人工智能的进化

更多地讲老式人工智能，谈不上进化，倒不如说无法突破，在目前的生物技术上，我们连大脑都看不清，怎么能要求计算机也像人一样。09-25

用一本书讲一个道理：啰嗦09-25

中信的零时工翻译...02-10

内容很空，分明四五十页就能写完非搞出这么一堆废话，看的昏昏欲睡04-27

略有启发，值得一读。02-21

人类是在观察自身思维的过程中产生了制造人工智能的想法，而对于人工智能的研究又让人重新审视到底何为人类思维，以及人的思维为何如此运作。我们如此思维的原因可能仅仅因为我们是漫长进化和自然选择造就的人，而人工智能则没有人类的诸多冲动、缺点和局限，人工智能无法成为人的原因恰恰是他不具备人的这些特点，而人无法制造出全知全能的人工智能的根本原因，也许就是因为我们根本不想丢掉自己的缺点，包括侵略性、邪恶和毁灭自我及他人的冲动。03-08

我倒是希望人工智能进展慢一点，给这一轮人类多一点时间和机会去跃升05-31

印象最深刻的是海伦凯勒那一段，以字母拼写而学习字母（语言），这个从小听到烂的故事，其实背后是书本智慧的学习的一种方式04-02

简洁明晰的小书，提供一些有趣的视角。2018.7.12标记想读；2020.11.14读过。11-14

还挺远。注释与参考文献值得一看05-06

向导师的导师致敬。真的是拥有着很精彩的思想。对KRR的理解和巨型拼图问题将对我思想产生很大影响，同时在这个时刻阅读这本书，更加坚定了我努力进入多大攻读KR博士的决心！10-02

对很多人来说，可能不知道这本薄薄的书在说什么，作为一个从业人员，我也只能说人工智能存在两大流派，符号和概率，现在是概率流派当道，毕竟容易理解，效果好，但是概率派是个黑盒子，也很难应对长尾现象，在做项目的过程中，我也逐渐发现当前距离通用人工智能还很远，在卷积网络基础上发展起来的深度学习也有很大的局限性，未来应该符号派会逐渐发展起来03-21

富有启发。深度学习技术已经偏离人工智能本义。目前所有的计算机都是“图灵机”，即处理输入符号的函数或映射。语言作为智能的最高形式，没有引起足够重视。基于语言的间接经验能力和处理突发小概率事件的能力，是人类区别于现有AI所在。最后，作者对未来真正智慧的AI表达了谨慎的乐观态度。一切终将改变，未来不是末日。01-04

与其说写AI，不如说是写人类是怎么认识世界的（常识的构成？）。显然，我们认识某种事物，习得某种语音，并不是依靠“计算能力”。02-26

在自适应机器学习（AML）赚足眼球的当下，重启关于老式人工智能（GOFAI）的讨论，极具启发性，观点也颇有见地。巨型拼图问题类似盲人摸象，现有的解决方案均有局限。winograd模式测试很有意思。长尾现象值得警惕。我们还远未到发展进程太快、以至于担心受到机器威胁的地步，反而有待更多实用场景召唤更多资金投入。翻译总体不错（除了“曾几何时”），“完爆”尤其精准哈哈哈。04-04

作者在巨型拼图一章中就指出了现在不同流派的问题，都自信地认为解决了自己的问题就会解决整个问题，实际他们都只是巨大拼图中的一块，而这一点奠定了整本书的基调。作者分析了现有的心理学方法和神经学方法的困难，所以从智能行为这一点来阐述人工智能现在应该遵循的发展道路和重点。从手写识别等例子得出了不是所有智能行为都是依托于知识，这部分场景是现在的机器学习和深度学习能够处理，但是对于其他大量需要知识的行为和场景这些手段则略显无力，所以作者期望人工智能发展回到初期的GOFAI，同时使用威诺格拉德模式测试而不是图灵测试来代替测试机器是否展现出了智能这一可观察行为。在大家都认为机器学习和深度学习都是未来的时候，作者给泼了一盆冷水，受不受用就看以下的发展了。中文版的翻译就是在搞事情，侧重点在Real AI。08-12

区分了书本智慧和市井智慧，提到了现有统计技术实现完全理想人工智能的局限，但没有讲清AML不能完全代替GOFAI的原因10-10

并不科幻，一部分是哲学，探讨人类的思维；一部分是技术，探讨计算机的思维，所以这本书对我来说有一定难度，如果读者有一定专业基础，会比我更能看出趣味和启发。本书打消了那种对人工智能的不切实际的兴奋幻想和莫名恐惧，作者指出人工智能目前真正的危险是还不够智能但却被人类赋予了超出其能力的职责。而我印象最深的是与本书主题关系不大的一句话：集中所有精力做一件事的人只会是新手，而非专家。07-28