前言：本读书笔记大多为摘录，是我认为十分有价值的局部。欲知详情，还请浏览原书。
现在，人工智能曾经无处不在。手机上的常见利用，大多应用了人工智能技术，例如图像处理与机器视觉（美图秀秀、Google 照片）、举荐引擎（今日头条、抖音、淘宝）、自然语言解决（百度度秘、微软小冰、亚马逊 Alexa）、机器翻译（Google 翻译）。
在新闻媒体畛域，除了新闻举荐，还呈现了新闻撰稿，AI 程序能够主动生成新闻稿。2011 年，一个名叫罗比·艾伦（Robbie Allen）的工程师所开办的公司 Automated Insights 开发了一个名叫“作家”（Wordsmith）的程序，可主动撰写新闻稿。两年后，该程序撰写的新闻稿数量达到 3 亿篇，超过了所有次要新闻机构的稿件产出数量。
在所有风行的翻译工具中，谷歌翻译是反对语种最多，成果最好的，这得益于深度学习技术的利用。2016 年谷歌发表论文，发表曾经冲破了跨语言翻译的难题，能够在两种没有间接对应的语料样本的语言之间，实现机器翻译。其原理是通过两头语言实现，例如中文与阿拉伯文之间没有足够的对应语料，那么能够利用 英文到阿拉伯文，以及中文到英文之间的对应语料，训练出一个反对多语言间互相翻译的模型，实现中文和阿拉伯文的双向翻译。
主动驾驶也是人工智能利用的热门畛域，该畛域的“资深玩家”是谷歌 Waymo。可能执行一些简单工作的“机器人”，也是人工智能倒退的成绩。例如仓储机器人大幅提高仓库利用率、升高工人老本，外卖机器人代替外卖配送员。这些都是在特定畛域大展拳脚的机器人，它们没有人的形态。而“人形机器人”反而更难倒退，因为人们会拿它与真人做比拟，这时技术的有余会暴露无遗，在“毛病放大镜”的作用下，这种机器人只会显得无比愚昧和蠢笨。
我认为目前的人工智能就是机器帮忙人类主动实现简单工作，越简单显得越智能。本书援用了维基百科对人工智能的定义：AI 就是依据对环境的感知，做出正当的口头，并取得最大收益的计算机程序。
人工智能之所以有明天的成就，深度学习居功至伟。
艾伦·图灵是人工智能的开拓者，他所提出的图灵测试，是咱们判断一部机器是否具备人类智慧的重要伎俩。让测试者和计算机通过键盘和屏幕进行对话，测试者并不知道与之对话的到底是一台计算机还是一个人。如果测试者分不清屏幕后的对话者是人还是机器，那么咱们就说这台计算机通过了测试并具备人工智能。
针对图灵测试，人工智能畛域还专门设立了一个每年一度的罗布纳奖（Loebner Prize），颁发给在图灵测试中体现最优良的计算机程序。所有聊天机器人程序都能够加入评测，以断定是否有程序通过图灵测试。评测时，人类评判员坐在电脑前，同时与一个计算机程序和一个真人通过键盘和屏幕对话。对话时长由最后的 5 分钟减少到 2010 年之后的 25 分钟。对话完结后，评判员判断哪一位是电脑，哪一位是人类。如果计算机程序愚弄人类的次数超过 30%（图灵自己倡议的比例数字），就能够认为，该计算机程序通过了图灵测试。
图灵测试推动了人工智能特地是自然语言解决技术的飞速发展。
深度学习技术让语音辨认的准确度大幅提高，从此语音辨认技术走出实验室，进入人们的生存，例如语音输入法、视频主动字幕。
2006 年是深度学习发展史上的分水岭。这一年，深度学习泰斗杰弗里·辛顿及其合作者用一篇名为《一种深度相信网络的疾速学习算法》的论文宣告了深度学习时代的到来。其余巨匠们也在这一年前后，奉献了一批重要的学术文章，在根本实践方面获得了若干重大突破。
谷歌大脑（世界最弱小的深度学习集群），是在 2011 年由谷歌最资深的科学家与工程师杰夫·迪恩，以及起初在百度任首席科学家的吴恩达（Andrew Ng）率领团队创立的。这是一个宏大的深度学习计算框架，领有数万台高性能的计算机和顶级的图形处理器作为计算单元，能够实现大规模、多维度、多层次的深度学习模型训练和演算。
深度学习是一种在表达能力上灵便多变，同时又容许计算机一直尝试，直到最终迫近指标的一种机器学习办法。用“水管网络”来模仿深度学习，是简略易懂的。参考文章《什么是「深度学习」，支流的「深度学习模型」次要有哪些？》。
大数据是人工智能的基石，也就是对大数据进行训练，并从中演绎出能够被计算机使用在相似数据上的常识或法则。大数据越来越多地来源于生产或服务过程中的副产品，但在价值上却往往超过了为了特定目标专门采集的数据。深度学习能够从大数据中挖掘出以往难以想象的有价值的数据、常识或法则。无效、非法、正当地收集、利用、爱护大数据，是人工智能时代的根本要求。
从围棋角度说，AlphaGo 最震撼的是计算机在人类传统认为极其玄妙的、电脑无奈把握的“大局观”上突飞猛进，远远将人类选手甩在身后。电脑计算“大局观”的形式，和人类造就“大局观”的思路，有基本的差异。并且 AlphaGo 的围棋布局技巧迅速被人类棋手模拟，这和当年“深蓝”问世后，国际象棋的布局反动是一样的。从人工智能技术的角度说，AlphaGo 用的是 AI 畛域利用十分广泛的算法：深度学习、蒙特卡洛算法、加强学习等。AlphaGo 带给人类对将来的警示：如果计算机能够在两年内实现大多数人此前预测要花 20 年或更长时间能力实现的提高，那么，还有哪些冲破会以远超常人预期的速度降临？
人工智能能够依据“智能水平”分为以下几类。
弱人工智能（Weak AI），也称限度畛域人工智能（Narrow AI）或应用型人工智能（Applied AI），指的是专一于且只能解决特定畛域的人工智能。明天咱们看到的人工智能都属于这个领域。它总体上只是一种技术工具，如果说人工智能存在危险，那也和人类曾经大规模应用的其它技术没有实质的不同。只有严格控制，紧密监管，人类齐全能够像应用其它工具那样，释怀地应用明天的 AI 技术。
强人工智能（Strong AI），又称通用人工智能（Artificial general intelligence）或齐全人工智能（Full AI），指的是能够胜任人类所有工作的人工智能。
超人工智能（Super intelligence），能够比世界上最聪慧、最有天才的人类还聪慧。从逻辑上讲，强人工智能一旦呈现，就可能迅速转变为超人工智能。
明天的人工智能还不能做什么？
跨畛域推理：也就是触类旁通、举一反三的能力。
形象能力：数学实践的倒退是人类超强形象能力的体现。
知其然也知其所以然：目前基于深度学习的人工智能技术，教训的成分比拟多，实质上是在寻找自然规律。
常识：无需思考，本能的行为。
自我意识：这是人工智能与人类的本质区别。
审美：这是一个理性的概念，无奈准确计算，并且人与人之间也存在差别。
情感：与审美相似，非生物无奈了解。
时代一直改革，新技术取代旧技术。大多数状况下，旧的工作不是隐没了，而是转变为了新的模式。例如从马车时代到汽车时代，旧的工作岗位隐没的同时，也呈现了许多新的工作，也就是比马车时代规模更大的汽车产业链。
在人工智能疾速倒退的大背景下，哪种工作最容易被人工智能全副或局部取代呢？李开复学生认为，如果人能够在 5 秒钟以内对工作中须要思考和决策的问题做出决定，那么这项工作就有十分大的可能被取代。（这是李开复的“五秒钟准则”）例如股票市场的一般交易员（曾经被取代）、驾驶汽车（行将被取代）、信息报道类的新闻撰稿（局部被取代）。
主动驾驶将是 AI 最大的利用场景，整个城市的交通会因而产生天翻地覆的变动。因为智能调度算法的帮忙，共享汽车的使用率会靠近 100%，城市里须要的汽车总量会大幅缩小。停车难、大堵车等问题天然就解决了。主动驾驶的产业链将十分宏大，单是主动驾驶须要的便宜、牢靠的传感器（如激光雷达），就能够成为一个千亿美元规模的产业。对现有路线进行革新降级，又将波及宏大的固定资产投资和相干产业降级。
在主动驾驶的遍及过程中，中国有机会表演要害角色。首先，中国是一个疾速倒退的国家，在全国和城市的交通路网建设上，始终处于一直建设、不断更新的状态。中国比其余任何一个国家都容易从路线建设的角度动手，为主动驾驶汽车装备专用的路面、交通标志甚至制订有针对性的交通法规。这能够补救主动驾驶技术自身的许多缺点，将主动驾驶技术产生事变的危险大幅升高。
下一次生产率反动的要害是自动化，而人工智能正是帮忙现有流程实现自动化的最好工具。
《实在的人类》里，合成人曾说：“我不害怕死亡，这使得我比任何人类更弱小。”而人类则说：“你错了，如果你不害怕死亡，那你就从未活着，你只是一种存在而已。”
人与 AI 之间有一种质的不同，AI 无奈像人一样了解生命的意义和死亡的外延。人脑中的情感、自我认知等思维都是机器所齐全没有的。
在浩瀚的宇宙中，人只不过是一根苇草，但人却是一根能思维的苇草。AI 来了，有思维的人生并不会因而而黯然失色，因为咱们全副的尊严就在于思维。