简介

精彩点评

• 

  潘自达

  推荐

  我上周与税局朋友上机械人公司洽谈采购，他们原来想像的机器人是可以在税局大厅作人机交流，可以扮酷，配合政府形象工程。但结果令人失望，这些机械人，就像玩具一样。还报价十万八万元一个，首先金税系统不能接入，人机交互也不可能，答非所问被他气死。正如作者所说。如果上来就要做语言交流、人形外观的机器人，那几乎一定会因为技术水平无法达到人类用户的预期而走向失败。这道理很好理解，越是长得像人的机器人，用户就越是会用人的标准去衡量、评价它，希望越大，失望也就越大。 另外。我也清楚认识到作者下面这段话的重要性。“语音和自然语言处理方面的创业也有类似问题。今天的语音识别虽然做得相当不错，但机器的能力仅限于感知领域，只能完成听写这种以转录为主的任务。也就是说，机器目前只能很有效地将语音转换为文字，但根本无法直接理解文字的含义。只有限定一个非常特定的领域，技术才能解决问题，如果要求自然语言处理算法支持通用的人机对话，那就不切实际了。目前有许多从事智能客服、智能聊天机器人创业的团队，这些团队如果不善于界定问题领域，就很容易将需求问题变复杂，以至于人工智能技术也爱莫能助。”所以人机互动还估计要十年20年的时间。 这本书令我感觉到20年前捧读互联网的启蒙书籍一样。令我感觉到我们生活在一个伟大的年代。前所未有的变化快速转折。我们必须迎接这个人工智能的时代。让人工智能成为人类好助手。

• 

  廖望

  推荐

  很多人都是从AlphaGo开始认识到人工智能的，事实上，在AlphaGo攻克围棋领域之前，人工智能还与人类在棋类游戏上有两次交锋，一次是1962年的西洋跳棋，另一次是1997年的围棋。这三盘棋在时间上大致对应了人工智能的三次热潮。 图灵测试与第一次人工智能热潮 图灵在论文中提出了著名的图灵测试：假如有一台宣称自己会“思考”的计算机，人们该如何辨别计算机是否真的会思考呢？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。如果测试者分不清楚幕后的对话者是人还是机器，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。 语音识别与第二次人工智能热潮 以李开复为代表的科学家提出了用统计概率来解决语音识别的问题，替代了传统符号主义学派，将语音识别的准确率40%左右。经过多年的发展，在2013年，对单词的识别错误率已经降低到23%左右。 深度学习与第三次人工智能热潮 2006年，深度学习泰斗杰弗里·辛顿及其合作者发表了一篇名为《一种深度置信网络的快速学习算法》的论文，结合逐步步入成熟的云计算与大数据，开启了第三次人工智能热潮。 三次人工智能热潮的对比 前两次人工智能热潮是学术研究主导的，而这次人工智能热潮是实现商业需求主导的。 前两次人工智能多是市场宣传层面的，而这次人工智能热潮是商业模式层面的。 前两次人工智能热潮多是学术界在劝说、游说政府和投资人投钱，而这次人工智能热潮多是投资人主动向热点领域的学术项目和创业项目投钱。 神经网络的诞生 生物学家和心理学家很早就开始研究人类大脑的工作方式，其中最重要的一环，就是大脑神经元对信息（刺激）的处理和传播过程。早在通用电子计算机出现之前，科学家们就已经提出了有关神经元处理信息的假象模型，即人类大脑中的数量庞大的神经元共同组成一个相互协作的网络结构，信息（刺激）通过若干神经元的增强、衰弱或屏蔽处理后，作为系统的输出信号，控制人体对环境刺激的反应（动作）。 但由于当时人工神经网络算法在处理某些特定问题时有先天局限，亟待理论突破，而且当时的计算机运算能力无法满足人工神经网络的需要，所以人工神经网络的发展一直处于停滞状态。 神经网络的发展 1、20世纪70年代到80年代，人工神经网络的理论难题得到解决； 2、20世纪90年代开始，随着计算机运算能力的飞速发展，神经网络在人工智能领域重新变成研究热点； 3、2010年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。 神经网络抽象理解 今天典型的人工智能系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。 简单的说，深度学习就是把计算机要学的东西看成一大堆数据，把这些数据丢进一个复杂的、包含多个层级的数据处理网络（深度神经网络），然后检查经过这个网络处理得到的是不是符合要求——如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地调整网络的参数设置，直到输出满足要求为止。

• 

  YiyaChen卫

  推荐

  读这本介绍AI的书，眼界大开。这本书介绍了AI的基本定义及其在各个方面的应用。对于一般人，也许它包括了想到或者未曾想过的有关内容。书基本上介绍地像是一本AI小百科全书。作者不仅仅多才多艺，本人有是该领域值得信赖的元老级别专业领袖大牛。他也介绍了同行其他学术例如，“杰弗里·辛顿与约书亚·本吉奥、扬·勒丘恩有时也被称为深度学习领域的“三巨头”。因此，它肯定比某些文科历史学者写的AI 未来靠谱。一经过它启蒙后，可以继续读赶AI领域的新知识。 这本书的最大特点就是作者不仅仅简介他自己在AI领域研究酸甜苦辣的心路历程他也简明扼要介绍AI技术发展的来龙去脉。特别有价值的是，他熟悉了解，分享了该领域一批顶尖人物。这些在许多在其它AI书中是不可能有的，例如，对于有关牛人个人评价，或者其像八卦一样，独特的精彩有名有姓的故事。所以，如果能够理解消化专家的经历，相信对于新一代AI后人的启发，不言而喻。它定会帮助人拥有一套超过一般人的想象力，创造力和爆发力。相信它是现在及将来从事AI 领域的经典必读。可贵的是它还提到目前AI 还不能够做的事情。显然如果没有专家的自信，没有人会写这种内容，因为它太容易被现实应证。 由于例如，AI审美能力及自我意识的领域。特别是，现在人们对于意识是否是物质的？还是一个哲学及大脑神经科学像是一个客观虚拟研究课题。“人类常常从哲学角度诘问这个世界的问题，如“我是谁”“我从哪里来”“我要到哪里去”，一样会成为拥有自我意识的机器人所关心的焦点。而一旦陷入对这些问题的思辨，机器人也必定会像人类那样发出“对酒当歌，人生几何？譬如朝露，去日苦多”之类的感慨”。……。 简言之，因为第一流的导师引导如何正确思想，三流老师才只教技术。其实，教育最宝贵的是令人脑瓜子开窍！这也是西方国家教育系统的重要组成部分。它绝对不是去教人如何有技巧解题，或者选择当码农或者学霸，尽管技巧等的确重要，但是其绝对不是首位。纲举目张的纲是能思维开窍。AI思维如何开窍，本书的精华都在他的分享之中，只等人去挖掘出来。 本书绝对通俗易懂，作者写作风格也结合了中西方文化的传统优点。五星🌟有余！尽管用书卡读完，还是又重新购买，因为它是本值得反复参考用书。特别是读它比读任何科幻小说更有意义。 关于AI未来，作者认为“AI只是人类的工具。技术本身不是问题，问题是我们如何使用技术以及如何围绕人工智能这样一种革命性的新科技，建立与之配合的社会和经济结构，用制度来保证人人都可享用人工智能带来的巨大收益，同时不必担心失业等潜在风险”。显然，非常赞同作者的对于未来有信望爱的态度。科学研究者及科普作者的楷模。人只要能够看到AI之大时代，大格局，就一定有大发展！它是现在世界，不以人的意志为转移的客观趋势。

• 

  岳小慧

  推荐

  人只不过是一根苇草，但人却是一根能思想的苇草。这是机器和人最大的区别。 期待AI时代的美好。 同时也强推人类简史。

• 

  王珊

  推荐

  看完有种知识恐慌感。人工智能时代的到来已势不可挡，接下来，资质平庸的我们该怎样做才能适应未来的生活？ 所谓“不破不立”，创造力如此、高科技如此、人更是如此。时代推动着科技高速长足地发展，即便是想赖在舒适区的人也不得不快马加鞭动起来，迎头赶上，奋力向前。 开卷有益！感谢李开复老师先进思维与智慧引领，为我贫瘠的大脑注入活泉。五星盛赞👍🏻

• 

  越中女儿

  推荐

  2016年，可谓人工智能的“战略报告年”，各国各机构均发表了许多颇有建树的AI报告。2017年初，李开复和王咏刚两位AI领域的前辈及先驱，结合自身属数十年从业的积累与思考，以及对这个欣欣向荣新时代的憧憬，写下了这本既不乏趣味案例，又充满哲思讨论的科普读物。 本书从宣告AI时代来临入手，追史溯源，娓娓道来。尽管近3年来，AI的报道频频出现于各大媒体进而进入公众视野，然而，这并非第一次AI大热，前两次，由于信息化程度及算力的限制，AI最终也止步于产业应用。而近十年来，大数据和深度学习的长足发展，为AI的应用奠定了强大的数据处理能力和算法决策支撑，产业化终于成为了可能，从而AI应用如雨后春笋般蓬勃发展。 随着围棋、游戏、甚至德州扑克的人类高手，一次次被AI大败，人们不禁对基于硅基的AI最终战胜基于碳基的我们产生深深恐惧。毕竟，如果说智人依靠更发达的智力水平，抽象的语言能力和大规模的协同组织才战胜了其他早期人类种群，成为唯一得以繁衍至今的人类血脉，而基于硅基的AI在这些方面比我们更具优势，才是蹒跚学步中的AI就已经让人类许多领域的高手无法企及，况于无限发展的未来呢？然而，在这一点上，李开复博士在书中的观点则颇为乐观，他理智分析下认为：人类距离威胁还相当遥远。这种恐惧的心理是由于在人工智能领域，大多数人倾向于乐观地预测全局大势，而悲观地估计局部进展，而事实上，科技的发展现况则与之完全相反。况且，今天的人工智能在跨领域推理、抽象能力、知其然也知其所以然、常识、自我意识、审美和情感方面，还暂时不能触及。所以，在我们的有生之年，或许更该考虑的问题是：如何更好的利用AI，而不是担心被AI所奴役。 与AI战胜人类这种颇为科幻色彩的恐惧相比而言，也许AI代替许多人类基层工种而造成的大规模失业，则显得更贴近实际一些。这也是当前几乎所有讨论AI伦理的文章中，不可规避的一个议题。不过同样地，李开复在这一点上也表现出了同样的乐观，因为这并非人类第一次面临这种困境。曾经，当大机器时代来临的时候，繁衍生息了几千年的手工业和农业，也面临着同样的问题，甚至说，当时的问题或许更残酷一些。追忆美国南北战争，其背后很重要的原因也在乎于此，然而，历史的车轮不可逆转，当年90%+民众附着在土地上劳作的美国，今天的农业人口也只剩下了2%，大部分的人不可避免地离开了土地，而工业革命也带来了新的职位，顺应潮流的农民涌入城市，很快有了新的工作，并继续在新的土地上繁衍生息。因此，当下的我们，似乎也该对我们的适应力以及我们的后代多一些信心，AI取代了简单重复的劳动，但暂时还不能取代富有创造力和情感相关的工种，因而，更大可能是一批职业死亡，而另一批工种诞生，繁衍依旧生生不息。甚至还可以乐观的认为，未来人类的生活状态将更美好。如同农耕社会，人们的劳作几乎是日出而作日入而息，全年无休的，而工业革命的早期，流水线的工人普遍每年要工作12～15个小时，而二战后，随着科技的进步，全世界许多国家劳作者都享有每周不超过40小时的工作，甚至还有许多带薪假期。随着AI替代传统重复性工作，劳作的时长和强度也许有望进步一缩短（当然，这一点也可视为对劳动力资源诉求的降低）。当然隐患依旧存在，譬如，大量失业人群的分流和再就业也必将成为各国政府维稳的重要考量因素，而中年劳动力的再就业培训，也许更加困难重重。不过，这一点上，我或许比李开复博士还略乐观一点，因为纵观历史来看，人类单一技能的训练周期其实是在缩短而非加长。诸如冷兵器时代，训练一个合格的士兵，从力量到力度到肌肉的机械记忆与大脑记忆融合，这种训练过程通常需要假以年来衡量。而今天训练一个会瞄准线会射击的士兵，其实对于人的个体要求以及训练周期，都是大大缩短的。因为，随着科技含量的越高，技能越趋于标准化，而那种只可意会、不可言传的肌肉体验下的经验，其实依赖程度则越是大幅降低，因此，简言之，训练转行将变得更容易。这好比训练一个卡车司机精准地踩离合器，精准地打方向盘，其实不比训练卡车司机坐到控制室内，盯着大屏幕监控卡车正常运行，必要时使用操作按钮来处理突发情况来得更容易。 作为创新工场的发起人，李开复博士在书中，也谈及到AI时代许多可以大显身手的行业和机会，从自动驾驶，到智慧金融、智慧生活，智慧医疗，甚至到艺术创作，只要用开放的心态去迎接AI+的新世界，那么未来许多行业和领域都可以大有作为。关于AI创业，作者整理出五大基石：清晰的领域界限，闭环的、自动标注的数据，超大计算能力，千万级的数据量，顶尖的AI专家，而这五个前提条件，也可以作为每一个励志转型AI领域企业的自我检测表，毕竟风口虽好，却并不适合所有的人。作为创投专家，作者也很诚恳地之处了目前AI产业发展面临的六大挑战：1，前沿科研与产业实践尚未紧密衔接；2，人才缺口巨大，且结构失衡；3，数据孤岛化和碎片化问题显著；4，可复用和标准化技术框架、平台、工具、服务尚未成熟；5，一些领域存在超前发展、盲目投资等问题（目前的AI技术只在限定问题边界、规范使用场景、拥有大数据支撑的领域才能发挥最大效用）；6，创业难度相对较高，比此前的互联网创业、移动互联网创业更艰难。 总之，对于AI，这是一个风起云涌的时代，机会必定伴随着泡沫共生，也许当有朝一日风潮散去，水落石出，大浪淘沙留下的才是真正的金子，也许那时候，AI+便真正降临在各行各业。但无论如何，历史的车轮滚滚向前，AI大潮的趋势不可阻挡。

• 

  ㅤ ㅤ

  推荐

  「人工智能」讀書筆記 ◆ 人类，你好！ >> 不管我们是碳基人类还是硅基机器人，都没有本质的区别。我们中的每一员都应获得应有的尊重。” ◆ 到底什么是人工智能？ >> 人工智能是有关“智能主体（Intelligent agent）的研究与设计”的学问，而“智能主体是指一个可以观察周遭环境并做出行动以达致目标的系统”。 ◆ 深度学习携手大数据引领第三次AI热潮 >> 从根本上来说，深度学习和所有机器学习方法一样，是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。 ◆ AlphaGo带给人类的启示究竟是什么？ >> AI小百科 弱人工智能、强人工智能和超人工智能 我们谈到了人类对人工智能的某种担心，很多人最想知道的是：今天的人工智能到底有多“聪明”？人工智能到底会发展到什么程度？什么样的人工智能会超出人类的控制范围，甚至给人类带来威胁？ 要回答这样的问题，我们也许需要先廓清一下有关不同层级人工智能的几个基本定义。 弱人工智能（Weak AI） 也称限制领域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专注于且只能解决特定领域问题的人工智能。毫无疑问，今天我们看到的所有人工智能算法和应用都属于弱人工智能的范畴。 AlphaGo是弱人工智能的一个最好实例。AlphaGo在围棋领域超越了人类最顶尖选手，笑傲江湖。但AlphaGo的能力也仅止于围棋（或类似的博弈领域），下棋时，如果没有人类的帮助（还记得AlphaGo与李世石比赛时，帮机器摆棋的黄士杰博士吗？）， AlphaGo连从棋盒里拿出棋子并置于棋盘之上的能力都没有，更别提下棋前向对手行礼、下棋后一起复盘等围棋礼仪了。 一般而言，限于弱人工智能在功能上的局限性，人们更愿意将弱人工智能看成是人类的工具，而不会将弱人工智能视为威胁。 但少数评论者依然认为，即便是弱人工智能，如果管理、应对不善，也会带来致命的风险。比如，发生在2010年5月6日的美股市场的“闪跌”（Flash Crash）事件，其起因就混合了人类交易员的操作失误和自动交易算法的内在风险，而当时已经大量存在的，由计算机程序控制的自动高频交易，则被一些研究者认为是放大市场错误，并最终造成股市瞬时暴跌的帮凶。除了金融市场外，能源领域特别是核能领域里使用的弱人工智能算法如果设计和监管不当，也有可能为人类带来灾难。类似地，自动驾驶汽车上使用的人工智能算法显然也存在威胁人类生命安全的隐患。 但无论如何，弱人工智能属于相对容易控制和管理的计算机程序。总体来说，弱人工智能并不比我们使用的其他新技术更为危险。设想一下，人类在用电时、开车时或者乘坐飞机时，不也要面对客观存在的风险因素吗？对于弱人工智能技术，人类现有的科研和工程管理、安全监管方面的经验，大多是适用的。一台可以自动控制汽车行驶的计算机和一台可以将重物吊起的起重机，二者都需要严格的质量控制流程与安全监管策略。自动驾驶程序中的错误可能导致车祸，起重机结构设计上的错误也可能导致起重机的倾覆，二者都会造成人员伤亡。 也就是说，弱人工智能在总体上只是一种技术工具，如果说弱人工智能存在风险，那也和人类已大规模使用的其他技术没有本质的不同。只要严格控制，严密监管，人类完全可以像使用其他工具那样，放心地使用今天的所有AI技术。 强人工智能（Strong AI） 强人工智能又称通用人工智能（Artificial general intelligence）或完全人工智能（Full AI），指的是可以胜任人类所有工作的人工智能。 人可以做什么，强人工智能就可以做什么。这种定义过于宽泛，缺乏一个量化的标准来评估什么样的计算机程序才是强人工智能。为此，不同的研究者提出了许多不同的建议。最为流行、被广为接受的标准是前面我们详细讨论过的图灵测试。但即便是图灵测试本身，也只是关注于计算机的行为和人类行为之间，从观察者角度而言的不可区分性，并没有提及计算机到底需要具备哪些具体的特质或能力，才能实现这种不可区分性。 一般认为，一个可以称得上强人工智能的程序，大概需要具备以下几方面的能力： 1）存在不确定因素时进行推理，使用策略，解决问题，制定决策的能力； 2）知识表示的能力，包括常识性知识的表示能力； 3）规划能力； 4）学习能力； 5）使用自然语言进行交流沟通的能力； 6）将上述能力整合起来实现既定目标的能力。 基于上面几种能力的描述，我们大概可以想象，一个具备强人工智能的计算机程序会表现出什么样的行为特征。一旦实现了符合这一描述的强人工智能，那我们几乎可以肯定地说，所有人类工作都可以由人工智能来取代。从乐观主义的角度讲，人类到时就可以坐享其成，让机器人为我们服务，每部机器人也许可以一对一地替换每个人类个体的具体工作，人类则获得完全意义上的自由，只负责享乐，不再需要劳动。 强人工智能的定义里，存在一个关键的争议性问题：强人工智能是否有必要具备人类的“意识”（Consciousness）。有些研究者认为，只有具备人类意识的人工智能才可以叫强人工智能。另一些研究者则说，强人工智能只需要具备胜任人类所有工作的能力就可以了，未必需要人类的意识。 有关意识的争议性话题极其复杂。本质上，这首先会牵扯出“人类的意识到底是什么”这样的难解问题，从而让讨论变得无的放矢。以人类今天对感情、自我认知、记忆、态度等概念的理解，类似的讨论会牵涉哲学、伦理学、人类学、社会学、神经科学、计算机科学等方方面面，短期内还看不出有完美解决这一问题的可能。 也就是说，一旦牵涉“意识”，强人工智能的定义和评估标准就会变得异常复杂。而人们对于强人工智能的担忧也主要来源于此。不难设想，一旦强人工智能程序具备人类的意识，那我们就必然需要像对待一个有健全人格的人那样对待一台机器。那时，人与机器的关系就绝非工具使用者与工具本身这么简单。拥有意识的机器会不会甘愿为人类服务？机器会不会因为某种共同诉求而联合起来站在人类的对立面？一旦拥有意识的强人工智能得以实现，这些问题将直接成为人类面临的现实挑战。 超人工智能（Superintelligence） 假设计算机程序通过不断发展，可以比世界上最聪明、最有天赋的人类还聪明，那么，由此产生的人工智能系统就可以被称为超人工智能。 牛津大学哲学家、未来学家尼克·波斯特洛姆（Nick Bostrom）在他的《超级智能》一书中，将超人工智能定义为“在科学创造力、智慧和社交能力等每一方面都比最强的人类大脑聪明很多的智能”。显然，对今天的人来说，这是一种只存在于科幻电影中的想象场景。 与弱人工智能、强人工智能相比，超人工智能的定义最为模糊，因为没人知道，超越人类最高水平的智慧到底会表现为何种能力。如果说对于强人工智能，我们还存在从技术角度进行探讨的可能性的话，那么，对于超人工智能，今天的人类大多就只能从哲学或科幻的角度加以解析了。 首先，我们不知道强于人类的智慧形式将是怎样的一种存在。现在去谈论超人工智能和人类的关系，不仅仅是为时过早，而是根本不存在可以清晰界定的讨论对象。 其次，我们没有方法，也没有经验去预测超人工智能到底是一种不现实的幻想，还是一种在未来（不管这个未来是一百年还是一千年、一万年）必然会降临的结局。事实上，我们根本无法准确推断，到底计算机程序有没有能力达到这一目标。 ◆ 奇点来临？ >> 如果整个人类大约6000年的文明史被浓缩到一天也就是24小时，我们看到的将是怎样一种图景？ ·苏美尔人、古埃及人、古代中国人在凌晨时分先后发明了文字； ·20点前后，中国北宋的毕昇发明了活字印刷术； ·蒸汽机大约在22:30被欧洲人发明出来； ·23:15，人类学会了使用电力； ·23:43，人类发明了通用电子计算机； ·23:54，人类开始使用互联网； ·23:57，人类进入移动互联网时代； ·一天里的最后10秒钟，谷歌AlphaGo宣布人工智能时代的到来…… >> 2017年年初，霍金和马斯克均表示，为了防止人工智能威胁人类，他们支持加州阿西洛马（Asilomar）会议通过的23条基本原则。这23条基本原则涵盖了三个范畴：1）科研问题；2）伦理和价值观；3）长期问题。 阿西洛马23条基本原则像科幻大师阿西莫夫笔下著名的“机器人三定律”一样，从方法、特征、伦理、道德等多方面，限定未来的人工智能可以做什么，不可以做什么。例如，有关人工智能相关的伦理和价值观，其中几条原则是这样规定的： ·安全性：人工智能系统应当在整个生命周期内确保安全性，还要针对这项技术的可行性以及适用的领域进行验证。 ·价值观一致性：需要确保高度自动化的人工智能系统在运行过程中秉承的目标和采取的行动，都符合人类的价值观。 ·由人类控制：人类应当有权选择是否及如何由人工智能系统制定决策，以便完成人类选择的目标。 ·非破坏性：通过控制高度先进的人工智能系统获得的权力，应当尊重和提升一个健康的社会赖以维继的社会和公民进程，而不是破坏这些进程。 >> 《人工智能时代》的作者，计算机科学家、连续创业家、未来学家杰瑞·卡普兰（Jerry Kaplan）与我讨论这个问题的时候，他的观点是： 超人工智能诞生并威胁人类这件事发生的概率是非常小的。其实，我们现在做的只是在制造工具，以自动完成此前需要人类参与才能完成的工作任务。之所以会有“人工智能威胁论”的疑问，根本上是因为大众习惯于把人工智能人格化，这是问题的根源。 ◆ 今天的人工智能还不能做什么？ 「答疑解惑」 地球表面两点间的最短距离不是连接两点的直线距离，而是经过这两点所在的以地心为圆心的大圆的劣弧（不超过半圆弧）长度。为什么？ 因为地球是圆的，确切地说叫做不规则球体。 我们在研究地球的时候可以把它当作一个规则球体。 球体表面上的任意两点都不能用直线相连，因为如果这样直线就穿过了球的内部， 而我们所讨论的是地面上的距离， 只能沿着地球表面（比如从北京去纽约，飞机不可能走地球内部，不能穿过地心飞过去，只能从地球表面绕）, 所以航线只能是有弧度的。 为什么是以地心为圆心的大圆劣弧？ 因为过这两点有无数个圆， 圆的半径越大，弧长就越短。 两个极值： 以连接这两个点的线段为直径作一个圆，半径最小，弧长最长； 以直径无穷大的圆来连接这两个点，它们的弧长几乎等于这两点的线段长度。 地球上什么圆直径最长? 过地心的圆。 通俗来讲： 在地图上两点间最短航线即为两点间的直线， 而当把地图折成球形时 ， 两点间就会形成一个弧度， 而最短弧度就是球面两点间连线距离。 为什么同一纬线上最短距离是经过以地心为圆心的大圆的劣弧？ >> 比如我们乘飞机从北京飞往美国西海岸时，很多人都会盯着机舱内导航地图上的航迹不解地说，为什么要向北飞到北冰洋附近绕那么大个弯子呀。“两点之间直线最短”在地球表面，会变成“通过两点间的大圆弧最短”，而这一变化，并不在那些不熟悉航空、航海的人的常识范围之内。 >> 胭脂泪，相留醉，几时重，自是人生长恨水长东 ◆ 从工业革命到文艺复兴 >> 牛津大学全球化与发展教授、著名经济学家伊安·戈尔丁（Ian Goldin）对世界现状与人类变局的看法。他说，今天世界面临的最大的三个挑战是： 1．人类赶不上科技发展的速度，来不及调整适应； 2．人类之间的相互连接以及信息的迅速传播，既有好的一面，也有危险的一面； 3．对个人或国家短期有益的事情，有可能伤及世界的整体利益（如英国脱欧）。 伊安·戈尔丁教授并不是在用悲观的心态来看待今天的世界。事实上，他是《发现的时代：应对新文艺复兴的风险及回报》（Age of Discovery:Navigating the Risks and Rewards of Our New Renaissance）一书的作者。在该书中，他用诘问的方式，探寻以下问题的答案： ·我们生活在科技如此进步的时代，为什么还会有这样那样的不平等？ ·人类的健康、人均寿命、全球的财富、教育、科学发现等，都有前所未有的发展，但人们为什么还充满了焦虑？ ·发展的代价是什么？ ◆ AI会让人类大量失业吗？ >> 李开复的“五秒钟准则” 一项本来由人从事的工作，如果人可以在5秒钟以内对工作中需要思考和决策的问题做出相应的决定，那么，这项工作就有非常大的可能被人工智能技术全部或部分取代。 >> 基于“五秒钟准则”，我个人预测，从事翻译、新闻报道、助理、保安、销售、客服、交易、会计、司机、家政等工作的人，未来10年将有约90%被人工智能全部或部分取代。如果就全人类的工作进行一个粗略的估计，我的预测是，约50%的人类工作会受到人工智能的影响。 人工智能对人类工作的可能影响包括三种类型： ·人类某种工作被人工智能全部取代； ·人类某种工作被人工智能部分取代； ·人类某种工作转变为新的工作形式。 >> 担心人工智能控制甚至毁灭人类的，是对超人工智能过于乐观的“科幻”爱好者；担心人工智能取代绝大部分人类工作，造成全球大范围失业的，则是不相信科技进步能凭借自身力量优化社会资源分配、调整经济结构、构建新就业秩序的保守主义者。 >> 当你拥有一把锤子时，所有东西看起来都像钉子。” >> 只是人类的工具。技术本身不是问题，问题是我们如何使用技术以及如何围绕人工智能这样一种革命性的新科技，建立与之配合的社会和经济结构，用制度来保证人人都可享用人工智能带来的巨大收益，同时不必担心失业等潜在风险。 ◆ 人类将如何变革？ >> ·在人工智能时代，我们需要教育父母，让他们不要再期望孩子寻找“安稳”的工作，因为在传统意义上，“安稳”意味着简单、重复，“安稳”的工作早晚都会被机器取代。我们要帮助下一代做最智慧的选择，选择那些相对不容易被淘汰，或者可以与机器协同完成任务的工作。 ◆ AI时代该如何学习？ >> 如果要我来总结的话，我觉得，人工智能时代最核心、最有效的学习方法包括： ·主动挑战极限：像楼天城那样喜欢并主动接受一切挑战，在挑战中完善自我。如果人类不在挑战自我中提高，也许真有可能全面落伍于智能机器。 ·从实践中学习（Learning by doing）：面向实际问题和综合性、复杂性问题，将基础学习和应用实践充分结合，而不是先学习再实践。一边学习一边实践的方法，有些像现代职业体育选手的以赛代练，对个人素质的要求更高，效果也更好。 ·关注启发式教育，培养创造力和独立解决问题的能力：被动的、接受命令式的工作大部分都可以由机器来替代。人的价值更多会体现在创造性的工作中。启发式教育在此非常重要。死记硬背和条条框框只会“堵死”学生灵感和创意的源头。 ·虽然面对面的课堂仍将存在，但互动式的在线学习将愈来愈重要：只有充分利用在线学习的优势，教育资源才能被充分共享，教育质量和教育公平性才有切实保证。创新工场投资的VIPKid、盒子鱼等面向教育创新的公司，就是大量使用在线教育、机器辅助教育等手段来帮助孩子学习的范例。 ·主动向机器学习：未来的人机协作时代，人所擅长的和机器所擅长的必将有很大不同。人可以拜机器为师，从人工智能的计算结果中吸取有助于改进人类思维方式的模型、思路甚至基本逻辑。事实上，围棋职业高手们已经在虚心向AlphaGo学习更高明的定式和招法了。 ·既学习人—人协作，也学习人—机协作：未来的“沟通”能力将不仅仅限于人与人之间的沟通，人机之间的沟通将成为重要的学习方法和学习目标。学生要从学习的第一天起，就和面对面的或者远程的同学（可以是人，也可以是机器）一起讨论，一起设计解决方案，一起进步。 ·学习要追随兴趣：通常来说，兴趣就是那些比较有深度的东西，所以只要追随兴趣，就更有可能找到一个不容易被机器替代掉的工作。无论是为了美，为了好奇心，为了其他原因产生的兴趣，这些兴趣都有可能达到更高层次，在这些层次里，人类才可以创造出机器不能替代的价值。 ◆ AI时代该学什么？ >> 人工智能时代，程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能，几乎一定可以由机器来完成；反之，那些最能体现人的综合素质的技能，例如，人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力和创造性思维，由生活经验及文化熏陶产生的直觉、常识，基于人自身的情感（爱、恨、热情、冷漠等）与他人互动的能力……这些是人工智能时代最有价值，最值得培养、学习的技能。而且，这些技能中，大多数都是因人而异，需要“定制化”教育或培养，不可能从传统的“批量”教育中获取。 >> 人工智能时代，自动化系统将大幅解放生产力，极大地丰富每个人可以享有的社会财富。而且，由于人工智能的参与，人类可以从繁重的工作中解放出来，拥有大量的休闲时间。这个时候，这个社会对文化、娱乐的追求就会达到一个更高的层次，而未来的文娱产业，总体规模将是今天的数十倍甚至上百倍。那么，学习文艺创作技巧，用人类独有的智慧、丰富的情感以及对艺术的创造性解读去创作文娱内容，显然是未来人类证明自己价值的最好方式之一。当绝大多数人每天花6个小时或更多时间去体验最新的虚拟现实游戏、看最好的沉浸式虚拟现实电影、在虚拟音乐厅里听大师演奏最浪漫的乐曲、阅读最能感动人的诗歌和小说……作家、音乐家、电影导演和编剧、游戏设计师等，一定是人工智能时代的明星职业。 科幻作家、雨果奖得主郝景芳说：“很显然，我们需要去重视那些重复性标准化的工作所不能够覆盖的领域。包括什么呢？包括创造性、情感交流、审美、艺术能力，还有我们的综合理解能力、我们把很多碎片连成一个故事这样的讲述能力，我们的体验。所有这些在我们看来非常不可靠的东西，其实往往是人类智能非常独特的能力。” ◆ 有了AI，人生还有意义吗？ >> 美剧《西部世界》是如此定义人类的进化和发展的： ·人类进化的原始动力靠的是自然界对各种进化错误（变异）的选择，优胜劣汰。 ·当代科技发达，人类因变异而得的较低劣的生物特征也会被技术保全下来，进化动力已然失效。 ·因为进化动力失效，人类也就失去了进一步进化的可能，总体上只能停留在目前的水准——人类必须不断思索自身存在的价值，寻找生物特征以外的生命意义。 >> 《真实的人类》里，合成人曾说：“我不惧怕死亡，这使得我比任何人类更强大。”而人类则说：“你错了。如果你不惧怕死亡，那你就从未活着，你只是一种存在而已。” >> 逸兴遄飞 「同学少年多不贱，五陵衣马自轻肥」 年少时一起求学的同学大都已飞黄腾达了，他们在长安附近的五陵，穿轻裘，乘肥马，过着富贵的生活。 >> 法国哲学家布莱兹·帕斯卡说过：“人只不过是一根苇草，是自然界最脆弱的东西；但他是一根能思想的苇草。用不着整个宇宙都拿起武器来才能毁灭；一口气、一滴水就足以致他死命了。然而，纵使宇宙毁灭了他，人却仍然要比致他于死命的东西更高贵得多；因为他知道自己要死亡以及宇宙对他所具有的优势，而宇宙对此却是一无所知。因而，我们全部的尊严就在于思想。” 人脑中的情感、自我认知等思想都是机器所完全没有的。人类可以跨领域思考，可以在短短的上下文和简单的表达方式中蕴藏丰富的语义。当李清照说“雁字回时，月满西楼”的时候，她不仅仅是在描摹风景，更是在寄寓相思。当杜甫写出“同学少年多不贱，五陵衣马自轻肥”的句子时，他不仅仅是在感叹人生遭际，更是在阐发忧国之情。这些复杂的思想，今天的AI还完全无法理解。

• 

  简兮~

  推荐

  2016年，出现了首个机器人公民Sophia 苏菲亚，国籍沙特阿拉伯，家乡香港。人工智能时代真的来了，继“互联网+”之后，“AI +”也将引领我们的生活，智慧医疗、智慧教育、指挥交通等等，想想就很刺激，希望我们高水平的智慧城市智慧生活早日实现！

• 

  吴刚

  推荐

  虽然已经被工作压的喘不过气，但是读书还是要坚持地。 这是到目前为止看到最好的人工智能普及读物，既有专业的思考，也有人文的关照。 对于人工智能，一般来讲，有两个畏惧，一是担心人工智能会反过来消灭人类；二是由于人工智能大量的取代人工，导致两极分化越来越严重，人成为资本的奴隶。 担心前者的人，对于科技的进步过于乐观，虽然今天的电脑已经可以很轻松的通过图灵测试，但依然没有任何迹象表明机器可以拥有思想。关于缸中之脑的讨论依然是哲学层面的，也许我们还需要一百年才能进入实践。对于后者的忧虑则是低估了社会自我调整进化的能力，历史上科技进步已经消灭了太多太多的职业，但是同样细分出越来越多的行业、岗位，科技发展狂飙突进，我们的社会也被前所未有的细分，我们的社会发展到目前为止，一直如此。 从宏观角度来讲，人工智能的发展，会为社会、人类带来福祉，但对于处于这个时代的个体，则不然，很可能会被时代大潮所抛弃，你所终身学习的技能，可能一朝便被取代。有些人认为，学习的难度越高，人工智能越难以取代，可能这个理解恰恰相反，面临人工智能威胁度最高的职业，便是会计、律师等需要终身学习的行业，而礼仪小姐则可能很难短期被取代。 对于个体来讲，终身学习的能力越来越重要，既然一切你所知所学都可能被人工智能取代，那么人就一定要拥有快速调整转型的能力。既然学习深度对于人工智能已经不再是障碍，那学习宽度可能人类依然具有一定优势。能够调整自己，使自己的知识结构和能力与人工智能能够高度协同，提高效率，成为成功的前提。 人工智能如果能够减轻我们的工作压力，让我们的决策更加科学，毫无疑问可以增加我们的幸福指数。人能否幸福，取决于对人生的思考，对世界的认知，人工智能改变的，是外在的世界，而我们的人生，可能会因此得以有更多的时间和精力关照自己的内心世界，何乐而不为呢？李开复在文末说：AI来了，有思想的人生并不会因此而黯然失色，因为我们全部的尊严就在于思想。非常喜欢这句话。

• 

  沉潜往复

  推荐

  产生人工智能威胁论的原因很多，大概有一下几点原因：1、对人工智能的技术和原理不够清晰，做误解延伸，产生恐慌，例如人工智能智力水平在单调递增，但也许是指数曲线，也许是无限逼近某一水平线，人工智能威胁论者容易选择指数递增，于是得出结论认为在某个时间点将超越人类智慧，但人工智能科学家往往认同人工智能智慧无限逼近人类智慧；2、对人类的种种丑恶现象不满，丧失对人类未来的希望，希望人类灭绝，他们对所有能够灭绝人类的理论或预测都会感兴趣并进行传播；3、通过对人工智能威胁人类生存的炒作，获得名望或利益甚至是快感， Facebook人工智能实验室主任 Yann LeCun，卡内基梅隆大学计算机学院教授王威廉最近都对这种现象进行了严厉的批评，本书可谓经典案例；4、还有一个深成次原因，达尔文进化论等等虚无主义认为进化无目标，无方向，因此人类存在和进化的意义不明，导致人工智能方向迷失。确实如此！因为虚无主义只能导致虚无，人工智能必须摆脱达尔文！

• 

  kyle

  推荐

  本书启发我们思考未来，同时也是思考社会。人工智能时代，我们真正的目的，是让每个人在技术的帮助下，获得最大的自由，体现最好的人生，并从中得到幸福。人工智能一边释放巨大生产力，免除人类继续从事烦冗工作之苦，一边又在用可能出现的失业问题提醒人类：你应该往前走了！作为一个非科技领域、专业信息领域的人来说，不忘初心，砥砺前行，也许是我们每个人最大的收获。

• 

  ꧁༺Cathy࿈Qin༻꧂

  推荐

  人工智能/引领科技/智能革命…解读AI/如何重塑个人/商业/社会/未来图谱…个人/企业/如何找到人机协作新位置…人工智能/颠覆现有商业模式/不仅在高科技领域…任何企业/都需要尽早引入/AI 思维方式…人工智能/将部分取代/人类工作…程式化/重复性技能/将失去价值…工作/必须具备/足够深度…让自己/强大到/不轻易被机器撼动…秒杀/一切疑问…人工智能…拿走不谢…

• 

  月照山河

  推荐

  这本书是站在宏观角度概述了人工智能的发展时候及其在各行各业的应用前景。几乎没有专业的术语和概念，很好理解，非常适合入门阅读。 书中第一章给出了人工智能的几种定义，这几种定义分别是从不同角度看待人工智能。其中第四和第五种定义："AI是会学习的计算机程序""AI就是根据对环境的感知，做出合理行动，并获得最大收益的计算机程序"获得了作者的高度评价，也给我带来了很大启发。 第二章，作者提出了一个公式：深度学习+大数据=人工智能。深度学习和大数据的快速发展也构成了AI复兴的局面，这是第三次AI热潮。与前两次相比，这一次热潮是投资人主动向热点学术项目投钱，更多的是以现实商业需求为主导，以解决问题为导向。

• 

  不一样的天空

  推荐

  作为一名未来的教育工作者，我在思考我应该教给学生什么？但凡经济，社会有重大变革的时候，教育也不能例外，在人工智能的背景下，教育又会走向何处，我应该怎么走？

• 

  W. ST

  推荐

  什么是人工智能？从其英语Artificial Intelligence（简称AI）顾名思义，就是设备具有人的智能。据李开复几个定义中的最后一个定义，人工智能就是设备可以感知(看到或听到）环境的变化，并可以根据环境的变化做出合理的判断和行动，从而实现某些目标。比如我们每天都用得最多的手机，就是这样一部AI设备，其具有人脸识别、声音识别、语言翻译、美化和艺术化照片等人的智能。 人工智能是如何实现的？就是深度学习+大数据。深度学习是什么？就是人反复地大量地“教”AI“看”大量的、各种各样的学习内容，让AI自己“总结”规律、并创建AI自己的“行为模式”，培养AI自己的“处事能力”。大数据是什么？大数据是指2000年后，得益于计算机科技飞速发展，信息交换、信息处理、信息存储三方面能力极大增长而产生的巨大数据库。 几个月前我在家玩了一下smart home（智能家居）。这也是人工智能应用的例子。我选用的设备是阿玛逊的Echo Show、Echo Dot，和与适用语音助理Alexa的其他设备如Ring和Greendot等。全部设备还包括手机、电脑、电视等，通过WiFi连接到数据库。一开始，我的智能家居只用了天气预报和新闻报告电器开关和时间控制、室内外电视监控等基本功能，后来随着阿玛逊不断开发Alexa的skills（深度学习），智能家居也越来越实用和有趣。但AI终究不是人，一切能力均离不开电、WiFi和大数据，没了电或没了WiFi或数据系统出错，AI就不再是智能，而只是死物。有一次智能家居的天气预告内容均告失败，我以为是设备或WiFi的问题自己搞了半天，无果，联系阿玛逊请求技术支援，回复是数据酷即系统出了问题。所以，目前我也只敢对部分家居智能化，玩玩而已，以免适得其反。 我觉得人工智能在工业自动化生产和仓库运作方面会有巨大的发展潜力。李开复讲了阿玛逊30000个机器人在13个仓库工作就是很好的例子，这些“人”理货，比真人速度更快效率更优，空间利用率甚至提高50%。 我也对人工智能应用于新闻、社会、科技方面的翻译和写作很感兴趣和看好。李开复这个故事让我感触很深：2014年3月17日清晨洛杉矶发生一次有感地震， 180秒内《洛杉矶时报》发表详细报道，内容有地震台网实时数据、最近10日的观测详情。“地震发生的瞬间，计算机就从地震台网的数据接口中获得有关地震的所有数据，然后飞速生成英文报道全文……”