如何評價李開復新書《人工智慧》？
先反對那些認為開復不懂人工智慧的答案吧，詳細的後答。
------------------------------更新分割線
李開復博士論文是關於語音信號識別的。在蘋果工作時開發了當時世界上先進的一台語音識別機器，其中使用的技術是HMM（隱馬爾科夫模型），這個模型是機器學習中的一個技術，而機器學習是人工智慧的一個分支。
現在有一個觀點認為深度學習才是人工智慧。這個觀點是片面的，深度學習只能說是人工智慧的一個「狹義」定義。而「廣義」的人工智慧定義還是上世紀50年代達特茅斯會議所定下的。因為真正的人工智慧定義很廣，你很難說一個人「懂」人工智慧，但你也不能輕易說別人「不懂」人工智慧。
說起人工智慧，人們總是覺得很神秘，很好奇，有很多問題：
人工智慧是什麼？是男是女，長什麼樣兒？漂亮嗎？會不會生病？會不會老？
人工智慧聰明嗎？會下象棋嗎？會打麻將嗎？會玩dota或者王者榮耀嗎？會打乒乓球嗎？會打籃球嗎？會游泳嗎？
人工智慧有記憶嗎？能不能教他說話、拿筷子夾花生米？
人工智慧好玩嗎？怎麼玩？怎麼跟它交流？它會不會說話？能陪我唱歌嗎？要不要吃飯？要不要充電？
人工智慧有什麼用？能幫我寫文章/搬磚/做報表/開車嗎？能用來賺錢嗎？
人工智慧怕什麼？下雨天能出門嗎？天熱會不會出汗？從樓上摔下去會不會變形？能修好嗎？
人工智慧有什麼危險？會不會吃了我？它要是想傷害我，我該怎麼辦？
我該怎麼了解人工智慧？學習人工智慧？和人工智慧和諧相處？
人工智慧有什麼愛好？喜歡聽什麼歌？吃豆腐腦喜歡鹹的還是甜的？會看書嗎？能不能體會「今宵酒醒何處，楊柳岸，曉風殘月」的寂寞和「醉卧沙場君莫笑，古來征戰幾人回」的豪邁？
人工智慧有感情嗎？會喜歡我嗎？我離開它的時候，它會不會難過，會不會想我？
***************************************************************************************************************************
通過學習 @李開復 老師的《人工智慧》，我獲益良多，很多問題也有了答案。我認為這是一本很好的面向大眾的科普讀物，介紹了人工智慧的基本理念，發展歷程和對未來的展望。
下面以問答的形式，記錄讀書筆記和感想。
1. 人工智慧是什麼？在哪裡？
其實，人工智慧已經到處都是，什麼都做：可以陪人聊天，可以寫標準新聞，能畫畫，能翻譯，能開車，能認出人的樣子，能在互聯網上搜答案，能在倉庫搬貨，能送快遞到家。
人工智慧是什麼，眾說紛紜，一般有以下五種定義（可能有交叉）：
1) 在某方面特別聰明的計算機程序，比如AlphaGo，下圍棋下得特別好，世界冠軍也下不過它。
2) 試圖像人一樣思考的計算機程序。但這事兒太難，人的意識，連人自己都搞不清楚，更別說教給自己編出來的程序了。
3) 怎麼想的不知道，行為方式倒是很像人，比如可以和人聊天的ELIZA。
4) 會自己學習的，剛開始笨笨的，慢慢地就越來越聰明。AlphaGo也是因為頭懸樑錐刺股，苦學了海量棋譜才變得這麼厲害的。
5) 根據對環境的感知，做出合理的行動，並獲得最大收益的計算機程序。
這五種定義各有根據和局限，也可以認為人工智慧首先是感知，包括視覺、語音、語言；然後是決策，根據識別的信息，做出預測和判斷；最後是反饋，就像機器人或自動駕駛。
我的理解： 人工智慧是高性能的計算機程序，或者使用了人工智慧的產品、服務和應用。
2. 人工智慧包含什麼？
人工智慧有很多分支，其中之一是機器學習，機器學習裡面有一個分支是深度學習，深度學習是當今乃至未來很長一段時間內引領人工智慧發展的核心技術。
深度學習是一種神經網路，把計算機要學習的東西看成數據，把數據丟進多個層級的數據處理網路，然後檢查經過網路處理的結果數據是否符合要求。如果符合，就保留網路作為目標模型，如果不符合，就反覆修改參數，直到符合為止。
書中舉了一個例子，非常形象生動：把數據看成水流，深度學習網路看成多層水管網路，通過調節管道和閥門，使輸出滿足要求。
除了深度學習，還有增強學習、遷移學習。。愛學習的AI，智商通常都不會太差。。
3. 人工智慧的發展歷程是怎樣的？
歷史上有過3次AI熱潮，第一次因為圖靈測試，第二次因為語言識別，都熱了一段時間又沉寂下去。
目前，深度學習攜手大數據引領的第三次熱潮，處於技術曲線的攀升和成熟期，前景極為廣闊。
事不過三，這一次不再是忽悠。
4. 人工智慧有什麼用處？
人工智慧不僅是技術革命，還與經濟變革、教育變革、思想變革、經濟變革、文化變革等同步，可能成為下一次工業革命的核心驅動力。
主要的商業應用場景：
l 自動駕駛：這個不用多說，Google，Tesla，百度。。都在研究
l 智慧金融：量化交易與智能投顧、風控、安防與客戶身份認證、智能客服、精準營銷
l 智慧生活：機器翻譯、智能家居、智能超市
l 智慧醫療：輔助診斷疾病、對疑難病症的醫療科學研究
l 藝術創作：機器音樂、機器繪畫、機器文學創作
看看Amazon的Echo和Google的Home，AI能做的事情太多了。
5. 人工智慧可能有什麼負面影響？會不會失控，威脅人類的安全？
可能會引起失業。根據開復老師提出的「五秒鐘準則」，一項人從事的工作，如果可以在5秒鐘內完成思考並做出決策，那麼這項工作很可能會被人工智慧取代。如保安、股票交易員、司機、新聞報道、翻譯。。但人工智慧也會帶來新的工作。
人工智慧分三個層級：
1) 弱人工智慧：在某方面很聰明，但只在這方面聰明，別的事啥也不會。比如AlphaGo，下圍棋世界第一，別的方面就是個弱智，連棋子都得別人幫它拿。
2) 強人工智慧：人能做什麼，它就能做什麼。跟美劇《西部世界》里的機器人差不多，但它有沒有意識，不好說。
3) 超人工智慧：比最聰明的人類還要聰明100000000倍。。都不止，它的NB，超乎你想像。我們不知道它是誰，不知道它在哪裡，不知道它什麼時候出現，也不知道它會幹什麼。
可能在某個時刻（奇點）之後，超人工智慧就會天神降臨，整個世界籠罩在它無邊的法力之下。
也可能，因為物理學和生物學的限制，超人工智慧永遠不會來。。
無論如何，人工智慧，或者說，對人工智慧的研究和使用，需要受到監管和限制，也需要應對轉型過程中對失業的衝擊。
6. 哪些領域是今天的人工智慧做不到或者做不好的？
l 跨領域推理，人類強大的跨領域聯想、類比能力，可以舉一反三，觸類旁通。不過遷移學習也正在發展，可以將計算機在一個領域學到的經驗轉換到另一個領域
l 抽象能力
l 知其然，也知其所以然，了解事物運行的本質規律
l 常識
l 自我意識
l 審美
l 情感
不過，已經有軟體可以吟詩作詞，而且相當高明。比如這首根據遺傳演算法生成的《清平樂-黃菊》：
「相逢縹緲,窗外又拂曉.長憶清弦弄淺笑,只恨人間花少. 黃菊不待清尊,相思飄落無痕.風雨重陽又過,登高多少黃昏. 」
是不是平仄相符，語句通順，很有意境？
7. 人工智慧創業的形勢如何？
形勢一片大好：國家大力支持，業界投入巨大的人力和財力進行研究，軟硬體技術都已經成熟。
AI的商業路線分三步走：線上業務（3年）、線下業務（5~7年）和個人業務（10年以上）
AI創業的五大基石：
1) 清晰的領域界限（業務場景）
2) 閉環的、自動標註的數據
3) 海量的數據量（千萬級）
4) 超大規模的計算能力
5) 頂尖的AI科學家（演算法）
AI產業發展的六大挑戰：
1) 前沿科研與工業界尚未緊密銜接
2) 人才缺口巨大，人才結構失衡
3) 數據孤島化和碎片化問題明顯
4) 可復用和標準化的技術框架、平台、工具、服務尚未成熟
5) 一些領域存在超前發展、盲目投資等問題
6) 創業難度相對較高，早期創業團隊需要更多支持
中國在AI創業中的優勢：
1) 中國人/華人處於人工智慧研究的領先地位
2) 中國有龐大的理工科學生基礎，數學知識紮實，具備人才優勢
3) 全球規模最大的互聯網市場，網民人數近8億
4) 行業需求潛力巨大，
5) 海量數據和充沛資金
對應上面提到的五大基石，人才、海量數據、閉環標註數據、應用場景、計算力都有解決方案，再加上開復老師創立的微軟亞洲研究院和創新工場提供的人才和資金優勢，我也覺得中國發展AI的前景一片光明。
8. 創新工場計劃如何布局AI?
創新工場在AI領域的投資布局如下:
另外，創新工場成立了人工智慧研究院，這是專門面向人工智慧的創業人才培養基地和創業項目孵化實驗室。
主要工作任務包括：
l 對接科研成果與商業實踐，幫助海內外頂級人工智慧人才創業
l 培育和孵化高水準的人工智慧技術團隊
l 積累和建設人工智慧數據集，促進大數據的有序聚合和合理利用
l 開展廣泛合作，促進人工智慧產業的可持續發展
未來AI是風口。有人總結，只要以ai域名為後綴，融資過程都會比較快，或者融到的錢會比較多。
9. AI時代，我該怎麼學？
借鑒了密涅瓦大學的「沉浸式全球化體驗」教學方式和清華大學姚期智院士創辦的清華學堂計算機科學實驗班（姚班）的教學模式，開復老師提出AI時代的學習方法：
l 主動挑戰極限
l 從實踐中學習
l 關注啟發式教育，培養創造力和獨立解決問題的能力
l 互動式的在線學習將愈來愈重要
l 主動向機器學習
l 既學習人-人協作，也學習人-機協作
l 學習要追隨興趣
機器越來越像人，人越來越像機器，隨著生物科技和量子科技的發展，人機融合，達到了生命的大和諧。
10. AI時代，我該學什麼?
AI時代，程式化的、重複性的、僅靠記憶與練習的技能將越來越沒有價值。
最能體驗人的綜合素質的技能，將最有價值，最值得培養、學習，比如：
l 對於複雜系統的綜合分析、決策能力
l 對於藝術和文化的審美能力和創造性思維
l 由生活經驗及文化熏陶產生的直覺、知識
l 基於人自身的情感（愛、恨、熱情、冷漠等）與他人互動的能力
要想獲得以上這些能力，大部分都是個性化培養，而非大規模圈養
教育系統的設計，也要考慮到個性化、定製化、可持續化和公平。
可能感性思維很難被機器取代，理性思維人類是干不過AI的。
11. AI無處不在的年代，人生還有意義嗎？
開復老師通過自己康復的經驗，在書中進行了富有哲理，詩意盎然的闡述。
我的答案：我思故我在。今天我坐在這裡打完這份讀後感，說明我的人生就是有意義的。
AI不過是新的工具，正如小石錘、輪子、蒸汽機、太空梭、計算機和互聯網，不會取代，只會豐富。
參考文檔：
1. 李開復：人工智慧的黃金時代
http://business.sohu.com/20161130/n474504963.shtml2. 李開復：AI是什麼？將帶我們去哪兒？
http://tech.sina.com.cn/it/2016-06-15/doc-ifxszkzy5301105.shtml
3. 周昌樂，游維，丁曉君：《一種宋詞自動生成的遺傳演算法及其及其實現》
感謝公眾號 @機器之心 ， @新智元 ， @第四範式 ，從你們那裡獲得了很多知識，
在李開復做語音識別系統和用人機對弈系統擊敗人類冠軍的時候這些說他一點不懂人工智慧的人大概都在玩泥巴吧
他不懂人工智慧， 蹭熱點而已。
關於開復老師是不是懂人工智慧，有一個回答已經為他正名了，我這裡列出證據:
昨晚剛看的《人工智慧》新書發布會，由李開復全程在進行演講，說說我的一些感受：
1.雖然現在都在說人工智慧，但不代表大家都是為了蹭熱點，社會全面應用人工智慧需要大約10年左右的時間，由於我們是發展中國家可能會更遠，所以現在就對此進行一番批判的話，有點為時尚早。
2.李開復的確投了一些搞人工智慧的初創公司，但他本人也表示了，即使有數據支持的情況下，如果難度很大，基本上就會建議創業者別去做。
3.發展人工智慧還是需要很多數據作為支撐，而現在絕大多數的數據是被BAT所掌握，但隨著一定時間的推移，未來可能會有好幾百家像今天BAT這種的大公司，那時數據共享可能已經是主流了。
4.人工智慧與深度學習相比，從本質上來講的話，人工智慧還是比深度學習更寬泛一些的，所以不能光拿深度學習去進行單方面描述。
5.雖然李開復的書我很喜歡，但李開復他在不同時期發表的書，內容觀點也有所區別，所以看書請一定要帶腦子看，不然就會多出很多比較充滿片面的評論。
最後，還是要支持一下李博士
1. 李開復對人工智慧的前景相當看好。
2. 李開復是AI領域的領軍人物，他看事情要比常人更遠更深。
3. 李開復希望人工智慧前景廣闊。
因為他投了很多人工智慧的初創公司，現在在造勢階段
想看，想去讓自己普及一下什麼是人工智慧！
李大濕寫的段子還不錯，當然最牛的還是網友對李大濕的總結。請看
至於寫的書么，喜歡看心靈雞湯的一定要看，順便再把那幾封信溫習一下。
評價李開復的新書，人工智慧之前，先簡單介紹下，李開復的個人簡介，李開復博士於2009年創立創新工場，曾任谷歌全球副總裁兼大中華區總裁、微軟全球副總裁、蘋果互動式多媒體部門副總裁。
1998年，李開復創辦微軟中國研究院，在極短時間內創建了一個國際一流的計算機研究院，曾被《麻省理工技術評論》評為「最火的計算機實驗室」。這是一所培養和輸出人工智慧人才的「黃埔軍校」。
李開復從事人工智慧研究，也是最早的，當時互聯網並未完全興起，很多技術並不能夠支持人工智慧的研究，因此，暫時擱置，時至今日，正逢其時，李開復的人工智慧更是引導性書籍，這本書告訴我們，個人應該做些什麼，才能避免被AI取代？企業應該如何升級，才能在新的商業變局到來前抓住先機。
人工智慧已經來了，而且它就在環繞我們身邊，無處不在，所以說，我們一定要了解，並且知道，將人工智慧的歷史與未來劃分為為三個階段，我們處在哪個階段之中！
剛剛讀完，分享一些從書中摘出的筆記。
這本書內容從技術寫到技術引起的社會效應，對AI的發展有很深刻的認識，不愧是CMU計算機博士、語音識別大牛、微軟亞洲研究院創始人等等的李開復。
深度學習——
§ 深度學習能夠大展身手的兩個前提條件——強大的計算能力和高質量的大數據。 Alpha
Zero？？§ 表達能力上靈活多變，允許計算機在大規模的學習過程中不斷嘗試，自己總結規律，最終逼近目標，找到符合真實世界特徵的表示方法。
§ 將數據放入複雜的、包含多個層級的數據處理網路（DNN），檢查經過這個網路處理得到的結果數據是否符合要求。符合——保留這個網路作為目標模型；不符合——一次次調整網路的模型參數，直到輸出滿足要求。
§ 用人類的數學知識與計算機演算法構建起整體架構，再結合儘可能多的訓練數據以及計算機的大規模運算能力去調節內部參數，儘可能逼近問題目標的半理論、半經驗的建模方式。
§ 指導深度學習的基本是一種實用主義思想
§
深度學習三巨頭： Yann LeCun 、 Yoshua Bengio 、 Geoffrey Hinton
AlphaGo：深度學習+蒙特卡洛搜索
棋類：完整信息的博弈遊戲；
《星際爭霸》（DeepMind）、德州撲克（CMU）：不完整信息的博弈遊戲 難度更大
弱AI 強AI 超AI
科技發展的加速規律可以讓強人工智慧更早實現：硬體的快速發展和軟體的創新是同時發生的，強人工智慧可能比我們預期的更早降臨。
ü 基於技術爆炸的思想，使得眾多尖端領域人物對強AI的擔憂變得不無道理。與技術學者不同，技術人員視角下可能會覺得技術進步還不夠快；但大人物（Hawking、Musk）著眼於全局，其視角更寬廣，是以人類技術發展的大趨勢看的，技術爆炸的可能需要幾年十年，在人類發展中是及其短暫的。重要的是，沒人能預見到這一爆炸需要多久，甚至有可能就是明天。因此，有必要提前考慮這一現實真正發生而帶來的人類命運問題。就如《三體》中的宇宙社會學一樣，是否也會有「人類AI倫理學」？
李開復：特定的科技如人工智慧，在一段時間的加速發展後，會遇到難以逾越的技術瓶頸。
人工智慧的缺陷：
1. 跨領域推理能力
不是簡單的基於已知信息的分類或預測問題，也不是初級層面的信息感知問題，往往是在信息不完整的環境中，用不同領域的推論互相補足，並結合經驗盡量做出最合理決定的過程。
「遷移學習」（Transfer Learning）
2. 抽象能力
不突破少樣本、無監督的學習，我們也許就永遠無法實現人類水平的AI——Alpha Zero是否突破了這一限制？
3. 知其然也知其所以然
4. 常識
AI是否能像人類一樣，不需要特別學習就可以具備一些有關世界規律的基本知識，掌握一些不需要複雜思考就特別有效的邏輯規律，並在需要時快速應用？
5. 自我意識
費米悖論
6. 審美
7. 情感 semantic analysis
l 人工智慧不僅是一次技術層面的革命，未來必將與重大的社會變革、教育變革、思想變革、文化變革等同步，人工智慧可能成為下一次工業革命的核心驅動力，人工智慧更有可能成為人類社會全新的一次大發現、大變革、大融合、大發展的開端。
技術變革將引起社會、經濟、心理、人文等層面的巨大波動。
就業問題、教育問題、社會倫理問題等。
l 人類文明史漫漫數千年，因為科技進步而造成的社會格局、經濟結構的調整、變革、陣痛乃至暫時的倒退都屢見不鮮。從局部視角來看，很多劃時代的科技成果必然引發人們的生活方式改變，短期內很可能難以被接受，但站在足夠的高度上，放眼足夠長的歷史變遷，所有重大的科技革命無一例外地都最終成為人類發展的加速器，同時也是人類生活品質提高的根本保障。
l 科技革命不僅僅會造成人類的既有工作被取代，同時也會製造出足夠多的新的就業機會。——人類工作的轉變。新的工作方式，而非大量的失業
l 人機協作時代。以AI為驅動的機器將大幅提高人類的工作效率，機器只是人類的工具。
l AI只是人類的工具。技術本身不是問題，問題是我們如何使用技術以及如何圍繞人工智慧這樣一種革命性的新科技，建立與之配合的社會和經濟結構，用制度來保證人人都可享用人工智慧帶來的巨大受益，同時不必擔心失業等潛在風險。
判斷人工智慧技術能在哪個行業最先引起革命性的變革，除了要看這個行業對自動化、智能化的內在需求外，主要還要看這個行業內的數據積累、數據流轉、數據存儲和數據更新是不是達到了深度學習演算法對大數據的要求。
· 數據本身的規範化、數據採集的自動化、數據存儲的集中化、數據共享的平台化
ü 數據、本文的智能分析（深度學習發現隱藏特徵），而不是簡單的關鍵詞檢索、抽取工作。
機器學習技術自動分析包含大量強特徵和弱特徵的數據。強特徵數據僅是冰山一角，之下還存在海量的弱特徵數據。
以深度學習為代表的人工智慧演算法所要做的，就是充分挖掘並有效地利用海量弱特徵數據，建立起更加符合真實世界規律的數學模型。
2017年11月15日，科技部——新一代人工智慧發展規劃暨重大科技項目啟動會
百度——自動駕駛；阿里雲——城市大腦；騰訊——醫療影像；科大訊飛——智能語音
人工智慧時代，普通公眾看到的是智能應用的驚艷，科技公司看到的是大勢所趨的必然，傳統行業看到的是產業升級的潛力，國家層面看到的是技術革命的未來。
AI創業的五大基石：
i. 清晰的領域界限 限定領域功能
ii. 閉環的、自動標註的數據 收集、標註、訓練、反饋
iii. 千萬級的數據集
iv. 超大規模的計算能力
v. 頂尖的AI科學家
剛讀完 感覺是很不錯的一本科普讀物 比較理性 沒有鼓吹
樓歪了，請把目光集中到那邊書
佔地………………………………………………………………………………………………………………
為了你的問題，我買了這本書，到到到貨不到2小時。……………………
當然不只是為回答問題買書，我也想了解是不是如李開復在微薄上說的這樣，看了後就能獲得那麼多的知識受益，知道自己未來人機協同的定位。還是這是只是李先生個人品牌公關的附屬作品而已？
第一章已經看完結，接下來會努力看完然後和大家分享，回復持續更新，我的回答大概會從：內容價值，閱讀感受二大方面進行。
沒有讀過，但感覺應該是科普向吧。
以及，關於最近的人工智慧熱潮：
----------- Ashok Chandra 微軟亞洲研究院傑出科學家
以上
我就不知道李開復怎麼了。。。為什麼這麼多傻逼要黑，至少我現在聽起來覺得他都是乾乾淨淨的。做生意怎麼了。。。做生意難道不允許賺錢嗎。。。
推薦閱讀：
※回歸(regression)問題是否比分類(classification)問題更難用神經網路模型學好？
※組合數學入門，求書籍推薦？
※深度學習會不會淘汰掉其他所有機器學習演算法?
※如何評價吳恩達-斯坦福-2017年秋最新機器學習視頻課程？
※人工智慧/機器學習領域，選愛丁堡還是劍橋？
TAG:機器人 | 機器學習 | 計算機視覺 | 無人駕駛車 | 深度學習DeepLearning |