《终极算法》的读后感10篇
《终极算法》是一本由[美] 佩德罗·多明戈斯著作，中信出版集团出版的平装图书，本书定价：68.00元，页数：402，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。
《终极算法》读后感(一)：人工智能是不得不面对的未来
我是一个典型的理工盲，高中时物理考试曾经考过全市倒数第一，100分只得了16分，着16分里面肯定有蒙对的因素，可以说基本没有开窍，这么多年的工作也是纯文字的，万万想不到，一直不看电视的我，因为对智能手机的依赖，居然对人工智能产生了兴趣，尤其是2016年，阿尔法狗虐了李世石，成为人工智能元年的开始，我甚至感受到了一种危机：人工智能肯定会使得很多行业的人失业，我会包括在内吗？毕竟，在美国，很多新闻稿件已经由电脑完成了，很多司机也会被无人驾驶汽车取代，处于这种好奇，当得知有《终极算法》时，我决定买来一读，了解一下机器学习的原则，看看他到底是工具还是竞争者。
《终极算法》虽然讲的是IT的学习，但，还算通俗，不至于让很多小白看得云里雾里，而且，这本书最大的好处就是，与生活息息相关，让你不至于感觉像读一本计算机考级的教材，比如购物网站用算法来为你推荐商品，你买一本西游记会给你推荐水浒传，点评网站用算法来帮你选择餐馆，GPS系统用算法来帮你选择最佳路线，公司用算法来选择求职者……这一系列都与你息息相关，看似没有关联的行业，背后都是终极算法在运作，好像一只看不见的手，但一切都与他有关，所以说，算法已经深深影响了我们的生活，使我们产生了依赖，甚至，当你离开淘宝和美团，或者微信，你是不是怅然若失。那么，随着人工智能的发展，尤其当机器最终学会如何学习时，将会发生什么？《黑客帝国》中预言的场景会不会到来？这个可真不好说，虽然大家都很乐观，认为机器不可能获得人类情感，但随着学习能力的不断加深，谁知道呢？这就不是终极算法所能回答的问题了。
但我总体感觉，至少在未来十年内，人工智能还不会获得人类情感，只要获得不了人类情感和自主性，那就没办法实现黑客帝国中的场景，机器依然是工具。人工智能，不可避免的未来，你准备好了吗？
《终极算法》读后感(二)：书是好书，但翻译和编辑太差了
书是好书，对于机器学习各学派的特点和逻辑关系讲的很清楚，但翻译和编辑的质量实在是太差了。比如涉及到的一点点数学中，上下标没有表现出来，比如2的10次方就写成210，那意思就完全变了，害的我算了半天也不对。还有很多专业的机器学习术语翻译的完全不符合传统，让人看了很困惑，也会影响读者做进一步的研究。另外还有大量错别字和语句不通顺。
一直认为中信出版社很重视图书质量，但在最近引进大量进口优质图书的同时却忽视了翻译和编辑的质量，实在让人非常失望。像这种高层次的书，你不找一个有相关机器学习研究经验的人来翻译那是绝对不可能翻译好的，我非常怀疑原作者可能连英文版都没有读懂。建议大家有条件还是去读英文原版。
《终极算法》读后感(三)：翻译太滥了--完全欠缺相关学科常识的翻译
先读了英文原版的前两章，觉得读英文还是费劲，然后买了中文版开始读。
从第三章开始读，读了没几页，就觉得蛋疼了。翻译大概是英文专业毕业，但是对自然科学毫无了解的吧。但是科普书的翻译难道是纯粹的语言翻译的问题吗？难道这类书翻译完后不需要经过任何review吗？
（1）
第三章的前面几页中的翻译不通也就咬咬牙忍过去了，当看到说牛顿所阐述的推理的四条法则的第三条，
。。。我们可以这样表述：
彻底懵逼了！翻了翻原文：
ewton’s Principle: Whatever is true of everything we’ve seen is true of everything in the universe.
翻译读懂了这句话吗？进而读懂了这本书吗？就敢这样瞎翻~~~~~~~~~~
（2）Another dierence between symbolist and connectionist learning
is that the former is sequential, while the latter is parallel.
...另一个区别就在于，前者是按次序的，而后者是平行的。
看得蛋疼！sequential/parallel --> 按次序的/平行的...中信出版集团能确定这不是用Google翻译出来的？
《终极算法》读后感(四)：算法的博大精深
虽然我是学数学的，但对于算法，我的第一反应是计算机编程，因为在现在这个飞速发展的时代，一切事物越来越依赖于计算机，包括数学上的复杂计算都是通过计算机来解决，从而在数学领域也延伸出计算数学这一分支。 很多人或许会好奇，计算机这么多功能都是怎么发展起来的，这就是我想说的编程，也就是机器学习。而这也是目前人工智能的主流技术，随着智能时代的到来，各种机器人以及前段时间引发热议的“阿尔法”都将在未来取得广泛应用。想深入了解机器学习的原理，并揭密算法的背后，就让我们进入这本《终极算法》一探究竟。 作者围绕两个方面展开本书的叙述，解释机器学习原理和帮助创造终极算法。详细的介绍了机器学习的5 个学派：符号学派将学习看作逆向演绎，并从哲学、心理学、逻辑学中寻求洞见；联结学派对大脑进行逆向分析，灵感来源于神经科学和物理学；进化学派在计算机上模拟进化，并利用遗传学和进化生物学知识；贝叶斯学派认为学习是一种概率推理形式，理论根基在于统计学；类推学派通过对相似性判断的外推来进行学习，并受心理学和数学最优化的影响。 在书里，作者一直希望找到一种融合各种算法的优势，可以解决所有应用问题的通用算法，即终极算法。尽管作者为了证明这一想法，从神经科学、进化论、物理学、统计学以及计算机科学五个方面进行论证，但我依然对此持否定意见。从古至今，无数的数学家在寻找通用算法，却从未找到过，毕竟世上问题包罗万象，怎么可能恰好找到能符合所有问题特性的解呢？反过来，倘若真的有这么一种算法存在，将所有问题迎刃而解，那这个世界还会进步吗？ 其实，不管这个想法能否实现，将此作为这个领域的终极奋斗目标，始终不是一件坏事，哪怕一直无法解决，总能为这个领域的发展做出贡献，正如牛顿说的“我之所以比别人看得远些，是因为我站在巨人的肩膀上。”也只有这样，人类前进的步伐才会永不停滞，我们的未来也将越来越美好。 看书之前，我对算法的简要了解，仅知道这是在数学的基础上发展起来的，以模式化的语言表达包含丰富信息的逻辑结构，甚至傻傻的以为只有数学基础够好，稍微学习下计算机语言，就可以编出程序，但真的如此简单吗？看完全书，才明白之前太天真，算法也是包含了很多学科的一个分支，要想学好它，实在要付出不少努力。尤其在“大数据”时代，掌握好算法，必然是前途无量啊！
《终极算法》读后感(五)：终极算法已在多大程度上影响我们的生活？
作为一位机器学习领域研习10 年以上的专业技术人员，我当初入行的时候没有想到，短短的10 年间，这项技术会如此快速地改变众多行业，并影响全球数十亿用户生活的方方面面。在今天，当你用今日头条浏览新闻资讯的时候，当你用网易云音乐查看推荐歌单的时候，当你在百度搜索信息的时候，当你在互联网金融平台申请借款的时候，甚至在你调戏Siri 和小冰的时候，其实都是其背后的机器学习算法在云端服务器中为你默默服务。但对于这样一种重要技术，市面上一直缺少一本适合普通读者的入门科普读物，而众多的专业书籍要求读者具备一定的高等数学和计算机基础算法知识，并不适合科普的需要。直到朋友将《终极算法：机器学习和人工智能如何重塑世界》推荐给我时，我欣慰地发现，这正是想了解一点机器学习的读者所需要的。
多明戈斯是华盛顿大学的终身教授，也是一位在机器学习领域具有20 年研究经历的资深科学家，一直致力于融合各种机器学习算法的优势，提出一种可以解决所有应用问题的通用算法，即终极算法。在这本书里，作者详细地阐述了他的思路。其实我个人在阅读本书的过程中，始终对“终极算法”的提法充满怀疑。在我看来，机器学习作为人工智能领域的主流技术，在现实社会中一直以技术工具的面目为人所知。不同的技术流派和相应算法往往可以很好地解决一些问题，却对另一些问题一筹莫展。所谓的终极算法真的存在吗？如果存在，有价值吗？
可以拿内燃机举个例子，就我这个外行来说，也知道存在活塞式发动机、涡喷发动机、涡轴发动机、涡扇发动机、涡桨发动机、冲压发动机等不同种类的内燃机。不同的内燃机特性迥异，适用的工况也不尽相同。小到家用小汽车，大到导弹驱逐舰，人类制造的各种机动设备，都可以根据自己的效率需求、动力需求、寿命需求，乃至启动速度等多种需求维度选择发动机种类。如果有人非要搞个终极内燃机，并企图用这种内燃机替代现存的各类内燃机，为所有大大小小、需求不同的机动设备提供统一动力，估计大概率是要失败的。这种通用的终极内燃机如果能搞出来，在大部分领域肯定竞争不过各领域的专用内燃机，或者成本太高，或者能效太低。
后来我发现，很多普通人可能没有意识到自己的生活中机器学习算法的影响已经无处不在，机器学习已经在逐渐接管现实世界。大众对这样一种技术的认知程度和该技术的重要性相比显得远远不够，在不远的未来，了解机器学习并有能力利用机器学习改进自己工作的人在职业发展上会具备巨大的优势。“不要和人工智能对抗，要让人工智能为你服务”是作者诚挚的忠告。而要利用好机器学习这个工具，并不一定需要读一个计算机博士学位，但有必要了解一些基本的概念，了解各种技术的优缺点和能力边界。正如一位称职的驾驶员不必了解具体怎么制造汽车发动机，但是对发动机的工作原理和种类还是需要略知一二的。因此，相比一板一眼地介绍机器学习的典型算法，多明戈斯设计了一个更引人入胜的套路：先抛出一个“是否存在一种终极算法”的问题，然后带着大家回顾机器学习发展史上的重要流派和代表算法。每回顾一派，就鼓励大家思考终极算法应该如何借鉴这类算法的优点。好奇的普通读者带着疑问读完本书后，不论其是否相信终极算法的存在，至少对各类算法都会有一定的印象。以讨论终极算法为名，行科普之实，到这一步，我觉得多明戈斯的目的已经达到一半了。
另外，无论终极算法是否存在，多明戈斯希望这个大胆的问题能够激发部分读者的好奇，甚至被这个问题吸引成为机器学习的专业研究人员。确实，每一种学科都需要至高的理想驱动向前，就如同物理的大一统理论，当无数杰出的天才为一个终极问题孜孜以求时，就算这个问题本身在这些人的有生之年可能没有答案，但是这个学科一定会因为这些伟大的探索历程取得辉煌的进步。我想，这也许是因为多明戈斯对机器学习的热爱夹带的另一个私货吧。
《终极算法》读后感(六)：人的学习、机器的学习以及终极智能
2017年被称为所谓“人工智能落地”的一年，甭管是真的还是概念上的吹牛逼，作为一个曾经粗浅地借用机器学习算法开发过推荐系统的程序员，以及对人的学习也很感兴趣的人，今天，我们就一个两者的一个侧面：学习，来谈谈两者对比带来的启发。
以下观点非学术观点，算是个人基于现有材料与个人经验的一个小讨论。各位看看就好。
01 人的学习
关于人的学习，我之前一直强推的学习科学的集大成者：《为什么学生不喜欢上学？》讲的就很不错。我们拿三个点，一个是人的学习的“硬件基础”、一个是人的学习过程、一个是人的学习的结果来说说人的学习的特点。
首先，人的学习“硬件”，主要是两个，一个是短期记忆区，一个是长期记忆区。人在学习的时候，新事物先进入容量非常有限的短期记忆区，只有经过重复、刻意练习之后，知识以及知识之上的理解才会进入长期记忆区间这个资料库。
其次，人的学习过程是连续的，也就是说，新的概念，都是建立在已有的知识基础上的。对于全新的领域，如果我们一无所知，理解起来是非常困难的，某种意义上说，领域越新、同时没有“元知识”，即大部分学科共有的科学、哲学基础知识，学起来也很散乱，难以突破知识的“表层结构”达到深层理解。
最后，学习，无非是从菜鸟到专家。就这个学习的结果而言，专家比菜鸟强的地方主要在于两处，一个，是对事物的理解更加抽象，更容易发现问题的结构与事物的模式；一个呢，就是这种模式愈发标准化，或者说收敛到某个信息节约的知识结构标准。（后面这一点的解释：专家和菜鸟对知识都会形成结构，但专家们的结构在抽象上更加接近为一种更合理、效率更高、更标准的知识结构，菜鸟的知识结构则是浅层的、具体的甚至错误关联的。）
02 机器的学习
现在的人工智能，和大多数大学科（比如人格心理学）一样，都是由几个大的派别分立支撑的，每个派别都有着自己独立的解释范式与实践手段，在达到最终目标——人工智能的路上，分歧是非常明显的。
比如符号学派，核心在于推理。怎么推理呢？我们可以建立一个规则集，以“如果……那么……”为规则，推定一个概念的支撑条件。把这个规则集图形化，就是典型的决策树。比如有个游戏，心里面想一个数字，固定回答次数猜数字，只能回答“是”与“否”，游戏里面我们可以问，这个数比xx大吗？/比xx小吗？根据很简单的数学推理，我们就能够确定最快猜出的决策路径和最小需要的次数。
比如联结学派，其代表算法，神经网络与深度学习（多层神经网络），就相当于一个过滤器，对于通过这个网络的信息，通过加权的奖惩机制，形成特定的认知结构。
比如进化学派，其主要参考思想是生物的进化——当然，在算法里面，则是认知结构的进化。对于进化产生的每一代认知结构，我们都是择优录取（PS：父代的结构和子代的结构也同时参与竞争），最后，进化几千几万代，选择出符合目标的最好的结构。
比如贝叶斯学派，基于简单的贝叶斯定理（以及其某种意义上的扩充：马尔科夫链），依托于背景信息（包括主观倾向），根据相关联的新信息不断调整原有的结构以改善认知。
比如类推学派，基于相似性事物的相似性定义空间距离，由此及彼地进行学习。（PS：之前构建的推荐系统的主算法就是基于相似性的协同过滤算法，混合式的。）
——虽然路径很多，但归根结底，机器学习都是基于统计上的连续性（有些事物表面不连续，但深层是连续的，这种连续性很可能是一般统计理论难以识别的），力求发现事物的深层结构与模式。
03 从混沌到模式再到直觉
发现模式、从无序中构建秩序，不仅仅是学习，也是事物逆向演化的一般逻辑：从高熵演化到低熵。
这也提示我们，所谓的学习问题，在更基本的层面上，是个演化的问题，或者说计算的问题。（计算主义）
曾经有人将“大师”，也就是专家和大数据处理做对比，谈到一个很通俗的观点，就是“大师”之所以聪明，其实是因为他见的多了，比一般人拥有更丰富的人生经验——这和大数据多么相似！所以，大数据，就是用计算机再造“大师”。
这个类比当然值得思考，比如我们还可以说，人的学习和机器的学习，归根结底都是数学的——数学的主要目标，就是在发现更基本的结构和更深层的模式。（比如非常基础的基于对称性的群论，就是典型的研究结构与模式的数学，一个结构通过各种映射演变为别的结构，其对称性是以何种形态保持的？这些对称结构组成的是什么群？不同的结构是否只是表面的不同并且只是某个更基础的结构的帷幕之一角？）
当学习本身结构化之后，对于机器和人，都可以称之为一种“直觉”。比如对于人的微笑的识别，我们仅凭直觉就可以辨识，而无需从头开始，进行还原主义式的分析与组合。
联想到专家和菜鸟的差别——专家哪怕是任凭直觉瞎猜，也比菜鸟要快、也要准确地多，这便是因为专家已经具有了内在的知识结构。
04 终极算法与智能形态
今年刚出的《终极算法》这本书里，作者作为一个浸淫机器学习领域数十载的专家，提出了一个猜想，那就是：对于现今分立的各个机器学习流派，是否存在一种终极算法，可以将这些流派综合、统一起来？
我们元思考一下，发现作者这样的想法，也算是“数学思考”了，那就是力求在不同的知识结构中，寻求一种更基础的结构，能够统摄已知的几大结构与看法。
这本书虽然是科普，但对于对机器学习毫无了解、数理知识一般的人来说，我认为并不好懂。（比我这篇“深度阅读”难得多。）
作者的谈到的所谓“终极算法”，总的来说，是一种从微观结构建立到宏观结构修整，结合了逻辑与概率两条进路，博采于各家的“混合算法”。
但是，如果你对人工智能的研究历史略有了解，你会发现，某种程度上说，作者所要寻找的“终极算法”，算是一种研究上的回归。
怎么个回归法呢？
其实，人工智能在早期的时候，确实如大家所想，是一种仿生化、建构主义的研究——比如，模仿人脑来进行机器学习。
但是，人脑又是怎么学习的呢？意识的形态是怎样的呢？人类智能究竟是怎样一种智能呢？——这些，都是哲学问题，或者说，随着哲学的语言学转向，这些又变成了某种语言学、逻辑学问题。
后来，商业驱动人工智能发展，简单粗暴的机器学习算法（比如基于马尔科夫链的语音识别、机器翻译）比这些建构主义的方法有用地多，人工智能也逐渐变成了数据与算法驱动。
随着支撑其的几大领域成熟，现在，我们又站在了一个汇聚点：综合这些方法。而这种综合，你仔细一看，其实就是构建一个弥补了人类认知缺陷（比如记忆空间、线性推理速度、并发吞吐量等）的超级大脑模型。
——某种意义上说，这就是人类学习与机器学习的大综合。
这种综合但是又类似人脑的智能形态，究竟是怎样的智能形态？这种智能形态的完成，是真的突破奇点，造出了上帝吗？这种可以自主进化的“机器”，算是智能的顶峰同时也是智能的终结吗？
以上只是猜想。
*
本文首发于公众号：罗文益
罗文益
《终极算法》读后感(七)：自我意识的终极算法
米开朗基罗说：塑像本来就在石头中，我只是把不要的部分去掉。
人工智能一直有一个有趣的话题，就是它是否会威胁人类的安全。最经典的系列电影《终结者》就是机器人与人类的战争，这场人机大战比人类历史上的每一次战争都要残忍，所以使观众们在电影中对人工智能产生了惧怕心理。其实在现实生活中，这些事情在近期还是不会发生的，因为如今的人工智能，还是一种计算机模式，它们是没有思维和意识的。现在存在于我们身边的最常见的人工智能，应该就是苹果手机自带的Siri了，人们在和它对话的时候，只能得知一些能在网络上查到的信息，没人会真正把它当作是一个人去交流的。
举个例子，我们平时上网的时候经常会弹出淘宝的小广告，而广告中的商品基本上都是我们平时经常浏览的。这就是淘宝自己的算法，它把我们平时点击的东西学习到存储中，然后通过固定的公式反馈给我们。人工智能和机器学习的结合使得人们省去了不必要的麻烦，这些数据是人类创新的工具，当然最终决定进步的关键还是人类自己。
算法是科技语言的关键，不论是互联网产品还是机器语言，都离不开算法的判断，可以设想一下，如果计算机掌握足够的数据，AI是否可以直接驾驶汽车，代替出租车的作用？在自动驾驶领域中，算法的判断，可以直接控制车辆行驶的方式，要是前方出现障碍物，数据告诉车辆应该避开，算法通过判断控制，而终极算法，作者是这样在书中描述：“终极算法”就是通过机器学习的方式，自动发现和创作其他所有的算法的“主算法”。
可以用异形中的母体，或《黑客帝国》的母体来直接比喻终极算法，终极算法就是一切算法的母体，而其他算法就是终极算法的延伸创造，如果“上帝”有一个算法，那么“终极算法”就是所有算法的上帝，
“终极算法”能够感知和认识世界，具有自我意识、能够自我净化，可自动编写任意代码完成任意人物。这是人工智能与算法的结合体，如果在加以全息投影，那么科技研发成本将会大大降低，而计算精准度将会提高很多。
但是按照这个形式，科技不断的发展下去，《终结者》的画面是否有一天会真正降临到人间？世界兴于科技，希望最后科技带给人类的是健康与幸福，而不是好莱坞电影中的毁灭画面。
《终极算法》读后感(八)：让机器学会“思考”的终极算法
不得不感慨，中信出的很多和计算机与互联网有关的书籍我都读过，而这本《终极算法》可以说是花费我精力和时间最多的一本了，为什么？因为这本其实如果严格来说并不完全是科普读物，应该说成是半科普半专业书籍，很多方面可以说是需要拥有一定的人工智能方面研究理论基础的人才能完全读懂这本书，当然了，内行看门道，外行看热闹。这本书即使是我们这些外行人来看，也是相当不错的关于人工智能和机器学习领域的好书，大体上来看，皆是可以理解的，这点你们大可不必担心，而且可以说，看完全书，对于人工智能我算是有了一个全面的了解了，受益良多，这本书在我看来，是实实在在的一本好书。
说完感受，说下书吧。这本《终极算法》是来自美国的佩德罗•多明戈斯先生所著，他的名头可是相当的多啊，美国华盛顿大学计算机科学教授、国际机器学习学会联合创始人、《机器学习》杂志编委会成员、JAIR前副主编、美国人工智能协会院士等等，他在机器学习与数据挖掘方面著有200多部专业著作和数百篇论文，还曾荣获SIGKDD创新大奖（数据科学领域的最高奖项）、斯隆奖（Sloan Fellowship）、美国国家科学基金会成就奖（NSF CAREER Award）、富布赖特奖学金、IBM学院奖以及多个顶级论文奖项。可以说，在数据挖掘、机器学习、人工智能这三个领域上算得上是资深专家了。那么，这本《终极算法》又是讲些什么的呢？这个算法啊，可以说是我们在互联网生活中不可或缺的东西，是用来让机器理解我们人类所想所需的最必要的东西，或者可以说是机器的“思维”，机器通过算法来计算我们需要什么，然后展示我们想要的东西给我们，你看：购物网站用算法来为你推荐商品，点评网站用算法来帮你选择餐馆，GPS系统用算法来帮你选择最佳路线，公司用算法来选择求职者。。。。。。机器的思考来自于算法，而这，也正是人工智能（AI）最重要的构成部分。
不同于传统算法，现在悄然主导我们生活的是“能够学习的机器”，它们通过学习我们琐碎的数据，来执行任务；它们甚至在我们还没提出要求的时候，就能完成我们想做的事。是的，通过借助大数据和云计算，机器学习进入了一个全新的阶段，机器开始越来越有“智慧”了，通过“主动”学习，他们开始“懂得”我们在想些什么了。在《终极算法》中，佩德罗•多明戈斯先生还向我们展示了机器学习五大学派，这每个学派都有自己的主算法，能帮助人们解决特定的问题。而如果整合所有这些算法的优点，就有可能找到一种“终极算法”，该算法可以获得过去、现在和未来的所有知识，这也必将创造新的人类文明。可以说，了解“终极算法”能够带给我们一个崭新的科学世界观，使我们能够预测以后的科技发展，布局未来，占位未来！不论我们身处什么行业、做什么工作，了解终极算法都是很有必要的事情。
《终极算法》读后感(九)：终极算法资源免费分享
也许不知道，但机器学习就在你身边。当你把查询信息输入搜索引擎时，它确定该向你显示哪些搜索结果（包括显示哪些广告）。当你打开邮箱时，大部分垃圾邮件你无法看到，因为计算机已经把这些垃圾邮件过滤了。登录亚马逊网站购买一本书，或登录网飞（Netflix）公司网站观看视频，机器学习系统会推荐一些你可能喜欢的产品。脸书（Facebook）利用机器学习决定该向你展示哪些更新，推特（Twitter）也同样会决定显示哪些文章。你使用计算机的任何时候，都有可能涉及机器学习。
传统上认为，让计算机完成某件事情的唯一方法（从把两个数相加到驾驶飞机），就是非常详细地记录某个算法并解释其如何运行。但机器学习算法就不一样：通过从数据中推断，它们自己会弄明白做事方法。掌握的数据越多，它们的工作就越顺利。现在我们不用给计算机编程，它们自己给自己编程。
机器学习不仅存在于网络空间，它还存在于你每天的生活中：从你醒来到入睡，每时每刻无所不在。
早上7 点你的收音机闹钟响起，播放的是你之前从未听过的歌曲，但你的确很喜欢这首歌。Pandora 电台（可免费根据你的喜好播放歌曲）的优势在于，根据你听的音乐，电台掌握了你的品位，就像你自己的radio jock 账号一样。这些歌曲本身可能借助机器学习来播放。接下来你吃早餐，阅读早报。早报在几个小时前印好，利用学习算法，印刷过程经过仔细调整，以免报纸出现折痕。你房间的温度刚刚好，电费明显少了很多，因为你安装了Nest智能温控器。
微信Qtest1更多免费分享资源
《终极算法》读后感(十)：人类如何把握终极算法?
(1) 一本关于机器学习的科普著作，最适合IT学生、研究者和从业者阅读；非IT读者可能比较烧脑。
(2) 最有价值的部分是系统讲解了机器学习五大流派（符号学派、联结学派、进化学派、贝叶斯学派、类推学派）的基本思想和原理、主算法，以及发展的脉络. 这不简单。
(3) 作者以探求终极算法为目标和主线。这样的探求和物理学寻求大统一理论有相似的动机。
(4) 如果按作者的定义：“终极算法可以获得过去、现在和未来的所有知识，它的发明将成为人类最伟大的科学成就之一。” 那么，终极算法的存在也许并不成其为问题。说终极算法是存在的，会错吗？若非如此，那么宇宙何以演化到这个状态，人类何以进化到这种高度，人类大脑何以如此智能？也许，关键的、有实际意义的问题是：这样的终极算法人类是否能把握？它的使用场景是怎样的？
(5) 如果撇开寻找终极算法的目标，作者揭示各机器学习学派的局限性，显示在复杂智能系统中综合运用多种机器学习算法，具有现实的紧迫性。
(6) 阅读中碰到几处笔误，如下：
第55页第11行：“影”后漏了“响”字。
第203页第1行：“打电话给跟说”漏了两个“你”字。
第205页第5行：“鲜有的时间”应为“鲜有的事件”。
第213页倒数第5行：“蒙特卡落法”应为“蒙特卡洛法”。