描述
开 本: 16开纸 张: 纯质纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787557689704
★超豪华创作阵容，英国科普顶流、现今已有66年历史的《新科学家》杂志发起，牛津大学教授、谷歌技术主管等6位专家联合撰写。
★快速了解那些正在改变我们未来的人在做什么，以及他们期待着怎样的结果？
★从计算机诞生到AI寒冬，从互动方式、出行方式，未来职业规划、整个社会的运转、技术与伦理挑战……为你介绍在人工智能方面需要了解的一切，既有宏观前景也有技术细节
★为了驾驭这个世界，我们需要改变对AI的看法，重要的是如何通过了解它，做好自己的长远决策。
★书后附有深入了解人工智能主题的热点清单，包括值得关注的推特机器人账号，AI创意游戏，资料源，游戏等有趣的内容……寓教于乐，既有知识密度，读起来又轻松有趣。
人工智能究竟是什么，它和人类智能有哪些异同？人类可以从人工智能身上学到什么，以及哪些是人工智能永远无法取代人类的？人工智能和电脑程序有何区别，电脑会逐步进化成人工智能吗?
从我们与设备的互动方式，到我们的出行方式，再到整个社会的运转，人工智能可能会给世界带来翻天覆地的变化。有人甚至认为，它还会改变人本身。
从如何让机器思考、自主学习应用场景，到未来的职业规划，以及我们即将遭遇的技术与伦理挑战，这本书将为你介绍在人工智能方面需要了解的一切。参照书中专业研究人员的介绍，你将快速了解那些正在改变我们未来的人在做什么，以及他们期待着怎样的结果。一方面，人工智能将使我们所有人更健康、更富有、更有智慧 ；另一方面，人工智能也可能会是我们犯下的*糟糕的错误之一。
1 依照我们的形象
2 会学习的机器
3 你能做的任何事情
4 生死攸关
5 探索未知世界
6 有创造力的机器
7 人工智能的真实风险
8 机器将接手地球吗？
结语
话题热点
名词表
人工智能（Artificial intelligence，简称AI）是我们这个时代的决定性趋势。在过去10 年左右的时间里，电脑通过训练，学会了执行越来越复杂的任务。大量我们一度认为只有人类才能做到的事，电脑现在已经驾轻就熟。从识别人群中的个体到在拥挤的交通中驾驶汽车，再到击败秀的人类围棋棋手（长久以来，人们曾一度确信AI 无法涉足围棋），类似的成功案例正不断涌现。有时候，它们在某些事上甚至比我们做得还好，而且完成速度更快或者持续时间更长，且从不知疲倦。
当然，会思考的机器并不新鲜。近75 年来，我们一直在努力制造出那种能够具备部分人类智能的电脑。“类人自动化装置”的概念可追溯到几个世纪前。人类向来都对自身——尤其是我们的智慧——十分着迷，所以我们会醉心于在机器体内复制人类的闪光点，也就不足为奇了。
但人工智能与人类智能的比较，既引发了不安，也令人遐想。AI 能有多接近我们？会抢走我们的工作，在游戏或者能赋予人生意义的创意活动中打败我们——终取代我们吗？斯蒂芬·霍金和埃隆·马斯克等公众人物甚至提出“AI 末日”的可怕场景：超级智能的未来机器为了追求人类无法理解的目标而将我们踩在脚下。马斯克说，我们正在“召唤恶魔”。
这些令人兴奋的报道揭示出，公众已深深地意识到AI 带来的挑战。虽然在现实中，灾难片中的情节不太可能上演，但我们能够期待的是，未来会同样惊人，可能还更加离奇。
我们以前也曾见识过科技泡沫，如20 世纪90 年代末互联网泡沫的繁荣与破灭。对于AI 的追捧以及全世界的企业正往其中投入的数十亿资金，堪比互联网早期那种令人激动的热闹劲儿。但这次感觉有所不同。从我们与设备的互动方式，到我们的出行方式，再到整个社会的运转，AI 会给人类日常生活带来翻天覆地的变化。有人甚至认为，AI 还会改变人本身的意义。
面对我们即将遭遇的技术与伦理挑战，这本书将为你介绍你在AI 方面需要了解的一切东西。通过书中汇集的研究人员的看法以及《新科学家》杂志的精华内容，你将快速了解那些正改变我们未来的人在做什么以及他们期待着怎样的结果。如果你想知道那些处在AI 研究前沿的人们心中的希望和恐惧（一位先驱曾说AI 是我们需要发明的后一样东西），那么请继续读下去。
机器如何学习？
在你成长的过程中，你的自行车从未学会自己回家。打字机永远不会建议使用某个单词或发现拼写错误。“机械性能”这个词的同义词为“固定”“可预见”和“刻板”。在很长一段时间里，“学习机器”听上去自相矛盾，然而今天，我们却在开开心心地谈论各种灵活、适应性强，甚至好奇的机器。
在AI 领域，据说机器在利用经验改进其行为时就是在学习。要想了解机器是如何完成这一壮举的，你可以想想看智能手机上的自动完成功能。
如果你激活该功能，软件将对你正在输入的字符可能组成的完整单词提出建议。它怎么知道你要键入什么？程序设计人员从来没有为你的意图或语言的复杂语法规则开发过模型，而是命令算法自动列出使用频率的单词。
通过对大量现有文本的统计分析，它“知道”了这一点。这种分析主要是在创建自动完成工具时实现的，不过它可以随着你自己使用的数据一起扩展。该软件确实可以学习你的风格。
相同的基本算法可处理不同的语言、适应不同的用户，并吸收以前从未见过的单词和短语，比如你的名字或街道。它建议的准确率将主要取决于其接受训练的数据数量和质量。
你用得越多，它就越能习惯你使用的单词和表达方式。它基于经验改进自己的行为，这就是学习的定义。这种类型的系统可能需要接触数以亿计的短语，这意味着要用数百万个文档对其进行训练。对人类来说，这很困难，但对于现代硬件根本算不上挑战。
评论
还没有评论。