《人工智能的进化：计算机思维离人类心智还有多远》读后感精选

《人工智能的进化：计算机思维离人类心智还有多远》是一本由[加] 赫克托·莱韦斯克著作，中信出版集团·科普工作室出版的精装图书，本书定价：49，页数：203，特精心收集的读后感，希望对大家能有帮助。

《人工智能的进化：计算机思维离人类心智还有多远》读后感(一)：如果科幻片的机器人成真了？

人工智能的书籍千百种，从各个角度来研究的都不尽相同，而这本书旨在从人工智能的角度探讨人类的心智。很难理解，这就好像偶像剧里的数学大神，用那些我们搞不懂的算式在噼里啪啦算着爱情的公式一样，让人叹为观止，可是~~宝宝看不懂啊！

所以我首先要明白的是，为什么作者要把冷冰冰的机器来跟人类的思维一起来研究呢，是不是理工科学家的眼里，什么都可以通过计算来的出结论的？研究这个有必要吗？我想应该是有的，赫克托·莱维斯克想要研究的是——计算机离人类心智还有多远？我们总是恐慌人工智能会不会取代人类，在各种的科幻电影里的景象会不会有一天成真？可是我们对其原理一无所知，只能靠着想象去理解这个事情。我们对于人工智能最大的忧虑便是但是其会冲击到我们现有的法律和伦理。

作者是多伦多大学计算机系教授、加拿大学者、人工智能研究专家，多年来致力于人工智能的研究，主要研究方向为人工智能的知识表现和推理。作为研究者，他必须解决应当如何合理应对人工智能时代所带来的安全风险来展开具体的分析与讨论。人工智能所将会引发的问题有如下问题：

人工智能可能使得部分传统犯罪的危害性发生“量变”，科技不仅给人类带了福利，他同时也给不法分子的犯罪提供了更便利更有杀伤力的武器，在本质上说，人工智能是人类所创造的，人类始终凌驾于其之上，但是如果落在了犯罪分子手上，为了可以引发更多的灾难来报复社会和人类，难保他们会让人工智能进化到何种程度。所以研究这个课题对于人类来说，意义重大。

研究自适应机器学习也有利于人工智能在教育领域的个性化教育与学习，如果能够实现机器人代替老师，给学生做到对症下药，这在一定程度上可使每个学生都能学习到知识，查漏补缺，而不是像过往那样，老师分身法术，只能兼顾到部分成绩特差或特别好的学生，二来如今的家长都太忙碌，又不放心孩子自己在外面玩耍，那么人工智能可以在一定程度上充当玩伴及教育的角色去引导孩童，但也要警惕家长不能太过依赖人工智能，适时也要给予孩子更多的关爱。

`X�}�

《人工智能的进化：计算机思维离人类心智还有多远》读后感(二)：old fashion不一定是过时的

内容概述：莱韦斯克是GOFAI（Good Old-Fashioned Artificial Intelligence）方面的专家，对AML（Adaptive Machine Learning）实现人工智能的过程中的“黑箱”感到不安。本书简述了人工智能的发展历程，科普了人工智能实现的初心即GOFAI技术及其研究路径、为什么要研究GOFAI、也介绍了AML的局限性（长尾理论）。莱韦斯克的观点是AML只会无限逼近真正意义上的人工智能，而不能从根本意义上实现人工智能，例如AML无法依据过往的“白天鹅”统计数据去应对“黑天鹅”事件（不能随机应变，不具有人类心智），而具有常识的知识系统（包括表示和逻辑）则可以更好地去处理这些小概率事件。

background：1.以我自己学过的AI相关课程为例，确实很少会提到GOFAI，只是会在人工智能发展史上简单提上一句“人工智能最早的形态是一种知识（管理）系统”。2.本书出版的时候，AlphaGo还没击败围棋世界冠军，人工智能似乎还没被广泛应用，我们还没陷入“信息茧房”。

反思：1.现在人工智能技术的发展，蓬勃是真的，一系列问题也是真的，而造成这些问题的原因会不会是从根本上就把路选错了呢？（我似乎快要被莱韦斯克说服了）AML确实是一条捷径，但治标不治本，更像是一种掩人耳目的骗术。（莱韦斯克应该会赞同这句话）抑或是就像最后一章提到的，把GOFAI的逻辑性和AML的统计性结合起来。2.人工智能就像是一块“巨型拼图”，需要各个领域的专家学者们共同努力才能实现。换个说法人工智能技术的突破似乎更依赖于通才、全才、“团队”，需要不同学科之间的相互渗透和互相借鉴。（想起之前看的一席的演讲里有一位儿童认知行为方面的专家就在人工智能研发团队里。她提到说儿童的最关键能力是举一反三。）3.本书提到的关于知识和语言学的东西，屡屡让我想起特德姜的科幻短篇《你一生的故事》（被改编成电影《降临》）。想起作者所说的，我们之所以认为人工智能会毁灭人类，是因为我们生活在自然选择的法则里，会把新的东西当成一种威胁，之前是生物科技、外星人，现在则成了AI。警惕性高是好的，但是现在的AI水平还远不足以威胁人类。

以上纯属外行发言，轻喷

《人工智能的进化：计算机思维离人类心智还有多远》读后感(三)：《人工智能的进化》：未来图景与当下拼图

从工厂的机器工人到无人驾驶汽车，再到阿尔法狗战胜世界第一象棋手，我们似乎已经身处高新技术所营造的美丽新世界，以至于谈论人工智能，远非只是时髦，更是一种政治正确，它被目为国家安全与民族复兴的发展方向。然而，另一方面，我们也能够听见相反的声音，部分人士对技术表现出悲观态度，不仅认为技术正在让人变得愚蠢，他们还担心，人工智能将意味着你我的末日，特别是当人工智能学会思考并最终像末日电影中那样开始调转枪口。

加拿大多伦多大学计算机系教授赫克托·莱韦斯克，对此则有着不同的看法。他认为，尽管末日电影具有强烈的吸引力，但目前对人工智能抱有此类担忧，即便算不上杞人忧天，也是有失偏颇的，因为，诸如此类的问题往往更多“涉及政治，而非技术，因为答案取决于我们想要一个什么样的社会”，因而社会的整体架构，远比技术占据核心地位，毕竟，是政客们，而非原子弹要为持续数十年的冷战以及由此带来的末日恐慌负责。

人工智能，或者说自动化，是这幅并不明确的未来图景的一部分，虽然正在实现的过程中，但远非其全部内容。然而，莱韦斯克强调，这块微观的小小拼图，对于构建此后未来图景，也许不乏启示。鉴于人工智能涉及的范围、争论、挑战实在太过多元，莱韦斯克逐渐将讨论的中心缩减至“常识”——我们如何根据知识的储备，在陌生的情况下面对问题、分析问题，直至解决问题——以及常识的程序化实现。

问题并未因此减少，常识到底是基于纯粹的理性而造就的仓库，抑或也包含情感、冲动此类非理性因素？在莱韦斯克看来，作为决策背后依据（不管行动主体是否察觉）的常识，主要或者说大部分是理性因素，因此可以进行仔细探究、分析，甚至是仿制。那么，人工智能的发展问题，便不再是是否可以像人类一样思考，而是它是否可以“像具有思考能力的人一样运行”。

针对这一问题，莱韦斯克的回答，即便不是百分之百的确定，却也是较为乐观的。当常识可被看作知识，当知识多以命题、假说呈现，人工智能在这方面，显然远非毫无潜力。不过，莱韦斯克也强调，“如果没有相应的巨大进步，任何建立大型知识体系的企图都注定失败。那种企图将一台空白的电脑联网，让其自学，让其自行完成所有费力工作的想法就是空想。”因此，短时间内想当懒惰的主人，只怕不那么现实，除非是在荧屏中。

面对人工智能，究竟该采取怎样一种态度呢？是一心一意沉浸在造物主的幻觉中沾沾自喜，最终或将同《弗兰肯斯坦》中的科学家面临相似的命运，反为造物吞噬（当然，也可能存在乐观的情形，即懒惰的人类主子与勤快的人工智能和谐相处），还是完全开放乐观的态度，为技术带来的无处不在的改变大声叫好？答案显然不是非此即彼。无端恐慌也好，盲目推崇也罢，或许在产生进一步的冲动之前，加强我们对技术、对自身的理解，更为至关重要。

《人工智能的进化：计算机思维离人类心智还有多远》读后感(四)：人工智能要走的路还很远

在当今时代的发展中，人工智能早已不是新鲜话题，对于人工智能的未来，从普通老百姓到科学家都持审慎的态度，在很多科幻小说或电影中，未来的人工智能扮演的总是人类的敌人，要把人类消灭干净的角色；人工智能真的发展出自己的心智，在可以不断升级进化的情况下，对地球上这些占据统治地位的低等生物，想取而代之，从而引领快速高效的发展，也在情理之中。

那人工智能到底能不能发展到这种超越人类心智的程度呢？这不是三言两语能够说清楚的，需要追本溯源，从人工智能最初的发展和设想说起。这本《人工智能的进化：计算机思维离人类心智还有多远》就是赫克托·莱韦斯克教授对于人工智能发展的深入思考与探讨。让我们跟随教授的思路一同认识下人工智能的前世今生。

人工智能的发展还要从计算机科学的先驱艾伦·图灵说起，图灵设计了计算机的前身——图灵机，一种在二战中破解德国通信密码，为反法西斯战争做出巨大贡献的机器。图灵用机械装置实现了对于数字、符号的逻辑运算，为将来计算机的发明奠定了基础。图灵的伟大在于他关于逻辑运算机械化的创想，和他对于人工智能的前瞻设想，他所提出的图灵测试仍是现在检验人工智能水平的标准工具。

从图灵开始，人们对于人工智能的理论研究倾向于怎样让程序具有常识，机器能否像人类的思考一样去运行，这其中，语言是研究人工智能的绝佳工具。现在人们在进行人工智能检测和评定使用的图灵测试还是进行自由对话，是对语言理解能力的一种衡量。但采取对话的方式就给了程序投机取巧的空间，一度人们的研究方向偏向于如何在对话中取巧掩饰对理解的偏差。而且采用图灵测试进行评定是否真的合理？因其方案中的漏洞和设置的缺陷，赫克托·莱韦斯克教授与其他研究人员设计出了需要理解语境的威诺格拉德模式，用来替代图灵测试。

人类在研究心智的时候面临着诸多难题，尤其在背景知识是如何作用于行为的选择方面举步维艰，慢慢地也催生了研究方向的转变，不研究现象如何产生，而研究现象本身。至少有一点是极为确认的，人工智能是基于足够的背景知识的。其实人类做出行为决定也是基于所相信的内容（背景知识）。

那人类又是如何获取知识的呢？对于词语、事实的学习，可以通过直接的经验和语言；对于行为的学习，要么通过反复实践，不断纠错，要么通过学习别人的经验；可以看出，语言发挥了重要作用，除了是人类沟通手段，还是知识积累和传播的工具。

而在知识和经验的学习中，小概率事件——长尾现象是变数，依托于过往经验的系统在遇到长尾现象时就会崩溃，无从处理。因此以培训获得技能为依托，只是通常情况下可以很好的处理问题。比如战胜了人类强者的围棋程序AlphaGo对人类最强棋手李世石和柯洁屡战屡胜，但李世石的一招从未出现或极低概率出现的“妙手”却能轻易击败它。

虽然在具体的研究方向上有所不同，但基于知识的系统仍是目前正确的趋势。在经典仍工智能研究设想中掌握一切人类知识的超级人工智能至今仍难以实现，但专注于某一领域的自适应机器学习的研究却大有用武之地，就比如上面说到的AlphaGo，它几乎学遍了人类的棋局，因此它能够利用大数据进行最优选择。像这种在某一领域的应用仍旧能取得成功，一是因为某一领域的知识量还是现在的计算机性能能够处理的，二是所需的投资还是可以接受的。

如上所说，就目前来看，人工智能的发展在某些特定领域如火如荼地前进着，一个人工智能的时代已经来临，我们应当尽力融入这个时代，但本文一开始所说的人工智能危机会不会出现呢？赫克托·莱韦斯克教授的观点是不可能，他认为人工智能的程序是由人类设定的，除非人类刻意为之，否则人工智能不会完成真正的“进化”。

莱韦斯克教授在《人工智能的进化》中追溯了人工智能发展的来龙去脉，介绍了传统人工智能研究的思路与难点，讲述了现代人工智能发展方向的转变和诸多领域的应用，对于人工智能未来发展的潜力和广泛的应用性，为我们树立了信心。让我们迎接这个人工智能的时代吧。