《智能革命》摘录

最近刚读完《智能革命》，摘录部分内容，分享给大家。

Internet大会师

工业革命开始的时候，蒸汽机最出现在煤矿和坑口。因为早期的蒸汽机效率低、能耗大，只有在煤特别多、特别便宜的地方才可能使用。采煤的时候会产生很多水，要从煤矿里面把水抽出来。有了这种需求，又有足够廉价的能源，才会想到用蒸汽机这种办法。一旦得以运用，蒸汽机的技术就不断发展，最终推动工业革命。人工智能也是：当你容易得到足够多的数据时，数据就是新的能源，就是燃料，有了数据燃料，人工智能的发动机就可以运转起来。

技术要做人类生命的延伸

技术员与商人和普通用户的隔阂该如何打破，是我们必须考虑的问题，需要我们有更高的产品思想和跨界学习的谦虚心态。

今日人工智能重在从混沌数据里发现总体“模式”，进而优化生产、服务。

未来已来：焦虑与梦想

PayPal创始人之一彼得·蒂尔（2016准确预测特朗普当选美国总统）在2011年时说过：We wanted flying cars, instead we got 140 characters。140个字符的推特一度热闹无比，但他清楚地看到互联网喧嚣背后缺少什么。他批评人类放慢了进步速度，嬉皮文化代替了进步主义，风投热衷于投资轻资产企业，其中大部分是移动互联网公司，如Airbnb、优步之类，却对未来没有清晰的规划和信心。他认为“互联网+”时代人类在比特层面进步大，在原子层面进步小。因此他果决地投资火箭、抗癌药物以及人工智能。

在历史的重复中变化

遥远的天狼星与地球并无任何因果关系，只是出现在那个位置的时候，正好地球运转到一定的节气——这正是大数据时代的相关性计算的前身。

古人用笨重的石头仪表点燃了数据测量的曙光。与中国的日晷一样，这便是最早的数据可视化技术。

拟合函数方法适合从大量离散数据记录中找寻规律，这正是今天人工智能的基础，机器学习的基本数学方法。

大数据——万物皆数

大数据的特征不仅仅是数据量更多，还有多维度的特点，以及处理非结构化数据的能力。

非结构化数据增长量很快，据推测将占未来10年新生数据总量的90%。而大数据技术可以通过图像识别、语音识别、自然语言分析等技术计算、分析大量非结构化数据，大大提升了数据维度。

计算机神经网络生长与深度学习

当下流行的深度神经网络可分为应对具有空间性分布数据的CNN和应对具有时间分布数据的RNN，CNN往往用于图像识别，RNN则往往用于语音识别和自然语言处理（使得神经网络有一种时间上的深度）

搜索引擎的继续深化

搜索和Feed之间并不是非此即彼，而是相辅相成的关系，在不同场景、不同时段发生不同作用，各司其职，也会相互配合。

有了做搜索的技术储备和数据，做Feed至少在技术上是不难的。而单纯从Feed起家，想去弥补搜索和数据的缺失就比较困难。

人机世界迫切需要新的大脑

地球早已被生物层覆盖。如今，这部生物计算机迎来了第二次进化，那就是同样包裹着地表的计算机、通信网络、各类传感器和人类活动共同构造的信息层所孕育的进化。在数据分子与人类的结合中，新的数据生命形态正在形成。它们需要新的大脑。

第一棒：百度大脑

百度人工智能业务最基础的是“物料层”、有基于GPU/FPGA的云计算平台、深度学习代码平台和大数据储备。这一层提供了进化的环境和工具。最上层SaaS是人工智能的各种应用。介于两者之间的是“人工智能基础技术层”。大脑所具备的“听说“（语音识别和语音合成）、“看”（视觉识别）、“读写”（自然语言处理）等认知功能就在这一层，大脑具备的决策规划、运动控制预测推荐等决策功能也在这一层。

训练“大脑”的过程就是通过试错来熟知世界。

百度大脑的好视力

首先是人脸识别，通过捕捉人脸关键点形成人脸表情网、实现人脸的准确识别；其次是在类似百度地区的产品中，实现地图服务与图像智能识别技术的结合，打造数据无限逼近现实世界的效果；此外，百度无人驾驶技术也正在利用计算机视觉进行程序优化，从而使无人车研发速度加快；图像识别还会被应用于AR领域提高视觉效果。

从勤劳革命到智能革命

当中国已经成为全球第二大经济体，越来越多的人认为我中国无法再完全延续过去的韬光养晦式跟随战略，中国也需要担当引领者的责任，不仅要为全世界创造经济高速了列车，也要提供技术指引乃至文明典范。

三次技术浪潮冲击下的第一制造大国

在宏观层面，制造业正在被边缘化。约翰·奈斯比在1982年写下《大趋势》，其中指出：“日本已经取代美国成为世界工业领导国……日本是第一，但只是一项衰退的赛事的新任世界冠军。”奈斯比认为日本也受到一些新兴市场的挑战，当时中国处于改革开放初期，还没有进入他们的视野。20年后，中国成为工业化竞赛中最新、也可能是最后一任世界冠军。

云做的事情是把复杂性移走，让做云的公司帮企业做IT，不是像传统的ICP（互联网内容提供商）服务公司，派几百个人到你公司去做，而是提供虚拟化服务。例如，过去是在家里建电站、打水井。现在是提供电网、水网，企业只要打开水龙头就可以得到水。企业不再需要部署那么多服务器，不再需要那么重的ERP系统，只需要接入网络，就可以连接所有的服务——计算、存储、数据库。于是商业端服务也消费者化了，方便快捷。

在崎岖的道路上前行

以轨道引导无人驾驶不具备实际应用价值，而且这已经是当时技术条件的“天花板”。不过，这种应用模式倒是在一些送餐机器人的产品中实现了。

苦练无人车的内功与外功

看似只有0.53%的提高，但对于无人车乘坐者的安危，每一点进步都值得坚持。

数据挖掘：智能投资的钥匙

搜索数据能潜藏宝贵的投资决策金矿，是因为人们在主动搜索时一般是不会说谎的。

历史经验：首席电力官的辉煌时代

优秀的CTO绝不只是网管运维，还要发掘公司所有部门、产品与网络的价值链，跟踪最新的技术发展方向。他要了解产品和业务，预判长期技术战略方向，不断跟进业务和技术发展做革新，否则就会像历史上的电力官一样，等到电力普及了，就被工程师或者产品经理代替，不过至今大部分工业企业依然有电力官残余的影子，那就是电工。

没有智能官的企业将被看做旧企业

机器学习具有根据数据反向求得函数逻辑的能力，这种反向推演能力可以给企业运作者提供一种观察企业非显性逻辑的视角。

首席人工智能官的修养

“业务”的概念将会变得模糊，“场景”成为事物运作的核心，这意味着产品不再像过去那样围绕业务来分类，比如新闻App做新闻，电商App做购物等。

如何跨越数据的“马尔萨斯陷阱”

要跨越数据世纪的“马尔萨斯陷阱”，我们需要做三件事：一是对并发的大量数据做出即时高效处理；二是高效存储数据并删除不需要的数据；三是对积存的数据资料进行深入挖掘。

大数据处理平台的大量时间都浪费在集群的通信上。

“思维”倒逼“生理”革命——硬件基础设施创新

人工神经网络是模仿生物神经网络的计算架构的总称，由若干人工神经元节点互连而成，神经元之间通过突触连接。这里，每个神经元其实是一个激励函数，突触则是记录神经元间联系的强弱权值。

神经网络是多层的，一个神经元（函数）的输入由与其相连的上一个神经元的输出以及连接突触权重共同决定。所谓训练神经网络，就是通过输入大量数据和监督，调整输出结果，这个过程就是不断自动调整神经元之间突触权重的过程，知道输出结果稳定正确。然后在输入新数据时，能够根据当前的突触权重计算出输出结果，这样就实现了神经网络对已有知识的“学习”。

工作着是美丽的，智能时代更是如此

现在几乎人人都拥有一部智能手机，但多数人用它打游戏、看电影，刷朋友圈时，没有意识到其中蕴藏着通往未来的入口。

数字鸿沟

吴军（《智能时代》的作者，我也会整理这本书的摘录分享给大家）的一个说法在网上流传：智能时代只属于2%的人，其他98%的人都会成为落伍者。

美国制造业空心化，高新产业未能反哺制造业，而是与华尔街资本结合，在全球寻找利润，加深了美国内部的数字鸿沟。

二十三条军规

这二十三条原则分为研究问题、伦理价值观和长期问题三个部分。这里篇幅原因就不展示出来，可以搜索“人工智能二十三条原则”。