人工智能革命：历史、当下与未来
最近在学习人工智能方面的东西，先从简单通俗的人文开始，以后再决定是否学习硬核的算法和程序实现。前两周看了一本《智能时代》，感觉还想再多了解一下，于是就又买了这本书。
这本书都是一个个的短篇，大体上按照时间顺序讲述了人工智能的发展历程。
达特茅斯会议，1956年，人工智能元年。第一次提出人工智能（Artificial Intelligence）。
人工智能的三大学派。符号主义：认为人工智能源于数理逻辑，把焦点集中在人类的高级行为，如推理、规划、知识表示的方面；连接主义：把智能建立在神经生理学和认知科学的基础上，认为智能活动是由大量简单的单元通过复杂的相互连接后并行运行的结果。最主要的成果是人工神经网络技术；行为主义：基于控制论，智能源自于自上而下的与环境的互动。代表算法是遗传算法和粒子群优化算法。
深蓝和阿尔法狗实现的不同，深蓝是在“算”（利用强大的计算资源来优化目标函数），阿尔法狗是在“想”（依赖人工神经网络和深度学习，从数据中学会了预测人类棋手在任意棋盘状态下走子的概率）。
人工智能最初的一步：模式识别。典型的应用是OCR（Optical Character Recognition，光学字符识别）。
当前热门的深度学习 -- 多层的人工神经网络。
通过自动驾驶时面临的窘境（直行或拐弯撞到不同的人，如何取舍？）介绍了人工智能所面临的道德问题。
人脑相对于人工智能最强大的一点：识别“噪音”。因此区分是人还是机器的一个工具就是加入了很多“噪音”的图片验证码，人可以轻松识别，但图片识别技术则很难；人可以在嘈杂的酒吧中对话，机器则难以从中提取出当前对话的语音信息。
通过一部讲述未来科技的英剧《黑镜》，作者描述了人工智能可能带来的问题：个人隐私的泄露、“眼见不一定为实”。还讨论了另外一种“永生”的可能性：灵肉分离，肉体可以死去，但思维继续存储和运行在计算机上。
书中还列举了当下的几个典型应用：机器翻译、图像识别、辅助医疗（沃森医生）、推荐系统。
以及未来的新趋势：生成式对抗性网络、强化学习、语义理解、脑机接口。
对于这本庞杂的书，似乎很难写一个总结，感兴趣还是自己看一下比较好。
感谢阅读，希望这篇文章能给你带来帮助！