做梦也没想到我会去看高中课本！如果不是一个在人工智能方面很牛的朋友推荐了这本书，我估计是决计想不到去干这件事的。这本教材主编是商汤科技创始人及董事长汤晓鸥以及华东师范大学教授陈玉琨，能将这么艰涩专业的高科技内容写到我大部分都看懂了，给二位主编奉上一个大写的赞字。
这本教材编写的目的是希望让同学们学会像科学家们一样思考，而这些科学家们做的事是设计机器的学习方法，看到这里我不禁想机器的学习方法和人的学习方法会有什么不同？人工智能的核心学习能力是从给定的数据中学会数据的规律或者判断的规则，然后对输入的数据提供判断和预测，这似乎也正是人类学习的目标。
教材的第一章写了人工智能三次浪潮的发展历史，看第一遍时我想这一段可能是教材的套路，我读书时的教材一开始大多也是从历史开始的。然而在看第二遍的时候突然发现第三次也就是最近一次浪潮的兴起是因为人工智能引入了不同学科的数学工具，发展了一大批新的数学模型和算法，难怪之后的原理描述都用的数学语言，大多看不懂的内容也在于此，也不由自主的想到了《创新者》中计算机的浪潮也是因为数学发展而引起的，数学也就成为了理解这些硬学科的基础。
在第一章后的每一个章节，主编都用了一个我们生活中常见的人工智能的应用来引出背后机器学习方法的说明，比如图片分类、人脸辨识、语音识别、视频识别、文本识别、还有Alpha狗是如何下围棋的，很容易就感觉很有兴趣，毕竟除了那只狗，其它在生活中都见过。
机器的学习分为很多种，但无论是监督学习、无监督学习还是半监督学习，都遵循着同样的过程：1）将给定的数据数字化；2）提取数据的特征；3）利用算法的反馈来训练分类器；4）用归一化指数层获得多种算法的成功概率，选择最优的分类器；5）测试并推广应用。在这个过程中提取数据的特征是非常重要的，特征的质量决定了最终分类器的优劣。
这种学习方式让我联想到《刻意练习》，刻意练习不正是以专家的心理表征为目标训练学习者并获得反馈来纠正，以此不断拉近专家与学习者心理表征之间的距离，并最终将学习者训练成专家的方法么。
人工智能还有一种学习方法是强化学习，著名的Alpha狗就使用了这种训练方法，它并非是判断准确与否，而是根据输入的规则获得一个最优策略，这个策略可以带来最多的累积回报，它从行动中学习，并获得反馈，自己产生数据供自己学习，完全自主，只需要规则。这种方法是否可以应用在刻意练习中导师缺席的场景？
人工智能的学习方法与刻意练习的方法相似，不过我觉得都偏重操作性的训练，那人工智能到底能否做创意性的工作呢？书中有一个例子是讲人工智能如何创作图像，然而这个功能使用的还是特征分类比较的底层逻辑，并不是真正的创意。按书中的二种学习方法逻辑，如果创意可以定义出一个特征或者是规则，是否意味着人工智能就可以学会创意了？
我记得《创意的生成》的作者把创意的工作明确的分为了五个可重复的步骤：1）尽量吸收材料；2）充分的理解材料；3）休息，让潜意识工作；4）灵感不期而至；5）在现实中测试创意。第3和第4步的真相是材料的新组合，在这5个步骤中，我觉得可能对人工智能比较难的是第2步理解，其它几个步骤或许人工智能现在就可以完成的比人类更出色。
如果某一天人工智能真的可以做创意性工作了，那还有什么领域人工智能无法涉足的呢？书上说在人工智能被定义之初有这么一句话：凡是可以被清晰描述的智慧或学习，机器都可以模拟。所以是否未雨绸缪的我们要多花点精力在那些不容易被清晰描述和定义的领域？
无论如何，看了这本书后对人工智能飞速发展的背后有了些许初步的了解，对人工智能的未来发展也比看这本书之前更有信心。很多人担心会被人工智能抢了饭碗，我也有过同样的担忧，不过我也同时体验到科技的发展对释放我们更多的创造力的帮助，现在借助工具，人们只需要放飞想象，技术工具可以帮助我们实现以前需要培训好几年甚至十几年，几十年才能使用的能力，从这方面想想，高科技还是很美好的。