《智能时代》的读后感10篇
《智能时代》是一本由吴军著作，中信出版集团出版的精装图书，本书定价：68.00，页数：374，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。
这本书内容比较浅，基本属于讲故事、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢？另一条发展机器智能的方法，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。
《智能时代》读后感(二)：智能时代，未来已来
标题来自书本序言，出自混沌大学创始人李善友教授之手，在此借用。
总的来讲，本书主要内容是在探讨基于大数据的机器智能是如何发展的、将如何影响人们生活的方方面面以及如何应对。
大数据给世界带来的改变很深刻，最深刻的是思维方式的转变——从因果论的机械思维到相关性的相关性思维。这里转变的不只是解决问题的手段——如今我们有能力在全集上分析问题，也终于有能力在全集的基础上精准刻画群体侧面画像，转变的还有看待问题的方法——我们不再是“小心假设，大胆求证”，而是“减少假设，数据自明”。这种转变实际上使得机器智能具备了成为公共设施的基础——不必要所有人都懂机器智能是如何工作的，对于使用者来说只需要明白有这样一个工具可以在数据全集上找到恰当的结论即可。因此，这会迅速引起一场商业革命。
实际上，这场革命已经开始：在书本中已经列举了包括酒吧、冰箱制造商在内的传统行业利用大数据的手段改善经营状况。但是，还有更多的行业在探索如何将数据有效整合起来探索新的模式——首先是数据的获取问题，寻找有效的获取数据的方法可能不是一拍脑袋就想得到的；其次，如何从这些数据中发现价值依然需要一个指导方向；最后，如何利用数据发现的规则设计更合理的模式。
书中另外一个精彩内容是最后一章——论述了智能革命带来的正面影响和负面冲击。我认为作者实际上是问了这样一个问题：智能革命大大解放了生产力，大大促进了生产，只需要更少的人就能够养活全世界，那么剩下的人怎么办？作者通过论述第一、二、三次工业革命的历史进程，得出来的结论不容乐观——只有通过时间的作用才能使革命带来的巨大的生产力解放得到释放。我们很不幸地处于这个历史进程，我们也很幸运地处于这个历史进程。
所以整本书，可以说是一本科普的书，读完全书能对当下最时髦的概念——大数据、机器智能、区块链等有进一步的理解，尤其是大数据。但是我觉得更像是一本宣传鼓动的书——因为他描绘了两个世界，一种是参与到革命的进程中，跟上历史的车轮向前，另一种则是抗拒革命，被历史抛弃——这两者之间的差别，不可以云泥计。至于事实上是否真的会有这么严重，这个就仁者见仁了，只不过历史告诉我们，至少前三次是这样的，如果抱有怀疑，最好祈祷太阳底下会有新鲜事。
至于革命已经发生，这是毋庸置疑的。当然，这是读本书之前就已经知道了的。实际上，很多人都已经知道——置身在一个全社会都在讨论大数据的环境下，很难不去想大数据会如何影响世界。本书的效用只是在于让读者知道这个过程是如何的不可抗拒。
《智能时代》读后感(三)：浅谈大数据技术与人工智能技术之间的关系
重读吴军博士的“智能时代-技术的拐点”章节有感，以及自己的一些思考。大家似乎都有这样一个直观的感性认识，人工智能从2015，16年开始似乎又进入了一个快速的发展阶段，各种人工智能的概念性产品纷纷涌现，遍地开花，尤其是创业者，感觉到特别兴奋，纷纷想要打造出革命性的产品，改变世界，这个时候其实我们有一点纳闷，有一点疑惑，为什么一项已经发展了半个多世纪之久的人工智能技术在今天这个时间点能够被大家普遍接纳和采用，大家开始有能力去构建一个人工智能学习系统，呈现一种突破性的发展态势，我们肯定在想这背后发生了什么，是的！
这十几年来，还有一门技术非常火，那就是大数据技术，有人曾经这样形容大数据技术与人工智能技术的关系，说：
人工智能就像潜力无限的婴儿，而大数据是喂养婴儿的奶粉，奶粉的数量和质量决定了婴儿的智力发育水平。那么这十几年以来，大数据技术取得了哪些突破性的进展，我们分成四个维度来分别看一下，如下图所示：
《智能时代》读后感(四)：偶然了解
1.中国古代有四大发明，为什么没有爆发工业革命和形成现代文明社会的基础，原因回到欧几里得的《几何原本》和牛顿的《自然哲学的数学原理》所形成的思维方式：世界是可以认知的，可以用确定的规律用简单的数学来表示，且是有因果关系的，这种思维方式形成体系，渗透到自然科学和社会科学中，都遵循这些规律取得的科学成就和社会成就，以致成为现代文明社会的基石；
2.信息时代的世界具有不确定性，呈现出测不准的规则，大数据具有量大、多维、完备的特性，其更多给人提供了一种新的思维方式，变智能问题为数据问题，用强相关的关系来取代因果推理关系，大数据穷尽举例的优势取代过去大胆假设小心求证的机械思维方式；
3.世界是不确定的，所有的问题都在于解决这个不确定性，把不确定变为确定的，比如石油开采技术的确定性解决了现代能源问题，天体运动规律的确定性解决了航空航天问题，现在互联网时代的不确定，就需要用大数据+，信息熵来解决确定性的问题。
《智能时代》读后感(五)：每天阅读一百页之第九本
阅读笔记时间：320分钟，三星。
数据与信息，通过筛选有用的数据得出信息。
【从科技史的角度，分析大数据的作用，发展；以智能革命的角度对比前几个革命分析机器智能会带来的行业变革，对社会的冲击。】
简单准确的模型与数据驱动方法。地心说，日心说的模型。苏联与美国的航天飞机，德国与日本的光学透镜。
数据的数量与样本的代表性。文学文摘与盖洛普你对美国总统罗斯福与兰登的预测，以及盖洛普对杜威和杜鲁门的预测
【概率论，统计学，必须要学习的基础知识。记录自己的时间，记录工作的数据，记录现金流等等，都是在积累原始数据，然后通过数据发现规律，改进自我和工作。】
鸟飞派：机器要像人一样思考才能获得智能。SYSTRAN。
统计+数据。Google翻译，贾里尼克与IBM的语音识别，机器学习
大数据：3V，大量，多样，及时。百度的“吃货”，斯维尔的2012大选预测，智能交通管理。big而不是large.
智能问题为数据问题。深蓝与卡斯帕罗夫的象棋对弈，自动问答我why与how
【认识到人工智能发展历史中思维的转变与曲折艰难，方法论是最重要的】
机器思维：欧几里得、托勒密、牛顿。通过观察获得数学模型的雏形，然后利用数据来细化模型。1世界变化的规律是确定的，2从确定性出发可以用简单的公式或语言描述清楚规律。3规律应该是放之四海而皆准的。
确定性（可预测性）和因果关系
工业革命，瓦特的蒸汽机。爱因斯坦的相对论，青霉素
三个公式质能转换，量子力学测不准原理，熵
熵，信息熵：信息的度量就等于不确定性的多少
互信息：强相关性。吸烟有害健康的美国诉讼，研发新药，搜索公司的点击模型
香农第一定律与霍夫曼编码 （吉尔德定律）用嘴短的编码方法给最常见的汉字，使平均长度无限的接近于它的信息熵
【不确定性，强相关性，信息论】
通过大数据分析智能电表用电的情况住种植大麻。用大数据分析小商户偷税漏税。塔吉特用大数据分析推荐促销信息。亚马逊的大数据推荐销售，有商品直接推商品。netflix推荐视频。Google搜索关键词提示及相关搜索。酒吧酒架的改造，收集数据分析数据。普拉达RFID芯片。金凤公司收集数据转型为服务商。穷举法改善搜索质量。Google自动驾驶。
新技术+原有产业=新产业。蒸汽机，纺织、运输、陶瓷。电，电梯，交通，通信。计算机，银行，证券商，农业。
大数据，机器智能。IT产业链。工业革命之后需要推销，之后广告业，商业链，服务业
GE的智能冰箱。
【从产业发展的历史来说，新技术必然会带来行业颠覆。拥抱新数据，用新的技术革命转型】
技术挑战
收集，储存，传输，处理，应用。
电脑，传感器。摩尔定律。大数据的并行处理
有数据，不会共享，收视率的问题。nest智能空调控制器，刻意收集的信息会变形。
数据产生的量大于能储存的量。数据的安全问题，完整性与防丢失。检索问题，随意访问调用
并行计算与实时处理。数据挖掘噪音。用大数据警示异常操作。隐私问题，保险公司，黑心商家，飞机票。
【大数据的相关技术已经比较成熟，】
以色列的智能农业，勇士队用大数据训练。工业4.0，特斯拉用机器人，基因检测，个性化的医药。医学影像检测，达芬奇手术台，IBM沃特森。制药业的革命，癌症医治, caliao.律师案例分析，新闻稿的自动写作，
【律师，医生，金融，等需高智商的行业都可以被机器智能替代，基本装配生产，富士康等，将会对整个社会产生冲击】
智能革命
人流量预测，智能交通，智能信号灯，智能路线。身份识别，反恐。比特币，区块链。追踪每一次交易。个性化医疗。无隐私的社会。
农业到工业，工业到电器，工人从农民转化为工人，之后为服务业。无业的人工作怎么办。英国全球殖民，美国西部大开发，德国第一次世界大战。新技术一开始让极少部分人收益，大多数人被淘汰，半个世纪一两代人之后才能对整个社会收益，更长的时间才能传播到全球。通用的退休员工福利，底层人找不到工作。
争当2%的人，新的思维方式，积极拥抱大数据和机器智能。
《智能时代》读后感(六)：智能时代_概要
第一章： 数据——人类建造文明的基石
1.发展历程：数据——>信息——>BI（大数据等）
2.让大量数据成为可用信息的几个基础：
相关性（e.g 王进喜大庆油田；google trend禽流感预测）
统计学（e.g 盖洛普公司总统大选）
数学模型（e.g切贝雪夫不等式）
第二章：大数据和机器智能
语音识别
机器翻译
文本的自动摘要或者写作
2.人工智能的两方向：
传统派，模仿人思考的方式
数据驱动法（e.g google翻译，有特定对应，类似于“死记硬背”）
3.大数据的特征：
Vast 大量
Variety 多样性
Velocity 及时性
第三章：思维的革命（因果关系到强相关关系）
1.思维演变的过程：
以牛顿定律和麦克斯韦方程式为代表的理论科学
模拟复杂现象的计算科学
（以上机械思维方法，通过分析找到原因，根据原因得到结果）
数据密集型科学
（不确定性，e.g 电子云；信息熵）
香农第一定律，即香农信源编码定律，对于信源发出的所有信息设计一种编码，那么编码的平均长度一定大于该信源的信息熵，一定存在一种编码方式，使得编码的平均长度无限接近于它的信息熵
香农第二定律，信息的传播速率不可能超过信道的容量
第四章：大数据与商业
1.一些应用大数据的案例：
通过智能电表分析家中中毒的人
塔吉特通过智能分析推测怀孕的客户并推荐相应产品
亚马逊在客户购买时和购买后推荐的商品不同
etflix用户推荐系统
通过在酒品底部装RFID射频芯片，防止酒保偷酒，并分析销量
普拉达衣牌中的RFID芯片
通过RFID芯片做刀跟踪产品流程，无人收银
google无人驾驶，是google已经成熟的街景项目的延伸
GE公司的智能冰箱，提醒客户购买耗材，其利润和冰箱类似
小米以手机获客，掌握大量客户数据
2.从第一次商业革命以来的变革公示：
现有产业+特定时代新技术=新产业
第五章：大数据和智能革命的技术挑战
1.主要讲了数据的产生、存储、传输和处理
2.机器学习方法：
人工神经网络算法、最大熵模型、逻辑自回归。
机器学习的过程是一个不断迭代、不断进步的过程，即“期望值最大化”的过程。
使得机器学习效果最好的方法是通过大量的数据，而不是复杂的模型。
3.大数据时代数据安全非常重要
第六章：未来智能化产业
未来农业：以色列严重缺水，却能成为农产品出口大国，通过大数据，让每一滴水直接被植被根部吸收，并测量土壤的湿度
未来体育：勇士队通过大数据分析，卖掉不需要的球星，专注培养高成功率投手
未来制造业：特斯拉工厂全部由机器人操作
未来医疗：医药制品不再标准化生产，让特定效用的药品可以为特定群众受用
第七章：智能革命和未来社会
1.以工业革命对社会的影响三个阶段推断信息革命：
第一阶段，发明家和工厂主收益
第二阶段，全体国民普遍受益
第三阶段，整个世界收益（二、三阶段需要大量的时间）
2.信息革命比前两次工业革命对社会大众的冲击更大：
前两次革命可以通过对外输出，输出过剩产能，而信息时代已无向外拓展的殖民地
信息革命的巨变，可能会因为社会维稳等原因，进度不会这么剧烈。而去除落后产能的最有效方法只能是代谢此时的这代人
《智能时代》读后感(七)：成为2％:大数据，发展之、使用之。
智能时代 和 理性乐观派 物演通论 与机器人赛跑 必然 信息简史 这几本书合着看。
物演通论 可以讲得反面点，不过主体思想可以贯穿到一起:
1.未来不确定
2.利用科技提高自己达成目标的概率
3.社会现在发展的很棒，未来会更棒。人与机器将会真正地共同生活。
4.机器带来的隐患，需要靠继续发展来解决。
5.顺应潮流，“任何一次技术革命，最初受益的都是发展它、使用它的认，而远离它、拒绝接受它的人，在很长的时间里都两是迷茫的一代。”
——读完后想到了三句话
1.认知:弱小不是致命的，傲慢和无知才是。
——《三体》
2.探索:假如我们需要搞清楚一件非常不确定的事，或是我们一无所知的事情，就需要了解大量的信息。相反，如果我们对某件事已经有了较多的了解，那么不需要太多的信息就能把它搞清楚。——香农指出 信息量与不确定性有关
3.只有了解未来，才能把握当下。——金树人《生涯规划与指导》
《智能时代》读后感(八)：数据将带领人工智能腾飞【内附本书思维导图】
人工智能是未来10年可期有大发展的领域，也是我们从事数据行业的职业愿景。看我这本书，更加坚定这是一个可期，有意思的方向。下面是我读这本书的过程中，产生的对于数据分析和应用的一些理解和总结。
基本思路
经典思路：目前在做数据分析时，采用的是传统的逻辑推理的分析的思路。先提出问题，再通过严谨的逻辑推理进行验证，解释商业问题。
新思路：尝试使用相关性进行数据挖掘分析；就是数据挖掘的一些技术，比如聚类、决策树、随机森林等高级统计模型。这种思路做出的东西，一般而言是技术门槛较高、解决经典思路无法解答的问题，也符合当前流行的大数据思维、人工智能思维。新思路的处理问题逻辑，先有相关性分析，找出导致问题的相关性因素，然后再解释背后的商业逻辑。
适用范围
经典思路：符合人脑的思维模式，由A —>B —> C的逻辑顺序。在解决小而美的独立case时，效率高。比如，“为什么今天某个页面的转化率突然升高啦”这类的问题，通过逻辑推理，一步一步下钻，可以很快定位原因。
新思路：这是AlphaGo下围棋是采用的思路，决策next move是因为next move对最终赢得棋局概率最高。这是一种结果导向的思维，将智能问题变成了数据问题。AlphaGo不需要知道如何布局，只关注每一次的落子都在提高最终胜利的概率。这种思路可以解决目标明确且影响因素众多的决策问题。
附上读书时做的思维导图，供各位参考。【有兴趣的可以留下邮箱获得清晰版本，豆瓣不知如何上传清晰版本】
《智能时代》读后感(九)：未来人类会被机器控制吗？--读吴军《智能时代》
“未来的时代我们是否会被机器控制？”吴军的博士答案是不会，但是人会被懂得制造智能机器的人控制，因此我们要去争当那2%制造智能机器的人。
那么为什么人不会被机器控制呢？那要从对机器智能（或者叫人工智能）的产生模式说起。传统人工智能从模仿人类的思维方式入手来制造智能机器，被称为“鸟飞派”，但是实际生活中人们对语意的理解除了语法，还包括对于语境下以往积累的常识或者说对于世界的知识共同作用来判断的，吴军博士举了语音识别领域的一个例子：pen（既可以指铅笔，也可以指围栏）的例子， the pen wan in the box和the box was in the pen用同样的语法分析，这两句话会得到相同的语法分析树，而仅仅根据这两句话本身，甚至通篇文章是无法判定pen在那一句话中应该作为围栏，在哪一句话中应该是钢笔的意思，在20世纪70年代，最好的传统语音识别准确率只有70%。而吴军博士所推崇的人工智能产生模式则来自于数据驱动。
也是在语音识别领域，贾克里尼首次将机器智能的问题转化成了通信问题，继而在训练机器智能的过程中实际上变成了数据问题。他认为人的大脑是一个信息源,从思考到找到合适的语句,再通过发音说出来,是一个编码的过程,经过媒介传播到听众耳朵里,是经过了个长长的信道的信息传播问题,最后听话人把它听懂,是一个解码的过程。既然是一个典型的通信问题,就可以用解决通信问题的方法来解决,为此贾里尼克用两个数学模型(马尔可夫模型)分别描述信源和信道。至于计算机识别时需要从语音中提取什么特征,贾里尼克的想法很简单,数字通信采用什么特征,语音识别就采用什么特征。这样,贾里尼克就用当时已经颇为成熟的数字通信的各种技术来实现语音识别,而彻底抛开了人工智能的那套做法。在IBM贾克里尼利用积累起来的大数据来训练参数，将准确度提升到了90%。
之后在机器翻译等领域也相继采用数据驱动的方式来提升机器准确率，但是这里的核心就在于需要有足够多的数据量可以让机器来学习，在很长时间内，由于数据量的缺乏，一度在很多领域并未展现出高于传统人工智能的准确率，这一问题在21世纪受益于互联网的迅速普及而得到解决，一方面网络上生产的大量数据的价值逐渐被各个公司所认知而保留下来，另一方面以往积累下来的很多文档等资料也在被高速移到网上，可供机器学习的数据量越来越大，由于以不同形态不同维度存在的数据量的指数级增长，机器学习在准确性提升的同时，可处理的维度越来越广，这时候真正的大数据时代出现了！
什么是大数据时代的核心特征？首先是数据量大（big)，第二就是多维度，由于数据的记录往往并没有建立在具体的特定的数据运用的假设之上，我们看到的原始数据可以从各种维度上去分析解读，利用机器把这多维度的东西整合起来后我们就能得到立体的且是精细化的应用场景；第三是完备性，当数据足够大时，能够捕捉到以往容易忽略的小概率事件，因此相较于传统的统计方法或者是基于特征分析推演的结果往往无法覆盖长尾的情况，大数据有能力做到完全命中！
那么，如何将大数据应用到商业中呢？吴军博士强调首先要做思维方式的变革，从传统的强调因果关系的思维方式转化成强相关关系。基于大数据的特征，我们只需要找到特定场景下的强相关数据流（从细节到整体），那么面对特定场景下的个体我们就能从他当时的行为预测其下一步的行为（从整体到每一个细节），从而做到精准推送。（这一块目前在电子商务等领域已经越来越成熟了）。
当你分散的行为痕迹，被机器在不同维度上捕捉到并且还原为整体时，可能机器会比你更懂你自己，它知道你在几分钟后可能需要什么东西，并且愿意为此支付多少钱，它就可以通知周围的某商户在你还没行动之前就送到你手上了，是不是很惊喜，但是同时是不是很恐怖？机器本身虽然不知道自己在做什么，但是它确实控制了你！在很多场景下，我们是受益者，但是不排除某些情况下我们会由于种种有意无意的隐私泄露而被置于利益受损的境况。这也是吴军博士一再呼吁大家重视隐私的核心关切点。
智能时代的另一个双刃剑在于，机器智能对很多行业进行重塑之后（比如：医疗、新闻业、律师行业、甚至体育行业等），效率将得到极大提升，人类的健康长寿等前景会更加美好，但是一大波人将在就业市场被机器所取代，自工业革命以来的每一次革命带来的产业革新都会使一大波“传统行业”的人失去饭碗，而这一次机器可能将取代的是人类最核心的器官“人脑”的劳动，那么很多使用“脑袋”在工作的人的职位被取代后，下一波的产业升级将往哪里走，让人能有一份工作带来的起码尊严呢？还不知道。
在这种情况下，我们还能做什么呢？自工业革命以来的前三次革命（我称为蒸汽机革命、电的革命、晶体管革命）实际上都对社会造成了断裂式的影响，老的模式跟与之相关的群体均要经受淘汰过程中的阵痛，直到大约2代以后这股阵痛才会逐渐缓解消失，而目前的第三次晶体管革命的阵痛还未散去，智能革命已经气势汹汹而来，我们能做的就是在各个领域搭上智能革命的快车，争做那2%控制智能机器人。
《智能时代》读后感(十)：核心在于思维的革命
具体到下棋的策略，AlphaGo里面有两个关键的技术。第一个关键技术是把棋盘上当前的状态变成一个获胜概率的数学模型，这个模型里面没有任何人工的规则，而是安全靠前面所说的数据训练出来的。第二个关键技术是启发式搜索算法——蒙特卡罗树搜索算法（Monte Carlo Tree Search）,它能将搜索的空间限制在非常有限的范围内，保证计算机能够快速找到好的下法。
什么是“图灵测试”。
让一台机器和一个人坐在幕后，让一个裁判同时与幕后的人和机器进行交流，如果这个裁判无法判断自己交流的对象是人还是机器，这就说明这台机器有了和人同等的智能。这种方法被后人称为图灵测试。
古希腊罗马后，人类对自然的认识变缓，西方进入中世纪。东方在工程和技术上不断进步，但没形成科学体系，没形成方法论。（东方文明长期在技术上领先西方，但在科学体系上远落后于西方，关键就输在方法论上。）最终，发展成科学方法论的任务留给了笛卡尔和牛顿。
笛卡尔的贡献在于提出了科学方法论，即“大胆假设，小心求证”。这在今天仍在使用。
牛顿对近代社会思想贡献最大，直接的贡献在于“用简单而优美的数学公式破解了自然之谜”。指出任何正确的理论从形式上都是简单的，同时又有非常好用的通用性（大道至简）。
人们将牛顿的方法论概括为机械思维。核心思想是：一是世界变化的规律是确定的；二是规律不仅可以被认识，而且可以用简单的公式或语言描述；三是这些规律放之四海皆准。
牛顿的物理学理论是建立在确定性基础，即所谓的绝对时空之上的，他发现万有引力定律则是寻找因果关系的结果。
爱因斯坦的理论也是建立在一种确定性——光速恒定的基础之上的，基于这种假设，利用逻辑推理，就推导出整个狭义相对论。
类似地，如果将重力和加速度等价起来，利用因果逻辑，就能推导出广义相对论。
爱因斯坦，现代物理学集大成者，其思维方式和牛顿是一致的，都是建立在“确定性”基础之上。
机械思维的局限性：否认不确定性和不可知性。信息时代，这种局限性逐渐显现。不确定性是这个世界的重要特征，很多事情难以用确定的公式或规则表示，但并非无规律可循，可用概率论来描述。
香农在概率论基础上建立了信息论。把信息和世界的不确定性（无序状态）联系到一起。
克劳修斯提出“熵”的概念，即一个系统完全达到恒温时，就无法做功，此时熵最大。
香农把熵和信息论联系了起来：要想消除系统的不确定性，就要引入信息。
但是，信息论的作用远不止在科学和工程上——它也是一种全新的方法论。与机械思维是建立在一种确定性的基础上所截然不同的是，信息论完全是建立在不确定性基础上，而要想消除这种不确定性，就要引入信息。至于要引入多少信息，则要看系统中的不确定性有多大。
信息论是一种全新的方法论，与机械思维建立在确定性基础上截然不同，是建立在不确定性基础上。
信息时代的方法论：谁掌握了信息，谁就能够获取财富，如同工业时代谁掌握了资本谁就能获取财富。
香农第一定律（信源编码定律）：对信源发出的所有信息设计一种编码，那么编码的平均长度一定大于该信源的信息熵，同时一定存在一种编码方式，使得编码的平均长度无限接近于它的信息熵。
香农第二定律：信息的传播速率不可能超过信道的容量。描述了通信领域最跟的规律，是自然界本身的固有规律，能解释很多商业行为。如人脉是人与人交往的带宽，人脉不够，发出的信息和获得的信息都有限，生意很难做大。
最大熵原理：当我们对未知的事件寻找概率模型时，这个模型应当满足我们所有已经看到的数据，但是对未知的情况不要做任何主观假设。
智能问题从根本上讲是消除不确定性的问题。
交叉熵：库尔贝克等人提出。它可以反映两个信息源之间的一致性或两种概率模型之间的一致性。两个数据源完全一致，交叉熵为零，相差很大，交叉熵也很大。
大数据的科学基础是信息论，其本质是利用信息消除不确定性。
中国的金风公司是一家生产风能发电设备的公司，2015年时它的风能发电机在全世界的占有率已经排到第二位，这是一个相当好的业绩。
安迪-比尔定律：What Andy gives，Bill takes away. 英特尔CEO 与微软CEO。计算机领域，软件功能的增加和改进要不断地吃掉硬件性能的提升。
历史上影响力可以和正在进行的智能革命相比的，只有19世纪末始于英国的工业革命、20世纪末始于美国和德国的第二次工业革命、“二战”后以摩尔定律为标准的信息革命，一共是三次。这三次革命都有一个共同的特点，那就是它们对当时的社会产生了巨大的冲击，都需要经过大约半个世纪甚至更长的时间才能消化掉。