《智能時代》

《智能時代》—吳軍

第一章：數據-人類建造文明的基石

—數據經過處理和分析形成信息，信息經過系統化提鍊形成知識，因此，數據是知識的基礎。

—人類文明形成了使用數據的標準流程：獲取數據-分析數據-建立模型-預測未來，數據必須依靠相關性才能發揮作用。

—數學模型離不開概率論和統計學，但是統計分析嚴重地依賴於樣本。

—建立傳統的數學模型要解決兩個問題：採用什麼樣的模型，模型參數是多少；數據驅動方法的原理是，只要數據量足夠，建立很多簡單模型來取代複雜模型，逼近真實情況。

第二章：大數據和機器智能

—傳統人工智慧方法：機器要像人一樣思考才能獲得智能（推理）；現在人工智慧方法：數據驅動，知識發現和機器學習。

—數據+統計形成數據驅動方法的基礎；隨著互聯網出現，數據量劇增，漸漸出現數據交叉，形成大數據。

—大數據特點：體量大，多維度（關聯性強），完備性（覆蓋全面）。

—大數據的出現，使得我們可以變智能問題為數據問題。（因此，智能問題的解決，往往取決於原始數據的質量和對數據的挖掘方法）。

第三章：思維的革命

—17世紀以來機械思維的形成：依靠古希臘思辨的思想和邏輯推理能力，通過因果關係建立起科學大廈。其核心：世界變化規律是確定的，是可以被認識和描述的，是放之四海而皆準的；機械思維直接帶來工業大發明的時代。

—機械思維沒有認識到：世界充滿的不確定性，一是影響世界的變數太多，無法準確使用公式算出結果，二是從客觀世界本身帶有不確定性（測不準）。

—概率論是描述世界不確定性的理論規律，概率論和信息結合，形成了資訊理論（用不確定性看待世界，再用信息消除不確定性）。

—大數據思維的核心：無法確定因果關係時，採用數據中包含的信息來消除不確定性，用強相關性取代因果關係，得到答案。

第四章：大數據與商業

—傳統企業要花費大量的時間才能收集到足夠的數據，而正是這些數據的相關性，時效性和個性化能夠帶來巨大的商業利好。

—商業活動中，數據要完成整體到細節再到整體兩個方向的流動。

—對於無人車等隨時需要面對不確定性的情況，數據的完備性就顯得無比重要。採用窮舉法事先收集完備的數據，是提高可靠性的基礎。（因此對於無人駕駛，誰掌握的數據多，誰就更接近駕駛工況的全集，更有可能實現高可靠性）。

—現有產業+大數據/人工智慧=新產業；對於工業和垂直銷售領域，提供軟體和服務是企業業務轉型的重要方向。（這也就是豐田宣布由汽車製造商轉變為移動出行服務商的原因）

—在未來，大數據和機器智能的工具如同水和電這樣的資源，由專門的公司提供給全社會使用。

第五章：大數據和智能革命的技術挑戰

—數據的產生：電腦本身；感測器（萬物互聯離不開感測器）；過去的以非數字化形式存在的信息（病歷，古代典籍，文化領域）；數據的存儲：固態存儲，雲存儲；數據的傳輸：移動通信技術的演進；數據的處理：大規模並行計算（雲計算）。

— 大數據常常以全集作為數據樣本，聰明的公司往往通過間接方式收集數據。（智能家電，智能穿戴）

—機器學習最終會由專業公司主導，為大眾提供機器學習的服務，這會帶來數據安全和隱私保護的問題。（tensorflow）

—數據從採集到使用是要雙向知情的，數據的採集者和使用者要同數據的所有者一起接受監管。

第六章：未來的智能化產業

智能產業的特點：智能化、精細化

第七章：智能革命和未來社會

—智能化和精細化社會：提高社會治理能力，萬物互聯可追蹤（比特幣），提供個性化服務。

—社會透明化，隱私就像自由，只有當人們失去它時，才知道它的可貴。

—重大科技革命產生的衝擊需要兩代人才能消除，對於被取代的勞動力，只能依靠時間來解決，對於增長的生產力，需要自由市場來釋放。

—智能革命相對前三次科技革命的衝擊更大，原因有三：1，信息革命的衝擊仍沒有消散。2，全球化使得全世界沒有空白的市場可以開拓。3，智能革命要替代人類大腦，很多人將被社會進步所拋棄。

—對於個人而言，應對智能革命，方法是成為前2%的人。