搜索结果

🔊 全文章节朗读 中文版序今天的机器距离真正像人一样理解世界还有多远 中文版序，今天的机器距离真正像人一样理解世界还有多远。这一部分是作者梅拉妮·米歇尔为中文版专门撰写的序言，加上学者段永朝的推荐序。米歇尔谈到她与中国的缘分，曾在北大学习汉语，并说明这本书与她前作《复杂》的关系：《复杂》概述复杂系统科学，而《AI 3.0》则聚焦其中最难的问题，也就是智能的本质、智能机器如何创建、这个领域取得了什么成就，以及今天的机器距离真正像人的理解还有多远。段永朝的序言提出了侯世达的恐惧这个概念，就是人们担...

🔊 全文章节朗读 译者序未来智能人有人用机有机用 译者序，未来智能：人有人用，机有机用。这是译者王飞跃撰写的序言，他从侯世达被音乐智能程序吓坏这个例子说起，提出自己的看法。他提出了广义哥德尔定理，把智能分为算法智能、语言智能和想象智能三个层面，认为算法智能无法超越语言智能，语言智能又无法超越想象智能，所以计算机的智能还达不到人类的层面。谈到机器取代人的担忧时，他用广义杰文斯悖论来回应：技术进步提高效率，结果是增加而不是减少对人力资源的需求，比如计算机一词原本指做计算工作的人，机器取代了这个职业...

🔊 全文章节朗读 引言创造具有人类智能的机器是一场重大的智力冒险 引言，创造具有人类智能的机器，是一场重大的智力冒险。作者米歇尔从一个真实场景开场：2014年她陪同导师侯世达参加谷歌的人工智能研讨会，侯世达当众说自己被人工智能吓坏了，完全吓坏了。他害怕的不是机器太聪明，而是智能、创造力、情感这些人性的特征太容易产生，最珍视的人性也许只不过是一套把戏，一套肤浅的暴力算法就能破解。他讲了自己被音乐程序EMI震撼的经历：在伊士曼音乐学院，听众把EMI创作的曲子当成了真正的肖邦。而谷歌的研究人员却预测...

🔊 全文章节朗读 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 第一章，从起源到遭遇寒冬，心智是人工智能一直无法攻克的堡垒。本章讲述人工智能的诞生与早期挫折。1956年麦卡锡在达特茅斯学院组织了为期两个月的研讨会，人工智能一词由此诞生，四大开创者麦卡锡、明斯基、纽厄尔和西蒙都极度乐观，麦卡锡宣称十年内造出完全智能的机器，西蒙预言二十年内核机器能完成人类任何工作，但这些预言一个都没实现。书中区分了两大流派：符号人工智能用人类可理解的符号和规则做逻辑推理，代表是通用问题求解器和专家系统；亚...

🔊 全文章节朗读 02从神经网络到机器学习谁都不是最后的解药 第二章，从神经网络到机器学习，谁都不是最后的解药。本章讲解多层神经网络如何成为现代人工智能的基础。被明斯基判为不育的多层网络，在七十年代末到八十年代初等来了反向传播算法，它能从右向左追溯错误的责任，逐层调整权重，从而训练网络。作者用实例对比：同样识别手写数字，感知机的正确率约百分之八十，而带五十个隐藏单元的神经网络达到百分之九十四。八十年代鲁梅尔哈特和麦克莱兰德领导的联结主义学派崛起，知识存在于单元之间的加权连接中，他们认为智能的关...

🔊 全文章节朗读 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 第三章，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。本章梳理了人工智能领域最核心的两场争论。作者首先区分了狭义人工智能和通用人工智能：今天的成就再亮眼，AlphaGo也只会下围棋，一堆狭义智能永远堆砌不出通用智能。接着讲图灵测试，图灵预言五十年内机器能骗过裁判，2014年聊天机器人尤金·古斯特曼号称通过了测试，但专家们嗤之以鼻，认为那只是靠回避话题骗过了非专业裁判的噱头。然后是库兹韦尔的奇点理论，他依据指数级...

🔊 全文章节朗读 04何人何物何时何地为何 第四章，何人，何物，何时，何地，为何。本章主题是计算机视觉为什么看起来容易做起来难。作者开篇用一张士兵回家抚摸爱狗的照片说明，人类看一眼就能讲出人物、地点、情感和前因后果，而机器连识别一条狗都很费劲。1966年明斯基曾让一个本科生用一个夏天搭建视觉系统，结果几乎毫无进展。突破来自对大脑的模拟：神经科学家胡贝尔和威塞尔发现视皮层是层次化结构，低层神经元检测边缘，越往上检测的特征越复杂，这个发现启发了福岛邦彦的神经认知机，进而催生了杨立昆提出的卷积神经网...

🔊 全文章节朗读 05ConvNets和ImageNet现代人工智能的 第五章，卷积网络和ImageNet，现代人工智能的基石。本章讲述卷积神经网络如何从边缘走向主流。杨立昆八十年代开发出最早的卷积网络LeNet，九十年代用于美国邮政局识别邮政编码和银行读取支票，但此后神经网络失宠，他像孤身举着火炬穿过黑暗时代。转机是李飞飞构建的ImageNet数据集：她用词网名词收集图片，靠亚马逊土耳其机器人工人在两年内标注了三百多万张图像。2012年，辛顿团队的研究生克里泽夫斯基开发的AlexNet在竞赛...

🔊 全文章节朗读 06人类与机器学习的关键差距 第六章，人类与机器学习的关键差距。本章的核心论点是：深度学习的成功被媒体夸大了，机器学习与人类学习之间存在着关键差距。所谓机器自学并不准确，需要大量人力收集标注数据，还要靠专家调节超参数，微软研究员说这更像炼金术而非科学，全世界只有几百人真正擅长。深度学习离不开大数据，而人类儿童看几个例子就能学会，还会主动探索世界。长尾效应让机器频繁犯错，比如特斯拉把防雪盐线认成车道标记。作者团队的研究生发现，识别动物的网络其实只学会了看背景是否模糊。2015年...

🔊 全文章节朗读 07确保价值观一致构建值得信赖有道德的人工智能 第七章，确保价值观一致，构建值得信赖、有道德的人工智能。本章讨论人工智能的伦理困境与监管问题。作者先肯定人工智能已带来许多好处，从垃圾邮件过滤到帮助视障者阅读，吴恩达甚至说人工智能是新电能，但关键在于大权衡：是拥抱它的能力，还是警惕它难以预见的错误、偏见和易受攻击。作者深入剖析了人脸识别的案例：美国公民自由联盟测试亚马逊的系统，把535名国会议员中的28人错误匹配成罪犯，非洲裔议员的错误率高达百分之二十一。监管方面，欧盟颁布了解...

🔊 全文章节朗读 08强化学习最重要的是学会给机器人奖励 第八章，强化学习，最重要的是学会给机器人奖励。本章讲解让AlphaGo名声大噪的幕后方法：强化学习。作者从驯兽师的秘诀说起，奖励正确行为，忽略错误行为，记者萨瑟兰甚至用这招训练丈夫收拾袜子，这就是心理学上的操作性条件反射。与监督学习不同，强化学习不需要标注样本，智能体在环境中执行动作，偶尔获得奖励，这是它唯一的反馈。作者用机器狗罗茜学踢球的例子详细说明Q学习：罗茜随机尝试，直到偶然踢到球得到十分奖励，再把这种状态和动作的值记进Q表，逐层...

🔊 全文章节朗读 09学会玩游戏智能究竟从何而来 第九章，学会玩游戏，智能究竟从何而来。本章梳理人工智能征服游戏的历程。DeepMind把强化学习的Q学习与深度网络结合成深度Q学习，在四十九款雅达利游戏上，超过一半胜过人类测试员，打砖块的得分是人类的十倍以上，还自己悟出了在砖墙边缘打隧道的高招，谷歌随即以约六点五亿美元收购DeepMind。作者回顾了历史：塞缪尔的跳棋程序奠定了博弈树、评估函数和自对弈学习三个概念；深蓝靠暴力搜索击败卡斯帕罗夫，却被认为并不智能。围棋每步平均有二百五十种走法，没...

🔊 全文章节朗读 10游戏只是手段通用人工智能才是目标 第十章，游戏只是手段，通用人工智能才是目标。本章的核心论点是：游戏程序的胜利并不等于通用智能。哈萨比斯说游戏只是开发平台，最终要解决现实问题，但作者逐条检视后发现距离还很远。AlphaGo所有版本除了下围棋什么都不会，学一款游戏必须从头训练，无法迁移知识；而人类学会乒乓球就能帮着学网球，所以迁移学习的本质就是学习本身。所谓无须人类指导也有水分：网络架构、蒙特卡洛树搜索和超参数都是程序员预先植入的。优步的研究还发现，随机搜索和遗传算法这些简...

🔊 全文章节朗读 11词语以及与它一同出现的词 第十一章，词语，以及与它一同出现的词。本章进入自然语言处理领域。作者用餐厅际遇的小故事开场：男士点了汉堡包却烤煳了，他没付钱就冲出餐厅，人类立刻明白他没吃汉堡，而机器要回答这个问题需要多得难以想象的常识。深度学习在这个领域的第一个重大成就是语音识别，2012年深度网络促成了二十年来最大的单项进步，安静环境下准确率已达人类的九成到九成五，但最后的百分之十可能需要真正的理解。接着讲情感分类，只看黑暗、恐怖这类线索词远远不够，必须结合上下文，于是引出了...

🔊 全文章节朗读 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 第十二章，机器翻译，仍然不能从人类理解的角度来理解图像与文字。本章考察机器翻译的真实水平。机器翻译从早期的规则方法走到统计方法，2016年谷歌推出神经机器翻译，用编码器网络把句子编码成向量，再由解码器网络生成译文，长短期记忆单元解决了长句遗忘的问题，训练要用超过三千万对人工翻译的句子。谷歌和微软请双语专家评估，宣称已接近甚至达到人类水平，但作者指出三点漏洞：平均分会掩盖好坏两极分化，评估只针对单个句子而非长文，测试句全来自...

🔊 全文章节朗读 13虚拟助理随便问我任何事情 第十三章，虚拟助理，随便问我任何事情。本章聚焦问答系统和阅读理解。星际迷航里的计算机是几代研究者的梦想，但今天的Siri和Alexa只是擅长转录语音，并不理解问题：它能背出博尔特的传记，你问博尔特知道怎样跑步吗，它只能回答不知道。作者重点复盘了IBM沃森的故事：2011年它在危险边缘节目中击败人类冠军，靠的是数百万份文档和抢答速度，可它会把美国城市的答案答成多伦多，也听不懂詹宁斯的玩笑。此后IBM宣称沃森即将从医学院毕业，一周阅读两千五百万篇论文...

🔊 全文章节朗读 14正在学会理解的人工智能 第十四章，正在学会理解的人工智能。本章回答一个问题：人类理解世界到底依赖什么心理机制。作者借用数学家罗塔的说法，人工智能至今没能打破意义的障碍。她以开车遇到推婴儿车女士过马路为例，说明人类天生具备核心知识：直觉物理学让我们知道推一下物体会移动，直觉生物学让我们知道狗能自主移动，直觉心理让我们能预测他人的感受和目标。理解的本质是预测，我们靠心智模型模拟情境，想象不同可能的未来。心理学家巴斯劳提出理解即模拟的假说，连读文本也是在构建心智模拟。莱考夫和约...

🔊 全文章节朗读 15知识抽象和类比赋予人工智能核心常识 第十五章，知识、抽象和类比，赋予人工智能核心常识。本章讲述研究者试图给机器注入常识的各种尝试。雷纳特的Cyc项目坚持了三十多年，人工编写了一千五百万条论断，但作者怀疑这条路走不通，因为很多常识藏在潜意识里，任何地方都没有记载，多明戈斯甚至称它是人工智能史上最臭名昭著的失败案例。作者回顾了自己被邦加德问题吸引而入行的经历：这类谜题要求找出左右两组图形的区分概念，而用两万个样本训练的最新卷积网络，在相同与不同任务上仅略好于随机猜测，人类却接...