?《AI 3.0》是超級暢銷書《復雜》的作者、復雜繫統前沿科學家梅拉妮?米歇爾耗時10年思考，釐清人工智能與人類智能的全新力作。?《AI 3.0》全景式地展現了人工智能的過去、現在和未來。作者米歇爾以自己多年來在人工智能領域的研究經歷，及對人工智能的應用與未來等方面的思考為基礎，並結合人工智能發展目前的重大事件以及與其他權威專家的學習交流，從5個部分揭示了“現在的計算機能做什麼，以及我們在未來幾十年能從它們身上期待什麼”。作者首先從人工智能的發展歷程講起，然後從視覺識別、遊戲與推理、自然語言等

●引言創造具有人類智能的機器，是一場重大的智力冒險
第一部分若想對未來下注，先要釐清人工智能為何仍然無法超越人類智能
01從起源到遭遇寒鼕，心智是人工智能一直無法攻克的堡壘
達特茅斯的兩個月和十個人
定義，然後必須繼續下去
任何方法都有可能讓我們取得進展
符號人工智能，力圖用數學邏輯解決通用問題
感知機，依托DNN的亞符號人工智能
感知學習算法，無法重現人腦的湧現機制
學習感知機的權重和閾值
感知機是一條死胡同
泡沫破碎，進入人工智能的寒鼕
看似容易的事情其實很難
02從神經網絡到機器學習，誰都不是最後的解藥
多層神經網絡，識別編碼中的簡單特征
無論有多少輸入與輸出，反向傳播學習都行得通
聯結主義：智能的關鍵在於構建一個合適的計算結構
亞符號繫統的本質：不擅長邏輯，擅長接飛盤
機器學習，下一個智能大變革的舞臺已經就緒
03從圖靈測試到奇點之爭，我們無法預測智能將帶領我們去往何處
“貓識別機”掀起的春日狂潮
人工智能：狹義和通用，弱和強
人工智能是在模擬思考，還是真的在思考
圖靈測試：如果一臺計算機足夠像人
奇點2045，非生物智能將比今天所有人類智能強大10億倍
一個“指數級”寓言
摩爾定律：計算機領域的指數增長
神經工程，對大腦進行逆向工程
奇點的懷疑論者和擁躉者
對圖靈測試下注
第二部分視覺識別：始終是“看”起來容易“做”起來難
04何人，何物，何時，何地，為何
看與做
深度學習革命：不是復雜性，而是層深
模擬大腦，從神經認知機到ConvNets
ConvNets如何不將狗識別為貓
激活對像特征，通過分類模塊進行預測
不斷從訓練樣本中學習，而非預先內置正確答案
05ConvNets和ImageNet，現代人工智能的基石
構建ImageNet，解決目標識別任務的時間困境
土耳其機器人，一個需要人類智慧的工作市場
贏得ImageNet競賽，神經網絡的極大成功
ConvNets淘金熱，以一套技術解決一個又一個問題
在目標識別方面，ConvNets超越人類了嗎
我們離真正的視覺智能還非常遙遠
06人類與機器學習的關鍵差距
人工智能仍然無法學會自主學習
深度學習仍然離不開“你”的大數據
長尾效應常常會讓機器犯錯
機器“觀察”到的東西有時與我們截然不同
有偏見的人工智能
人工智能內心的黑暗秘密以及我們如何愚弄它
07確保價值觀一致，構建值得信賴、有道德的人工智能
有益的人工智能，不斷改善人類的生活
人工智能大權衡：我們是該擁抱，還是謹慎
人臉識別的倫理困境
人工智能如何監管以及自我監管
創建有道德的機器
第三部分遊戲與推理：開發具有更接近人類水平的學習和推理能力的機器
08強化學習，最重要的是學會給機器人獎勵
訓練你的機器狗
現實世界中的兩大絆腳石
09學會玩遊戲，智能究竟從何而來
深度Q學習，從更好的猜測中學習猜測
價值6.的智能體
西洋跳棋和國際像棋
不智能的“智能贏家”深藍
圍棋，規則簡單卻能產生無窮的復雜性
AlphaGo對戰李世石：精妙，精妙，精妙
從隨機選擇到傾向選擇，AlphaGo這樣工作
10遊戲隻是手段，通用人工智能纔是目標
理解為什麼錯誤至關重要
無須人類的任何指導
對人工智能而言，人類的很多遊戲都很具挑戰性
它並不真正理解什麼是一條隧道，什麼是牆
除去思考“圍棋”，AlphaGo沒有“思考”
從遊戲到真實世界，從規則到沒有規則
第四部分自然語言：讓計算機理解它所“閱讀”的內容
11詞語，以及與它一同出現的詞
語言的微妙之處
語音識別和最後的10%
分類情感
遞歸神經網絡
“我欣賞其中的幽默”
“憎惡”總與“討厭”相關，“笑”也從來伴隨著“幽默”
word2vec神經網絡：口渴之於喝水，就像疲倦之於喝醉
12機器翻譯，仍然不能從人類理解的角度來理解圖像與文字
編碼器遇見解碼器
機器翻譯，正在彌補人機翻譯之間的差距
迷失在翻譯之中
把圖像翻譯成句子
13虛擬助理——隨便問我任何事情
沃森的故事
如何判定一臺計算機是否會做閱讀理解
“它”是指什麼？
自然語言處理繫統中的對抗式攻擊
第五部分常識——人工智能打破意義障礙的關鍵
14正在學會“理解”的人工智能
理解的基石
預測可能的未來
理解即模擬
我們賴以生存的隱喻
抽像與類比，構建和使用我們的心智模型
15知識、抽像和類比，賦予人工智能核心常識
讓計算機具備核心直覺知識
形成抽像，理想化的願景
活躍的符號和做類比
字符串世認知
識別整個情境比識別單個物體要困難得多
“我們真的，真的相距甚遠”
結語思考6個關鍵問題，激發人工智能的終極潛力
問題1：自動駕駛汽車還要多久纔能普及？
問題2：人工智能會導致人類大規模失業嗎？
問題3：計算機能夠具有創造性嗎？
問題4：我們距離創建通用的人類水平AI還有多遠？
問題5：我們應該對人工智能感到多恐懼？
問題6：人工智能中有哪些激動人心的問題還尚未解決？
致謝
注釋

人工智能現在正深刻地影響著我們的生產與生活，甚至關繫到人類未來的前途命運，但究竟什麼是人工智能？人工智能背後的原理是什麼？從問世到演化至今，人工智能經歷了怎樣的歷史變遷？當下人工智能的能力邊界在哪裡？人工智能與人類智能的差異是什麼？未來人工智能又將面對什麼樣的挑戰和機遇？關於這些疑問，《AI3.0》將為你一一揭曉答案。《AI3.0》是超級暢銷書《復雜》作者、復雜繫統前沿科學家梅拉妮?米歇爾歷經10年思考，釐清人工智能與人類智能的全新力作。本書源自米歇爾多年來對人工智能領域發展真實狀態的記錄，她在書中通過5個部分揭示了“現在的人工智能可以做什麼，以及在未來幾十年我們能從它們身上期待什麼”。在描述了人工智能的發展歷史之後，作者通過對視覺識別、遊戲與推理、自然語言處理、常識判斷這4大人工智能領域的熱門應用的發展現狀和局限性的探究，釐清了人工智能與人類智能的關繫，書中關於人臉識別、無人駕駛、機器翻等

(美)梅拉妮·米歇爾 著 王飛躍 等 譯

     01 從起源到遭遇寒鼕，心智是人工智能一直無法攻克的堡壘 達特茅斯的兩個月和十個人 創造一臺和人類一樣聰明，甚至比人類更聰明的智能機器的夢想，已有幾個世紀的歷史，而隨著數字計算機的崛起，這一夢想已成為現代科學的一部分。第一臺可編程計算機的構建想法，實際上來自數學家將人類思想，特別是邏輯，當作“符號操縱”的機械過程的嘗試。數字計算機本質上是符號操縱器，操縱符號“0”和“1”的各種組合。艾倫·圖靈和約翰-馮-諾伊曼等計算機領域的先驅認為，人腦與計算機之間存在著極強的相似性，因而可以將人腦類比為計算機，並且在他們看來，人類智能顯然能夠被復制到計算機程序中。 人工智能領域的大多數從業者認為，該領域的正式確立可以追溯到1956年由一位名叫約翰·麥卡錫的年輕數學家在達特茅斯學院舉辦的一場小型研討會。 1955年，等