《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。
推薦閱讀: