计算机与人工智能读书笔记1.pdf

《计算机与人工智能读书笔记1.pdf》由会员分享，可在线阅读，更多相关《计算机与人工智能读书笔记1.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、计算机与人工智能读书笔记计算机与人工智能读书笔记计算机与人工智能读书笔记篇一计算机与人工智能读书笔记篇一这本书我断断续续看了大约两三个星期，谁知微信读书统计我总共才花了 8 个多小时。我对新科技发展一向反应迟缓，对计算机科学也知之甚少，只有对Alphago 和柯洁的大战以及无人驾驶车的前景等还算感兴趣，这本相当于人工智能科普的书正好适合我，难得的是还写得颇有趣。李先生像个人工智能的布道者，娓娓道来人工智能的来龙去脉，宏观地介绍人工智能在各个领域的发展现状和前景，大声宣告人工智能时代即将来临，并且敦促大家做好准备积极迎接它的到来，中间还穿插了人物的故事。我对这本书中印象比较深的有如下几点：1、人

2、工智能，分为弱人工智能强人工智能，和超人工智能。弱人工智能就是能在特定领域内解决问题的人工智能，目前的大部分人工智能都属于这一类，佼佼者比如说 Alphago，又比如我现在正在用的讯飞听写功能。第二类是强人工智能，这种也叫通用或完全人工智能，可胜任人类所有工作，目前还没有这种人工智能。最后一种是超人工智能，也就是比人还要聪明的 AI，这个目前只存在于科幻小说里，在可见的未来不太可能会实现。那这三类人工智能，第一类，对人是没有威胁的，那第二类或者第三类，就难说了。2、AI 的出现将会带来人类的另一次大的产业革命，并且它可能比之前的蒸汽机带来的工业革命对人类社会和产业结构的影响还要巨大。据说，在人

3、工智能时代，重复性的、机械性的工作将被机器代替。但是他们并不会使人类失业，而是使人们的工作内容形式发生大的改变。并且据说人类会被机器解放出来，有更多的时间和自由去追求自己的兴趣，发展自己的创造力等。3、在这样的背景下，未来的教育方式和目标也会发生巨大的改变。教师要学会与机器协作，教学方式侧重于小组讨论，内容要侧重于培养学生的创造力、情感交流能力、综合分析能力、审美能力等等不能被机器所替代的东西。教单一一种知识技能比如说语言的教师，则很可能几年后就会被机器所替代。除去以上几点，我还记得这本书里说到的人的故事。任何人类社会的发展都离不开个体的人，这本书里提到了很多形形色色的对 AI 发展有杰出贡献

4、的人。其中我印象最深刻的是图灵，他的才华有多出色，他的命运就有多悲惨。他的结局让我不由想起一句话：悲剧就是把美好的东西毁灭给你看。计算机与人工智能读书笔记篇二计算机与人工智能读书笔记篇二最近因为很想了解人工智能，在知乎、饭团上看到许多人十分推崇这本书作为入门的读物，于是决定找来进行学习。科学的极致：漫谈人工智能是由集智俱乐部出版的，书中对于人工智能的历史脉络、内涵、当前的困难和可能的突破方向等，都有较为通俗易懂、深入浅出的解读，可以说十分适合我这种非技术背景的读者。通过阅读本书，我了解到了人工智能的发展历史、计算理论、计算机基本原理、怪圈与哥德尔定理、通用人工智能理论、神经网络（包括人脑）与深

5、度学习、自然语言理解等知识理论。当历史的车轮回到 1900 年，数学家大会在巴黎召开，年轻的捷克数学家哥德尔发现了“哥德尔不完备定理”，阿兰 图灵则设想出了有名的图灵测试，推动了后续的 AI 研究。直到 1956 年，人工智能这个概念在美国达特茅斯会议上被提出，这一年，也被公认为人工智能的元年。起初，人工智能专家们野心勃勃，试图创造出不逊于人类之类水平的智能机器，但随后人工智能的每一个新浪潮都经历了从盲目乐观到彻底沮丧的轮回。通用问题求解器、感知机技术、基于规则的专家系统、遗传算法、神经网络、概率图模型、支持向量机、莫不如此。人工智能近 60 年所走过的曲折道路，诸如奇点临近、超级智能机器人、

6、人与机器的共生演化等激动人心的内容并没有出现。但尽管这条道路蜿蜒曲折，荆棘密布，但它却在不断发展壮大。在 20 世纪的 90 年代，人工智能形成了三足鼎立的三个学派。分别是以传统逻辑功能为主导的符号学派，通过模拟大脑的结构（神经网络）为主的连接学派以及从简单生物体与环境互动的模式中寻找答案的行为学派。深度学习可以说是目前最热门的一个 AI 词汇，它属于连接学派。简单来说，机器学习是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。从 20 世纪 80 年代末，机器学习的发展经历了两次浪潮，浅层学习和深度学习。根据不同的学习方式，机器学习可以分为全监督学习、无

7、监督学习、半监督学习、强化学习、迁移学习等等。而根据是否应用了神经网络，机器学习又可以分为神经网络机器学习和其他机器学习。更进一步，对于应用了多层神经网络的机器学习，被称之为深度学习。即深度学习是机器学习当中的一个子集。当前，深度学习最典型的三个应用方向是：语音识别、图像识别和自然语言处理。自然语言处理是人工智能领域目前最核心的瓶颈。语音识别、图像识别等感知层技术，已经有了不小的进展，而自然语言处理，是将人的语言形式转化为机器可以理解的、结构化的、完整的语义表示。尽管深度学习已经取得了相关的进展，但是机器仍然难以理解人类语言产生的过程，在阅读或者加工文字时，经过了怎样的步骤，深度学习通过学习模

8、型的“深层结构”从而对数据中存在的复杂关系进行建模。书读完了，最触动我的是艾伦图灵这个传奇科学家，他提出了伟大的图灵测试。假如有两间密闭的屋子，分别关了一个人和一台计算机。屋子外面，有一个人作为测试者，只能通过一根导线与屋子里面的人或计算机进行聊天。如果测试者在有效的时间内，无法判断出这两间屋子里面，哪一个关的是人，哪一个是计算机，那么就称这个计算机通过了图灵测试，具备了智能。这个测试标准推动了后续很多 AI 研究，比如 iPhone 上的 Siri。图灵的研究大大推动了人工智能的进展，而图灵本人却在 1954 年死于一个被氰化物注射过的苹果，年仅 42 岁。据说，苹果公司为了纪念这位计算机科

9、学之父，特意用那个被图灵咬掉一口的苹果作为公司的 logo。能够制造出向人类一样思考的机器是科学家们最伟大的梦想，用智慧的大脑解读智慧必将成为科学发展的终极。重要的是，人们对于人工智能的梦想永远没有破灭过，也许人工智能之梦将无法在我的有生之年实现，或许始终无法逾越哥德尔定理那个硕大无朋的“如来手掌”，但是，我相信人工智能之梦将永远驱动着人类不断前行，挑战极限。计算机与人工智能读书笔记篇三计算机与人工智能读书笔记篇三AI 复兴：深度学习大数据=人工智能这一次人工智能复兴的最大特点是，AI 在语音识别，机器视觉，数据挖掘等多个领域走进了业界真实的应用场景，与商业模式紧密结合，开始在产业界发挥真正的

10、价值。第三次 AI 热潮：有何不同？AlphaGo 与李世石的围棋人机大战刚刚尘埃落定，“人类是不是要被机器毁灭”这类的话题在普通人中流传开来。可大家千万不要忘了，这并不是人机对弈第一次激起公众的热情。1997 年 IBM 的深蓝战胜卡斯帕罗夫的那一天，全世界科技爱好者奔走相告的场景丝毫不比今天人们对 AlphaGo 的追捧逊色多少。几乎每一项新兴企业成功的技术，在真正成熟之前，都要经历先扬后抑的过程，并在波折起伏中通过积累和迭代，最终走向真正的繁荣，稳定和有序发展。人工智能之所以有今天的成就，深度学习居功至伟。图灵测试：假如一台宣称自己会“思考”的计算机，人们如何辨别计算机是否真的会思考呢？

11、一个好方法是让测试者和计算机通过键盘和屏幕进行对话，测试者并不知道与之对话的到底是一台计算机还是一个人，如果测试者分不出与之的对话只是人还是机器，即，如果计算机能在测试中表现出与人等价或至少无法区分的智能，那么我们就说这台计算机通过了测试并具备人工智能。语音识别的发展告诉我们，老一代研究者如果不能尽快更新知识储备，就只有面临被解雇的命运。早在 20 世纪 70 年代，语音识别就曾经有过一些技术突破，有趣的是，今天异常成功的深度学习技术，当年曾在语音识别领域尝过失败的苦涩。而在近年来的第三次人工智能热潮中，语音识别领域发生了天翻地覆的变化，深度学习就像一个秘密武器，蛰伏多年，重出江湖，首先在计算

12、机视觉领域，帮助计算机认识人脸，认识图片，视频中的物体，然后，拔剑四顾，冲入语音识别，机器翻译，数据挖掘，自动驾驶等几乎所有人工智能技术领域大展伸手。语音识别系统在近年来突飞猛进，技术上只有一个原因-深度学习！人工智能领域的研究者，几乎无人不谈深度学习。很多人甚至高喊出了“深度学习=人工智能”的口号。深度学习能够大的伸手的两个前提条件强大的计算能力和高质量的大数据，都是在 2010 年前后逐渐不成熟的。国内的高科技企业，如百度，阿里，腾讯，华为，小米，搜狗，今日头条，都在近年纷纷建立人工智能研究团队，搭建类似谷歌大脑的大规模深度学习集群，而这些集群已经在诸多产品中发挥着深度学习的神奇效能。AI 的发现并不是被 AlphaGo 推向了风口，相反 AlphaGo 是人工智能的一个产物。的确，第三次人工智能正在复兴，这一次的规模会更大，范围会更广，语音识别就是一个活生生的例子，深度学习的加入，让语音识别的准确度，再上一个台阶。