[正版]AI 3.0 梅拉妮米歇尔 复杂系统前沿科学家梅拉妮 米歇尔历经10年思考 科技趋势人工智能

书名: AI 3.0

定价: 99.9

作者: 梅拉妮·米歇尔

出版社: 四川科学技术出版社

出版日期: 2021-02

用纸: 纯质纸

装帧: 平装

开本: 16

ISBN: 9787572700378

?《AI 3.0》是超级畅销书《复杂》的作者、复杂系统前沿科学家梅拉妮?米歇尔耗时10年思考，厘清人工智能与人类智能的全新力作。

?《AI 3.0》全景式地展现了人工智能的过去、现在和未来。作者米歇尔以自己多年来在人工智能领域的研究经历，及对人工智能的应用与未来等方面的思考为基础，并结合人工智能发展史上的重大事件以及与其他专家的学习交流，从5个部分揭示了“现在的计算机能做什么，以及我们在未来几十年能从它们身上期待什么”。作者首先从人工智能的发展历程讲起，然后从视觉识别、游戏与推理、自然语言处理、常识判断等人工智能的4个主要应用领域来详细阐述人工智能的原理、当下的能力边界，及其正在面临的关键挑战。

?随着人工智能技术的发展，其应用也越来越广，并对人类社会和我们的生活产生了深远的影响，且会在未来继续发挥更大的影响力。因此，我们值得也应该对人工智能有一个相对深入的了解，只有这样我们才能更好地理解自身，洞悉未来发展的机遇。同时，本书超越了一般图书的专业性与性，很适合想要了解人工智能领域的大众读者以及相关领域的创业者和管理者。

?财讯传媒集团战略官、苇草智酷创始合伙人段永朝，驭势科技（北京）有限公司联合创始人兼CEO吴甘沙，联想集团高级副总裁、技术官芮勇，认知神经科学之父、畅销书《双脑记》作者迈克尔·加扎尼加，世界理论物理学家、畅销书《规模》作者杰弗里·韦斯特等科学家、企业家、畅销书作者鼎力。

?湛庐文化出品。

?人工智能现在正深刻地影响着我们的生产与生活，甚关系到人类未来的前途命运，但究竟什么是人工智能？人工智能背后的原理是什么？从问世到演化今，人工智能经历了怎样的历史变迁？当下人工智能的能力边界在哪里？人工智能与人类智能的差异是什么？未来人工智能又将面对什么样的挑战和机遇？关于这些疑问，《AI 3.0》将为你一一揭晓答案。

引言 创造具有人类智能的机器，是一场重大的智力冒险部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能 01 从起源到遭遇寒冬，心智是人工智能一直无法攻克的堡垒达特茅斯的两个月和十个人定义，然后必须继续下去任何方法有可能让我们取得进展符号人工智能，力图用数学逻辑解决通用问题感知机，依托DNN的亚符号人工智能感知学习算法，无法重现人脑的涌现机制学习感知机的权重和阈值感知机是一条死胡同泡沫破碎，进入人工智能的寒冬看似容易的事情其实很难 02 从神经网络到机器学习，谁不是后的解药多层神经网络，识别编码中的简单特征无论有多少输入与输出，反向传播学习行得通联结主义：智能的关键在于构建一个合适的计算结构亚符号系统的本质：不擅长逻辑，擅长接飞盘机器学习，下一个智能大变革的舞台已经就绪03 从图灵测试到奇点之争， 我们无法预测智能将带领我们去往何处 “猫识别机”掀起的春日狂潮人工智能：狭义和通用，弱和强人工智能是在模拟思考，还是真的在思考图灵测试：如果一台计算机足够像人奇点 2045，非生物智能将比今天所有人类智能强大10亿倍一个“指数级”寓言摩尔定律：计算机领域的指数增长神经工程，对大脑进行逆向工程奇点的怀疑论者和拥趸者对图灵测试下注

第二部分 视觉识别：始终是“看”起来容易“做”起来难 04 何人，何物，何时，何地，为何 看与做 深度学习革命：不是复杂性，而是层深模拟大脑，从神经认知机到ConvNetsConvNets如何不将狗识别为猫激活对象特征，通过分类模块进行预测不断从训练样本中学习，而非预先内置正确答案05 ConvNets和ImageNet，现代人工智能的基石构建ImageNet，解决目标识别任务的时间困境土耳其机器人，一个需要人类智慧的工作市场赢得ImageNet竞赛，神经网络的成功ConvNets淘金热，以一套技术解决一个又一个问题在目标识别方面，ConvNets超越人类了吗我们离真正的视觉智能还非常遥远06 人类与机器学习的关键差距人工智能仍然无法学会自主学习深度学习仍然离不开“你”的大数据 长尾效应常常会让机器犯错机器“观察”到的东西有时与我们截然不同有偏见的人工智能人工智能内心的黑暗秘密以及我们如何愚弄它07 确保价值观一致，构建值得信赖、有道德的人工智能有益的人工智能，不断改善人类的生活人工智能大权衡：我们是该拥抱，还是谨慎人脸识别的伦理困境人工智能如何监管以及自我监管创建有道德的机器

第三部分 游戏与推理：开发具有更接近人类水平的学习和推理能力的机器 08 强化学习，重要的是学会给机器人奖励训练你的机器狗现实世界中的两大绊脚石09 学会玩游戏，智能究竟从何而来深度Q学习，从更好的猜测中学习猜测价值6.5亿美元的智能体 西洋跳棋和象棋不智能的“智能赢家”深蓝围棋，规则简单却能产生的复杂性AlphaGo对战李世石：精妙，精妙，精妙从随机选择到倾向选择，AlphaGo这样工作10 游戏只是手段，通用人工智能才是目标理解为什么错误关重要无须人类的任何指导对人工智能而言，人类的很多游戏很具挑战性它并不真正理解什么是一条隧道，什么是墙除去思考“围棋”，AlphaGo没有“思考”从游戏到真实世界，从规则到没有规则

第四部分 自然语言：让计算机理解它所“阅读”的内容 11 词语，以及与它一同出现的词语言的微妙之处语音识别和后的10%分类情感递归神经网络“我欣赏其中的幽默”“憎恶”总与“讨厌”相关，“笑”也从来伴随着“幽默”word2vec神经网络：口渴之于喝水，就像疲倦之于喝醉12 机器翻译，仍然不能从人类理解的角度来理解图像与文字编码器遇见解码器机器翻译，正在弥补人机翻译之间的差距迷失在翻译之中把图像翻译成句子13 虚拟助理——随便问我任何事情沃森的故事如何判定一台计算机是否会做阅读理解“它”是指什么？自然语言处理系统中的对抗式攻击

第五部分 常识——人工智能打破意义障碍的关键 14 正在学会“理解”的人工智能理解的基石 预测可能的未来理解即模拟我们赖以生存的隐喻抽象与类比，构建和使用我们的心智模型15 知识、抽象和类比，赋予人工智能核心常识让计算机具备核心直觉知识形成抽象，理想化的愿景活跃的符号和做类比字符串世界中的元认知识别整个情境比识别单个物体要困难得多“我们真的，真的相距甚远”结语 思考6个关键问题，激发人工智能的潜力问题1：自动驾驶汽车还要多久才能普及？问题2：人工智能会导致人类大规模失业吗？问题3：计算机能够具有创造性吗？问题4：我们距离创建通用的人类水平AI还有多远？问题5：我们应该对人工智能感到多恐惧？问题6：人工智能中有哪些激动人心的问题还尚未解决？致谢注释

梅拉妮·米歇尔

?波特兰州立大学计算机科学教授，曾在美国圣塔菲研究所（Santa Fe Institute）和洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）工作，主要的研究领域为类比推理、复杂系统、遗传算法等。在圣塔菲研究所时，米歇尔主导了复杂系统领域的研究工作，并教授了相关的在线课程。她的在线课程《复杂性入门》已经被近30 000名学生选修，成为Coursera排名前50位的在线课程之一。

?米歇尔拥有密歇根大学计算机科学博士学位，师从认知科学家和作家侯世达（Douglas Hofstadter），两人共同创建了Copycat程序，该程序可以在理想化的情境里进行创造性的类比。米歇尔还是畅销书作家，著有《复杂》（Complexity: A Guided Tour）《遗传算法导论》（Genetic Algorithms）等。