人工智能读书会
1、什么是人工智能
人工智能就是致力于让机器变得智能的一种活动，而智能就是让一个实体在其所处环境中能够适当地、有远见地实现其功能的一种能力（学习特征、作出预测、追随和适应环境）。 现阶段是人制造智能而不是像人的智能。
2、人工智能的影响和应对策略
人工智能时代，程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能，几乎一定可以由机器来完成；反之，那些最能体现人的综合素质的技能，例如，人对于复杂系统的综合分析、决策能力，对于艺术和文化的审美能力和创造性思维，由生活经验及文化熏陶产生的直觉、常识，基于人自身的情感（爱、恨、热情、冷漠等）与他人互动的能力……这些是人工智能时代最有价值，最值得培养、学习的技能。 具体看来，主要有以下三类 1、需要站在大局层面、样本数量非常少且需要做艰难判断的业务（AI可以迅速取代的是在5秒钟就能决策的工作，但是5秒以上需要深度去思索的工作还是不容易被取代的。） 2、与人相连接的界面还是由人来做比较合适，（ 在艺术领域，人工智能目前还是没有办法发现美制造美，它只是协作人类工作的工具。） 3、人力使用成本非常低，甚至低于人工智能的普及成本的业务 短期到中期看来，掌握数据分析及人工智能的知识和技能非常重要，然而长期的观点，这部分工作最终也将由人工智能来完成。因此要么学习如何做出那些只有人才才能完成的大局性判断、要么索性专心于与人打交道的工作，这样去培养自己应该更加有利。还有一点，那就是人与机器的融合。 应对方法： 1、主动挑战极限：喜欢并主动接受一切挑战，在挑战中完善自我。如果人类不在挑战自我中提高，那也许真有可能全面落伍于智能机器。 2、从实践中学习（Learning by doing）：面向实际问题和综合性、复杂性问题，将基础学习和应用实践充分结合，而不是先学习再实践。一边学习一边实践的方法，有些像现代职业体育选手的以赛代练，对个人素质的要求更高，效果也更好。 3、关注启发式教育，培养创造力和独立解决问题的能力：被动的、接受命令式的工作大部分都可以由机器来替代。人的价值更多会体现在创造性的工作中。启发式教育在此非常重要。死记硬背和条条框框只会“堵死”学生灵感和创意的源头。 4、虽然面对面的课堂仍将存在，但互动式的在线学习将愈来愈重要：只有充分利用在线学习、机器辅助教育的优势，共享高质量教育资源，教育质量和教育公平性才有切实保证。（ 在该领域，当前的主要工作是寻找学生们的共同错误模式，预测哪些学生存在失败风险， 提供实时的学生成绩反馈。此外，近期的一些工作还包括理解学生们在写作、知识获取和记忆等方面的认知过程，然后将相关结果应用到实际的教学中。 ） 5、主动向机器学习：未来的人机协作时代，人所擅长的和机器所擅长的必将有很大不同。传统的推理方式主要有三种：演绎推理、归纳推理、溯因推理，而人工智能善于发现强关联性，强关联性可以替代因果关系。人类可以从人工智能的计算结果中，吸取有助于改进人类思维方式的模型、思路甚至基本逻辑。事实上，围棋职业高手们已经在虚心向AlphaGo学习更高明的定式和招法了。 6、既学习人-人协作，也学习人-机协作：未来的“沟通”能力将不仅仅限于人与人之间的沟通，人机之间的沟通将成为重要的学习方法和学习目标。学生要从学习的第一天起，就和面对面的或者远程的同学（可以是人，也可以是机器）一起讨论、一起设计解决方案、一起进步。 7、学习要追随兴趣：通常来说，兴趣就是那些比较有深度的东西，所以只要追随兴趣，就更有可能找到一个不容易被机器替代掉的工作。无论是为了美，为了好奇心，为了其他原因产生的兴趣，这些兴趣都有可能达到更高层次，在这些层次里，人类才可以创造出机器不能替代的价值。
3、人工智能的前景
让机器拥有智能的钥匙其实是大数据。大数据带来以蒙特卡洛树搜索为代表的强化学习算法。大数据不是一堆数字，网上的所有东西都可以算作数据，有了数据之后，再经过系统性的整理，就变成了信息，信息再经过更简洁抽象的加工，就变成了知识。大数据有3个特征：体量大、多维度和完备性。智能问题实际上就转变成了如何处理数据的问题。机器的智能水平也会随着数据量的增长而增长，所以智能革命的趋势是不会变的。大数据的特点和人工智能的发展历史，指出了大数据的三个特点，体量大，多维度和完备性，人工智能实际上就是如何处理数据的问题。 人工智能会让传统的产业加上大数据就会变成新产业。所以我们会看到大量的传统行业会先运用人工智能寻找新的利润。 大数据也会给我们带来很多麻烦，比如我们会彻底没有隐私。人的私密信息可能被由人工智能做出的决策和预测所泄露 ，特别是人工智能基于之前模式预测未来行为的潜力。 人工智能只会把贫富差距越拉越大。会出现一段时间的急剧的大规模失业，但人们会在新的生产力水平上发现新工作～最后人机协同会成为趋势。
