具体描述
AlphaGo战胜了世界围棋冠军，但无论是聂卫平还是设计AlphaGo的谷歌工程师都无法理解AlphaGo为什么这样走棋，这就是人工智能中令人困惑的“不可解释性”问题。作者从这个问题出发，发现了一类全新的知识——“暗知识”。
一直以来人类的知识可以分为两类：“明知识”和“默知识”。明知识就是那些可以用语言、文字或公式清晰表达和描述的知识；默知识则是个人在感觉上能把握但无法清晰描述的知识，也即我们常说的“只可意会，不可言传”的那类知识。今天，人工智能突然发掘出了人类既无法感受又无法表达和描述的暗知识—隐藏在海量数据中的万事万物间的关系。本书介绍了机器学习五大流派从数据中挖掘暗知识的方法以及各自适用的领域，尤其是神经网络的基本工作原理和目前在商业上应用最广泛的几种形态。同时着重讨论了暗知识对商业和社会的直接影响，比如哪些行业将面临机器认知的颠覆，在不同行业里有哪些投资机会和陷阱。本书最后介绍了目前还没有商业化的，但可能更深刻影响我们的一些神奇的人工智能应用，以及人工智能会在多大程度上取代人的工作，造成哪些社会问题，如何让下一代做好准备等。
作者简介
王维嘉，中国科技大学学士和硕士，美国斯坦福大学博士。曾在斯坦福大学师从人工智能鼻祖之一、美国国家工程院院士伯纳德·威德罗教授。在硅谷学习、工作、创业、投资超过30年，拥有十几项美国基础专利，开发了世界上第一台手持互联网终端，是全球移动互联网的布道者和践行者。目前在硅谷专注投资人工智能，每年调研全球上千家高科技创业公司，访问世界学和研究所。曾受邀在凤凰卫视、中国证监会、深圳市政府等就人工智能进行演讲，反响强烈 。
他是硅谷风险投资公司 CEG Ventures 的创始合伙人，也是中国企业家论坛（亚布力）创始终身理事、中国企业研究所创始理事长、欧美同学会2005委员会共同创始人和第三届理事长、中国企业家环保协会（阿拉善）创始终身会员，以及数字中国共同创始人常务理事。
目录信息
序言 “暗知识”和现代社会
寄语
第一章 横空出世——暗知识的发现
骄傲的人类
天才的哽咽
机器发现了人类无法理解的知识
理性主义和经验主义之争
知识的生物学基础——神经元连接
可表达的“明知识”
只可意会的“默知识”
既不可感受也不能表达的“暗知识”
第二章 榨取数据——机器能学会的知识
机器学习明知识
类推学派——机器学习默知识
机器发现暗知识
第三章 神经网络——萃取隐蔽相关性
从感知器到多层神经网络
神经网络模型：满是旋钮的黑盒子
雾里下山：训练机器模型
AlphaGo 的“上帝视角”
局部最优：没到山底怎么办
深度学习——化繁为简
化整为零的卷积神经网络
处理序列信息的循环神经网络
AlphaGo 与强化学习
神经网络悖论
神经网络五大研究前沿
深度学习的局限性
第四章 逐鹿硅谷——AI产业争霸战
最 新 技 术 巨浪
AI 突破三要素
金字塔形的产业结构
产业的皇冠：算法
技术制高点：芯片
生态大战——编程框架的使用和选择
开源社区与 AI 生态
乱世枭雄
大卫和哥利亚
AI 的技术推动力
AI 与互联网的三个区别
第五章 飓风袭来——将被颠覆的行业
自动驾驶颠覆出行——10 万亿美元的产业
医疗与健康——世界上最有经验的医生
智能金融将导致一大批白领、金领失业
智能时代万物皆媒，人机协作时代已经来临
智慧城市——“上帝视角”的城市管理
重复体力劳动者将被机器人全面替代
打通巴别塔——黑天鹅杀手级应用
全方位冲击
第六章 暗知识神迹——机器能否超越人类
基于深度学习的 AI 本质
科研加速
唐诗高手
真假凡·高
下一场空战
群体学习和光速分享
人类哪里比机器强
人机融合
第七章 “神人”与“闲人”——AI时代的社会与伦理
谁先失业
孩子该学什么
AI 时代的新工种
新分配制度：无条件收入还是无条件培训
贫富悬殊解决之道：民间公益
权力再分配
是否该信任机器的决定
数据如何共享
自尊的来源
机器会产生自我意识吗
结束语 人类该怎么办
致谢
附录 1：一个经典的5层神经网络LeNet-5
附录 2：循环神经网络RNN和长—短时记忆网络 LSTM
附录 3：CPU、 GPU 和 TPU
附录 4：机器学习的主要编程框架
参考文献
· · · · · · (收起)
读后感
很通俗的内容 没什么特色，3.5分吧' 人类未来会与ai机器共生共存，机器早晚会有自我意识，目前的矩阵运算的ai芯片会很快赋予机器接近人类的思维 人类需要克服的自身的陋习，而不是对机器的恐惧 人工智能时代是我们进步的必然不可逆，作为在银行工作过的人，我深刻的觉得早晚会...
关于人工智能的科普。包括技术原理、商业应用的现状与展望、人工智能未来发展等方面。 作者在斯坦福的博士导师是神经网络鼻祖之一，书中对人工智能原理的介绍比较深入。 对人工智能的商业应用，书中花了比较多的篇幅说自动驾驶，看得出来作者在这个领域有比较深入的研究。其他...
关于人工智能的科普。包括技术原理、商业应用的现状与展望、人工智能未来发展等方面。 作者在斯坦福的博士导师是神经网络鼻祖之一，书中对人工智能原理的介绍比较深入。 对人工智能的商业应用，书中花了比较多的篇幅说自动驾驶，看得出来作者在这个领域有比较深入的研究。其他...
关于人工智能及其经济社会影响的图书，一直是近几年的热门选题，乐观者有之，悲观论调也很常见，观点交锋之中的共识在于人类即将迎来革命性变革。 在众多人工智能的图书中，王维嘉的这本《暗知识》颇具启发性，一则跳出了一般性的技术框架，在人类获取知识、处理知识、应用知识...
用户评价
如果要用一个词来形容这本书的阅读体验，那一定是“颠覆”。它不是那种读完后可以轻松归档在“商业管理”书架上的普通读物，它更像是一本需要被反复研读、时常翻阅的工具书，但这里的“工具”指的是认知升级的工具。作者在构建论点时，善于引用跨学科的案例，从古老的哲学思辨到最新的神经科学发现，这种宏大的视野使得书中的结论具有了惊人的穿透力和解释力。我尤其被其中关于“适应性偏差”的章节所吸引，它精准地描摹了大型组织在面对快速变化的外部环境时，其内部认知的僵化过程，这对于任何身处变革浪潮中的管理者而言，都是一剂强效的清醒剂。整本书的节奏控制得极佳，既有令人深思的哲学思辨，又不乏对现实世界运作的辛辣讽刺，读起来酣畅淋漓，毫无晦涩感。
这本书给我最大的冲击，来自于它对现有知识体系的彻底“去魅化”过程。它没有陷入那种对未来技术的过度渲染和空洞赞美，反而以一种近乎冰冷的、实证主义的冷静，揭示了信息不对称背后那更深层的、非线性驱动力。我感觉自己仿佛换了一副透镜，去看待那些每天都在上演的商业博弈，原来看似随机的涨跌、看似偶然的成功，背后竟然隐藏着如此精密的“算法”运作。特别是书中对“不可见数据”和“环境反馈回路”的论述，极大地拓宽了我对“有效信息”边界的认知。这种对既有范式的挑战，并非以挑衅的姿态出现，而是以一种循序渐进、水到渠成的逻辑推演，让人心悦诚服地接受其观点。读完后，我发现自己看新闻时的关注点都发生了微妙的偏移，不再满足于表面的事件描述，而是本能地去探寻驱动这些事件背后的结构性力量。
这本书的叙事结构简直是一场智力上的冒险，作者以一种极其细腻和富有洞察力的方式，引导我们穿越了看似坚不可摧的商业壁垒，直抵那些在传统认知框架下被忽视的“灰色地带”。它不仅仅是在探讨某种新兴的技术趋势，更像是在剖析人类心智与信息处理机制之间那微妙的共振点。我特别欣赏作者在阐述复杂概念时所展现出的那种游刃有余的文字功力，仿佛他们并非在解释理论，而是在为我们搭建一座通往更高维度的观察站。阅读的过程中，我几次停下来，反复咀嚼那些关于决策制定和市场动态的精辟论断，它们如同散落在广袤沙漠中的绿洲，为我枯竭的商业思维注入了新的活力。这本书的价值，不在于它提供了即刻可用的操作手册，而在于它重塑了我们理解“价值”和“权力”生成方式的底层逻辑。那些原本以为是常识的商业法则，在作者的解构下，显得如此脆弱和具有时效性，让人不禁对未来充满了既敬畏又兴奋的复杂情绪。
这本书的文风有一种独特的沉静力量，它不疾不徐，却字字珠玑。它避开了流行读物中常见的夸张口号和浮躁的语调，转而采用了一种近乎学术的严谨和对事物本质的执着探究。我喜欢作者在处理敏感议题时表现出的那种平衡感——既不全然悲观，也不盲目乐观，而是提供了一套更具韧性和持久性的思维框架。这种框架帮助读者跳脱出日常运营的琐碎泥潭，去审视那些决定长期走向的宏观变量。书中对“涌现现象”的论述尤为精彩，它将原本被视为“黑箱”的复杂系统，用一套可理解的逻辑语言重新编码，这不仅为理解市场竞争提供了新的视角，也对个人在信息洪流中的定位产生了深刻的启发。这是一部需要慢品细读的作品，每一次重读都会有新的感悟浮现。
初读时，我以为这会是一本关于技术革新的书，但很快我就意识到，作者的野心远超于此。这本书实际上是一部关于“理解力”的著作。它探讨的不是工具本身，而是工具如何改变了我们对现实的感知、记忆和预测能力，以及这种感知变化如何反作用于社会结构和商业的微观运作。书中对认知负荷与信息过载之间关系的剖析，精准地击中了现代职场人的痛点，让人在阅读时产生强烈的代入感和被理解的舒适感。作者的表达方式非常具有画面感，即便是抽象的理论，也能被转化为清晰可见的场景，这种叙事技巧使得全书的阅读体验极为流畅，阅读的阻力几乎为零，但思考的深度却被层层递进地提高了。它像一把精巧的钥匙，打开了通往一个更复杂、但也更清晰的商业世界的门扉。
AI 科普书，帮助我对一些概念方法有了更深入的理解
可能是目前最清楚的解构AI浪潮的一本书，2019年出版，作者中文母语写作阅读体验流畅，但是有两个技术章节对文科生来说堪比天书……
作者是计算机专业出身，长期从事本领域工作，专业深入浅出，语言通俗流畅。学到新知识。
情感是最难揣测的
快速读了一遍，前部分写的挺好关于知识的划分柏拉图亚里士多德对知识的认知到阿尔法狗的基本原理，让外行看懂的说明了ai，对大数据学习应用，而且对未来的判断就是越多需要处理的行业越容易被代替，越需要感性的职业越不容易被替换，后半部分写的有点草率，干货少水分多，大多数是论证和解释充数，少了感性的作者对未来的判断，感觉不像是一个人完成的书，前后风格完全不同。
