[status:: Done]
[format:: kindle]

Comments

Highlights

本书一共分为四个部分：以智慧创造智慧、学派争鸣、第三波高潮、人机共生。各个部分之间有时间上的先后顺序，前面章节是后续章节的基础，所以建议读者首次翻看本书时按照章节顺序阅读。各部分和章节的概要如下。

第一部分（第 1、 2章）以智慧创造智慧第一部分阐述了在人工智能这个学科正式创立之前的萌芽时期，图灵、香农等先驱们对智能是什么、机器能否拥有智能这些问题的探索和思考；并介绍了人工智能起源标志—达特茅斯会议的过程、成果以及日后被称为一代传奇学者的与会者们。

• 第 1章以“人工智能之父”图灵的生平事迹为主线，介绍了计算的基础图灵机，图灵测试，图灵对智能的思考、理解和定义。
• 第 2章以达特茅斯会议为主线，通过对该会议的召集、过程、成果、参与人物以及该会议的后续影响的介绍，阐述了人工智能这个学科诞生的历史背景，并讨论了该学科研究的目标和要解决的问题。

第二部分（第 3 ～ 5章）学派争鸣目前，学术界研究人工智能的方法主要有三个学派，分别是符号主义、连接主义和行为主义，这三个学派分别从逻辑、仿生和行为三个角度来研究智能，既有自顶向下从智能的本质出发，从一般到特殊，通过逻辑运算推导智能行为；也有从行为出发，自底向上把智能当作黑箱看待，从行为推导智能的本质。这些学派在不同时期都曾是人工智能的主流，并各自取得了许多成果。

• 第 3章以纽厄尔、司马贺的研究工作为主线，介绍了符号主义的逻辑理论基础，解析符号主义学说的核心观点—物理符号系统和启发式搜索假说，并介绍了这个学派在知识表示、知识工程和知识系统上所取得的成就。
• 第 4章以“神经网络缔造者”皮茨和“感知机之父”罗森布拉特两位学者悲剧式的人生经历为主线，介绍了连接主义学派的核心思想，并介绍了神经网络的初期形式，为后续讲解深度学习和深度神经网络打下基础。
• 第 5章以“控制论之父”维纳的工作经历为主线，介绍了控制论创建的过程，以此介绍了行为主义研究的基本方法和观点，以及机械因果论等思想。

第三部分（第 6、 7章）第三波高潮人工智能迄今为止经历了三次高潮和两个大的低谷，目前处于第三次高潮的顶峰，这次高潮是由机器学习，尤其是深度学习、深度神经网络引领的。

• 第 6章本章是机器学习的导论，介绍了机器学习处理问题的一般方法。本章尽可能用最小的篇幅去说清楚“机器学习是什么”“它解决哪些问题”“它通过哪些步骤来解决”，以及“如何验证评估它的解决的效果”这四个问题。
• 第 7章以“深度学习教父”辛顿的人生经历为主线，介绍了神经网络从低谷复兴的过程，以及深度学习的提出和技术突破；并介绍了几种典型的深度神经网络，以及这些新技术给学术界、工业界带来的变化。

第四部分（第 8章）人机共生几十年来，人工智能无时无刻不伴随着争论和分歧，人工智能这个人类最复杂精密的创造物与人类本身的关系确实必须仔细思考、慎重对待，这部分我们将探讨人类和机器在追寻智能过程中得到的一些成果和产生的一些争论。
- 第 8章用十多个人工智能方面的实际案例来尝试回答几个问题：经过六十多年的发展，当下的人工智能到底发展到什么程度了？现在距离我们设想的目标还有多远？人工智能会对我们有什么影响？现在以及未来应该如何与人工智能相处？

第一部分 以智慧创造智慧

1.10 机器拟人身 > Page 50 · Location 502

在人工智能真正成为一门学科之后，我们所说的心智派、结构派和行动派，也有了自己严谨的理论和学说，分别发展成人工智能中的三大经典学派：符号主义学派、连接主义学派和行为主义学派。

2.6 人工智能早期成果 > Page 90 · Location 912

而乔姆斯基（前文提过，这位大师的学术影响横跨语言学、心理学、计算机科学等多门学科，并且都十分巨大）在 1957年发表的名著《句法结构》（ Syntactic Structure）里提出了一个革命性的观点，他认为语言能力是人类心智的一种基本功能，人类大脑中天生就有处理语言的“模块”存在。由于人脑结构的一致性，人类最根本的语言处理机制是一致的，这种机制就是人类一切语言所共有的特点，并将这种机制视为一种“通用语法”（ Universal Grammar），各种语言的具体语法可以由通用语法来转换生成。乔姆斯基所提出的这种语法被命名为“转换生成语法”（ Transformational-Generative Grammar）。

2.6 人工智能早期成果 > Page 91 · Location 922

简单地说，乔姆斯基在计算机语言上的贡献是为高级程序设计语言和编译器的设计提供了语言学的理论基础，使得从一种形式语言转换生成另外一种更基础的语言成为可能。如果

2.6 人工智能早期成果 > Page 94 · Location 954

我们人类定义的“智能”范围，似乎随着人工智能的发展成果而不断变窄，业界称这个趋势为“ AI效应”，这点也是大家总觉得人工智能还遥远的心理原因之一。用麦卡锡对 AI效应一句很著名的评语结束这节：“ As soon as it works, no one calls it AI anymore。”

第二部分 学派争鸣

3.1 概述 > Page 97 · Location 980

符号主义学派的思想和观点直接继承自图灵，提倡直接从功能的角度来理解智能，简而言之就是把智能视为一个黑盒，只关心这个黑盒的输入和输出，而不关心黑盒的内部结构。为了实现智能，符号主义学派利用“符号”（ Symbolic）来抽象表示现实世界，利用逻辑推理和搜索来替代人类大脑的思考、认知过程，而不去关注现实中大脑的神经网络结构，也不关注大脑是不是通过逻辑运算来完成思考和认知的。

3.3 描述已知，推理未知 > Page 120 · Location 1250

物理符号系统假说的核心观点是认为物理符号系统就是普遍智能行为的充分且必要条件。在这句话里，“必要”意味着任何实现了智能的系统都可以被视为一个物理符号系统，这点是现在的认知科学要去研究和证明的问题；而“充分”则指任何具有足够尺度的物理符号系统都可以经适当组织之后展现出智能，这个就是人工智能这门学科要去研究和证明的问题。

3.4 知识！知识！知识！ > Page 123 · Location 1288

20世纪 50年代到 60年代间，人工智能的研究度过了符号主义的第一个阶段：“推理期”。这个时期里主流的基于逻辑推理来寻找智能的研究方法，在人机对弈、问题求解、机器定理证明这类信息完全的而且问题空间是封闭的领域中取得了一定的成功。

3.4 知识！知识！知识！ > Page 123 · Location 1298

符号主义学派从“推理期”转入“知识期”的标志是三类“知识”研究开始被科学界关注而且取得了一定进展，它们分别是：“知识表示”出现了被广泛认可的方法、“知识工程”被提出和作为独立的学科进行研究以及以专家系统为代表的“知识处理系统”开始展现出实际应用的价值。

4.3 大脑模型 > Page 154 · Location 1616

麦卡洛克和皮茨的《神经活动中内在思想的逻辑演算》一文被认为是连接主义研究的开端，提出了机械式的思维模型，该文章的重要贡献还在于首次提出了“神经网络”（ Neural Network）这个概念。

5.5 机械因果观和行为主义 > Page 213 · Location 2201

连接主义学派使用的是生物仿生学的方法，通过模拟生物体的脑部组织结构去寻找智能，它关心的是承载智能的生理结构；符号主义学派使用的是逻辑推理和演算的方法，通过解析物理符号系统假说和启发式搜索原理去寻找智能，它关心的是承载智能的心理结构和逻辑结构；而行为主义学派使用“感知—动作”的研究方法，通过环境反馈和智能行为之间的因果联系去寻找智能，既不关心智能的载体和其内部的生理结构，也不关心智能的逻辑和心理结构，只关心智能的外部可观察到的行为表现。如果要用最简单的一句话进行总结，我们可以说连接主义学派在研究“大脑”（ Brain），符号主义学派在研究“心智”（ Mind），行为主义学派则在研究“行为”（ Action）。

第三部分 第三波高潮

7.5 深度学习时代 > Page 367 · Location 3649

深度学习还有另外一个不为人知但其实更为贴切的名字，叫作“无监督特征学习”（ Unsupervised Feature Learning），这就更加可以顾名思义了：“无监督”的意思即不需要人工参与特征的选取过程，这点才是深度学习的最大特点，至于使用蕴含有多少隐层的神经网络，甚至是否通过深度神经网络去实现，都是可以商量的，这些都只是工具和操作过程罢了。

Bookmark - 7.6 深度神经网络 > Page 398 · Location 3939

第四部分 人机共生

8.1 概述 > Page 438 · Location 4292

自 1980年开始学术界便很明显地分裂成两种不同的理念：一种是希望人工智能借鉴人类解决某一类问题时表现出的智能行为，研制出更好的工具，用来解决特定的智力问题，这种观点现在被称为“专用人工智能”（ AppliedArtificial Intelligence）或者“弱人工智能”（ WeakArtificial Intelligence）；另一种理念是想模仿人类的思维，希望能够研制出各方面都可以与人类智能比肩的人造智能体，甚至是最终能够超越人类智慧水平的人造物。这种人造智能体可以有自己的心智和意识，能根据自己的意图开展行动，对各种问题都能有良好的应对，现在一般称之为“通用人工智能”（ GeneralArtificial Intelligence）或者是“强人工智能”（ StrongArtificial Intelligence）。