感知世界——讀《終極算法》有感

? ? ? ? 人工智能時代將是不可逆轉的時代。

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ——題記

? ? ? ? 試想一下這樣的場景:今日清晨的成都又是伴隨著陰雨綿綿,你的天氣感知系統(tǒng)早已為你預測到了今日的陰雨天氣,并準時在七點鐘照射進第一縷模擬自然光,伴隨著模擬日光和溫和的鬧鐘聲睜開眼,根據大數據得知的這首很不錯的音樂,似乎成為了今日很不錯的開始皆怕;“今日推薦穿搭”系統(tǒng)已通過以往的數據推測你想要穿的衣服,并提供了一些方案西篓,在選擇后端逼,你的機器助手為你找出這套衣服并送到你面前;你的機器助手很聰明污淋,根據感知得到的體內系統(tǒng)的數據和近日的健康狀況已經為你量身定做了一套適合你的早餐顶滩;今天的二環(huán)路似乎有一些擁擠,不過沒關系寸爆,智能車載助手已為你選擇好了最佳路線和最精確的開車時長礁鲁,甚至某個紅綠燈的顏色......

? ? ? ? 事實上,在這些中的很多應用赁豆,當今科技已經可以做到了仅醇,QQ音樂、網易云音樂等音樂APP的今日推薦是根據你的收藏和搜索列表等為你量身定做的魔种;淘寶析二、亞馬遜等電商平臺是根據你往常挑選的衣服提供的“必買清單”;各種只能手環(huán)节预、手表可以實時監(jiān)控你的心率等身體指標......是的叶摄,你不得不承認,人工智能就在你身邊安拟,且是一個不可逆轉的趨勢蛤吓。

? ? ? ? 人工智能包含有很多領域,其中一定不可缺失的就是機器學習算法糠赦。算法即解決問題的一系列方法会傲,而機器學習算法能夠通過數據進行分析,然后自己找到解決問題的方法拙泽。換句話說淌山,程序員將不再需要給計算機編程,計算機會自己給自己編程顾瞻。在我看來泼疑,這可能是作為程序員的終極福利,也是最渴望的狀態(tài)了朋其。

? ? ? ? 機器學習正在重塑科學王浴、技術、商業(yè)梅猿、政治氓辣,甚至戰(zhàn)爭。且這一狀態(tài)是可不逆轉的袱蚓。如果說钞啸,4G時代終將結束,5G將接替它喇潘,而人工智能是不可躲避的趨勢体斩,人類正在這條路上昂首踏步。工業(yè)革命使手工自動化颖低,信息革命使腦力自動化絮吵,而機器學習使自動化變得自動化,這聽起來很不可思議忱屑,但事實如此蹬敲,機器具備了學習的能力;但事實上這只是一個時代的變革莺戒,就像工業(yè)革命解放了手工業(yè)伴嗡,這只是未來的必然趨勢。

? ? ? ? 事實證明从铲,其實在很多方面瘪校,人工智能早已遠遠超過了人類的能力,IBM沃森在《危險邊緣》游戲中戰(zhàn)勝了人類名段,阿爾法狗在圍棋峰會上戰(zhàn)勝了世界冠軍柯潔......這可能是人工智能留給我們的一個問題:當機器可以完全擁有人類甚至超過人類的學習能力時阱扬,人類能做些什么呢?

? ? ? ? 我想,用這本書中的一句話作為答案應該是:不要和人工智能對抗伸辟,要讓人工智能為你服務价认。人類的最大訴求之一是讓世界來適應自己,而非自己適應世界自娩,機器學習就可以做到這一點用踩,它使世界能感知我們想要的東西,并為此做出改變忙迁。因此人類也沒必要再糾結于人工智能比人類聰明的事實了脐彩,算法幾秒鐘就可以實現(xiàn),人類可能要用幾千年甚至上萬年姊扔。但是惠奸,我們不應該忘記的事,人類是人工智能的締造者恰梢,是我們給予了它感知世界的能力佛南。

? ? ? ? 另外一方面梗掰,不得不考慮的一方面是倫理問題。不可否認嗅回,未來的人工智能存在著對人類造成威脅的可能性及穗,甚至存在著不可控的狀態(tài)。在電影大片里绵载,我們常彻÷剑看到未來五百年的異能人即將毀滅人類,毀滅人類娃豹,統(tǒng)領世界——也許這是存在可能的焚虱,既然機器學習可以自己弄清楚如何做一件事情,這似乎沒什么不可能的懂版,更何況現(xiàn)在的人工智能已經能夠獲取情感鹃栽,捕捉情感。本書在講述人類對于人工智能的憂慮——“機器會不會給我們要求的而不是想要的東西”時提出了很有趣的一個觀點躯畴,它給出的答案是機器正在做的就是這件事情谍咆,當我們在電商平臺想要買一塊手表時,它會恰巧提供其他類別但是人們往往被其所吸引的商品私股,這不是恰巧摹察,是數據所得。其實人的大腦可以比作一臺支持向量機倡鲸,人類如果擔心計算機會過于只能就會統(tǒng)治世界的話供嚎,他們很愚蠢時就已統(tǒng)治了世界,但他們確實沒能落得這樣的結果峭状。正如上文所提及的克滴,事在人為。試圖戳破與人類道德的底線不是理智的行為优床,這也是為什么在每一所高校的工程學專業(yè)都會開設一門工程倫理課程劝赔。

? ? ? ? 通過簡單介紹了機器學習的五大學派以及它們的主算法:符號學派和你想演繹,聯(lián)結學派和逆向傳播胆敞,進化學派和遺傳算法着帽,貝葉斯學派和概率推理,類推學派和支持向量機移层。作者的意圖也并非是讓作者搞懂每一種專業(yè)算法仍翰,看不懂的部分大可直接跳過,這本書的目的主要秉持著一種科普理念观话。讓更多的人能夠愿意去了解未來的科技趨勢予借,同時也是未來吸引更多對這一領域有興趣的人加入到這一課題中。現(xiàn)如今,科普各類學科的書林林總總灵迫,作為一名計算機專業(yè)的本科生秦叛,科普人工智能,我選擇這一本——《終極算法——機器學習和人工智能如何重塑世界》瀑粥,此篇讀后感也是為了科普計算機事業(yè)獻出自己的一份力量挣跋,也希望廣大讀者愿意花費自己的一些時間多了解一些這個世界的未來。

? ? ? ? 說起未來利凑,依我之見,人類共同目標致力于探索這個世界的奧秘所在嫌术。世界神秘面紗正在一層一層被揭開哀澈,感知世界,未來可期度气。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末割按,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子磷籍,更是在濱河造成了極大的恐慌适荣,老刑警劉巖,帶你破解...
    沈念sama閱讀 218,525評論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件院领,死亡現(xiàn)場離奇詭異弛矛,居然都是意外死亡,警方通過查閱死者的電腦和手機比然,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,203評論 3 395
  • 文/潘曉璐 我一進店門丈氓,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人强法,你說我怎么就攤上這事万俗。” “怎么了饮怯?”我有些...
    開封第一講書人閱讀 164,862評論 0 354
  • 文/不壞的土叔 我叫張陵闰歪,是天一觀的道長。 經常有香客問我蓖墅,道長库倘,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,728評論 1 294
  • 正文 為了忘掉前任论矾,我火速辦了婚禮于樟,結果婚禮上,老公的妹妹穿的比我還像新娘拇囊。我一直安慰自己迂曲,他們只是感情好,可當我...
    茶點故事閱讀 67,743評論 6 392
  • 文/花漫 我一把揭開白布寥袭。 她就那樣靜靜地躺著路捧,像睡著了一般关霸。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上杰扫,一...
    開封第一講書人閱讀 51,590評論 1 305
  • 那天队寇,我揣著相機與錄音,去河邊找鬼章姓。 笑死佳遣,一個胖子當著我的面吹牛,可吹牛的內容都是我干的凡伊。 我是一名探鬼主播零渐,決...
    沈念sama閱讀 40,330評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼系忙!你這毒婦竟也來了诵盼?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 39,244評論 0 276
  • 序言:老撾萬榮一對情侶失蹤银还,失蹤者是張志新(化名)和其女友劉穎风宁,沒想到半個月后,有當地人在樹林里發(fā)現(xiàn)了一具尸體蛹疯,經...
    沈念sama閱讀 45,693評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡戒财,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,885評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了捺弦。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片固翰。...
    茶點故事閱讀 40,001評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖羹呵,靈堂內的尸體忽然破棺而出骂际,到底是詐尸還是另有隱情,我是刑警寧澤冈欢,帶...
    沈念sama閱讀 35,723評論 5 346
  • 正文 年R本政府宣布歉铝,位于F島的核電站,受9級特大地震影響凑耻,放射性物質發(fā)生泄漏太示。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,343評論 3 330
  • 文/蒙蒙 一香浩、第九天 我趴在偏房一處隱蔽的房頂上張望类缤。 院中可真熱鬧,春花似錦邻吭、人聲如沸餐弱。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,919評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽膏蚓。三九已至瓢谢,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間驮瞧,已是汗流浹背氓扛。 一陣腳步聲響...
    開封第一講書人閱讀 33,042評論 1 270
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留论笔,地道東北人采郎。 一個月前我還...
    沈念sama閱讀 48,191評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像狂魔,于是被迫代替她去往敵國和親蒜埋。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,955評論 2 355

推薦閱讀更多精彩內容