人人都应该知道的人工智能
杰瑞·卡普兰
71个笔记
前言 未来的故事
“计算机只能做人类安排它们做的事”这一广为流传的既定认知已经不再适用。
01 重新定义人工智能
有一件虽不符合直觉但却符合实践的事是：“从数量极其庞大的可能性中挑选出一个答案”和“凭直觉通过洞察力和创造力得到一个答案”二者似乎是等价的。
人工智能的本质（实际上也是智能的本质）就是基于有限的数据，及时做出适当概括的能力。应用的范围越广，从最少的信息中得出结论的速度就越快，行为也就会越智能。
对情境进行扩展可能正是人类意识的基础，
人工智能可能还算不上硬科学，不像物理学或化学那样需要用客观事实来确认和验证其理论和假说，但它最终可能也会变成那样。
自动化的发展正在把“唯有人类才能完成的任务”一项一项地划掉。对普通人来说，人类智能与机器智能之间的界限可能会变得逐渐模糊，变得无关紧要。有时候，某份工作的最佳“人”选可能正是一台机器。
02 人工智能的从0到1
创造性思维和非想象力思维之间的区别，仅在于一点点随机性。这点随机性必须接受直觉的指引，才能有效地发挥作用。换句话说，凭经验或直觉进行猜测的过程，就是在原本有条不紊的思维中添加了受控的随机性。”
从实践的角度看，人工智能是一个工程学科，它与生物有机体的联系在很大程度上只是作为比喻和受其启发。在一些相关领域，特别是认知科学和计算神经科学（computational neuroscience），与生物学的关系更紧密一些。
“专家系统”（expert system）或“知识系统”（knowledge system），其理念是用可计算的形式来获取和复制稀缺的人类专业知识，并希望这种专业技能可以被更广泛和更便宜地获取。
专家系统的计算机程序将需要专业知识的任务解构成两个部分：知识库（knowledge base）和推理引擎（inference engine）。知识库是一个集合，其中包含了事实、规则和特定领域中的关系，以符号的形式来表征。推理引擎则描述了如何对这些符号进行操纵和组合。
物理符号系统假说并没有消亡。它活得好好的，主要活跃于一个被称为“规划”的人工智能分支学科中。这个分支学科关心的是如何解决需要规划一系列步骤才能完成某些目标的问题。
人工智能研究中，有一个活跃的领域正在使用规划技术，叫作“全局游戏策略”（general game playing）。
虽说推理对学习有帮助，但学习的主要来源却不是推理，而是经验、实践或训练。当我们“学到某件事”时，知识并不仅是像数据库中的数据一样被获取和存储进来了，还必须以某种方式表现出来，以便运用于实践中。
你可以把人工神经网络看作一个采用复杂多变的模式与输入数据共振的结构。它们是经验的镜像。从这个意义上说，它们并不符合一般意义上的“学习如何做事情”，也就是有条理地理解周遭世界的内在关系和性质。相比之下，它们是技艺娴熟的模仿者。
数学形式化在推动科学进步中所起的重要作用。
康奈尔大学的研究者弗兰克·罗森布拉特（Frank Rosenblatt）。他为自己的人工神经网络的数学模型起了一个新名字叫“感知机”（perceptron）
近期最引人注目的项目不是对大脑进行模拟，而是对大脑进行的反向工程。
只用意识就可以与计算机、机器和机器人进行交互，并控制它们，就像控制自己的身体一样。但这也会带来一些可怕的问题，例如，你脑中的想法将不再是完全隐私的。
符号推理更适合那些需要抽象推理的问题，而机器学习更适用于那些需要用传感器感知周遭世界或者在杂乱无章的数据中提取模式的情况。
但人工智能领域有一个不常见的缺点，当人们认为某一个问题已经被解决了，那它通常不再被视为人工智能。因此，今天的“形式验证”（formal verification）和“模型检测”（model checking）至少在应用于计算机硬件时变成了独立于人工智能的学科，但它们其实都根植于纽厄尔和西蒙的定理证明器。
将符号推理逐渐推向机器学习的驱动力来自以下4个趋势：计算机处理速度和内存的进步、物理存储数据向电子存储数据的转变、更容易的数据获取能力（主要是因为有了互联网），以及低成本和高精度的数字传感器。
03 人工智能四大前沿变现机遇
CNN是先在图像中细小而重叠的区域内搜寻模式，然后将它们“学到”的东西传播给邻近的区域，接着逐步传播给图像中更大的区域。
计算机视觉技术的到来，或许正好能够将人类从我们自己产生的信息海洋当中营救出来。
一个缺乏真实世界经验、完全不理解文本意思的计算机程序竟然能够进行很合乎逻辑的翻译，看起来已经很违背直觉，更别提打败那些由精通两门语言的人类手工编码的程序了。
如何在足够多的例子中寻找关联，获取洞察并以超人的水平解决问题，而不用对该领域有着深刻的理解和常识。
04 人工智能的哲学
人工智能哲学追问的问题是：计算机，或一般意义上的机器，或者再扩展一些，所有非自然起源的物体是否拥有心灵，或者是否可以思考？简单地说，答案取决于你认为“心灵”和“思考”是什么意思。
强人工智能的观点认为机器能够并且最终一定会拥有心灵；而弱人工智能则认为机器只是在模拟而不是复制真正的智能。换句话说，强弱人工智能的区别在于机器是真正的智能，还是表现得“好像”很智能一样。
句法（syntax）与语义（semantics）的区别在于，句法是指排列和操纵符号的规则，而语义是指这些符号和规则的意义。句法通常很好理解，而语义则不然，即便是专家也无法对“意义”的意义达成共识。
一些人工智能批评者（其中最值得一提的是加州大学伯克利分校的哲学教授约翰·塞尔）理所当然地发现，从这个意义上说，计算机本身根本不能“思考”，因为它们不懂其中的意味，也不能采取行动，充其量只是在操纵符号。只有我们人类才能将计算机的计算结果与外部世界联系起来。
程序是在对思考进行“模拟”，而不是“复制”人类实施上述活动时大脑中发生的事情。
自由意志是指，我们有能力做出慎重的选择，虽然有时摇摆不定，但我们的选择不由外部力量来决定。
我们的决定从本质上说必定是不可预测的。如果能预测，我们就没有做出自由的选择。
实验心理学家发现了一些令人不安的新证据，证明大脑其实在你意识到之前就已经做出了决定
大脑作为一个物理存在的实体，遵循着物理世界的规则，因此也服从于观察和分析。与此同时，假如思想来自大脑，那么思想也应当遵循同样的自然规律，而无论这些规律是否为人所理解。
谈及“做决定”这一点时，至少就目前来看，没有什么好的理由相信人和机器做决定的过程遵循着不同的自然或科学原理。
人和机器要么都拥有自由意志，要么都没有。
05 人工智能，以法律与伦理为界
按时间收费的人并不喜欢节省时间的东西。
采用更形式化的方式来表达流程、要求和限制有许多好处。它不只是清晰和准确而已，还意味着对规则的解释和应用都能变得更加自动化。
一旦这种系统问世，不仅能让守法变得更容易，还让法律本身变得更具有响应性和灵活性。
我们已经有一些能为自己行为负责的非自然实体，那就是公司。
假设我们不为其设置公司，而是允许无人驾驶汽车自身拥有权利和责任，这是否合理呢？要允许它拥有权利和责任，关键在于要提供一个合法的赔偿源。
公司的一大功能就是限制股东的责任。
最明显的解决办法就是允许人工智能拥有资产，就像出租车公司的出租车一样。
允许人工智能拥有独立的资产可能会为人类带来很大的危险。
只要这些实体拥有财产权，那它们就可以通过许多方式变得完全独立自主，甚至可以在法律上完全拥有自己。
这种独立的人工智能可以在竞争中战胜人类对手，赢得只属于它自己的利润。这让人们开始担心，会不会出现“人类为机器人工作”这种令人不安的情形。
侵权行为是指侵害人身或财产的行为。
犯罪，也就是道德上被禁止或者危害社会秩序和公共利益的行为。
如何创造出能以适当的方式进行社交，并尊重人类的是非观念的计算机程序，很可能是一个巨大的技术挑战。
06 去技能化时代，人工智能会抢走我们的饭碗吗
许多具有经济价值的事情都可以被解构成一系列较小和较简单的任务，由不同的设备和技术来完成。
大多数工业和商业自动化并不需要重建一个神奇的大脑，只需要把活儿干完即可。
蓝领工作主要是对物理实体进行操作，而不是处理信息，或者说，其工作成果是物理存在的人造物。例如，你可以说外科医生和音乐演奏家也属于蓝领工人，但放射科医师和作曲家则不是。
白领工作的特点是处理信息，因此，许多白领工作成了计算机自动化的天然目标。
在某些方面，将人工智能技术应用到白领任务比蓝领任务更简单。
让计算机操纵信息比让它融入物理世界更容易，也更自然。
许多地位较低的职业反而极难被自动化，而一些地位很高的职业则比较容易自动化。
粉领是指那些主要从事服务业的人。面对面的交流是粉领的核心工作内容，或者说，观察和表达情绪对他们的工作非常重要，例如服务员（提供餐桌服务而不只是负责点菜的服务员）、临床心理学家、警察、行政助理、课堂教师、不动产经纪人、销售咨询师、管理员和护士。尽管他们工作的某些方面可能会被计算机取代，但是余下的部分，主要是那些需要用直觉与他人进行交流的部分，在可预见的未来，可能都很难被自动化取代。
07 谁将从这场技术革命中获益
人工智能正在加速资本对劳动力的替代，因此那些占有资本的人将受益，并且会以那些主要依靠出卖劳动力为生的人为代价。收入不均已经是一个迫在眉睫的社会问题，而它在未来将变得更加严重。
我们生活在一个主要基于劳动力来分配财富的经济体系中。
工资并没有随生产力的提升而增长。也就是说，现在资本拥有者独享了生产力提升带来的利益（这主要是由自动化方面的投资所带来的）。
我们将面临一个两难的抉择：是选择改变现有经济体系来应对随之而来的社会动乱，并保持经济增长；还是选择渡过一段极端艰难的时间，承受生产力增长的萎缩，并伴随着大范围的贫穷。
问题是，我们要如何公平地分配随之增加的社会财富？当下，技术进步的受益人是那些手握资本的人。假如我们继续保留目前的经济体系，那就相当于把未来的财富拱手让与他们。
资本主义经济的极端后果就是财富集中在一小部分精英手中。在这个系统中，处在社会顶端的人控制着一切。用供需关系来分配财富的方法不再有效。
富人实际上能决定谁能找到工作，进而也能决定谁生谁死。
今天，基于劳动和基于资产的方式是同时存在的：你可以选择上班挣工资，也可以选择投资你的资产，靠投资回报过活
改变游戏规则，好让生产力和效率提升所带来的财富在进入富人囊中之前就分配到更加广泛的人群中，这种方法比先积累到富人手中再拿走分配给其他人的方法更容易。
维持生活所需并不是人们工作的唯一目的。
至少从自我实现和社会地位这些方面而言，工作的定义可能会转向那些利他或者没有金钱回报的行为，而不是那些能赚钱的事情。
08 在人工智能失控之前，握紧缰绳
人工智能中的许多进展都是相关领域在基本硬件和软件方面进步的结果。
“奇点”理论（Singularity theory）是说，在未来的某个时间点，机器将变得足够聪明，它们能对自己进行重新编程和自我改善，从而使其智力如同脱缰野马一般迅速增强。
到那时，我们将可以把自己的意识转移到机器中，或者保存在网络空间内。一个后生物的生命新纪元即将来临。
微信读书
