- 看这本书是出于3个原因：1.看了吴军的《数学之美》，敬佩他的文笔，能把深奥的道理和公式说得简单形象，于是在看完他的数学之美后还欲罢不能；2《智能时代》在豆瓣的评分及看过的朋友的口碑都挺好的；3想要了解和进入AI行业。于是便拿起了这本书。
- 但是说实话这本书留给我的第一印象远不如《数学之美》好，纵观2本书，吴军写书的特点就是开篇就会博古论今，追溯历史，站在历史的长河回顾一件事物从无到有的过程。即让读者知道why.这一点在写作或说话中倒真是值得借鉴，在对方心里事先勾勒出整本书的框架，奠定基础，这样我会很自然顺畅的接受接下来的内容。第一章印象深刻的是日本人从刊登在报纸上的一张刘进喜在油田的照片就推断出了油田的位置，油田的产量，直径等信息所以最后能中标。一方面钦佩日本人对细节的把握，二个也说明了数据之间常常有我们意想不到的关联性。人们原本对数据是用逻辑，即所谓因果思维的，但现在还需要引入相关性思维。而这种关联性不是人人都能发觉的，需要我们平时细心的观察，需要我们的知识沉淀，智慧等，所以机会总是留给有准备的人。即使获得了数据，也需要对数据进行处理才能变成有用的信息，才能解决问题。
- 这本书的框架大概是：
-1. 数据----人类建造文明的基石
-2.大数据和机器智能
-3.大数据引起的思维革命
-4.大数据引起的商业革命
-5.技术挑战（主要数据安全）
-6.未来智能化产业
-7.忠告（争当浪潮中那2%的人）
对数据和信息进行处理 后，人类可以获得知识。知识比信息更好一个层次，也更加抽象，它具有系统性的特征。
由于数据量的突飞猛进，由量变（大数据三大特征：vast,variety,velocity）的数据引起了一场思维的质变和革命：商业界，各行业都产生了不同的思考方法和商业模式。比如人们需要由原来的机械思维转化到大数据思维来
在无法确定因果关系时，数据为我们提供了解决问题的新方法，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，这就是大数据的核心。大数据思维和原有机械思维并非完全对立，它更多的是对后者的补充。在新的时代，一定需要新的方法论，也一定会产生新的方法论
数据驱动方法的诞生：
只要数据量足够，就可以用若干个简单的模型取代一个复杂的模型，这种方法被称为数据驱动方法，它是先有大量的数据，而不是预设的模型，然后用很多简单的模型去契合数据（fit data）
一些书摘：
笛卡尔的贡献在于提出了科学了方法论，即大胆假设，小心求证
牛顿最直接的贡献在于他用简单而优美的数学公式破解了自然之谜。他让人们相信世界万物的运动变化规律是可以被认识的
牛顿作为思想家的贡献还在于他指出了任何正确的理论从形式上讲都是简单的，同时又有非常好的通用性，这与东方哲学的大道至简思想不谋而合
从书中还得知以色列的农业已经充分利用起了大数据，特斯拉的汽车流水线上都是机械化操作了，达芬奇机器人是医疗手术系统，已经投入智能手术代替人工手术了，诺贝尔奖金是170万美刀，而由俄罗斯某亿万富翁发起，Facebook,Zuckerberg,Google Sergey Brin和马爸爸赞助的突破奖奖金是300万美刀。谷歌在2014年创建了生命健康公司Calico公司，致力于人类长寿；知道了最大熵原理等；技术改变商业模式；
第五章标题是：大数据和智能时代的技术挑战主要讲数据安全；我们每天都在产生数据，也在暴露我们的隐私，我们提供信息，对方才能给我们提供更好的服务，提供服务的同时也在挖掘我们的更多的信息和隐私，我们可能习惯了在互联网里裸奔，所以不注重保护自己的隐私，可能觉得自己只是普通人，哪有什么公司会来针对我的数据来分析等种种心理，然而这一切的数据意义都非常大。我们处于一个革命的时代，几百年后回头看，就像是蒸汽时代，电气时代，计算机时代，人工智能时代也会是人类历史上一个突破性的革命节点。
本书的最后一章有如画龙点睛，人工智能会对小到个人，大到国家方方面面的冲击和改变，而只有迎接这次人工智能的浪潮，才不至于被淘汰，或在历史留下辉煌的一笔。
总体来说这本书并没有我期望的那么好，可能是因为书中的很多观点我在其他文章或书籍（如《数学之美》，《大数据时代》）都已经看过了，所以也就算不上新颖了，不会带给我很多的brainstorm；书中有些观点阐述得有点分散，在前面出现的章节解释得不够透彻，却又在后面的章节出现了，如数据的相关性这一概念在开篇就有提及，并未详述，在第三章又引出来。
网友评论