能超过信道的容量。
  【不确定性，强相关性，信息论】
  通过大数据分析智能电表用电的情况住  种植  大麻。用大数据分析小商户偷税漏税。塔吉特用大数据分析推荐促销信息。亚马逊的大数据推荐销售，有商品直接推商品。netflix推荐视频。Google搜索关键词提示及相关搜索。酒吧酒架的改造，收集数据分析数据。普拉达RFID芯片。金凤公司收集数据转型为服务商。穷举法改善搜索质量。Google自动驾驶。
  新技术+原有产业=新产业。蒸汽机，纺织、运输、陶瓷。电，电梯，交通，通信。计算机，银行，证券商，农业。
  大数据，机器智能。IT产业链。工业革命之后需要推销，之后  广告  业，商业链，服务业
  GE的智能冰箱。
  【从产业发展的历史来说，新技术必然会带来行业颠覆。拥抱新数据，用新的技术革命转型】
  技术挑战
  收集，储存，传输，处理，应用。
  电脑，传感器。摩尔定律。大数据的并行处理
  有数据，不会共享，收视率的问题。nest智能空调控制器，刻意收集的信息会变形。
  数据产生的量大于能储存的量。数据的安全问题，完整性与防丢失。检索问题，随意访问调用
  并行计算与实时处理。数据挖掘噪音。用大数据警示异常操作。隐私问题，  保险  公司，黑心商家，飞机票。
  【大数据的相关技术已经比较成熟，】
  以色列的智能农业，勇士队用大数据训练。工业4.0，特斯拉用机器人，基因检测，个性化的医药。医学影像检测，达芬奇手术台，IBM沃特森。制药业的革命，癌症医治, caliao.律师案例分析，新闻稿的自动写作，
  【律师，医生，金融，等需高智商的行业都可以被机器智能替代，基本装配生产，富士康等，将会对整个社会产生冲击】
  智能革命
  人流量预测，智能交通，智能信号灯，智能路线。身份识别，反恐。比特币，区块链。追踪每一次交易。个性化医疗。无隐私的社会。
  农业到工业，工业到电器，工人从农民转化为工人，之后为服务业。无业的人工作怎么办。英国全球殖民，美国西部大开发，德国第一次世界大战。新技术一开始让极少部分人收益，大多数人被淘汰，半个世纪一两代人之后才能对整个社会收益，更长的时间才能传播到全球。通用的退休员工福利，底层人找不到工作。
  争当2%的人，新的思维方式，积极拥抱大数据和机器智能。
   智能时代读书心得6 
  这本书内容比较浅，基本属于讲故事、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
  唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
  机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢?另一条发展机器智能的方法，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。
   智能时代读书心得7 
  总的来讲，本书主要内容是在探讨基于大数据的机器智能是如何发展的、将如何影响人们生活的方方面面以及如何应对。
  大数据给世界带来的改变很深刻，最深刻的是思维方式的转变——从因果论的机械思维到相关性的相关性思维。这里转变的不只是解决问题的手段——如今我们有能力在全集上分析问题，也终于有能力在全集的基础上精准刻画群体侧面画像，转变的还有看待问题的方法——我们不再是“小心假设，大胆求证”，而是“减少假设，数据自明”。这种转变实际上使得机器智能具备了成为公共设施的基础——不必要所有人都懂机器智能是如何工作的，对于使用者来说只需要明白有这样一个工具可以在数据全集上找到恰当的结论即可。因此，这会迅速引起一场商业革命。
  实际上，这场革命已经开始：在书本中已经列举了包括酒吧、冰箱制造商在内的传统行业利用大数据的手段改善经营状况。但是，还有更多的行业在探索如何将数据有效整合起来探索新的模式——首先是数据的获取问题，寻找有效的获取数据的方法可能不是一拍脑袋就想得到的;其次，如何从这些数据中发现价值依然需要一个指导方向;最后，如何利用数据发现的规则设计更合理的模式。
  书中另外一个精彩内容是最后一章——论述了智能革命带来的正面影响和负面冲击。我认为作者实际上是问了这样一个问题：智能革命大大解放了生产力，大大促进了生产，只需要更少的人就能够养活全世界，那么剩下的人怎么办?作者通过论述第一、二、三次工业革命的历史进程，得出来的结论不容乐观——只有通过时间的作用才能使革命带来的巨大的生产力解放得到释放。我们很不幸地处于这个历史进程，我们也很幸运地处于这个历史进程。
  所以整本书，可以说是一本科普的书，读完全书能对当下最时髦的概念——大数据、机器智能、区块链等有进一步的理解，尤其是大数据。但是我觉得更像是一本宣传鼓动的书——因为他描绘了两个世界，一种是参与到革命的进程中，跟上历史的车轮向前，另一种则是抗拒革命，被历史抛弃——这两者之间的差别，不可以云泥计。至于事实上是否真的会有这么严重，这个就仁者见仁了，只不过历史告诉我们，至少前三次是这样的，如果抱有怀疑，最好祈祷太阳底下会有新鲜事。
  至于革命已经发生，这是毋庸置疑的。当然，这是读本书之前就已经知道了的。实际上，很多人都已经知道——置身在一个全社会都在讨论大数据的环境下，很难不去想大数据会如何影响世界。本书的效用只是在于让读者知道这个过程是如何的不可抗拒。
   智能时代读书心得8 
  人工智能是未来10年可期有大发展的领域，也是我们从事数据行业的`职业愿景。看我这本书，更加坚定这是一个可期，有意思的方向。下面是我读这本书的过程中，产生的对于数据分析和应用的一些理解和  总结  。
  基本思路
  经典思路：目前在做数据分析时，采用的是传统的逻辑推理的分析的思路。先提出问题，再通过严谨的逻辑推理进行验证，解释商业问题。
  新思路：尝试使用相关性进行数据挖掘分析;就是数据挖掘的一些技术，比如聚类、决策树、随机森林等高级统计模型。这种思路做出的东西，一般而言是技术门槛较高、解决经典思路无法解答的问题，也符合当前流行的大数据思维、人工智能思维。新思路的处理问题逻辑，先有相关性分析，找出导致问题的相关性因素，然后再解释背后的商业逻辑。
  适用范围
  经典思路：符合人脑的思维模式，由A—>B—>C的逻辑顺序。在解决小而美的独立case时，效率高。比如，“为什么今天某个页面的转化率突然升高啦”这类的问题，通过逻辑推理，一步一步下钻，可以很快定位原因。
   智能时代读书心得9 
  作为新时代的学生，我们现在不光要与同龄人竞争。还要与一些身穿铁皮的机器人竞争。也许你会觉得可笑，但这就是社会发展的趋势。
  在各种平台山，你多多少少都能看待一些机器人与人比赛的综艺节目。机器人下  围棋  战胜人类后，他们又开始学会写诗了!你说，怎能不让作为新时代的学生所惶恐呢?霍金曾说：“强大的人工智能的崛起，要么是人类历史最好的事，要么是最遭的。”
  现在各个行业，都被机器人所替代，在内陆发达地区，机器人已经占领了各个行业，像银行这样的用量少的企业。并且他们正在迅速的向全国各地扩散，以后种田恐怕都不需要人类了，那人类能干些什么工作呢?在这样的新时代，就业问题所给的压力很大。光是银行这一行业，将会面临多少人的失业?智能技术的发展，也理应让我们思考其中的利弊关系。
  按照现状，科技的不断发展。机器人统治地球也不会是不可能。当所有的工作都被机器人所替代，那人类能干些什么呢?那人类生存的价值呢?
  这样的激烈竞争中，唯有努力才能变得出色。
   智能时代读书心得10 
  我们生活在一个科技非常发达的时代，各种人工智能产品出现在我们的生活里，比如爸妈的智能手机、我们学校门口的智能测温棚、各小区出入口的人脸识别系统、我家的智能扫地机器人、超市里的自动结账系统……等等，这些智能产品为我们的'生活带来了许多便利。
  在科技的道路上，聪明的人类还在不停地创造着，未来可能会出现智能机器人、智能住宅、智能汽车……我特别期待能坐上智能汽车，体会一下无人驾驶的别样感受。那个时候的汽车，它能够准确的按照我的指令，准时停在我的面前，安全地送我到达目的地，然后自动识别车位并停好。哇，我想想都觉得酷毙了呢!
  我在网上查了许多关于智能汽车的资料，了解到无人驾驶是未来汽车的发展方向，也是一项非常复杂的高科技，它需要依靠人工智能、视觉计算、雷达、监控装置、全球定位系统合作等。说得通俗一点，就是给汽车装上聪明的大脑、敏锐的眼睛、灵活的手脚，让它成为一个“汽车人”，实现更安全，更智能地驾驶，更好的为人类服务。
  作为未来的接班人，我要好好地学习知识，为未来的高科技添砖加瓦。
    

5. 读《智能时代》有感

　　看过《失控》、《必然》、《大数据时代》、《情感机器》、《浪潮之巅》等作品的人，对吴军博士的这本新书《智能时代》中的观点一定不会觉得陌生，这些书都在预测未来世界会变成什么样，我们应该做何准备以便更好地适应这个社会。简单来说，这些书的核心观点不外乎下面两条：
  
 　　1. 世界是变化的，未来是不确定的，“算不准”，“变化中”才是这个世界的本来面目。
  
 　　2.人工智能带给这世界的影响，将会超过历史上的两次工业革命和以摩尔定律为标准的信息革命的影响。现有产业+机器智能，必将左右未来30年所有产业和全人类命运的方向。
  
 　　凯文·凯利的作品偏重于理论和思考，而吴军博士的`作品偏重于案例和实战，这本《智能时代》个人认为最受触动的是第六章和第七章，第六章用实际的案例描述了如何利用大数据和机械智能来升级以往只能依靠人类大脑的传统产业（比如农业，制造业，体育，医疗，法律服务，乃至记者和编辑行业），第七章则用历史事实和数据分析明确的指出，每次革命都会给社会带来巨大的冲击，需要靠长达半个世纪以上的时间，以牺牲掉一两代人的幸福为代价才能消化革命带来的副作用。而在信息革命的副作用还未完全消化完，机械智能革命又飞奔而来，所以这次的打击必将更为沉重和深远，只有2%的人能够从中获益，其他的98%，面临的将是被淘汰的可悲命运。
  
 　　图灵在1950年提出，如果计算机实现了下面几件事情中的一件，就是拥有了智能。1.语音识别 2.机器翻译 3.文本的自动摘要和写作 4.战胜人类的国际象棋冠军 5.自动回答问题。仅仅65年的时间，计算机不但超额完成了上述任务，而且机械智能在强大的计算能力的支持下日进千里。
  
 　　那么如何才能挤进那2%呢？如果你本身就是相关行业或是拥有相关的技术，那就心无杂念的往这条路上狂奔下去吧。而对于大多数不是这个行业，也没有相关技术的人怎么办？只有加入到机器智能的大潮中，转变思想，勇于尝试，积极改变，别无他法。
  
 　　那么具体该怎么做呢？看看这本书就知道了，嘿嘿。

6. 人工智能时代读后感

    　　书的原名是《on Intelligence》，本意是关于智能的讨论，翻译书名《智能时代》和副标题不是很切题，会给人错误的第一印象。以下是我整理分享的人工智能时代读后感的相关资料，欢迎阅读!
       　　人工智能时代读后感篇一       　　第一次读智能时代，是通过朋友的豆瓣阅读邀请码下载到手机上看的。起先并没有太认真阅读，只是在下班路上随手翻几页，以为这就是写现在比较热门的关于智能设备或者智能生活方式的乏善可陈的书，毕竟书名"智能时代"给我第一印象就是如此。实际读的时候才发现，这是一本讲人的智能和计算机能否产生类似智能的书。书的原名是《on Intelligence》，本意是关于智能的讨论，翻译书名《智能时代》和副标题不是很切题，会给人错误的第一印象。
       　　抛开书名不说，《智能时代》是我几年内读过最好的书之一，作者——杰夫•霍金斯的文笔很简洁，这本书翻译的水平也很高，文中很客观和批判性地描述了智能和人工智能研究，并阐述了作者自己对智能的理解。本书一推出就获得两个诺贝尔奖得主及专业领域人士的大力推荐，考虑到霍金斯本人是企业家而不是职业科学家这一点，是十分罕见的。
       　　我从小经常思考关于智能的问题，这本书能解答我很多疑惑，读书时那种开悟的感觉只能用醍醐灌顶来形容。还记得初一的某天下课回家，我骑着自行车，突然产生了一个疑问——我的手是怎么掌把的，我没有有意识地控制哪根手指放哪个位置啊?然后我撞了汽车。如果你和我一样，曾经思考过这类问题，那么本书绝对是你的菜。
       　　霍金斯在书中首先回顾了当今人工智能研究的历程以及自己探索的经历，客观批判了"智能行为派"，他认为智能是系统的内在属性，和外在表现无关。比如一个人在静静思考的时候，虽然没有表现出任何行为，他也是有智能的。退一步来讲，假使通过行为来判断是否有智能，当下的计算机也不合格。计算机要能识别图片，必须设计一套视觉识别算法，计算灰度、色阶、轮廓等;识别语音要设计语言算法，计算声波频率、音调、匹配语义等。图片算法和声音算法之间没有任何关联，从术语到计算过程完全不同。但是对于大脑来说，声音和图像在大脑中的处理过程很类似，只是接受刺激的感官不同。把实验动物幼崽的视觉神经接到本来应该发育听觉的位置，这些动物都能发育出正常的视觉——而如果把计算机的摄像头接到话筒上，结果可想而之。作者并非在否定算法本身，无疑，大脑也有自己的算法，这个算法是高度抽象的，能根据信号输入的不同发展出相应的知觉。相比之下，计算机算法毫无变通的可能性。从这两点出发，作者认为以往的计算机智能研究是一条死路。
       　　那么智能应该是什么样的?霍金斯从日常生活出发，通过对学习、记忆、回想等等行为的分解，结合脑部神经结构，提出了产生智能的"记忆——预测"框架。整个推断过程非常精彩，在此就不剧透了，以免破坏了阅读乐趣。
       　　这个系统的核心在于"恒定表征"这样一个概念，霍金斯认为人类(或海豚猴子等其他动物)之所以能认知世界，依赖于对事物高度抽象的能力。这种抽象能力，不是指刻意训练的逻辑思维能力，而是智慧生物由大脑结构决定的固有能力。举个例子：当我看到我家的小狗，我能意识到它在附近;当我听到它熟悉的叫声，我也能意识到它在附近;甚至当我只是看到它掉在沙发上的毛，都能推断出它肯定爬上过沙发。我并不一定直接看到它，是如何判断它是否在附近呢?这就表明我的大脑有关于这只狗的"恒定表征"，不以我观测的方式转移。我认识我家的狗，无论它是蹲着还是趴着还是把脑袋藏在沙发下面，我都能意识到它的独特存在。"恒定表征"也就是人们常说的"理解"某个事物，对于计算机来说，目前的技术只能按部就班地计算，没有理解的产生，更无所谓智能。
       　　恒定表征这个概念并非是霍金斯的原创，很多哲学家和科学家都有过类似的思想。比如大哲学家康德曾论证：人的心智拥有空间和时间的形式，独立于经验。康德称这些形式为直觉，它们是纯粹先天的知识方式，不依据经验和思想，这使理解现实成为可能。比如没有人见过完美的圆形，但不妨碍人理解正圆这个概念，因为空间的形式是先天的，是人的物理形态决定的。霍金斯的“恒定表征”，就是先天知识(人或者计算机物理结构所决定的)加上后天经验的产物。在我看来，计算机对时间和空间都没有先天的知识，如果计算机对什么有先天概念的话，那只能是频率。
       　　不过，计算机并非不能产生智能，只是现在的科技水平不够。最初计算机的设计就是用于处理专项任务(计算个炮弹轨迹之类)，而生命的演化是为了适应各种各样的自然环境，人和计算机"硬件"的不同，体现了自然演化和人工制造的区别。产生人类智慧的大脑，对于现在的技术水平来说，的确很难复制(就算能复制，消耗的电量是相当惊人的)，并非说大脑具有什么独特的"精神"层面的东西，是计算机无法模拟的。我相信在科学家们提取出大脑的"算法"之后，人工智能的产生是必然的，十年、二十年内都有可能。想象一下吧，具有人类智慧的计算机，不仅计算速度快，还能接上定制的感官，不仅有视觉、听觉、触觉、味觉、嗅觉，它还能具有感受磁场的"磁觉"(就像一些鱼)，感受整个森林火灾可能性的"安全感"，甚至感受股市变化的"发财直觉"(有些人声称自己就有，比如我妈)……应用的可能性是无限多的。这也是小伙伴们改变命运，找到下一个蓝海的机会啊!至于我呢，现在就开始着手创办全球第一家"人工智能幼儿早教机构"，并非人工智能来教育人类小孩哦，而是我来教育人工智能小孩……
       　　回到书评上来：《智能时代》是一本很好的书!
         下一页分享更优秀的<<<人工智能时代读后感          

7. 智识时代读后感

为了面对世界愈加复杂，而阶级分层越来越大，同时人工智能的威胁这三大趋势，作者提出了“智识分子”这一概念，智识是指智慧和见识，智识分子则是掌握这些新思想新方法的可以不被潮流抛下的人。

本书分为四个部分，其中对我触动最大的是第二部分。第二部分谈论的是教育，作者认为现代教育的本质是流水线作业，为了培养现代高度分化的社会所需的“螺丝钉”，其目的是为了阶级分层。
现在做很多事情都有门槛，譬如找工作，你或许可以胜任这个工作，但是仍然被淘汰了——这就是门槛的作用：因为资源有限，而借口名额有限，把一部分人挡在外面。而名校就是一个稀缺资源，高考就是通过的门槛——你必须比其他大部分人都优秀，才能进入。这也造就了高考竞争激烈。
中国的高考，应当算目前最公平的一项考试。但“唯成绩论”却受到很多人的诟病，很多人都在呼吁“素质教育”，提倡向美国教育学习。但美国教育真的就那么好吗？
以常春藤联盟为首的美国名校，实质上是为精英阶层服务的。追溯历史就可以发现，19世界末，这些大学是为了满足当时上流社会子弟的相互认识和建立联系而产生的。随着时代的发展，之所以后来接受平民子弟，只是为了维稳，和表面的“公平”。美国大学的申请需要所谓的素质教育人才，这些人不仅仅注重学习，而且还参加各种活动，擅长各种特长——但是这往往是平民子弟难以做到的。所谓的素质教育，实质上是为了确保精英子弟的录取比例。
根据Jean Aryon的研究，美国教育折射了美国阶层的分化现状，底层的普通工人阶层的教育强调按照规定步骤做事，不用关心结果，类似培养工人。而一般中产阶层的教育，强调把事情做对，树立课本的权威性，一切为找工作和上大学服务。专业人士阶层的教育，强调创造性和独立性，要求独立思考和表达。而主管精英阶层的教育与前三者都不同，强调智识，核心目标是决策和选择，因为这些受教育者是制定规则而不是遵守规则的人。中国目前所鼓出的美国教育，实际是美国上层阶级的教育，而普通平民的教育状况与之相差巨大。
如果中国向美国一样实施素质教育，大学录取标准多元化以后，平民子弟再无翻身之日。据书上所例的一项统计，在斯坦福大学，近一半的学生家庭年收入位于1.5%，只有15%的学生家庭年收入排在56%以后——这意味着前者家庭孩子进入斯坦福大学的可能性为后者的124倍。那些提倡“素质教育”的人，不得让人怀疑背后的动机——是否是上层阶级在为自己牟利呢？
以上是关于总体教育的感想，这种教育现状令人绝望。大环境无法改变，但作者针对个人，提出了英雄是如何突破教育和阶层的局限的。
这让我看到了自己的局限，也看到了另一种人生。我受到的教育，如作者所言：“人们对教育的根本出发点及整个的内心叙事，就是把自己变成一个“好东西”，以期得到别人的欣赏。这种教育培养出来的人，思维本质上是被动的——外界喜欢什么，我就变成什么。永远是我去适应别人，而不敢让别人来适应我。一定要进名校，一定要进好公司，一定要得到好岗位。”这是被动式的奴隶教育，是为了适应世界，打扮自己，吸引别人来支配你。
也许我们不能当一个英雄，但是我们可以让自己不再成为一个奴隶，而是做自己的主人翁，做一个有智识、有勇气、追求自由的人生。

8. 智能时代读后感：浅谈机械思维与大数据思维

花了大概2天的时间把吴军老师的《智能时代》过了一遍，干货很多，收获也挺多的，我认为最重要的是第三章关于思维的革命，整理思考下作为一篇文章分享给大家。
  
 记得还是高中的哲学课，学过关于机械思维的一些内容，具体记得不是太清楚了，只记得是呆板的，像机械一样不懂变通的思维方式。看了吴军老师的书才知道机械思维曾经也是一种很先进的思维方式，包括牛顿的关于运动学的三大定律，包括爱因斯坦的相对论，可能说都是机械思维的结果，是不是又点突破三观。
  
 机械思维的很大程度是从古希腊发源的，欧洲只所以能够在科学上领先，在于古希腊建立起来的思辨思想和逻辑推理能力，而我们中国除了在春秋时候的百家争鸣有过相关的思维方式，后面主要思想被儒家和道家文化做主导，儒家思想讲究中庸，中不偏，庸不易，说话做事讲究中和，讲究平衡，讲究以人为本，而思辨却是一种极端的思考方式，讲追求至理；道家思想追求道法自然，天人合一，讲究阴阳平衡，阴平阳秘；追求的道是道可道，非常道，名可名非常名，意思是常道是不可用言语来表达的，总结来说在我看来，我们中国先人很早就发现世界是很复杂的，儒家是从仁的角度，更关心人，道更关心的人天的和谐，以天地为师，法天，法地，法自然。
  
 吴老师关于机械思维在书中概况如下：
  
 在我看来，大部分人可能都是这样的思维模式吧，还有种压根没有什么思维模式，就是盲目瞎干，这样还不如机械思维来的好。机械思维核心思想可概况为认为世界是可以完全认识的，是由一定规律的，世间万物存在着一定的因果关系，而规律的寻找需要“大胆假设，小心求证”，这种现在也被认为是个科学的态度，是科学的思维方式。包括爱因斯坦的质能方程在内的近代很多成就都是在机械思维的模式运作下完成的。
  
 机械思维认为世界是确定的，可以认知的这积极的一面，也有其局限性，即否定不确定性和不可知性，爱因斯坦有句名言：“上帝不掷色子”，这是爱因斯坦和量子力学的发明人波尔等人争论时候所讲的话，今天我们知道这场辩论波尔是正确的，爱因斯坦错了，上帝也掷色子。
  
 从股市的专家预测，到天气预报，再到简单的掷色子，有很多预测是不准确的。不确定性来源于哪里：
   一是：我们了解的越细致，发现影响世界的变量越多，无法通过简单的办法或公式来算出结果，如果我们穷尽所有影响事务的变量，当然也是可以预测的，但是现实中是办不到的，而且公式写出来也会非常复杂，没办法用简单的公式描述清楚；
   二是： 我们主观思维的影响，由于受到思维方式的限制，我们对世界的认识是不准确的，这也阻碍了我们认识世界。
   三是:   这个世界客观上来说本来就是复杂的，比如我们知道电子围绕原子核做飞速旋转，但是电子在特定时刻的位置和速度是不确定的，这是原子本身的特性，类似于量子里面的测不准原理，我们测量活动本身影响了测量结果。这又点类似我们在股市按照特定指标购买股票，如果大家都按照这个指标来购买股票，那这些购买股票的行为本身又影响了股票本身的价格和走势了。
   世界是不确定的，但是又不是不可以认识的，同样是电子绕原子核运动，虽然我们不知道电子的具体位置和速度，但是可以估计电子出现的位置和概率。所以世界上很多难以用具体的公式描述的事情，通常可以用概率的模型来描述。天才香农将世界的不确定性和信息联系起来，形成了信息论，不仅是通信理论而且是人们认识世界的新思路。
  
 信息论首先解决了信息多少的问题，简单的两句话，比如“太阳明天从东方升起” “xxx明星和xxx明星已经秘密登记结婚了”，这两句话哪句话信息量大，从我们直观思维来看，太阳明天从东方升起，这几乎是个确定的事情，所以相当于一句废话，信息含量少；而后一句的概率是比较低的，所以信息含量大。香农博士将信息和事件确定不确定联系起来，同时引入了熵的概念，熵原是热力学里面的概念，两个容器用一个挡板隔开，两边的气体，一边温度高，一边温度低，处于有序状态，如果把挡板拿掉，那么气体状态就会越来越无序，从宏观上趋于恒温。这种气体从原来的有序状态逐步变成无序状态的过程，熵是一直在增加的，也就是说有序的确定的熵低，越是混乱的熵越高，如果要熵变低或让事物变的有序，必须有外力的作用。
   还是有点抽象，举个简单的例子，如果你的房间不整理，以后会越来越乱，这时候熵是越来越大的，想找一个东西可能找了半天都找不到，为什么那，因为乱导致了不确定性增加，怎么处理，就是整理，整理了房间，有序度提高了，熵减少了。
   香农博士就是利用熵度量信息量的大小，信息量越大，越不确定，那么熵就越大，如果想让信息确定，就必须引入更多的信息，引入信息的多少，就看需要事件的不确定性大小。与机械思维相反，信息论是建立在不确定性的基础上的。
   如果你学过机器学习，那对决策树算法一定不陌生吧，没学过也不好紧，先用一个例子简单的说明，如何判断一个西瓜是不是成熟的好西瓜？需要判断瓜的花纹颜色的深浅，瓜蒂的粗细，还有瓜敲起来声音如何，我们可以根据这些条件一步步判断，每步选一个条件做判断，最终根据多个条件判断出瓜是否熟的概率，画图如下：
                                          
 首先我们对一个瓜是不是熟瓜，这个信息是不确定的，如何确定那，我们引入了多个信息，瓜的花纹颜色，瓜蒂的粗细，而且判断的条件的引入顺序也是很重要的，比如我认为瓜的花纹颜色深浅很重要，这个信息量比较大，引入之后会让瓜是不是熟的信息熵急速减少，这样我们对信息的确定性越来越确定，决策树就是利用这个原理来判断的。这里面的花纹颜色，瓜蒂粗细也不是随便选择的，要选择的信息和瓜是否成熟具有相关性（信息论的说法），信息论中的互信息说明了相关性的大小。
  
 信息论得出的重要原理就是，当我们要对未知的事件找一个概率模型的时候，这个模型应当满足我们现有以解决看到的数据，但是对未知情况不做任何假设。这个就是最大熵原理，不同于以前的“大胆假设，小心论证” ，不做主观假设的前提是有足够多的数据。
  
 首先要了解大数据的三个特点：1）数据量要足够大；2）数据的维数要足够多；3）数据要是完备的，全覆盖的，不能是抽样的。
   这个世界的本质是个不确定的世界，我们了解到的信息越多，越容易消除不确定性，随着大数据的发展，很多人工智能的问题得以解决是，因为我们的数据足够大了。
  
 数据量足够大，我们就有足够多的信息，相关的领域的不确定性减少的越多，那么相关研究进展就越快；数据的维数越多，与我们要解决的问题的相关性匹配就越好，有了多维度信息，我们可以做交叉验证，从而进一步减少信息的不确定性；而数据的完备性，防止了小概率事件的发生，是对事件发生的环境的全范围覆盖，因为技术的进步，数据的完备性收集得以称为可能。
  
 大数据强调的是相关性，而不是因果性，世界既然是不确定的，那么有些规律我们是无法找到其因果关系的，但是不妨碍我们去寻找其相关性，比如在“电影租赁的网站上放零食广告”，比如“在咖啡评论和销售网站上，放信用卡广告和房贷广告”，这就是从大数据分享广告的点击中获取的结果，虽然不知道因果，但是这种相关性对我们提升广告的点击率也有帮助，我们要学着接收这种不知道原因的答案，如果我们愿意接收，就跳出了机械思维只追求因果的方式。
  
 大数据时代已经来了，我们的思维方式不要再停留在仅仅熟悉机械思维的方式考虑问题，要敢于接收没有因果的答案。
  
 祝大家都能有思维上的提升。
   ---- 明翼 2019年8月31日于成都