作者简介

赫克托・莱韦斯克(Hector Levesque):

内容简介

这是一本探讨计算机的学习过程对人的思维形成有何启发?这些问题都可以在本书找到富有启发性的分析。

下载地址

豆瓣评论

  • danyboy
    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
  • Forhiding
    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
  • ZjU3MmVmYmZiO
    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
  • 九月
    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
  • 爬坑的饭饭
    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

猜你喜欢

大家都喜欢