人人都该懂的人工智能免费在线阅读 TXT小说下载 .epub mobi pdf电子书全集资源

●人工智能就是要机器模仿人的智能？

人工智能次战胜人类是什么时候？

猴子能打出“我想，它像一只黄鼠狼”吗？

人造生命能很容易地执行人类行为？

机器人会取代人类吗？

下一个莫扎特、玛丽莲•梦露会是人工智能？

…………

所有这些问题的答案，你都能在本书中找到。《人人都该懂的人工智能》从人工智能领域的发展史、存在的普遍争议和误区、人工智能的应用、人工智能与其他学科的关系、人工智能面临的挑战和未来、人工智能的社会影响等角度切入，以通俗易懂的案例带领读者迅速了解人工智能领域，开启一段人工智能之旅。

●《人人都该懂的人工智能》属于湛庐文化重磅推出的“新核心素养”系列图书之一。本系列图书致力于推广通识阅读，扩展读者的阅读面，培养批判性思考的能力，涵盖了哲学、心理学、法律、艺术、物理学、生物科技等诸多人文科学和自然科学的知识，其中《人人都该懂的人工智能》介绍了人工智能领域的核心思想，让你一本书了解人工智能的核心智慧。

作者简介

布莱·惠特比

英国萨塞克斯大学人工智能专家、哲学家和技术伦理专家，专攻计算机科学、人工智能和机器人技术。英国计算机学会（BCS）伦理战略小组（Ethics Strategic Panel）成员。

精彩书摘

一直以来，人工智能都是一项真正意义上的跨学科研究，它是艺术也是科学，是工程学也是心理学。这些抽象的论断听起来有些夸大其词，不过你也应该听说过，人工智能编写的一些程序已经能够模拟一个偏执的精神分裂症患者的咆哮，或者模拟出生物的出生、养育以及进化的过程。有些人工智能程序能够发现新的数学定理，有些则能够完成爵士乐的即兴创作。人工智能产生了能检测到欺诈性金融交易的程序，也创造了能够收走实验室中空可乐罐的机器人。有的人工智能程序能够绘画，有的能够进行医疗诊断，有的能够授课，还有的能够学习。

这并不是想给人施加一种印象：人工智能已经占领了全部知识领域。事实远非如此。人工智能取得的这些成功大多是浅层的、笨拙的，而且难以在其他领域进行推广。相比之下，倒不如说，这些实践是我们对未来某一天可能会实现的成就的诱人一瞥。最重要的是，这些小成就是那广阔愿景可能实现的证据，它不断地激励着人们进行人工智能研究。

人工智能的3大误解

理解人工智能的第一步也是最重要的一步，就是摒弃你的先入之见。相信大多数读者在此之前，都已经或多或少对人工智能有一些朦胧的见解。然而，这些看法有可能是完全错误的。在继续前进之前，你应该尽可能地放弃这些想法。

举例来说，你或许对“智能”这个词有着某些理解。这种理解可能会让你假设，人工智能与创造这一种类智能的人类智能有所关联，而学者们又把这种智能安插在某些机器中。不过，在本书中你将反复看到，这样的假设实际上误导性非常强。人工智能的研究不断显示出，我们对自己的智能并没有任何科学的理解。而更令人惊奇的是，我们渐渐发现，人类运用自己的智能来解决问题的各种各样的方法，并不是唯一可行的方法，而且通常也不是最佳方案。

我们有充分的理由（将在第3章及第4章中详述）相信，对于人类智能的研究，通常对人工智能来说并无裨益。我们不但缺少对于人类智能大多数细节的科学理解，而且想要在机器中模拟这种级别的智能也超越了科技发展的最高水平。很多人工智能学者干脆选择去研究那些相对简单的生物，比如昆虫，因为在他们看来，人类智能太过复杂，难以给他们的工作带来更多的启发。

另一方面，其他的人工智能学者则在让机器实现某些人类行为的研究中，取得了一些可观的成果。下国际象棋就是一个很好的例子。当然，在人工智能研究刚刚起步的20 世纪50 年代，国际象棋被视作人类智能行为的一个典型例子。在1997 年的国际象棋锦标赛中，超级计算机“深蓝”一举打败人类国际象棋冠军加里· 卡斯帕罗夫（Gary Kasparov）。机器下棋更出色的说法受到了广泛的认可。

然而，当我们重新审视细节（第2章），去了解计算机下棋的方式，我们就会看到，它的思维方式与人类棋手的套路有着天壤之别。说计算机比人类更擅长下国际象棋可能会引起争议，不过在这一领域中，“更出色”就意味着胜利。对于一个打败人类世界冠军的下棋软件，我们还能要求更多吗？至少在这一领域，似乎有理由去说，我们找到了比人类更优秀的策略。

而另一类对人工智能的成见来自科幻世界。智能机器、机器人、半机械人等，几乎是所有科幻小说家最爱的主题。然而很不幸，我们从这些小说中获得的内容，同样有着很强的误导性。有时我们不该忘记，科幻小说归根结底仍是小说。它可能时常会给人工智能及其他领域的科学家带来灵感，不过与此同时，它也可能给目前研究中真正发生的事情带来一些错误的认识。这可能会导致读者做出一些错误的假设，比如认为很多远超目前进展的事情已经完成，或者把如今的人工智能想象得与人类更像。本书将会挑战这些假设。

最后一类先入为主的概念来自那些广为流传的有关计算机的传说。这些传说被传播到太多地方，有时甚至是通过了一些计算机科学家之口。因此，想挑战这些传说需要一些勇气，不过这是我们必须要做的。人们常说:“计算机只会做那些我们让它们做的事情。”就像所有好的传说一样，这一句也不乏真实元素。所有计算机都需要精心编码的软件（通常是由人类编写的程序）来进行运转。然而，如果这句话被误读为“计算机能做的事情，都需要依据详细而明确的指令”，那就大错特错了。在本书中，我将向读者介绍一些能够进行预测、有知觉并且在很多方面都超越了其创造者的程序。我们也将听到一些“机器人并不是设计的产物，而是进化的结果”这样的论断。

出于相似的原因，读者还需放弃一种想法，那就是计算机是纯理性的推理机器。人工智能研究者并没有把他们的研究和实验禁锢在智能行为的理性范畴之中。的确，在那些更为理性的领域中，人工智能获得了更大的成功，不过人工智能也的确会让计算机做一些非理性的事情。人工智能研究的一大发现是，智能行为的全部领域，实际上与逻辑推理并无关系。一些不同的方法是有必要的，不过，我们在“让计算机在这些领域运转”方面也取得了一些令人震惊的成功。

前言/序言

模拟思维vs. 真实思维

人工智能研究者从未以某种特定的研究方法来定义他们的领域。我们可能会说，在人工智能领域，研究方法的种类不少于研究者的数量。造成这种现象的原因很多：

◎首先，人工智能这样一个广泛而跨学科的领域，在研究方法的选择上一定也是不拘一格的。

◎其次，对那些独立的人工智能研究者来说，追求不同目标并非难事。以人工智能分支NLP（natural language processing，即自然语言处理）为例。这涉及创建能够用英语或其他人类语言与我们沟通的计算机程序。它同时兼具几大目标，比如至少让计算机更易于使用、理解自然语言构造的复杂规则、发现人类学习及使用这些规则的方式。不同的研究者可能对这三个目标中的某一个有所偏好。实际上，即便是同一个研究者，可能也会在不同场合，根据不同的受众，侧重于不同目标。

NLP 领域的实际情况，对人工智能整体来讲也是成立的。这一领域的研究从来都具有多重目标。借用科学领域常用的一个军事隐喻，我们可以说，人工智能选择在最宽广的前线攻击它的问题区域。相比集中火力去打击可能导致人工智能核心问题的区域，它所做的是沿着人类知识线展开小规模的突击。这些小战役有的可能会取得胜利，有的却可能战绩不佳，但是在几年的时间里，战事可能发生逆转。或许我们可以这样理解，那些在小战役中取得不错成果的研究者，往往会激动地呐喊自己带来了期待已久的突破。然而，待到硝烟四散、尘埃落定之时，他们才发现，自己只是向前移动了几米的距离。同时，其他研究者可能又掀起了新的浪潮，并给出了看似可信的理由，说明自己的研究在这一领域取得了多大的突破。然而纵观人工智能的历史，这些所谓的“大突破”，往往只是把研究的前线向前挪动了有限的几百米。到目前为止，人工智能领域在稳步前进，但没有取得实质意义上的大突破。

人工智能研究的主要工具是数字计算机。不过，这并不意味着人工智能就是数字计算机。计算机是工具，而它之所以被选为工具，是因为研究者能够通过使用这些设备，打造并检验“行为模型”。一些人工智能研究者认为，有必要打造能够与真实世界互动的真正的机器人。我们将在下一章中解释为什么他们会有这样的观点。现在，我们已经可以说：大多数人工智能的研究都在广泛地应用计算机程序，并对真实世界的某些方面进行建模。

这种研究方式提出了许多困难的问题。很多读者可能会根据自己的直觉认为，“模拟思维”和“真实思维”是两个完全不同的世界，而我也将在后面的章节中对此做出更详细的解释。截至目前，我们可以说，很多领域对计算机的使用是非常有成效的。例如，我们会看到土木工程师利用计算机建模，设计出了能够承受飓风威胁的大桥。而真的去建造一座桥，然后等待“百年一遇”的气候灾难无疑是非常愚蠢的。计算机在几小时内，就能对这些土木工程师的所有疑虑做出解答。计算机有能力在很短的时间中试遍各种可能性，这也让它成了人工智能领域非常实用的工具。

现代计算机让我们能够为比桥梁、风暴更复杂的事物进行详细建模。我们能够将图片、音乐以数字格式进行存储，也可以对能够准确描述的一切事物进行数字化操作。这种对准确描述的需求，也许正是理解人工智能研究方法的关键。而计算机（或实体机器人）在人工智能领域的另一个重要作用，就是促使研究人员提出关于自然智能的某些问题。计算机不仅能被用于建模，还能够激发一些特定的科学问题。在看待熟悉的事物时，询问“该如何让计算机实现这些目标”为我们的思维方式带来了一种新的科学严谨性。