搜索结果

🔊 全文章节朗读 第1章AI该往何处走 第一章，AI该往何处走。本章的主题是AI的宏大承诺与冰冷现实之间的巨大落差。从赫伯特·西蒙预言二十年内机器拥有人类一切能力，到无人驾驶、IBM沃森医疗、Facebook聊天机器人纷纷落空，作者指出业界一贯愿景有余而落地不足，媒体还惯于把小进步夸大成革命，比如微软和阿里的阅读测试成绩只提高了半个百分点，就被说成超越人类。核心论点是：当下的AI是只能在封闭任务里工作的狭义AI，而灵活应对开放世界的广义AI还遥遥无期。作者把这个落差称为AI鸿沟，并拆成三个坑：...

🔊 全文章节朗读 第2章当下AI的9个风险 第二章，当下AI的九个风险。本章逐一盘点当下AI不值得信任的九类问题。开篇讲微软聊天机器人Tay上线不到一天就学会歧视言论被紧急下线，扫地机器人路过狗屎会把全家地板涂满。作者先说明不必担心机器人造反，因为AI没有欲望，真正的麻烦是机器会犯荒谬的错误。九个风险包括：让人轻信它有智慧、缺乏鲁棒性、换个数据集就失灵、固化社会偏见，比如识别不出黑人女性的性别、回音室效应、被公众可操纵的数据愚弄、加剧司法偏见、落进错误目标陷阱，比如奶牛发情预测系统靠永远猜不发...

🔊 全文章节朗读 第3章深度学习的好与坏 第四章，第三章，深度学习的好与坏。本章讲清了深度学习是什么、强在哪、又弱在哪。从早年罗森布拉特的神经网络，到GPU催生的2012年革命，深度学习把图像识别准确率从七成多推到九成八，还在翻译、语音识别上大放异彩。但作者提出三个核心问题：一是贪婪，需要海量数据，AlphaGo要下三千万盘棋才能超越人类，而我们戴一次3D眼镜就能领会奥妙；二是不透明，神经网络如同黑箱，犯错也查不出原因；三是脆弱，贴了贴纸的停车标志会被认成冰箱，涂了肥皂泡的棒球被认成浓缩咖啡，...

🔊 全文章节朗读 第4章计算机若真有那么聪明为什么还不会阅读 第四章，计算机若真有那么聪明，为什么还不会阅读。本章的主题是机器阅读为什么至今未能实现。谷歌Talk to Books被吹成能回答一切问题，实际连哈利波特和赫敏在哪相遇、犹大为什么背叛老师这类问题都答不好，换个问法答案就面目全非。作者用《农庄男孩》里阿曼佐捡到钱包归还汤普森先生的段落做例子：人类能顺着推理链答出汤普森先生为什么拍口袋，而现有AI全都做不到。计算机不会阅读有三大原因：不会建立认知模型、不理解不字的含义、无法应对语言的模...

🔊 全文章节朗读 第5章哪里有真正的机器人管家 第五章，哪里有真正的机器人管家。本章回答为什么我们至今买不到动画片里的机器人管家罗茜。目前最畅销的只有扫地机器人Roomba，而波士顿动力能跑酷的阿特拉斯，那段视频是在精心布置的房间里拍了二十一次才成功的。作者提出机器人管家必备四个能力：定位、运动控制、态势感知和在复杂场景中采取行动。前两项进展不错，SLAM技术和波士顿动力的运动控制都很出色，后两个却几乎没有突破：机器人分不清壁炉里取暖的火和必须扑灭的火，也应对不了派对上掉落的饼干、杯子里的蟑螂...

🔊 全文章节朗读 第6章从认知科学中获得的11个启示 第六章，从认知科学中获得的十一个启示。本章从心理学、语言学和哲学中提炼出指引AI发展的十一条经验。作者先戳穿了因果熵这类用一个公式解释一切智慧的理论，指出行为主义当年就是这样衰败的，深度学习也落入了寻找银弹的陷阱。十一个启示包括：没有银弹、认知依赖内部表征、抽象与概括至关重要、认知系统高度结构化、简单认知也需要多种工具、语言由成分组合而成、理解需要自上而下与自下而上结合、概念嵌于理论之中、因果关系是理解的基础、我们跟踪具体的人和事件、复杂认...

🔊 全文章节朗读 第7章常识实现深度理解的关键 第七章，常识，实现深度理解的关键。本章的主题是常识为什么难，以及该怎么办。常识人人都懂，却没人知道如何造出有常识的机器，作者形容这是AI领域最难啃的硬骨头之一。作者检视了建立常识库的三种方法：网络爬取的NELL学到了下北泽站是摩天大楼这样的错乱事实，众包的ConceptNet得出厨师本身可能是一顿饭的荒唐推论，人工编码三十年的CYC项目也未被业界认可。作者主张用形式逻辑清晰地表征知识，并围绕时间、空间和因果关系构建知识框架，比如机器人管家要知道先...

🔊 全文章节朗读 第8章创造可信的AI 第八章，创造可信的AI。本章讲打造可信AI的几个支柱。首先是优秀的工程实践：要留出余量、设置冗余和失效保护，电梯按半吨设计就要造到五吨，无人驾驶不能只靠摄像头，还要经得起类似碰撞测试的压力检验。其次是用深度理解取代深度学习，因为神经网络更像药理实验，只知有效却说不清原理，调试维护都很难，而具备常识的系统根本不会犯咯咯笑、把母亲认成儿子的低级错误。第三是赋予机器道德价值观，阿西莫夫的机器人三定律是起点，而博斯特洛姆担心的回形针灾难，在真正拥有常识和价值观的...

🔊 全文章节朗读 后记 后记。本篇展望可信AI实现之后的图景。作者认为，若干年后回望历史，真正的转折点不是2012年深度学习的重生，而是机器通过常识和推理上的突破、获得对世界深刻理解的那一刻。到那时，搜索能轻松答出最高法院最年长的法官是谁，数字助理能策划上千人的活动，全息甲板般的虚拟现实和机器人管家将成为现实，机器还能达到专家水平，加快科学发现的速度。但作者也提醒，就业机会可能变得稀缺，收入再分配的争论会更加激烈，这场认知革命会像工业革命一样点燃社会变革的燎原大火。预测千年后的世界无异于夜郎自...

🔊 全文章节朗读 前言人工智能正在刷新未来 前言：人工智能正在刷新未来 这是全书的总览。作者布莱·惠特比指出，人工智能是人类历史上最激动人心的挑战之一，吸引了各行各业的天才义无反顾地投身其中。本书以去技术、减术语的方式面向普通读者，不需要任何预备知识。作者特别击破了两个广泛流传的误区。第一，有人宣称人工智能研究注定失败，事实上它的成功正源源不断地催生新技术，改变着人们的生活方式。第二，有人认为人工智能一旦成功，人类就会沦为机器的奴隶，作者直斥这种说法荒谬，现有及可预见的发展都不会带来这种反乌托...

🔊 全文章节朗读 1重新认知人工智能 第一章：重新认知人工智能 本章核心论点是，理解人工智能的第一步是摒弃先入为主的成见。人工智能是对人类、动物和机器智能行为的研究，它既是科学也是工程学。作者反驳了三种常见误解：对智能的直觉理解会误导我们以为必须模仿人类，但人类解决问题的方法既非唯一也非最佳；科幻小说描绘的智能机器具有强烈的误导性；人们常说计算机只会做我们让它做的事，实际上人工智能程序能进行预测、有知觉，在很多方面超越了创造者。作者用飞行器类比说明，人工智能的终极目标是寻找智能的空气动力学。本...

🔊 全文章节朗读 2人工智能的荣耀时刻 第二章：人工智能的荣耀时刻 本章展示人工智能最令人信服的成功案例，核心论点是搜索是理解人工智能如何工作的最基础概念。将现实问题转化为起始状态、过渡和目标状态三要素，就能让计算机求解。但穷举搜索会遭遇指数型爆炸，解决之道是引入启发法，借助真实世界线索引导搜索。这在1997年深蓝击败国际象棋冠军卡斯帕罗夫中得到体现，静态评估函数和剪枝算法让计算机在有限算力下找到最优落子。本章还介绍专家系统，以斯坦福的MYCIN为例，它在血液传染病领域的表现几乎媲美人类专家，...

🔊 全文章节朗读 3生物学人工智能的灵感源 第三章：生物学，人工智能的灵感源 本章探讨人工智能与生物学的双向关系。作者对比了计算机和大脑的本质区别：计算机用1和0串行处理指令，而大脑中千亿个神经元高度互联、并行激发。人工神经网络正是在这一启发下诞生的，通过反向传播算法不断调整连接权重来学习。最经典的应用是手写字符识别，它还能优雅降级，部分损坏后不会像传统程序那样完全崩溃。但作者以坦克识别的都市神话警示读者，一个网络被训练区分有无坦克的照片，实际学到的是上午和下午阴影角度的差异，说明神经网络找到...

🔊 全文章节朗读 4人工智能跃迁的7大难题 第四章：人工智能跃迁的七大难题 本章系统审视阻碍人工智能前进的七大难题。历史难题是派系之争，研究人员过度概括自己的方法，宣称它是解开智能的唯一钥匙。环境难题涉及机器人需要知道什么，作者以起居室机器人为例引入帧面问题，说明确定哪些信息相关的难度几乎无穷。中文屋难题来自塞尔的思想实验，一个人按指令手册处理中文字符，外面的人以为他懂中文，但塞尔认为这只是在执行算法，计算机无法获得真正的理解。算法化难题来自彭罗斯等数学家，他们认为人类思想无法算法化，但多数研...

🔊 全文章节朗读 5通向真正的人工智能之路 第五章：通向真正的人工智能之路 本章直面公众最常提出的问题，我们什么时候才能看到真正智能的计算机？作者将此称为确实如此但是问题，指出它源于对机器的19世纪式偏见，误以为机器只会按预定方式运行。本章的重要贡献是介绍认知科学这门由人工智能催生的新兴学科。认知科学诞生于对行为主义的反叛，人工智能工程师用目标、信念等术语描述程序内部，证明讨论黑匣子内部并不违反科学，从而将心理学解放出来。认知科学跨越心理学、神经生物学、语言学和哲学，有望成为解释所有智能行为的...

🔊 全文章节朗读 6人工智能应有益于人类 第六章：人工智能应有益于人类 本章聚焦人工智能的社会影响，核心论点是，比起机器人统治世界的科幻恐惧，谁将受益、谁将受害才是真正紧迫的问题。作者明确表示，本书讨论的所有技术都不可能统治世界，机器人没有被编程为任何威胁。关于就业，当前的人工智能技术更擅长取代高度专业化的岗位，而非一般性岗位。作者认为人工智能的黄金场景是充当智力放大器，让人类变得更高效更聪明。但数据挖掘等技术常被掌权者用来描绘消费者，这会拉大力量差距。本章还展望了代理技术，单个代理智能有限，...