《智能的本质 人工智能与机器人领域的64个大问题》读后感精选

《智能的本质 人工智能与机器人领域的64个大问题》是一本由[美] 皮埃罗·斯加鲁菲著作，人民邮电出版社出版的平装图书，本书定价：CNY 55.00，页数：230，特精心收集的读后感，希望对大家能有帮助。

《智能的本质 人工智能与机器人领域的64个大问题》读后感(一)：截止2017年底人工智能科普类比较新的书

为啥子写这个名字？ 因为这就是我当时选这本书来读的原因。

市面上大部分人工智能方面的内容都存在于网络上，集结成书的倒是真的不多。

——————————以下都是剧透————————————————————————

Q 64 讲的是人工智能和宗教.作者认为科学技术的进步转移了人们对宗教道德的注意力，即灵魂的注意力，未来恐怕是奇点宗教的世界

Q63 讲的是人工智能会带来危机吗，作者认为毫不担心这种情况，反而没有机器人的世界是一个可怕的世界。

Q62 物品的时代

《智能的本质 人工智能与机器人领域的64个大问题》读后感(二)：有印象的知识点

1 科技使人的注意力变得短暂

2 “人人都是自媒体”这一现象使新闻媒体行业萎缩，记者不再有精力去编撰深度有价值的内容。

3 目前大部分机器人属于工业机器人。我听说过的包括仓库机器人，物流机器人。

4 机器人可以陪伴老人。年轻人的精力应该用在更有价值的事情上。

5 移民创造了许多伟大的企业和就业机会。

6 现代社会人们应该学会把自己像经营一家公司一样经营个人品牌，自己付费学习所需的技能。

7 大公司会不断裁人。创立不到五年的新公司会释放出更多工作机会。

8 这个时代最聪明的人都在研究如何让人们点击按钮

9 相比科技的发展，营销的发展才是快速的。它让人们相信社会一直在快速发展，人们需要购买更多东西来满足自己的需求。

《智能的本质 人工智能与机器人领域的64个大问题》读后感(三)：#人工智能#02《智能的本质：人工智能与机器人领域的64个大问题》

【预读】读简介、读标题

【预期阅读目标】what：人工智能的64个问题覆盖讲述了哪些跟“如何迎接AI时代的挑战”相关的内容？how：如何应对人工智能带来的挑战？

【阅读笔记】

总体印象：64个标题即内容概要。第1章：人工智能的起源——历史、社会学与大脑；第2章：人工智能的现实与幻想——愚笨的机器、暴力计算型人工智能与奇点论；第3章：人工智能的前景与问题；第4章：人工智能与人类智能——人的机器化；第5章：人工智能与人类永生——数字不朽、强人工智能与合成生物学；第6章：人工智能的伦理与道德；第7章：人工智能的未来方向；第8章：人工智能与人类社会的未来。本书总体的观点是乐观的，也相信人工智能会带来更多的就业机会和薪酬更加丰厚的工作。

what：人工智能的64个问题覆盖讲述了哪些跟“如何迎接AI时代的挑战”相关的内容？

直接略读了1-2章。

第3章 23 机器人时代的工作-第四部分 是跟阅读目标相关度较高的内容。文中提到，最显而易见的一条经验法则是：工作内容像机器的人将被机器取代。

作者在这一小节中提到，他认为高度结构化的社会中，规则支配工作的比例越高，从业人员被机器取代的概率就越大。而“人情味”仍占上风的国家，可能工作职位被取代的概率要小一些。此外，作者认为，需要与人打交道（情感交流互动，如同情病人的护士等）的工作，还是会保留。此外，设计机器人本身的设计师，则会更受欢迎。总之，作者认为，借助机器，学更多知识，涉猎更多领域，是将来找工作的优势。制造/积累信息＜自己理解＜让别人理解。

其他章节亦略读。

how：如何应对人工智能带来的挑战？

活到老，学到老。

在本职工作以外，借助现在的互联网讯息共享优势，多学习广涉猎，并且将学到的东西内化成一种能力和技能，斜杠青年走起！

《智能的本质 人工智能与机器人领域的64个大问题》读后感(四)：喧嚣的人工智能迷思.md

当前，各大IT企业斥巨资，吸引顶尖人才推动人工智能学科和产业化发展，人类社会步入以人工智能驱动的信息时代。随着围棋对弈中机器智能完败顶尖棋手、全球首个机器人获得公民身份、自动智能的文稿写作和艺术创作等种种事件影响，2016年以来，人工智能概念以及衍生应用对普罗大众到专业从业者，产生深刻影响和持续吸引。

人人都可对“人工智能”这个专业概念发表看法。社会各界涌流着“预见未来”、“变革时代”的热切期盼，民众都怀抱着对ICT技术引发巨大变革影响的憧憬。

以库兹韦尔为代表的乐观主义未来学家预测，随着信息技术爆炸式进步，摩尔定律带来硬件成本的指数型降低，不久的将来人类将迎来一个强人工智能超越人类智能的奇点（singular）。包括物理学家霍金、微软大佬比尔盖茨等，表达了对强人工智能快速发展，机器制造机器、机器智能超越人类智能带来社会问题，可能引发反制人类的担忧。

在人工智能大放异彩的时代，也有部分学者和科学家对此提出了另一个角度的质疑。历史学家皮埃罗斯加鲁菲就是其中一员。

回望历史，包括人工智能开山鼻祖在内的西蒙、明斯基等科学家，以及科幻作家阿西莫夫等，在不同时期给出的机器智能全面渗透影响人类的时间，却被现实证明都是错的。而且，很多未来应用场景，至今也未能实现。社会上所谓的有效预言，如数字浪潮、无人驾驶，是从曾经的、大量的（98%以上）被证伪预言淘汰后留存下来的，具有幸存者偏差效应。

总体而言，受制于计算机设计原理，机器智能中短期内，尚不能全面多元自主进化学习，难以超越人类智能。而当前对信息技术和机器智能的看法普遍过于乐观。

## 1. 信息技术存在自身局限。

- 一是受计算机底层原理制约。

现代计算机的工作原理来自图灵机，工程实现来自冯诺依曼体系。一方面，科学家已经将哥德尔不完备定理延伸至计算机领域，证明一阶逻辑不可计算，通用图灵机对“不停机”问题无解。这也意味着，基于图灵机原理的计算机，原则上不是可解决任务的机器。

另一方面，现代科学理论认识和判别的意识是否存在，这也是“智能”的关键指标，是考察各组成部分形成密集的信息交互，进而形成整体智能意识。而冯洛伊曼体系，将计算机的存储、计算等部分分离设计，从这个角度看，计算机并无智能意识可言。

- 二是暴力计算和硬件升级的制约。

当前机器智能的获取与提升，不是简单的走遵循基于规则的推理，也不是基于人类主观经验和机器客观算法的专家系统推理，而是采用基于数据的概率统计以及多层次神经网络模拟。后者的准确度和精度，需要喂养海量标记数据，依赖于计算能力、存储能力的指数级提升。大算力+大数据构成机器智能的两大核心。假如算力和数据量受限或缺乏，则机器智能水平就无法提升。

- 三是机器智能增长机制不明制约。

作为目前机器智能最创新、前沿和有前景的分支，基于多层神经网络的深度学习，需要人们持续对海量数据的持续训练和参数调优，而参数调整并无规律可寻，人类对背后的理论机制与原理不理解。微软甚至开发了一种机器人用于算法参数调优。这种黑箱式智能，只能通过持续试错获得，其发展走向、效果水平具有不确定性，智能增长的方式难以持续。

## 2. 技术在改变，但不一定都能称之为“进步”。

- 一是人们感知的技术快速变革可能只是乐观错觉。

技术爆发式发展，过去各个时代也都有。而20世纪电力、汽车、飞机、留声机、电视机等从0到1的开创性发明革新，相比于数字技术，也许从历史长河看，更具变革性意义。而且，任何革新技术都存在一个指数级普及和爆发阶段，无论是指引时间的时钟，还是知识传播的印刷机，直至行业成熟稳定。回顾历史不难发现，每个时代人们都会高估技术的影响，却对过去时代知之甚少。

- 二是技术影响了部分人类能力的退化和适应性。

在数据技术影响下，虚拟世界的二次元文化、现实生活的手机依赖瘾、个体的无处遁寻和行为的即时反馈，对经济发展、社会结构、人际交往产生重大影响。人们目前对周遭环境的感知能力，群体共情能力、方位路线辨别能力均不及过去，专注力日益缩短，精神集中度涣散，深度阅读和写作能力下降等等。这是信息技术释放红利的同时带来的副作用。

此外，现代人沟通依赖邮件、IM等工具方式，这与之前的鸿雁传书、邻里互访、当面沟通，哪种方式更能带来快乐呢？目前技术飞速进步效率极大提升，但我们比之前的人们更悠闲自在，享受自由，还是更为焦虑、被现代节奏裹挟不得不快速发展呢？我们在现代社会接受的资讯、购买的物品其丰富程度远超过过去，但能确保不是某些权力组织或公司刻意设置喂养给我们的么？将我们置于一个原始森林或蛮荒之地，缺乏机械工具的我们能更敏锐的感知环境、更可靠长久的生存下来么？

- 三是机器智能尚且不能普遍联系，交叉学习和迭代进化。

当前，大量所谓的机器智能，需要在人造的结构化环境中，面向特定领域和特定任务，才能生成机器智能和决策反馈。图像识别、语音识别以及自然语言处理等，虽然近几年在实验室、公开竞赛场不断取得优异成绩突破历史记录，现实电子消费类产品和工业场景下也开始应用，但他们都仅限于特定领域任务，还需人类作为适配者加以设计和干预，实现人与机器紧密配合，协同工作。

而机器智能展现出的模式识别、智能决策与反馈，依然处于初级起步阶段。例如清晰准确辨识“一只猫”，甚至需要上万台CPU和GPU，耗费数天机器学习，耗能几千瓦。如果衡量其“智商”，绝不超过普通四五岁儿童。换一个角度，只要想想，你是否愿意将法院对你的审判交给机器人而非陪审团，将自己的父母和孩童看护完全托付给机器人，就知道当前的智能技术还只是很粗线的应用水平。

这类的机器智能，既不能根据不同场景和任务，随机应变，也不能综合学习多类型的数据实现自主应用，更无法自如识别、操控不曾海量数据学习过的物体。在此看来，机器智能的发展依然任重道远。

《智能的本质 人工智能与机器人领域的64个大问题》读后感(五)：我们距离人工智能还有多远？

01

之前写了一篇文：什么是人工智能。

细心的小伙伴发现我并没有定义人工智能是什么，而是在从各个角度尝试思考人工智能不是什么。

有人给我留言说，你这是自己和自己过不去，好好的想这么多做什么呢？

人的认知总是有边界的，因为这个边界导致你在看问题的事情会有自己没有意识到的局限。

按照查理芒格的说法就是，我们要时不时的给自己的思维洗个澡。

意思就是说，我们要不断的打破自己的认知边界，拓展自己的认知边界。

一个人的成长就体现于此。

混沌大学创始人李善友老师提过一个词：SB速率——你觉得多久以前的你是SB。

02

说远了，我们回到人工智能的问题。

对于人工智能的定义将对我们看很多问题有非常大的影响。

比如今天我想要讨论的一个问题：我们距离人工智能还有多远。

如果对人工智能的定义不明确的话，这个问题很朦胧，答案很飘忽……

不管你承认与否，现在市面上很多所谓的AI产品和应用，不过是给自动化披上了华丽的外衣。

我们以生产制造为例。

特斯拉工厂看不到几个人，基本上实现了用机器制造机器（汽车）。

而很多人说，看这是人工智能在汽车制造上的应用。

但是，自动化流水线什么的不是早在工业革命时期就开始推广和应用了吗？

当人们去参观亚马逊的无人仓库，看到那些忙碌的机器人时说，看人工智能已经在仓储得到应用了。

而在我看来，这也是自动化的另一个应用而已。

如果你觉得这就是AI，那我们回到这个问题：我们距离AI还有多远？

我们是不是已经实现了呢？

看，你肯定会说：怎么可能实现。

什么是暴力计算？

之前AlphaGO在2017年赢了世界排名第一的棋手柯洁，从而掀起了一阵AI热潮。

而AlphaGo使用的就是暴力计算，结合了数百万人类围棋专家的棋谱，以及强化学习进行了自我训练。

所以，当年柯洁并不是和一台机器下棋，而是在和数百万围棋专家对弈。

而AlphaGo所使用的技术现在看来也并不是特别精妙的算法，而是基于强大的算力。

近些年来，因为移动互联网的高速发展，以及硬件、算力的摩尔级提升，让暴力计算成为了可能。

一个正常人的计算能力是有限的，更无法在很短的时间内计算并对比上百种方案中哪种胜率更高，但是机器通过暴力计算可以做到。

如果说，暴力计算就是AI，那么“我们距离AI还有多远？”

看上去OnGoing的状态呀！

暴力计算型AI的确可以让机器超越人的能力去做很多事情，但是很遗憾的是，只能基于垂直领域。

比如，一台通过暴力计算下国际象棋的机器，你不能指望它能很快的学会下围棋。

比如，一台擅长导航的机器，你不能指望它帮你打扫卫生。

在谈及人工智能的时候，我们会YY一个能拥有人类一切能力的机器。

比如，它就像是一个7*24小时的工作生活助理一样，帮我们泡茶、做饭、安排日程、处理邮件……

所谓的通用人工智能就是这种机器。

有的人在想，我们不是有各个领域的暴力计算型AI吗？

那么我们再暴力的将它们合在一起，那么不就是一个通用型AI吗？

这么说好像也没错。

但是却忽视了一台暴力计算型AI会需要消耗的资源，更何况是多个。

人脑的消耗有多少？呵呵，那可是相当节约的。

如果说通用人工智能就是AI，那么“我们距离AI还有多远？”

看上去有可能性，但是还是有一段路的。

更不用说要像好莱坞大片里面的AI，有血有肉，有笑有泪了。

04

至此，我想到一个问题：我们真的需要那么像人类的AI吗？

目前我们可以看到的是，AI可以帮助我们更高效的去完成一些任务，有些任务甚至是人类无法完成的。

AI的优势在于：不会因为身体或者情绪的原因就请假或者低效，不需要休息，不会搞所谓的“政治”，并且拥有强大的计算能力……

所以，也许我们真正需要的其实并不是一个像人的机器，而是可以“愚蠢”的一门心思为人类服务的机器。

它全年7*24小时无休，也没有劳动部门会找你麻烦。

它不会向你要求涨薪休假发福利，也不会向你抱怨工作量太大。

它可以无视高温或者低温的工作环境，也不会带薪上厕所。

……

这样看来，AI确实挺不错的。

如果是这样，那么我们其实也许并不需要通用人工智能，也不需要那种有情感的像人的机器。

我们需要的是能够降低成本、提升效率、服务于人类的人工智能。

如果是这样，那我们离人工智能还有多远？