具体描述
《人工智能简史》全面讲述人工智能的发展史,几乎覆盖人工智能学科的所有领域,包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等,以宏阔的视野和生动的语言,对人工智能进行了全面回顾和深度点评。
第2版中每章都有新增内容,并增加了全新的第13章,整理了人工智能几大派别的演化路线和人物的继承关系,有助读者阅读方便。
本书极具专业性、思想性和趣味性,既适合缺少专业背景的读者了解人工智能的来龙去脉,作为人工智能的启迪之书,也适合专业人士了解人工智能鲜为人知的历史,提供深入学习的指导。
作者简介
尼克,曾任职于哈佛和惠普,后创业投资,2016年创立乌镇智库。无论忙闲不忘读书写字,作品多发表于《上海书评》,并有著作《UNIX SYSTEM V内核剖析》和《哲学评书》。
目录信息
1. 背景 2
2. 达特茅斯会议 7
3. AI历史的方法论 11
4. 会议之后 16
5. 预测未来:会有奇点吗? 22
第2章 自动定理证明兴衰纪 27
1. 自动定理证明的起源 28
2. 罗宾逊和归结原理 36
3. 项重写 38
4. 阿贡小组和马库恩 39
5. 符号派的内部矛盾:问答系统和归结原理的失落 41
6. 几何定理证明与计算机代数 43
7. 定理证明系统和竞赛 48
8. 哲学问题 51
9. 现状 55
10. 结语 57
第3章 从专家系统到知识图谱 69
1. 费根鲍姆和DENDRAL 70
2. MYCIN 73
3. 专家系统的成熟 75
4. 知识表示 76
5. 雷纳特和大知识系统 81
6. 语义网 84
7. 谷歌和知识图谱 86
第4章 第五代计算机的教训 93
1. 背景 94
2. 理论基础:逻辑程序和Prolog 97
3. 五代机计划和五代机研究所 100
4. 并发Prolog 103
5. 美国和欧洲对日本五代机计划的反应 105
6. 结局和教训 109
7. 日本还有机会吗:日本下一代人工智能促进战略 111
第5章 神经网络简史 113
1. 神经网络的初创文章 114
2. 罗森布拉特和感知机 120
3. 神经网络的复兴 125
4. 深度学习 129
第6章 计算机下棋简史:机定胜人,人定胜天 135
1. 机器下棋史前史 136
2. 跳棋插曲 137
3. 计算机下棋之初 138
4.“深蓝” 144
5. 围棋和AlphaGo 146
第7章 自然语言处理 149
1. 乔治敦实验 150
2. 乔姆斯基和句法分析 151
3. ELIZA和PARRY 158
4. 维诺格拉德和积木世界 165
5. 统计派又来了 172
6. 神经翻译是终极手段吗? 174
7. 问答系统和IBM沃森 175
8. 回顾和展望 177
第8章 向自然学习:从遗传算法到强化学习 183
1. 霍兰德和遗传算法 184
2. 遗传编程 189
3. 强化学习 191
4. 计算向自然学习还是自然向计算学习 197
5. 计算理论与生物学 198
第9章 哲学家和人工智能 203
1. 德雷弗斯和《计算机不能干什么》 204
2. 塞尔和中文屋 211
3. 普特南和缸中脑 214
4. 给哲学家一点忠告 217
第10章 人是机器吗?——人工智能的计算理论基础 223
1. 丘奇-图灵论题:为什么图灵机是最重要的发明? 225
2. 相似性原则:另一个重要但不太被提及的计算理论思想 230
3. 超计算 234
4. BSS实数模型 235
5. 量子计算 237
6. 计算理论的哲学寓意 240
7. 超计算和人工智能 242
第11章 智能的进化 249
1. 大脑的进化 250
2. 能源的摄取和消耗 251
3. 全社会的算力作为文明的测度 254
4. 人工智能从哪里来? 256
5. 人工智能向哪里去:会有超级智能吗? 257
第12章 当我们谈论生死时,我们在谈论什么? 265
第13章 总结 273
附录1 图灵小传 281
附录2 人工智能前史:图灵与人工智能 295
附录3 冯诺伊曼与人工智能 301
附录4 计算机与智能 309
后记 343
参考文献 347
人名对照 361
· · · · · · (收起)
读后感
因Pagels书中提到早期人工智能简史,不解渴,翻出这本。博雅式写法,信息量密集,难怪汪丁丁在朋友圈提及此人,和汪式行为经济学教科书有类同处,专业程度可能各人不一,张先生数理逻辑功底好,计算理论也扎实,能不时将基础问题通俗解析,但有些AI新进展未必深度了解,即使早...
终于读完了这本书。在读的过程中,有很多次想要放弃不读,或者不用精读的方式,泛泛的看一遍就好了。还好坚持下来了,虽然第十章和书末尾图灵的那篇经典论文《计算机与智能》我还是没读——那部分专业性太强,留待日后慢慢啃。作者在前言中说:“人工智能毕竟不是超弦理论,凭...
本书是一本硬核读物,这一点从书后例举的长达15页的印的密密麻麻的参考文献就能看出来。若真把他们读上一遍,也总要个三五年。因此,还是要回到问题的根本。究竟什么是智能?把这个问题回答了,才能进一步探究人工怎么制造出智能。另外,可以看得出作者是才华横溢,写东西是旁...
用户评价
我个人对这本书中对技术伦理和未来展望部分的探讨留下了极其深刻的印象。它没有落入那种肤浅的恐慌论调,而是以一种非常审慎、近乎学者的姿态,剖析了人工智能发展历程中一直存在的道德困境和权力分配问题。作者在回顾早期设想的“强人工智能”与当下“弱人工智能”的现实差距时,引发了我对“智能”定义本身的深思。他提及的那些关于可解释性、偏见放大以及监管滞后的讨论,都极其贴合当前科技飞速发展带来的社会痛点。这种前瞻性,并非空泛的猜测,而是基于对历史经验教训的深刻总结。我感觉自己仿佛在进行一场严肃的智力对话,作者提出的每一个反思性问题,都像是一把钥匙,打开了我对未来社会形态和技术责任感的新认知。阅读完相关章节后,我明显感觉到自己看待新闻中那些AI突破报道时的态度,变得更加成熟和批判性了。
这本书的语言风格简直太迷人了,读起来就像是听一位资深的智者在娓娓道来那些横跨数十载的智慧结晶。作者的叙事功力一流,他没有采取那种枯燥乏味的编年史罗列方式,而是将那些看似晦涩的技术名词和复杂的理论,巧妙地编织成了一个个引人入胜的故事线。我特别欣赏他处理早期先驱者们的心路历程时的细腻笔触。比如,他描述图灵在构思计算理论时的那种近乎偏执的探索精神,或者冯·诺依曼在不同学科间穿梭时的那种思维的火花,都刻画得入木三分。读到那些关于早期人工智能会议的场景时,我仿佛能闻到烟草和咖啡的味道,感受到那个时代研究人员们既兴奋又迷茫的复杂心境。特别是作者在提及那些“AI之冬”时所展现出的同理心,让人深切体会到科学探索的艰辛和反复无常,绝非一帆风顺。这种将历史的厚重感与生动的人性光辉结合起来的叙述方式,使得这本书的阅读体验远超一般的技术历史书籍,它更像是一部关于人类求知欲和创造力的史诗。
这本书在内容架构上的精妙布局,简直体现了一种高级的组织智慧。它并没有仅仅停留在对关键事件和人物的简单介绍上,而是构建了一个多维度的分析框架。我惊喜地发现,作者在探讨不同技术流派的兴衰时,总是能精准地抓住其背后的哲学根基和社会文化背景。比如,在解析符号主义与联结主义的长期争论时,作者并没有简单地判定谁对谁错,而是深入挖掘了各自方法论的内在局限性与时代需求的契合度。这种宏观的视角,让我对人工智能的发展脉络有了更加立体和深刻的理解,不再是零散知识点的堆砌。更令人称道的是,作者在回顾每一次技术浪潮的驱动力时,都能清晰地指出是哪些实际应用场景或理论突破点,成为了点燃变革的火种。这种条理分明又不失深度的分析,使得即便是像我这样对某些深层数学原理不甚精通的读者,也能游刃有余地把握住整个学科的演进逻辑和核心矛盾。
这本书的文字密度和信息量之大,令人咋舌,但最了不起的是它保持了极佳的可读性,这简直是一种文字魔术。我体验到了一种罕见的“沉浸式学习”的感觉。许多涉及复杂算法或早期程序设计思想的段落,通常会让人望而却步,但作者在这里采用了大量的类比和生动的比喻来辅助解释。例如,他用一个日常生活的场景来解释早期的搜索算法的效率问题,这种即时性的理解转化能力,极大地降低了理解门槛。我可以清晰地感觉到,作者在翻译那些高度专业化的概念时,付出了巨大的心血,确保信息在传递过程中没有失真,却又不失趣味。我甚至会因为某个精妙的比喻而停下来,反复琢磨作者遣词造句的巧妙之处。这种既能满足专业人士对深度的要求,又能让普通爱好者感到轻松愉悦的平衡点,是很多科技史著作难以企及的。
从一个纯粹的“阅读体验”角度来说,这本书的整体感觉是非常充实和有价值的。它不是那种读完后只留下零散印象的快餐读物,而是一部需要时间去消化、去回味的力作。每读完一个大的历史阶段,我都会不由自主地合上书本,花上几分钟在脑海中重构作者构建的知识网络,看看自己是否真正理解了前因后果。作者在引用史料和原始文献时的那种严谨态度,也为整部作品增添了一种可靠的学术基调,这让我读起来倍感安心。它让我认识到,所谓的技术突破,往往是漫长积累、偶然机遇和关键人物决策的复杂交织体,而非一蹴而就的灵光乍现。这本书成功地将一个宏大且不断演进的科学领域,浓缩成了一部既有广度又有深度的经典叙事,极大地提升了我对这个领域的整体认知水平。
太碎了
非常好的一本介绍人工智能发展史的书籍,语言风趣幽默,逻辑连贯,涵盖了绝大多数人工智能领域的发展脉络,强烈推荐阅读。
太碎了
这本书其实推荐更准确的名字应该是叫 人工智能科学家趣史,与传统的历史从头到尾阐述流派的发展不同, 这本书一直在讲述各个方面与人工智能相关(有点奇怪为什么计算理论和哲学家在里面?)科学家的趣闻轶事,虽然相关性不强,但是趣味性增加不少。最后两章的升华稍补充了本书的不足,有兴趣还是可以一读,至少参考文献挺好的。
这样的垃圾书为何可以出版?充满歧见。