AI 3.0

引言 創(chuàng)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，先要厘清人工智能為何仍然無法超越人類智能
01 從起源到遭遇寒冬，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，然后必須繼續(xù)下去
任何方法都有可能讓我們?nèi)〉眠M展
符號人工智能，力圖用數(shù)學(xué)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(xué)習(xí)算法，無法重現(xiàn)人腦的涌現(xiàn)機制
學(xué)習(xí)感知機的權(quán)重和閾值
感知機是一條死胡同
泡沫破碎，進入人工智能的寒冬
看似容易的事情其實很難
02 從神經(jīng)網(wǎng)絡(luò)到機器學(xué)習(xí)，誰都不是最后的解藥
多層神經(jīng)網(wǎng)絡(luò)，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(xué)習(xí)都行得通
聯(lián)結(jié)主義：智能的關(guān)鍵在于構(gòu)建一個合適的計算結(jié)構(gòu)
亞符號系統(tǒng)的本質(zhì)：不擅長邏輯，擅長接飛盤
機器學(xué)習(xí)，下一個智能大變革的舞臺已經(jīng)就緒
03 從圖靈測試到奇點之爭， 我們無法預(yù)測智能將帶領(lǐng)我們?nèi)ネ翁?br />“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(shù)級”寓言
摩爾定律：計算機領(lǐng)域的指數(shù)增長
神經(jīng)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(xué)習(xí)革命：不是復(fù)雜性，而是層深
模擬大腦，從神經(jīng)認知機到ConvNets
ConvNets如何不將狗識別為貓
激活對象特征，通過分類模塊進行預(yù)測
不斷從訓(xùn)練樣本中學(xué)習(xí)，而非預(yù)先內(nèi)置正確答案
05 ConvNets和ImageNet，現(xiàn)代人工智能的基石
構(gòu)建ImageNet，解決目標(biāo)識別任務(wù)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(jīng)網(wǎng)絡(luò)的極大成功
ConvNets淘金熱，以一套技術(shù)解決一個又一個問題
在目標(biāo)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(xué)習(xí)的關(guān)鍵差距
人工智能仍然無法學(xué)會自主學(xué)習(xí)
深度學(xué)習(xí)仍然離不開“你”的大數(shù)據(jù)
長尾效應(yīng)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(nèi)心的黑暗秘密以及我們?nèi)绾斡夼?br />07 確保價值觀一致，構(gòu)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(quán)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(jiān)管以及自我監(jiān)管
創(chuàng)建有道德的機器

第三部分 游戲與推理：開發(fā)具有更接近人類水平的學(xué)習(xí)和推理能力的機器
08 強化學(xué)習(xí)，最重要的是學(xué)會給機器人獎勵
訓(xùn)練你的機器狗
現(xiàn)實世界中的兩大絆腳石
09 學(xué)會玩游戲，智能究竟從何而來
深度Q學(xué)習(xí)，從更好的猜測中學(xué)習(xí)猜測
價值6.5億美元的智能體
西洋跳棋和國際象棋
不智能的“智能贏家”深藍
圍棋，規(guī)則簡單卻能產(chǎn)生無窮的復(fù)雜性
AlphaGo對戰(zhàn)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 游戲只是手段，通用人工智能才是目標(biāo)
理解為什么錯誤至關(guān)重要
無須人類的任何指導(dǎo)
對人工智能而言，人類的很多游戲都很具挑戰(zhàn)性
它并不真正理解什么是一條隧道，什么是墻
除去思考“圍棋”，AlphaGo沒有“思考”
從游戲到真實世界，從規(guī)則到?jīng)]有規(guī)則

第四部分 自然語言：讓計算機理解它所“閱讀”的內(nèi)容
11 詞語，以及與它一同出現(xiàn)的詞
語言的微妙之處
語音識別和最后的10%
分類情感
遞歸神經(jīng)網(wǎng)絡(luò)
“我欣賞其中的幽默”
“憎惡”總與“討厭”相關(guān)，“笑”也從來伴隨著“幽默”
word2vec神經(jīng)網(wǎng)絡(luò)：口渴之于喝水，就像疲倦之于喝醉
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”是指什么？
自然語言處理系統(tǒng)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(guān)鍵
14 正在學(xué)會“理解”的人工智能
理解的基石
預(yù)測可能的未來
理解即模擬
我們賴以生存的隱喻
抽象與類比，構(gòu)建和使用我們的心智模型
15 知識、抽象和類比，賦予人工智能核心常識
讓計算機具備核心直覺知識
形成抽象，理想化的愿景
活躍的符號和做類比
字符串世界中的元認知
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(jié)語 思考6個關(guān)鍵問題，激發(fā)人工智能的終極潛力
問題1：自動駕駛汽車還要多久才能普及？
問題2：人工智能會導(dǎo)致人類大規(guī)模失業(yè)嗎？
問題3：計算機能夠具有創(chuàng)造性嗎？
問題4：我們距離創(chuàng)建通用的人類水平AI還有多遠？
問題5：我們應(yīng)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？