《人工智能简史》读后感10篇
《人工智能简史》是一本由尼克著作，人民邮电出版出版的平装图书，本书定价：CNY 49.00，页数：320，文章吧小编精心整理的一些读者的读后感，希望对大家能有帮助。
《人工智能简史》读后感(一)：4星|尼克《人工智能简故与内幕史》：一线科学家细数行业典
全书涉及到不少专业内容，作者在序言中说大部分章节都适合高中以上文化程度读者阅读，我认为至少得是IT从业人员才有可能读懂一半以上的内容因而才能有兴趣读下去。
书中有不少有趣的八卦与内幕，作者也毫不掩饰对哲学、对一些大公司的鄙视。
以下是书中一些内容的摘抄：
1：戴维斯的几篇关于定理证明历史的文章题目下面都不忘写一行“纪念王浩”。王浩毕业于神奇的西南联大数学系，曾和杨振宁同屋，一战结束后又到清华大学在金岳霖和王充钧指导下得了哲学硕士，到哈佛大学后跟随美国最有影响的哲学家蒯因研究逻辑和分析哲学。P31
2：事实上，是哲学家罗宾逊和码农罗宾逊用蒯因的入门教科书《逻辑方法》教会了数学家沃思逻辑。P32
3：“文革”后的中科院数学所派系纷杂，关肇直和华罗庚不和，吴文俊和吴新谋不和。乘着华罗庚在欧洲访问，关笔直在中科院副院长钱三强的支持下，迅速成立中科院系统科学所，吴文俊毫不犹豫地跟随关肇直到了系统所。P42
4：四色定理证明后，一些哲学家开始挑刺儿，王浩和普特南的学生铁木钦科(Thomas Tymoczko)提出了这样的问题：四色定理算被证明了吗？谁看见了这个证明过程7这听起来有点像乔姆斯基对统计派机器翻译的批评。有黑箱子的理解不能算理解，有黑箱子的证明也不能算证明。P47
5：有些领域，一开始就把百分之八十的容易问题都解决了，而后就一直很难，进展很慢，少有突破。人工智能就是这样，定理证明尤其如此。P49
6：一个领域成熟与否的主要测度之一是赚不赚钱。人工智能没有商业应用一直是被批评的原因之一。专家系统时代最成功的案例是DEC的专家配置系统XCON。DEC是PC时代来临之前的宠儿，他们用小型机冲击IBM。P65
7：互联网催生的电子商务，有很多和XCON类似的应用场景，于是新瓶装旧酒、专家系统摇身一变，改名规则引擎，成为中间件的标配。征信、反欺诈和风险控制一直是规则系统擅长的领域，征信公司FICO收购了一系列一直苟延残喘的专家系统公司，包括Forgy的RulesPower, 目前已经很少有独立的专家系统公司了。P66
8：w3c语义网的工作后来在一些准逻辑学家加入后引入了描述逻辑，变得貌似严格起来，经过几次迭代后演化成大杂烩，理论上不严谨，实践中不可用。所谓“万事开头难”，但开了一个坏头，则是灾难，为后人修正制造了人为障碍。P75
9：五代机给日本八提供了一个弯道超车的机会，日本同行认为有了五代机，就可以任信息产业里甩掉山寨的帽子。日本在软件方面大约落后十年，但如果五代机能够成功，那将是日本后发制人的又一案例。P87
10：当时，所有的美国商学院都用日本索尼Walkman的成功作为案例，想说明日本会占据技术市场。把美国过去几十年的商学院系列教材拿出来翻翻倒是蛮有意思的，那些当时貌亿惊人的案例，没过多久就都完蛋了。……商学院教学的信用完全是建立在人们的健忘上。P91
11：五代机的衰落在1988年就已露出端倪。……给人感觉五代机不会在任何相关领域取得突破性进展，而同时八杆子打不着的领域也拼命向五代机靠拢。就像当下人工智能领域的创业，一些和人工智能毫无瓜葛的社会闲杂人员一夜间都成了AI专家，拿到VC的钱之后再想干啥。P94
13：图灵在曼彻斯特大学的同事普林茨(Dietrich Prinz)接着图灵的思路，在1951年写了一个残局程序，能在离将死还有两步的情况下，找到最优解。这个问题也被称为"两步将死”（mate-in-two）问题。 P118
14：1966年，……苏联科学院的理论与实验物理研究所(ITEP)也在本所研制的一台M20计算机上开发了一款下棋程序，他们要和斯坦福大学的Kotok-McCarthy程序一决高下。从1966年11月22日开始，直到1967年3月1o日止，他们通过电报的方式走了四局。最后苏联3:1战胜美国。P121
15：在“深蓝”赢了卡斯帕罗夫之后，职业棋手并没有因此而改行，他们反而更多地依赖计算机来训练。而职业比赛的解说者也越来越多地借助计算机程序来分析解说一场比赛。机器作为教练，反而更快地帮助人类棋手进步。P125
16：大体上说，问答系统有三个必备的组成部分，第一部分是问题理解，第二部分是知识查询，第三部分是答案生成。这三个部分相辅相成，第一部分和第三部分是自然语言处理的工作，它们通过知识图谱被有机地整合在一起，在定理证明火的时候，被当成狗皮膏万能灵药。P153
17：IBM吸取了深蓝的教训，沃森在Jeopardy！节目上取得的宣传成功后，很快变成了IBM人工智能事业的品牌，IBM很快推出了沃森金融、沃森医疗、沃森教育等。现在IBM整个公司都围绕沃森转型了，也许IBM觉得“人工智能”这个词儿太俗了，他们非要标新立异地自诩为“认知计算”。P154
18：就像一个哲学问题找到了科学的角度(formulation)，就不再是哲学问题一样，一个人工智能问题一旦解决，就不再是人工智能问题。大概很快人们就会认为语音问题不再是人工智能的核心问题。如果说语音翻译不涉及自然语言理解和语义，可能也不会有什么异议。P155
19：哲学家有两类，一类是深刻的，一类层混饭的。罗素和弗里格是深刻的，没有他们，就不会有数理逻辑，也就不会有哥德尔、丘奇、图灵、以及后来的计算机科学。但没有现代的欧陆哲学，世界不过省了些粮食而已。P182
20：但科学进步的过程就是与哲学渐行渐远的过程。当下的科学已经和哲学关系不大，一战后的欧陆哲学已经和科学彻底无缘。偏重科学和逻辑的英美分析哲学也挡不住哲学的颓势，最后一个从哲学中脱离的硬学问是逻辑，目前最好的逻辑学家都在数学系和计算机系，哲学已经空洞化。P191
21：人脑中总共有860亿个神经元，其中大脑皮层有16o亿个神经元，大脑皮层的神经元数量决定了动物的智力水平，人的大脑皮层中神经元数量远高于其他物种，所以人类比其他物种更聪明。P217
22：【《终极算法》的】作者的研究领域层如何把这些算法统一起来。我们不禁怀疑，即使把这些算法都能整台起来，是不是就构成了终极算法呢了难道不会有新的算法被发明出来吗了例如作者列的单子里明显缺失了强化学习，这是一个很老的算法，在2016年随着A1phaGo才得以扬名。P225
23：物理学家改行的科幻作家阿西莫夫曾提出机器人三定律，第一条就是机器不能伤害人，但“什么是伤害”本身就不好定义。AlphaGo战胜李世石和柯洁，算是对他们的伤害吗？即使是科学家兼幻想家，也未必就能把不远的未来想明白。维纳和阿西莫夫可能都不懂计算理论。P228
《人工智能简史》读后感(二)：人工智能编年简史 0️⃣ 黎明
最近在读尼克老师的《人工智能简史》，料很足，文笔也非常有趣。为了方便自己的学习，特将书中事件、人物按编年体形式整理了一下，并补充了一些别处收集的资料，将随本人阅读的进程，不断发布，有不足之处也请大家指点。
------
1943-1954
1943年，阿兰·图灵（Alan Turing）秘访美国，和同行交流破解德国密码的经验，其间和克劳德·香农（Claude Shannon）曾有会晤，一起聊通用图灵机。
图灵石像
1943年，沃伦·麦卡洛克（Warren S. McCulloch）和沃尔特·皮茨（Walter Pitts）在《数学生物物理学公告》上发表了《神经活动中内在思想的逻辑演算》（A Logical Calculus of the Ideas Immanent in Nervous Activity）。这篇论文影响甚广，讨论了理想化和简化的人工神经网络以及如何执行简单的逻辑功能。这启发了后来神经网络和深度学习的产生。
1948年，约翰·麦卡锡（John McCarthy）本科毕业于加州理工学，然后到普林斯顿大学读研究生时结识了冯诺伊曼（John von Neumann），在其影响下开始对在计算机上模拟智能产生兴趣。
1949年，司马贺（赫伯特·西蒙，Herbert Simon）去卡内基梅隆大学的前身卡内基理工学院担任新成立的工业管理系系主任。
1950年，香农在《哲学杂志》发表《编程实现计算机下棋》（Programming a Computer for Playing Chess），这是人类第一篇研究计算机下棋程序的文章，为计算机下棋奠定了理论基础。
1950年，阿兰·图灵（Alan Turing）发表《计算机器与智能》（Computing Machinery and Intelligence）。文中提出的“模仿游戏”后来被称为“图灵测试”。
1951年，马文·明斯基（Marvin Minsky）和迪恩·爱德蒙（Dean Edmunds）建立了“随机神经网络模拟加固计算器”（SNARC）。这是人类打造的最一个人工神经网络，用了3000个真空管来模拟40个神经元规模的网络。
1952年，亚瑟·塞缪尔（Arthur Samuel）开发第一个计算机跳棋程序和第一个具有学习能力的计算机程序。
1953年夏天，约翰·麦卡锡和马文·明斯基都在贝尔实验室为香农打工。香农那时的兴趣是图灵机以及是否可用图灵机作为智能活动的理论基础。麦卡锡向香农建议编一本文集，请当时做智能研究的各位大佬贡献文章，这本文集直到1956年才以《自动机研究》（Automata Studies）为名出版，这个书名最后是香农起的。
1954年，达特茅斯学院数学系同时有4位教授退休，刚上任的系主任约翰·克门尼（John Kemeny）从其母校普林斯顿大学数学系带回了刚毕业的4位博士前往达特茅斯学院任教，约翰·麦卡锡是其中之一。
------
1955 “人工智能”（artificial intelligence）一词诞生
1955年，美国西部计算机联合大会（Western Joint Computer Conference）在洛杉矶召开，其中套了个小会：学习机讨论会（Session on Learning Machine）。奥利弗·塞弗里奇（Oliver Selfridge）和艾伦·纽厄尔（Allen Newell）参加该会。塞弗里奇发表了一篇模式识别的文章，而纽厄尔则探讨了计算机下棋，他们分别代表两派观点——连接派和符号派。讨论会的主持人是神经网络的鼻祖之一沃尔特·皮茨（Walter Pitts），他最后总结时说：“（一派人）企图模拟神经系统，而纽厄尔则企图模拟心智（mind）……但殊途同归。”这预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的斗争。
1955年，约翰·克门尼在《科学美国人》杂志上发表一篇文章“把人看作机器”（Man Viewed as a Machine），介绍了图灵机和冯诺伊曼的细胞自动机（最早叫“自生机”），文章的简介提到“肌肉机器”（muscle machine）和“大脑机器”（brain machine）。
1955年8月31日，“人工智能”（artificial intelligence）一词在一份关于召开国际人工智能会议的提案中被提出。该份提案由约翰·麦卡锡（达特茅斯学院）、马文·明斯基（哈佛大学）、纳撒尼尔·罗彻斯特（IBM）和克劳德·香农（贝尔电话实验室）联合递交。
1955年12月，司马贺和艾伦·纽厄尔开发出“逻辑理论家（Logic Theorist）”，这是世界上第一个人工智能程序，有能力证明罗素和怀特海《数学原理》第二章52个定理中的38个定理。司马贺回忆录里说自己学术生涯最重要的两年就是1955年和1956年。这篇文章后来成了AI历史上最重要的文章之一。
-------
1956 达特茅斯会议
他们讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。在会议中，给所有人留下最深印象的是纽厄尔和司马贺的报告，他们公布了“逻辑理论家”是当时唯一可以工作的人工智能软件，引起了与会代表的极大兴趣与关注。
会议的召集人麦卡锡给这个活动起了个当时看来别出心裁的名字：人工智能夏季研讨会（Summer Research Project on Artificial Intelligence）。这是人工智能（Artificial Intelligence）一词正式在学术会议中亮相，而1956年也就成为了人工智能元年。
50年后当事人重聚
《人工智能简史》读后感(三)：AI简史
看了尼克所著《人工智能简史》，有必要梳理一下。
1、AI是计算机科学的分支
-计算机科学：理论归于图灵、工程归于冯诺伊曼。
-学术界：国外分科为理论、系统（软件和硬件）和AI（最早为控制论）。国内分系为计算机和自动化系，AI领域自动化系最有发言权，但自动化系主要关注计算机是怎么用的，并不关注计算机的基础理论。
2. AI发展史就是一部斗争史
-AI发展史主要就是符号派和神经派的斗争史，区别在于自上而下和自下而上。
-事实上，当图灵在1948年英国国家物理实验室的内部报告中区分了“肉体智能”/“附体智能”（embodied intelligence）和“无肉体智能”（disembodied intelligence），后来的统计派/神经网络派（造一台智能机器模拟大脑中的神经网络）与符号派/逻辑派（用逻辑和符号系统模拟心智）之争就已经埋下了伏笔。
人工智能的鼻祖之一纽厄尔（Allen Newell）说过，一部AI史就是一部斗争史（大意如此）。换言之，在任何时候，每种方法都有个对立面：模拟与数字，知识与逻辑，语义与语法，连续与符号，串行与并行，取代与增强，机械论与目的论，生物学与活力论，工程与科学……
-美国最早有三大人工智能基地：斯坦福大学、麻省理工学院和卡内基梅隆大学。三大基地是三伙不同的人弄的，这些实验室经历了种种的斗争、分裂、重组。这些人事纷争构成了人工智能学科的历史。
最早的麦卡锡、司马贺（Herbert Simon）分别是做逻辑和定理证明的，做统计的人当时不被重视，但现在反而逻辑没人搞了，都去做统计了。近年来，知识图谱技术在谷歌的鼓吹下，算是为符号派留下了一支血脉。
补充：神经派如今重镇反倒在加拿大，如阿尔伯塔的强化学习、多伦多的深度学习。如AlphaGo团队的核心成员。
3.AI思想源头
-图灵1948年写的NPL内部报告《智能机器》是最早理论源头，1950年《计算机与智能》正式介绍了模仿游戏（也就是图灵测试），AI最早的说法是“机器智能”（machine intelligence）现在也是同义词。
-冯诺伊曼是计算机科学工程路线的源头，学生霍兰德发明遗传算法，徒孙发明强化学习。这一派和控制论结合的很紧。
4.计算理论基础
-计算理论是基础，主要是图灵机、丘奇-图灵论题、相似性原则和超计算。
-不懂计算理论的讨论不清楚基础问题。界定人或智能是什么、追问机器是否有智能，需要诉诸计算理论。
图灵机：图灵1936年“论可计算的数”中定义的最简单的计算装置。
丘奇-图灵论题（Church-Turing Thesis）：所有功能足够强的计算装置的计算能力都等价于图灵机，不可能存在比图灵机更强的计算装置。（注：哥德尔递归函数、丘奇λ演算、Post系统、图灵机证明可以等价，可以相互模拟。）
洪加威的相似性原则：任何计算装置之间互相模拟的成本是相似的。
这两个论题隐含着强人工智能的可能性：智能等价于图灵机、人就是图灵机。目前的计算机科学（包括人工智能）的工作都是建立在这个认同之上的。
超计算（hyper computation）：在可计算性上超越图灵机的装置。目前比较有意义的超计算模型有BSS实数模型和量子计算机。（注：当下热门的量子计算机有可能不服从相似性原则。量子计算机或许能有效地解决素数分解问题，这是当今公钥加密算法的基础，如果成功，那当前的电子商务体系就会出现不安全隐患。）
5. 人工智能这几年发展迅速原因
主要原因有两个，一个是大规模的数据累计，另一个是计算能力的提升，同时达到了拐点。
《人工智能简史》读后感(四)：内圈梗集锦
是也乎,(￣▽￣)
现在技术类图书有一种不好的倾向:
书名有简史的
总是比通史要难写
但是有趣也有用的多
关键特别有种 ;-)
以往从信息简史开始到人类/未来等诸简史, 其实都有点以史预言将来的意思,
AI 简史, 反而专注陈述过去,
全书少了一个关键内容:
AI历史进展中
各种路线的时间线
和关键人物/作品/理论
的关系图谱
另外,和其它技术图书类似(是的,类似流畅的 Python 之类技术人员自己写的图书);
书中各种小扣儿比正文有趣的多,
只是, 作者是海外华人, 用的都是中文中精彩的梗, 目测难以翻译为英文挣些更大的名望.
作者, 明显是业内人士, 从参考文献列表就可以看出,
俺看过,这么多技术类图书, 也就暗时间, 能比肩了,
基本上这本不到300页的小书, 涉及的参考图书数量是俺看过的所有大陆华人写的技术图书参考图书的总合还多...
当然, 看下来还是很爽利的,
特别是最后一章最后一节, 是作者的巅峰之作, 也是全书的精华,
另外, 作者原创的图灵小传也值得反复嗯哼...
简单的说, 这是一部用49城侃大山的精神结构来回顾AI 这一领域发展过程的仙书.
对于准备或是从事 AI 开发工作的程序猿来说,
最大的功能就是知道自己袓师爷们的关系,
以及知道想深入下去, 应该补什么书了.
《人工智能简史》读后感(五)：难读的书
看过「皇帝新脑」吗？「时间简史」第一次引进大陆时，大热，接着出了一大批类似的书，「皇帝新脑」就是其中一本。很难读，所以没有火起来。
这本「人工智能简史」是中国人写的，文笔力求晓畅诙谐，但仍然很难读。这有我基础知识不够的原因，可能也与作者的写法有关。作为普通读者，我不关心学界八卦，大师这个大师那个的。作者索性说出他自己对人工智能关键问题的观点就好了。哪怕带着偏见也好。综合各个作者的「偏见」，我可能反倒能综合出自己的看法。
从哲学的角度看，人工智能有两条纠缠的、交替领先的路线，一条：欧陆哲学，结构学派，建模；另一条：英美经验哲学，功能学派，统计。你觉得中国人更容易接受哪一条？当然是第二条，我们传统的科技就是这个路子，只要实现功能就可以了，结构/原理可以慢慢研究，或者不研究。