人工智能从何而来到哪里去

人工智能正在加速走进我们的日常，一个鲜明的例子便是春晚舞台上，短短一年间，机器人已经从扭秧歌发展到精彩呈现《武BOT》，因此，了解人工智能的历史脉络与未来走向已成为一种必需。在这样的背景下，读书兴趣群的成员们推荐并共读了《人工智能导论》

结合群友们的阅读体会，梳理如下：

《人工智能导论》作者：孙涵

《人工智能导论》是一本偏科普性质的书籍，只要平时对人工智能资讯有所关注，阅读起来基本不会感到吃力。

第一章：绪论

首先：人工智能有两种定义：强人工智能和弱人工智能

强人工智能：机器拥有自主意识，并且整体达到甚至超越人类的智能水平

弱人工智能：即让机器去完成那些如果由人类来做，就需要依赖智能的任务

其次：推动人工智能发展的三大要素是：算力、算法和数据

算力主要是指硬件能力

算法则是运行规则

数据可以看作人工智能的原材料，是信息世界中的处理对象，因此：一旦缺少数据，人工智能就如同无本之木，由此也引出了AI时代的第一个问题：在享受AI便利的同时，我们应如何保障个人数据安全

人工智能的发展历程

1956年被视为人工智能诞生的元年，当时的研究主题是：让机器像人一样进行认知、思考与学习，也就是用计算机去模拟人的智能

人工智能研究的七个议题，

1:自动计算机模拟人脑高级功能、

2:使用通用语言开展计算机编程以模拟人脑推理、

3:神经元彼此连接形成概念、

4:对计算复杂度进行衡量、

5:算法自我改进、

6:算法的抽象能力、

7:随机性与创造力

人工智能学科的发展历史可分为三个阶段。

第一阶段：推理期（logic reasoning）：即机器能够自主证明已有定理

第二阶段：知识期（knowledge engineering)：即把人类专家的知识提炼出来，并编码进计算机系统

第三阶段：学习期（machine learning)：模拟人类获取知识的过程，让人工智能自行学习

机器学习是人工智能领域最核心、也最主流的方向

人工智能在使用过程中的负面影响

1:数据是人工智能的基础，数据的规范采集与合理使用极其重要，要防止现实中被恶意获取和滥用

2:人工智能可能带来的偏见

3:要警惕人工智能遭到恶意攻击

第二章人工智能系统

人工智能系统建设的流程，即需求分析、完成架构搭建以及后续运维。

这一章属于通用型的系统搭建流程，非专业读者了解大概即可。如果在实际工作中，自己是使用者，就一定要明确目标，在系统建成之后，持续关注运行结果

第3章 机器学习

从这一章开始，内容进入AI底层逻辑层面，作者尝试用尽量通俗的语言说明人工智能涉及的一些理论知识，以及怎样运用这些知识和技术去搭建人工智能的底层逻辑

机器学习的定义是：机器学习致力于研究如何借助计算的方法，利用经验来提升系统自身性能。在这个阶段，可以把它理解为，计算机刚刚进入小学阶段，研究人员正在为它寻找一种学习方式，并把已有的经验数据提供给机器，使其生成模型

研究人员再通过对输出模型的评估与修正，最终实现理想中的机器学习

第4章 深度学习

深度学习的核心在于搭建多层次、"层层递进，逐层抽象"的神经网络，这些网络能够自主学习数据中的复杂特征，从而在无需明确编程的情况下处理各种复杂问题。

如果对照人类传统的学习过程，深度学习已经可以算作大学阶段

深度学习的技术基础在于人工神经网络的研究与发展，通过模拟人脑神经元的工作机制，构建出人工神经网络。

由于这里提到的技术较为专业，对非专业人士而言并不容易理解，但无论怎样，深度学习的逻辑依然是由人，也就是专业的人工智能工程师来设定的，因此，归根到底，深度学习仍是人类研究与探索的产物，所以，人工智能终究只是人类所使用的工具而已

正因为有人参与并进行控制，作为人工智能的使用者，在实际使用过程中要保持警觉，对AI给出的结果再次作出判断

具体的挑战包括但不限于，深度学习的性能在很大程度上依赖大量标注数据，数据的