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，本书将为你一一揭晓答案。
本书是超级畅销书《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...
AI 3.0的创作者
· · · · · ·
-
梅拉妮·米歇尔 作者
作者简介 · · · · · ·
梅拉妮·米歇尔（Melanie Mitchell），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 Introduction to Complexity 已有近30000名学生选修，成为Coursera排名前50位的在线课程之一。
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
02 从神经网络到机器学习，谁都不是最后的解药
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
第二部分 视觉识别：始终是“看”起来容易“做”起来难
· · · · · · (更多)
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
02 从神经网络到机器学习，谁都不是最后的解药
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
第二部分 视觉识别：始终是“看”起来容易“做”起来难
· · · · · · (更多)
原文摘录 · · · · · · ( 全部 )
-
我不是担忧人工智能变得太聪明、太有侵略性、太恶意，甚至是太有用。相反，我担心我们最为珍视的这些人性特征——智慧、创造力、情感，甚至意识本身都太容易产生了。它们最终不过是一堆“小把戏”，仅仅用一套肤浅而粗暴的算法就可以解释的人类精神。 (查看原文) —— 引自章节：引言 创造具有人类智能的机器，是一场重大的智力冒险 -
人工智能在某些细分领域已经取得了很大的进步，但仍然离通用的、人类水平的人工智能差得很远，可能一个世纪后都无法实现，更别说30年了。我认为，那些持相反观点的人大大低估了人类智能的复杂性。 (查看原文) —— 引自章节：引言 创造具有人类智能的机器，是一场重大的智力冒险
> 全部原文摘录
喜欢读"AI 3.0"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"AI 3.0"的人也喜欢 · · · · · ·
AI 3.0的书评 · · · · · · ( 全部 41 条 )
Di
《AI 3.0》读书笔记
这篇书评可能有关键情节透露
2022年的第26本书。 近几年都在做和人工智能相关的投资和孵化工作，所以对这个主题并不陌生。最近几次看到这本书被推荐，于是拿来翻了一遍。 读完之后的感想如下： 首先，作者大致还原了人工智能的发展史，从1956年约翰.麦卡锡在达特茅斯学院的研讨会关于“人工智能”的提案开... (展开)
淘墨书评
用现象逼近本质往往是一条断头路
畅销学术专著《遗传算法导论》和更畅销的科普作品《复杂》的作者米歇尔女士最近出版了一本新著《AI3.0》。米歇尔通过翔实有趣的若干例子，揭示了因为“无法真正像人一样理解世界”，现在繁花似锦的AI研究和产业化潜藏着巨大的脆弱性。 得益于计算能力的提升和高质量大规模标注...
(展开)
37
人工智能：思考人类的指南
这篇书评可能有关键情节透露
本书作者梅拉妮·米歇尔是波特兰州立大学计算机教授，也是科普畅销书《复杂》的作者，曾师从认知科学家、人工智能先驱和《GEB》的作者侯世达，且侯世达阅读并评论了本书手稿的每个章节。本书英文名《Artificial Intelligence: A Guide For Thinking Humans》翻译过来“人工智能... (展开)
南萧亭
发展AI的过程就是人类认识自己的过程
看很多人评价说：这本书已经过时了。 是的，如果你想通过这本书了解到AI的最新动态的话，这本书确实过时了。这本书出版于2019年，即使中文版也推出于2021年，不仅没有ChatGPT，连文生图、图生图也刚有理论突破和小范围应用。今天AI已经比写这本书的时代上了一个大台阶。 但这本...
(展开)
alexliu115
木铎书评~AI 3.0
作为一个IT从业者，我一直都很关注AI领域的科技发展，比如最近的chatGPT（当然中国用户用起来很麻烦，你懂得），所以这本书看到书名就吸引我了。这本书吸引我的第二个原因是作者梅拉妮·米歇尔，她是美国圣塔菲研究所（SFI）的一员，专门研究复杂性科学，她写过一本关于复杂性...
(展开)
纯阳书评
纯阳书评第573期《AI3.0（梅拉妮.米歇尔版）》
这本书将完美的证明两点，一是大模型AI的突破太突然，突然到无论多么聪明的大脑都可能被意外击中，大模型AI进步的速度又太快，快到无论多么大的咖位，都有可能被AI甩到后边，作为超级畅销书《复杂》的作者，梅拉妮. 米歇尔也终究没有跳出这个圈。二是相对于其他被留在大模型爆...
(展开)
树欲静
Farrar, Straus and Giroux2019版
514-Artificial Intelligence-Melanie Mitchell- AI-2019
514-Artificial Intelligence-Melanie Mitchell- AI-2019 Barack 2024/04/14 《Artificial Intelligence》，首版于2019年。它探讨了人工智能的动荡历史以及最近一系列明显的成功、宏伟的希望和围绕它出现的恐惧。它介绍了现代人工智能和机器学习的主导模型，描述了尖端的人工智...
(展开)
李阿龙
《Ai3.0》读书札记
1.人通过构建心智模型来理解抽概念和情景。抽象和类比能力是其根基。 2.人工智能还无法理解我们提供的概念。 3.与其担心人工智能是否会替代/掌控人，不如担心人工智能做出它无法理解的决策所带给人们的危害； 4.现在人工智能，只能在某一领域中发挥作用——弱人工智能，而制造...
(展开)
> 更多书评 41篇
论坛 · · · · · ·
在这本书的论坛里发言
这本书的其他版本 · · · · · · ( 全部8 )
以下书单推荐 · · · · · · ( 全部 )
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于AI 3.0的评论:
feed: rss 2.0
2 有用 刺幻者 2024-03-23 10:48:21 新疆
通俗易懂地总结和分析了人工智能领域的发展历程、既有成果、缺憾问题和前景方向，有很多观点具有启发性，尤其是其中提到的问题确实是AI现在的软肋，比如迁移学习能力、对常识和抽象概念的理解力等。
1 有用 一次买够作用子 2023-01-29 20:04:48 重庆
我唯一找到的用自然语言表述深度学习的书。除关于理解的俗套外，介绍了卷积神经网络，监督学习，强化学习，蒙特卡洛树，递归神经网络。我一度以为卷积神经网络可以靠反向传播法调整所有程序，但隐含层的层数，权重的调节度都需要人工参与，训练集还需要人工标注。强化学习的奖励值如果可以回调，初始游戏规则它自己也改不了，而语言游戏总促使人间规则的改变（自动驾驶看起来成了重点）。这让我基本放弃了AI可能达成思辨实在论愿... 我唯一找到的用自然语言表述深度学习的书。除关于理解的俗套外，介绍了卷积神经网络，监督学习，强化学习，蒙特卡洛树，递归神经网络。我一度以为卷积神经网络可以靠反向传播法调整所有程序，但隐含层的层数，权重的调节度都需要人工参与，训练集还需要人工标注。强化学习的奖励值如果可以回调，初始游戏规则它自己也改不了，而语言游戏总促使人间规则的改变（自动驾驶看起来成了重点）。这让我基本放弃了AI可能达成思辨实在论愿望的想法。与其说它自己建模再探索，不如说它只能探索人类建的模。作者认为AI研究依旧是笛卡尔式的，没有真正考虑具身认知和大数据的区别（反过来说明如今斯蒂格勒比德勒兹更好使）。阿尔法狗的倾向性不等于情感，后者应影响初始规则而非模型内部调参，建模反而害了它。当然现象学依然是笛卡尔式的，还望英美多读马里翁。 (展开)
2 有用 凌波微步 2022-01-29 15:04:24
说了，又好像啥也没说
21 有用 诺坎普的朝圣者 2021-04-08 20:33:20
作者很详细的介绍了人工智能从提出到至今发展的历程和取得的成果。深度学习，卷积神经网络，虚拟现实，语音助理，自动驾驶，alphago等等之前耳熟能详的词语终于彻底了解了是怎么回事。内容也不太难，深度也合适，很棒的一本书。
4 有用 逐梦的孩子 2021-05-01 20:20:49
自学机器学习的时候看的，对我这种门外汉来说，是个很好的科普书