2020 7 月读书笔记之三: 深度学习

2020 7 月读书笔记之三: 深度学习

本书作者是人工智能的先驱，是美国的四院院士，他在人工智能的发展上有重大贡献，本书并非讲人工智能技术，而是从一个大师的视角去看人工智能的过去和未来。

  过去的三个危机:

      A. 设计派和学习派。  1956年从达特茅斯人工智能夏季研究计划提出开始，科学家分成了两派，一个是设计派认为智能可以设计出来，比如我们定义一个苹果让计算机识别一个苹果，而另一派是学习派认为应该模拟人脑，教会计算机识别比如通过不断的看苹果的图片从而认识苹果。早期设计派占主导，但是设计派很快就遇到了难题，一个积木问题，如何去搭积木小孩很容易学会，而用程序去描述却很难。而这个积木问题直到2016年才通过深度学习解决。

      B. 感知器算法:  学习派通过感知器算法实现了识别简单的苹果和坦克，但识别能力有限，很容易被干扰。感知器算法模拟的是人的神经元，而大脑有上亿个神经元，科学家必须找到一种算法能组成神经网络。

      C. 计算能力:  1985年作者和另一个科学家实现了误差反向传播算法可以把神经元组成一个网络，但是当时计算机能力太弱，只能有几个神经元。直到2012年随着摩尔定律芯片的发展算力越来越强，并且有了深度学习算法计算机能才能处理的更为复杂的人工智能。Google大脑拥有10亿个神经元。

 人工智能未来的问题

      A. 下一次危机可能是人类越来越不懂人工智能。 Alpha go在下棋的时候出了大家意料之外的一手，人类当时没有看懂，后来分析确实是很好的一步棋。但是如果在医疗和自动驾驶领域人工智能发出了人类意想不到的指令或动作，人类敢相信它吗，到底是算法出错了还是更好的选择，这个带来的后果可能会很严重。人类在看不懂的情况下面会不会相信人工智能，这是一个问题。

      B. 受制于脑科学的发展:  现在的人工智能是模拟和学习人类大脑，但是现在来看人类大脑比人工智能先进很多，人脑不仅仅能耗更低，而且计算速度快很多。更大的问题是人类大脑太复杂现在人类对自己大脑的认知非常有限，所以当人类自己都不了解自己的大脑情况下如何让人工智能来学习人类大脑就无从谈起了。 我们也可以看一下机器人领域相对发展更为缓慢，因为模仿人类的身体比大脑更加复杂。

    C. 受制于芯片的发展:  摩尔定律很快就要失效了，这是因为当前的硅芯片正在快速接近物理的极限，把晶体管做的更小将越来越困难，这样会使算力的增加变得更难，除非科学家能设计出全新的芯片或找到新的物理材料比如碳基芯片才有可能突破这个限制。否则如果芯片不能发展，人工智能的技术也将很难发展。

推荐指数 4.5 颗星