人工智能狂潮读后感锦集

　　《人工智能狂潮》是一本由[日] 松尾丰著作，机械工业出版社出版的220图书，本书定价：39.80元，页数：2016-1，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

　　《人工智能狂潮》精选点评：

　　●很适合做为人工智能入门书籍阅读

　　●挺好的。易懂又有趣味性。

　　●相对通俗易懂，章节设计和分析纬度很好，观点相对客观，没那么激进，毕竟是长期研究这个领域的人，更多真诚。推荐新了解这个领域的人先读着一本!

　　●值得再读！

　　●革命尚未成功，同志仍需努力。

　　●科普入门增加兴趣之用，人工智能的历史和简单的知识。（看这位老师的简介觉得他还是很厉害的！！）

　　●目前人工智能的缺陷在于难以预先限定搜索解法的范围。

　　●值得一读，书也比较薄，一个下午就可以读完。 逻辑比较清晰，条理很清楚。 对于比较热门的深度学习，讲解得相当到位----在前往人工智能的高墙前面凿开了一个小洞：程序可以通过学习来提取数据的特征，在这之前任何算法都需要人来提供的待征。

　　●我认为这是一本非常好的科普书。感谢刘知远老师的推荐。

　　●很好的科普书，不过对于想进一步了解人工智能的朋友来说内容略浅～

　　《人工智能狂潮》读后感(一)：为时尚早

　　人工智能曾经有过两个高潮，每一步走得都很艰难，如今迎来的又一个高潮也引发了世界对人工智能负效应的担忧。作为一名AI的研究员，作者没有对人工智能作出太多的价值衡量，尽管他理所应当可以有明显的立场取向。作者更多在向如我一样茫然发现人工智能到来的普通人做科普，讲述了人工智能的发展史。呼吁人们宽容接纳以保护新事物的发展，诸多对人工智能灭亡人类的论调在如今人工智能的发展难题面前显得杞人忧天，但同时也倡导更加透明的人工智能发展机制，使更多人了解这项领域与技术，为当无法预测的“奇点”真正来临时，人类有权选择何去何从。

　　《人工智能狂潮》读后感(二)：6个问题读完《人工智能狂潮》

　　Q1: 什么是人工智能（AI）？

　　专家观点：尚未统一。本书作者松尾丰认为，人工智能是“用人工方法制作的类人智能”，类人智能指的是具有“发现和觉察功能”的计算机，即能够从数据中生成特征量，并对相关现象进行模型化处理的计算机。

　　坊间观点：随处可见。分为4个级别。

　　级别1是单纯的控制程序，相当于公司的临时工，只能按照别人的指示来操作。

　　级别2是传统人工智能，如扫地机器人，相当于一般职员，需要理解很多规则并作出判断。

　　级别3是引入了机器学习的人工智能，如搜索引擎，相当于课长级别，是按照别人规定好的检查项目（提供样本）将业务切实往前推进。

　　级别4是引入深度学习的人工智能，相当于经理人级别，需要自己去发现检查项目（自己寻找特征量）。

　　Q2: 人工智能的发展历史是怎样的？

　　共有三次浪潮。

　　第一次浪潮（20世纪50-60年代）是推理和搜索的时代。能够解决迷宫问题、智力游戏、挑战国际象棋及将棋（toy problem）。但是无法解决生活中真正需要解决的问题。

　　第二次浪潮（20世纪80-90年代）是知识的时代。通过引入某个专业领域的知识，结合推理，出现了“专家系统”，具有了一定的产业实用性。但是，计算机无法理解含义；知识描述的复杂程度远超预期，输入永远没有穷尽；框架问题，符号接地问题无法解决。

　　第三次浪潮（21世纪起）是机器学习与特征表示学习的时代。

　　1-机器学习：在web及大数据领域，计算机自动找到区分方法，由此对未知事物进行判读和识别，进而做出预测。弱点：计算机不能做出选择特征量的判断。

　　2-深度学习：深度学习是多层结构的神经网络，从数据中发现特征量或概念，然后使用这个聚合块再去发现更大的聚合块。标志性成果：2012年谷歌的“猫脸识别”。

　　Q3: 人工智能是否已经实现？

　　人工智能尚未实现。

　　因为人工智能在“从这个世界里面应该关注何种特征并提取信息”这点上，还必须借助人的力量。

　　但是深度学习为解决机器学习的弱点提供了一线曙光。

　　Q4: 深度学习之后又将如何发展？

　　深度学习是特征表示学习的一个类别。作者判定，今后大概会利用”特征表示学习“这个技术，将此前的人工智能研究路径重走一遍。

　　1-从图像获取特征表示及概念

　　2-获取多模态的特征表示及概念（视频+语音+压力等）

　　3-对行动与结果进行抽象化

　　4-通过行动从现实世界提取特征量

　　5-语言理解和自动翻译

　　6-通过语言获取知识（将超越人类？）

　　Q5: 人工智能到底会进化到什么程度？

　　最极端的观点”技术奇点“：人工智能能够自动地创造出超越自身能力的人工智能的那个时点。

　　著名实业家雷·库兹韦尔”最先提出奇点概念：人工智能、遗传基因工程学、纳米技术这三项技术的组成将实现“与生命融合的人工智能”。

　　Q6: 将要消失的职业与被保留的职业？

　　短期到中期来看（15年以内）：掌握数据分析及人工智能的知识和技能非常重要

　　长期来看（15年以后）：大部分工作由人工智能完成，需要人来完成的一类是“需要站在大局层面、样本数量非常少且需要做出艰难判断的业务”，另一类是与人打交道的工作。

　　另外；人与机器的融合越来越重要。

　　《人工智能狂潮》读后感(三)：人工智能的前世今生

　　

总是在电影的片段里看到，人工智能大战人类的场面，这就是看到这本书脑海里回响出的画面。日本作为人工智能发达之国，这次开启全新视角，提问：机器人会超越人类吗？

逐步进化的人工智能，已初步显露喀什超越人类的迹象，那么人工智能是否会毁灭人类呢？

在日本象棋的世界里，2013年五名职业棋手败给了人工智能棋手，同样被击败的还在美国的一个智力竞猜节目，还有高超的汽车自动驾驶技术，都让人不得不承认，人工智能已经越来越走近人类生活。面对人工智能发展如此迅速的今天，很多人担心：人工智能会不会将人类的工作替代？很多电影大片都在描述这一场景，例如《超验骇客》、《她》、《终结者》等，那么电影中描述的这些人类和人工智能的battle，今后是不是真的会在现实生活中上演呢？

一、什么是人工智能？

作者观点，人工智能是“用人工方法制作的类人智能”。而类人智能指的是具有“发现和觉察功能”的计算机。而在很多人理解中，人工智能研究和机器人研究是一样的，其实不然，人工智能相当于机器人的大脑部分。民间对于人工智能的定义是什么呢？一种是把单纯的控制程序认为是人工智能，比如空调扫地机洗衣机之类的。一种是传统人工智能，比如清扫机器人、用于回答问题的人工智能等。第三种是引入机器学习的人工智能，最后就是引入深度学习的人工智能，这也是最为炙手可热的领域。

二、第一次人工智能浪潮

第一次人工智能浪潮是20世纪50年代后半期至20世纪60年代，计算机主要使用“推理和探索”来解决特定问题。 1956年夏天，在美国召开的一次学术会议，会上首次正式出现“人工智能”这个术语，决定将像人类那样思考的机器称为“人工智能”。这个时期的人工智能在60年代大放异彩，人们都觉得计算机真是太聪明了！但冷静下思考，其实能解决的问题已然非常有限，而且现实生活的问题要复杂很多。于是在70年代，人工智能迎来了寒冬时代。终于，人们在第一次人工智能浪潮领悟到关键一点：用计算机来实现人类智能其实是一件极其深奥的事情。

三、第二次人工智能浪潮

第二次人工智能浪潮是在20世纪80年代， 知识导入使得计算机变得更加聪明了，但是知识描述的复杂性远远超过了大家的预想，输入永远没有穷尽，不单单是费时费力这么简单，一个知识输入写了几十年也没完成，还有一系列的框架问题、符号接地问题，都给人工智能画上了大大的问号。于是从1995年开始，人工智能又迎来了一次萧条的寒冬。

四、第三次人工智能浪潮

互联网的广泛普及，特别是21世纪以来，网页的不断兴起，运用海量数据的“机器学习”开始迅速崛起，至此，人工智能研究迎来了第三次浪潮的兴起。通过机器学习，计算机将自动找到“区分方法”或者“划线方法”，就可以对未知的事物进行判断识别，进而进行预测。这种技术在web及其大数据领域已经运用的相当广泛，但是机器学习也有弱点，就是特征量的设计。提高机器学习精确度的关键在于“输入何种特征量”，然而这只有靠人脑思维来解决。

2012年多伦多大学一位教授领衔开发的新式机器学习——深度学习开始走进大家的视线。深度学习以数据为基础，由计算机自动生成特征量，他不需要人来设计特征量，而是由计算机自动获取高层特征量，然后对图像进行分类。获取使用这种特征量表示的概念，在使用这种概念来描述知识，这是人工智能的最大难关，而深度学习为攻克这个难关指明了一条道路。

由此我们得出基本命题：“人工智能完全有理由通过程序来实现”。

回顾三次人工智能浪潮，我们已经可以实现具有较高的识别能力和预测能力、行动能力、概念获取能力及语言能力的智能。人工智能所创造的世界，虽然不会绝对是前途光明的未来，但也不会是一片漆黑的未来，它将使得这个世界一点点的变得多姿多彩。

人工智能是肯定会超越人类的，通过特征表示学习，在一些领域它将超越人类。三次人工智能的浪潮，有兴起也有寒冬，发展到今天，和那些不惧严冬的坚守梦想的科研前人的付出是分不开的。那么未来何去何从，该如何充分利用人工智能造福后人，才是我们更多应该去思考的方向。

　　《人工智能狂潮》读后感(四)：一本人工智能入门书

　　

如今，人工智能已经历半个多世纪的发展，应用范围越来越广泛。尽管如此，普通人还是对它了解甚少。从这个角度看，《人工智能技术狂潮》这本书的面世正当其时。它的作者，松尾丰先生，是东京大学教授，日本人工智能领域的顶尖专家之一。他不但在研究领域成就卓著，还设法向大众普及关于人工智能的知识。这本《人工智能技术狂潮》不但篇幅不长，而且用词浅白，说理深入浅出，完全能让外行人也能看懂。堪称人工智能理论的最佳入门书。

什么是人工智能？

关于这个问题，坊间误解多多，不少商家打着它的旗号招摇撞骗，很多人因此上当。然而在作者看来，人工智能还没有实现。

松尾丰认为，人工智能是“用人工方法制作的类人智能”。所谓类人智能，是指具有“发现和觉察功能”，能够从数据中生成特征量，并对相关现象进行模型化处理的计算机----真正意义上的人工智能，是能够像人类那样进行思考、自主学习的计算机。但“从这个世界里面应该关注何种特征并提取信息”这点来看，现有的所谓人工智能虽然在深度学习上取得了不少进展，却依然要借助人的力量，因此算不上真正意义上的人工智能。

世间有两样东西最为神奇：浩瀚的宇宙，复杂的大脑。人的大脑中，密布着神经元，通过突触，电信号在其中穿梭往来。人的思维、情感，就是神经元活动的结果。科学家们从中得到启发：既然人类思维是一种算法，能不能用计算机来模仿这一过程呢？这就是人工智能研究者们的工作思路。

人们往往把机器人和人工智能混为一谈。实际上，这两个领域既有重合之处，也有显著的区别。

机器人研究是为了拓展人的身体功能，是否需要智能，取决于人想达到什么目的。人工智能的研究，是为了解决复杂的智能问题。目前，人工智能并没有实现，但它的副产品，如搜索引擎、语音/文字识别、在线翻译等成果，早已应用到人们的日常生活中，成为耐人寻味的“人工智能效应。”

人工智能并非最近几年才出现的新事物。它的发展共经历三次浪潮：

第一次浪潮（20世纪50-60年代）

1956年，专家们首次提出“人工智能”这一术语。当时，计算机问世仅仅十年，但一些有预见的科学家认为：计算机一定会比人脑更聪明。所以倡导发展人工智能。在这一阶段，研究的主要方向是推理和搜索，对疑难问题的解决起了推动作用，但因为

无法解决生活的实际问题而沉寂下来。

第二次浪潮（20世纪80-90年代）

需要是发明之母。研究者们吸取了教训，在结合上阶段成果基础上，通过引入特定专业领域的知识，探索出了“专家系统”。比如，机器翻译就诞生在此阶段。这就有了一定的实用性，人工智能产业的发展成为可能。然而，知识表征的复杂程度远超预期，人类编程将没有穷尽。因此，人工智能的发展再次遇到瓶颈。

第三次浪潮（21世纪至今）

深度学习是一线曙光。深度学习，是特征表示学习的一部分。是计算机从数据中发现特征量或概念，然后使用这个聚合块再去发现更大的聚合块的过程。它的进一步发展，将推动人工智能的进步。一旦人工智能的算法完全实现，将有一个超越人类智能的计算机。

如果这一天真的来临，人类将何去何从？

对个体来说，15年以内，掌握数据分析及人工智能的知识将非常重要。15年以后，目前大部分工作将由人工智能取代，人能从事的工作，或者是在大局层面进行决策，或者是直接为其他人服务，比如心理咨询师。更长期来看，人与人工智的融合将成为主流。

人工智能的狂潮，是人类是一次大变动。以前的科技，当然推动了社会的变革。人工智能不但将造就社会的变革，还会改变人本身。它代表人类文明的未来。

纵览历史，三次科技革命都是自动化程度的产物，人工智能将社会生产力提高到智能化水平。加上互联网、生物科技、5G、新能源，人类即将迎来一个万物互联、万物智能的时代。智能化时代，创造的新岗位远远不如摧毁的就业岗位多。这让资本主义体系陷入空前的危机。因为有大量劳动者成为“无用阶级”，造成巨大的生产过剩危机。

但另一方面，这意味着马克思预言的物质极大充裕的时代到来了。人类进入免费经济时代，财产私有制将变得荒谬，财产共有制会成为主流，人们不再将追逐财富成为一生的目标。人类将摆脱辛苦劳作的宿命，摆脱雇佣关系的束缚，为自由得表达自我而劳动。在物质极大丰富的时代，需求将成为稀缺资源，人类交换的对象将是时间。

人工智能还将带来人本身的改变。虽然人工智能目前还处于婴儿阶段，但它已经在许多方面碾压我们。这是一种新的生命形态。将来是一定会取代人类的。

是的，它不是我们的工具，它不是我们的敌人，而是我们的延续。这并不是件悲惨的事。人是注定被超越的，因为我们只是宇宙进化的一个环节---从碳基到硅基，从自然进化到自我进化，不再受限于短暂的生命，有限的大脑容量，就是宇宙的进化。

　　《人工智能狂潮》读后感(五)：人工智能狂潮知识梳理

　　

人工智能是否会超越人类？

在某些方面，是的。例如，围棋，国际象棋，智力竞猜，自动驾驶等活动，人工智能确实比人类的表现更加优异。但是，也有局限，那就是这些活动更偏向于有规则的活动，更偏向于某一领域，人工智能的未来发展，可能会更偏向于全面的人工智能，像人一样思考，决断，和行动。但是，也非常困难。

人工智能入侵的领域

围棋象棋等棋类运动竞猜比赛机器人考试医疗数据分析自动生成菜谱Call Center的自动问答自动驾驶金融高速交易系统法律关键证据的提取新闻和科幻小说的自动生成

人工智能的奇点

　　当人工智（可以理解成一切技术）能进化到足够聪明，并且能够创造出比自己更聪明的人工智能时，人工智能的智能将会无限扩大。

　　低一级的人工智能创造出比自己高一级的人工智能，当该过程以惊人的速度无限重复时，人工智能会出现爆炸性的进化。

人工智能的定义

　　探明人类智能的原理，通过工程学的方法加以实现。也就是对人类智力活动的模拟。

　　最终的目标，可能是，像人类一样思考，偶尔犯错误，拥有感情及团队精神。

　　人工智能可以实现的原理基于，人类的智力活动以神经突触等为模型与计算机的电路计算原理一致。这个地方理解可能会有些浅薄，人类的智力活动应该会更加复杂。

　　作者的定义：用人工的方法制作的类人智能。类人智能是指，能从数据中生成特征量，并对相关现象进行模型化处理的计算机。最后，计算机的定义也可能被宽泛化。

民间人工智能的定义

单纯的控制程序。这些更多是if else等的控制工程学，已经发展很久了，不能算是人工智能的领域传统人工智能。输入与输出的关联方式极为考究和严谨，并且输入输出的组合数目惊人。利用推理搜索或者知识库等来实现。可以理解为，输入输出是预置的伪人工智能。引入机器学习的人工智能。基于大数据进行自动判断的人工智能。其推理规则或者知识库，是通过数据样本的自学习而获得的，而非传统人工智能的人类关联而来。引入深度学习的人工智能。机器学习，是通过人工设定若干特征值对数据样本进行学习，学习出规则来，应用到更广泛的数据上。中间的特征值的获取，需要人类的干预，而深度学习，可以对特征值（需要关注数据的什么地方）本身进行学习，减少了人工干预。

第一次人工智能狂潮

　　传统人工智能。

　　迷宫问题，梵塔问题

二者均可转换成树，利用深度或者广度优先算法进行遍历

　　博弈：

制定规则，对盘面进行打分，以获取最大分数，极大极小原理不追求每一步旗子的意义，追求终局的输赢概率

　　局限：需要在明确好的规则中去考虑问题，不能解决实际问题。

第二次人工智能狂潮

　　依靠知识的支撑，像人一样学习知识，成为专家系统。

　　局限-知识描述的复杂：

当知识达到一定的量级，会出现彼此之间的矛盾专家系统无法理解模糊表示

　　正确表示知识：本体研究「part-of」和「is-a」的关系有时可传递，有时不可。又可分为两大流派，重量级和轻量级。前者由人来认真研究如何表示知识，后者将数据输入计算机，并由计算机来寻找概念之间的相关性。

　　IBM 沃森：在维基百科的知识描述的基础上来生成轻量级本体，再将其用于知识解答。并未理解问题，只是将知识的关键字抽出，提取候选答案，对候选答案进行评分。

　　框架问题：快要耗完电池机器人需要从山洞中搬出装有定时炸弹的电池。

　　第一次设计：搬出电池和炸弹。简单粗暴，但是未考虑，如果搬出电池，会连炸弹一起搬出，会爆炸的。

　　第二次设计：考虑事情的后果。考虑，如果洞内温度太低怎么办，墙壁的颜色会不会变化等，无关因素太多。考虑不清楚。

　　第三次设计：只考虑与任务有关的后果。在判断「与任务有关」这个问题上，就跪了，有无穷无尽的无关问题，无法遍历。

第三次人工智能狂潮

　　自然语言处理的基本思路是机械的将对译概率较高的词语找出来组成句子。

　　学习即根据特征值进行yes/no的区分。

　　机器学习：有监督学习和无监督学习

　　有监督学习：输入已知，输出已知，

　　无监督学习：提供输入数据，需要计算机找出数据的内在结构的场合，更类似数据挖掘，根据数据，频繁进行处理，来找出一定的规则。

　　各种各样的分类方法：

最近邻分类算法：距离某一分类的最短距离即属于该分类。朴素贝叶斯算法：计算分类中的概率，最高者入瓮。决策树：分析某个属性是否属于某个值。支持向量机：划分间隔最大化。计算量太大。人工神经网络：权值调整并加和，误差反向传播。

　　机器学习的难点：特征值的选取。例如，预测年收入，应该选择什么样的特征值进行学习，是性别，居住地，证书还是其他的，而特征值的选择优良与否决定了结果的正确率。而深度学习解决了这个问题。

　　深度学习：

输入，隐层，输出的自动编码器输入与输出一致逐层学习

　　思路：

输入是728维，根据算法压缩至100维的隐层，可以使100维放大到728维的输出层（自动编码器）100维作为输入，根据算法压缩至20维，同样可以使20维放大到100维不断重复下去，直到学习到某个特征值加入噪音提升健壮性

人工智能的未来

图像特征的学习来模拟人类视觉对行动和结果进行抽象化处理通过行动获取特征值语言理解和自动翻译，模拟人类的语言功能获取知识

　　人工智能是否需要本能和欲望以及人工智能的实体会以什么样的形式存在，上升到哲学的观念。

　　预测能力和知识转移的适应力决定人才在人工智能领域的发展。