《AI 3.0》(畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔,历经10年思考,厘清人工智能与人类智能的全新力作,全景式地展现了人工智能的过去、现在和未来)梅拉妮·米歇尔【文字版_PDF电子书_推荐】_经济管理

如何自学 占星术 占星教程网盘 塔罗牌教程百度网盘

《AI 3.0》(畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔,历经10年思考,厘清人工智能与人类智能的全新力作,全景式地展现了人工智能的过去、现在和未来)梅拉妮·米歇尔【文字版_PDF电子书_推荐】

《AI 3.0,复杂》封面图片

书名:AI3.0
作者:[美]梅拉妮·米歇尔
出版社:四川科学技术出版社
译者:王飞跃/李玉珂/王晓/张慧
出版日期:2021-2
页数:400
ISBN:9787572700378
8.0
豆瓣评分
孔网购买全网资源sm.nayona.cn

内容简介:

人工智能现在正深刻地影响着我们的生产与生活,甚至关系到人类未来的前途命运,但究竟什么是人工智能?人工智能背后的原理是什么?从问世到演化至今,人工智能经历了怎样的历史变迁?当下人工智能的能力边界在哪里?人工智能与人类智能的差异是什么?未来人工智能又将面对什么样的挑战和机遇?关于这些疑问,《AI 3.0》将为你一一揭晓答案。

《AI 3.0》是超级畅销书《复杂》作者、复杂系统前沿科学家梅拉妮•米歇尔历经10年思考,厘清人工智能与人类智能的全新力作。本书源自米歇尔多年来对人工智能领域发展真实状态的记录,她在书中通过5个部分揭示了“现在的人工智能可以做什么,以及在未来几十年我们能从它们身上期待什么”。在描述了人工智能的发展历史之后,作者通过对视觉识别、游戏与推理、自然语言处理、常识判断这4大人工智能领域的热门应用的发展现状和局限性的探究,厘清了人工智能与人类智能的关系,书中关于人脸识别、无人驾驶、机器翻译等方面的案例分析都充满了巨大的启示!而这些,都是当下人工智能发展所面临的困境、人工智能想要取得突破性进展所必须重新思考的。看懂这本书,你将对人工智能领域有一个全景式的认知。

“GEB”作者侯世达曾逐章审读本书,并为每一页都写满了意见!《AI 3.0》是智能觉醒的启蒙,将掀起第三波人工智能热潮!《AI 3.0》所要传达的观点是:我们人类倾向于高估人工智能的进步,而低估人类自身智能的复杂性。目前的人工智能与通用的、人类水平的智能还相距甚远。我们应该感到害怕的不是智能机器,而是“愚笨”的机器,即那些没有能力独立做决策的机器。相比于机器的“智能”,我们更应关注如何规避“愚笨”机器的潜在风险。

作者简介:

梅拉妮·米歇尔

波特兰州立大学计算机科学教授,曾在美国圣塔菲研究所(Santa Fe Institute)和洛斯阿拉莫斯国家实验室(Los Alamos National Laboratory)工作,主要的研究领域为类比推理、复杂系统、遗传算法等。在圣塔菲研究所时,米歇尔主导了复杂系统领域的研究工作,并教授了相关的在线课程。她的在线课程《复杂性入门》已经被近30 000名学生选修,成为Coursera排名前50位的在线课程之一。

米歇尔拥有密歇根大学计算机科学博士学位,师从认知科学家和作家侯世达(Douglas Hofstadter),两人共同创建了Copycat程序,该程序可以在理想化的情境里进行创造性的类比。米歇尔还是知名畅销书作家,着有《复杂》(Complexity: A Guided Tour)《遗传算法导论》(Genetic Algorithms)等。

目  录:

引言 创造具有人类智能的机器,是一场重大的智力冒险

第一部分 若想对未来下注,先要厘清人工智能为何仍然无法超越人类智能

01 从起源到遭遇寒冬,心智是人工智能一直无法攻克的堡垒

达特茅斯的两个月和十个人

定义,然后必须继续下去

任何方法都有可能让我们取得进展

符号人工智能,力图用数学逻辑解决通用问题

感知机,依托DNN的亚符号人工智能

感知学习算法,无法重现人脑的涌现机制

学习感知机的权重和阈值

感知机是一条死胡同

泡沫破碎,进入人工智能的寒冬

看似容易的事情其实很难

02 从神经网络到机器学习,谁都不是最后的解药

多层神经网络,识别编码中的简单特征

无论有多少输入与输出,反向传播学习都行得通

联结主义:智能的关键在于构建一个合适的计算结构

亚符号系统的本质:不擅长逻辑,擅长接飞盘

机器学习,下一个智能大变革的舞台已经就绪

03 从图灵测试到奇点之争, 我们无法预测智能将带领我们去往何处

“猫识别机”掀起的春日狂潮

人工智能:狭义和通用,弱和强

人工智能是在模拟思考,还是真的在思考

图灵测试:如果一台计算机足够像人

奇点 2045,非生物智能将比今天所有人类智能强大10亿倍

一个“指数级”寓言

摩尔定律:计算机领域的指数增长

神经工程,对大脑进行逆向工程

奇点的怀疑论者和拥趸者

对图灵测试下注

第二部分 视觉识别:始终是“看”起来容易“做”起来难

04 何人,何物,何时,何地,为何

看与做

深度学习革命:不是复杂性,而是层深

模拟大脑,从神经认知机到ConvNets

ConvNets如何不将狗识别为猫

激活对象特征,通过分类模块进行预测

不断从训练样本中学习,而非预先内置正确答案

05 ConvNets和ImageNet,现代人工智能的基石

构建ImageNet,解决目标识别任务的时间困境

土耳其机器人,一个需要人类智慧的工作市场

赢得ImageNet竞赛,神经网络的极大成功

ConvNets淘金热,以一套技术解决一个又一个问题

在目标识别方面,ConvNets超越人类了吗

我们离真正的视觉智能还非常遥远

06 人类与机器学习的关键差距

人工智能仍然无法学会自主学习

深度学习仍然离不开“你”的大数据

长尾效应常常会让机器犯错

机器“观察”到的东西有时与我们截然不同

有偏见的人工智能

人工智能内心的黑暗秘密以及我们如何愚弄它

07 确保价值观一致,构建值得信赖、有道德的人工智能

有益的人工智能,不断改善人类的生活

人工智能大权衡:我们是该拥抱,还是谨慎

人脸识别的伦理困境

人工智能如何监管以及自我监管

创建有道德的机器

第三部分 游戏与推理:开发具有更接近人类水平的学习和推理能力的机器

08 强化学习,最重要的是学会给机器人奖励

训练你的机器狗

现实世界中的两大绊脚石

09 学会玩游戏,智能究竟从何而来

深度Q学习,从更好的猜测中学习猜测

价值6.5亿美元的智能体

西洋跳棋和国际象棋

不智能的“智能赢家”深蓝

围棋,规则简单却能产生无穷的复杂性

AlphaGo对战李世石:精妙,精妙,精妙

从随机选择到倾向选择,AlphaGo这样工作

10 游戏只是手段,通用人工智能才是目标

理解为什么错误至关重要

无须人类的任何指导

对人工智能而言,人类的很多游戏都很具挑战性

它并不真正理解什么是一条隧道,什么是墙

除去思考“围棋”,AlphaGo没有“思考”

从游戏到真实世界,从规则到没有规则

第四部分 自然语言:让计算机理解它所“阅读”的内容

11 词语,以及与它一同出现的词

语言的微妙之处

语音识别和最后的10%

分类情感

递归神经网络

“我欣赏其中的幽默”

“憎恶”总与“讨厌”相关,“笑”也从来伴随着“幽默”

word2vec神经网络:口渴之于喝水,就像疲倦之于喝醉

12 机器翻译,仍然不能从人类理解的角度来理解图像与文字

编码器遇见解码器

机器翻译,正在弥补人机翻译之间的差距

迷失在翻译之中

把图像翻译成句子

13 虚拟助理——随便问我任何事情

沃森的故事

如何判定一台计算机是否会做阅读理解

“它”是指什么?

自然语言处理系统中的对抗式攻击

第五部分 常识——人工智能打破意义障碍的关键

14 正在学会“理解”的人工智能

理解的基石

预测可能的未来

理解即模拟

我们赖以生存的隐喻

抽象与类比,构建和使用我们的心智模型

15 知识、抽象和类比,赋予人工智能核心常识

让计算机具备核心直觉知识

形成抽象,理想化的愿景

活跃的符号和做类比

字符串世界中的元认知

识别整个情境比识别单个物体要困难得多

“我们真的,真的相距甚远”

结语 思考6个关键问题,激发人工智能的终极潜力

问题1:自动驾驶汽车还要多久才能普及?

问题2:人工智能会导致人类大规模失业吗?

问题3:计算机能够具有创造性吗?

问题4:我们距离创建通用的人类水平AI还有多远?

问题5:我们应该对人工智能感到多恐惧?

问题6:人工智能中有哪些激动人心的问题还尚未解决?

致谢

注释

浏览器不支持脚本!

摘要:在人工智能浪潮席卷全球的今天,梅拉妮·米歇尔历经十年沉淀,以《AI 3.0》这部力作回应了时代最深刻的追问。作为《复杂》一书的作者,这位复杂系统前沿科学家并未停留在技术表面的欢呼或恐惧,而是从历史纵深与认知本质出发,系统梳理了人工智能从符号主义到深度学习的三次浪潮,并直面其与人类智能之间的根本鸿沟。本书全景式地展现了AI的过去、现在与未来,不仅剖析了机器在视觉、语言、游戏等领域的惊人成就与致命局限,更以严谨的思维实验揭示了“理解”“常识”“抽象”等能力对人类而言何其自然,对机器而言何其艰难。这是一次对智能本质的哲学思辨,也是对未来人机关系的理性导航,为所有关心技术与人类命运的人提供了不可或缺的认知地图。

1、智能演化的三次浪潮

米歇尔在《AI 3.0》中并未将人工智能的历史简单罗列为技术编年,而是以“浪潮”为隐喻,勾勒出智能探索的宏大叙事。第一波浪潮源于符号主义,研究者们坚信智能的本质是逻辑推理,试图通过将知识编码为规则来构建“通用问题求解器”。这种思路在定理证明和棋类游戏中取得了令人瞩目的成就,但很快暴露出致命缺陷:现实世界充满模糊性、不确定性与隐性知识,任何规则体系都无法穷尽生活的复杂性。机器会下棋,却不知道棋盘上的“王”为何物;能解方程,却无法理解“一杯水”的物理常识。

第二波浪潮以神经网络和连接主义为代表,其核心思想是让机器从数据中自行学习特征。这一阶段经历了漫长的寒冬,直到大数据与算力的爆发才重获新生。米歇尔以清晰的笔触解释了深度学习如何通过多层神经元模拟人脑的层级抽象能力,在图像识别、语音处理等领域实现了质的飞跃。然而她同时指出,这些看似聪明的网络本质上仍是“模式匹配器”,它们无法真正理解所处理的信息,一个微小的对抗性噪声就能让识别猫的模型将其误判为鸵鸟。

第三波浪潮则是当前正在发生的革命,它试图融合符号主义与连接主义的优势,并引入“具身认知”的理念。米歇尔强调,真正的智能离不开身体与环境的交互,机器人若没有触觉、运动觉和对物理世界的因果体验,就永远无法像婴儿那样通过抓握、摔打来理解物体的属性。这种从“离身”到“具身”的转向,不仅是对技术路径的修正,更是对人类智能本质的深刻致敬——我们的智慧并非孤立的大脑运算,而是血肉之躯在漫长进化中与世界的共舞。

2、机器认知的边界与盲区

《AI 3.0》最令人震撼的部分,或许在于它毫不留情地揭示了当前人工智能的核心局限。米歇尔通过一系列精巧的实验和案例证明,即使是最先进的AI系统,在面对需要“理解”的任务时也会暴露出令人啼笑皆非的脆弱性。例如,一个在ImageNet上达到超人精度的图像识别模型,若将图片中的物体置于陌生场景或施加微小扰动,其准确率便会断崖式下跌。这并非偶然失误,而是因为机器从未真正“看见”物体,它只是在统计像素之间的相关模式。

语言模型更是如此。尽管GPT系列能够生成流畅的文本,甚至通过图灵测试的某些变体,但米歇尔敏锐地指出,这些模型本质上是在玩一种“高级的文字接龙游戏”。它们没有意图、没有信念、没有对世界的指涉,所谓的“对话”不过是基于海量语料库的概率预测。一个经典实验是:让AI阅读“一个人走进房间,把杯子放在桌上,然后离开”这样简单的故事,再问它“杯子里是否有水”,模型会茫然无措——因为它从未学习过“放杯子”这个动作与杯子状态之间的因果联系。

更深层的盲区在于“常识”的缺失。人类在幼年时期就能掌握关于物体持久性、重力、生物运动等基本物理直觉,这些知识无需显性教授,而是通过与环境互动自然习得。而AI系统即便阅读了互联网上的全部文本,也无法真正理解“如果推倒一个玻璃杯,它很可能会碎”这样的常识。米歇尔由此得出结论:当前AI的“智能”是窄化的、脆弱的,它能在特定任务上超越人类,却缺乏人类智能的核心——那种能够灵活应对未知情境、基于有限信息做出合理推断的通用能力。

3、人类智能的独特密码

为了回答“机器能否真正思考”这一终极问题,米歇尔将目光转向人类自身,试图破译我们大脑中那些看似平凡却无比神奇的能力。她特别强调了“抽象”与“类比”的极端重要性。当人类看到一个新物体时,能够瞬间将其归类到已有的概念体系中,比如把从未见过的四足动物称为“某种狗”,这种能力建立在一种深层的结构映射之上。而AI只能依赖表面特征的相似性,无法像人类那样捕捉关系结构中的同构性。

另一个关键差异体现在“因果推理”上。人类天生就是因果推断者,我们会追问“为什么”,会通过干预来验证假设,能够在单一案例中学习到深刻的教训。与之形成鲜明对比的是,AI系统即便在强化学习框架下,也只是在寻找最大化奖励的策略,而非真正理解动作与结果之间的因果链条。米歇尔用一个生动的例子说明:一个训练有素的机器人学会了避开红色圆圈,但如果把红色圆圈换成红色方块,它可能依然会避开,因为它学到的规则是“避开红色”,而非“避开危险区域”。

“意识”与“自我”则是人类智能中最神秘的维度。米歇尔并未给出简单的答案,而是引导读者思考:如果一台机器能够完美模拟人类的对话行为,它是否就拥有了主观体验?她援引哲学中的“僵尸论证”指出,可能存在一种行为上与人类无异、但内部没有任何感受的“哲学僵尸”。这提醒我们,智能与意识并非同一回事。人类智能的独特性或许不在于计算速度或存储容量,而在于那种伴随着感受、意图、与身体交织的“活着”的体验——这种体验,目前没有任何算法能够复现。

4、人机共生的未来图景

面对AI的蓬勃发展与固有局限,米歇尔没有走向技术乐观主义或悲观主义这两个极端,而是提出了一个更具建设性的“人机共生”框架。她认为,我们不应将AI视为人类的替代者或敌人,而应将其视为一种“认知增强”的工具。正如望远镜延伸了人类的视觉,计算机延伸了我们的计算能力,未来的AI将延伸我们的模式识别与决策能力。关键在于,人类必须始终保留对目标的设定权、对价值判断的最终裁决权。

这种共生关系对教育、就业和社会结构提出了新的挑战。米歇尔警告说,如果我们继续用工业时代的标准化测试来培养下一代,无异于培养“劣质AI”。真正的教育应当强化人类独有的能力:批判性思维、创造力、同理心、道德推理以及跨领域的类比能力。这些能力恰恰是机器难以替代的。同时,社会需要建立新的分配机制,让因AI而失业的群体能够分享技术红利,避免技术鸿沟演变为社会撕裂。

在书的结尾,米歇尔将目光投向更远的未来。她指出,真正的通用人工智能或许需要一场“范式革命”,而不仅仅是现有技术的线性扩展。这场革命可能来自神经科学的新发现,可能来自对意识本质的哲学突破,也可能来自一种我们尚未想象到的全新计算范式。但无论技术如何演进,人类始终需要保持一种谦逊:我们的智能并非宇宙中唯一可能的智能形式,但它是经过数十亿年进化打磨出来的奇迹——理解它,比制造它更加困难,也更加迷人。

总结:

《AI 3.0》不仅是一部技术史或未来学著作,更是一面镜子,让我们在审视机器的同时重新认识自己。梅拉妮·米歇尔以科学家的严谨与哲学家的深邃,将人工智能的成就与局限、希望与隐忧、技术细节与人性关怀编织成一幅完整的认知图景。她告诉我们,AI的真正价值不在于它能替代人类,而在于它迫使我们追问:什么是理解?什么是意识?什么是我们作为人类最不愿放弃的东西?

当我们合上这本书,或许会发现,关于AI最激动人心的故事,其实不是机器如何变得像人,而是人如何在与机器的对话中,更加清晰地看见自己的灵魂。这趟由复杂系统科学家引领的思想旅程,值得每一位关心未来的人亲历。

本文由nayona.cn整理

点击联系需要东西方神秘学学习资料,专业的咨询

只要网页介绍资料,全部都有,还有很多还没来得及更新
每天更新200-300款资料
全网最大最全的神秘学资料平台
请需要什么资料,直接在对话框直接联系我,24小时在线,方便快捷
请需要什么资料,直接在对话框直接联系我,24小时在线,方便快捷
请需要什么资料,直接在对话框直接联系我,24小时在线,方便快捷
有看中网站记得联系我
图片2            

联系我们

图片2

关注公众号

打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
雅书雅书
西藏记(乾隆) 清代西藏志书 PDF电子版网盘下载
上一篇 2026年6月7日 下午3:59
杨宁《法界之心》第1部 P396-411 教证辨析_V
下一篇 2026年6月7日 下午4:00
易学资料

对占星塔罗感兴趣关注公众号

相关推荐