《智能時(shí)代》讀后感
智能時(shí)代,1999年,提出物聯(lián)網(wǎng)這個(gè)概念。同年中國(guó)科學(xué)院就啟動(dòng)了傳感網(wǎng)的研究,建立了一些適用的傳感網(wǎng)。物聯(lián)網(wǎng)不是科技狂想,而是又一場(chǎng)科技革命。過(guò)去在中國(guó),物聯(lián)網(wǎng)被稱之為傳感網(wǎng)。下面是CN人才網(wǎng)為大家整理的《智能時(shí)代》讀后感,歡迎參考~
篇一:《智能時(shí)代》讀后感
未來(lái)的社會(huì),屬于那些具有創(chuàng)意的人,包括計(jì)算機(jī)科學(xué)家,而不屬于掌握某種技能做重復(fù)性工作的人。
第一章 數(shù)據(jù)——人類建造文明的基石
信息是關(guān)于世界、人和事的描述,它比數(shù)據(jù)來(lái)得抽象。信息既可以是我們?nèi)祟悇?chuàng)造的,比如兩個(gè)人的語(yǔ)音通話記錄,也可以是天然存在的客觀事實(shí),比如地球的面積和質(zhì)量。
數(shù)據(jù)可以把信息描述清楚,它最大的作用在于承載信息,但是并非所有的數(shù)據(jù)都承載了有意義的信息。數(shù)據(jù)本身是人造物,因此它們可以被隨意制造,甚至可以被偽造。
人類文明的過(guò)程其實(shí)伴隨著獲取數(shù)據(jù)->分析數(shù)據(jù)->建立模型->預(yù)測(cè)未知的過(guò)程。數(shù)據(jù)在人類文明中起到了基石的作用。像地心說(shuō)、日心說(shuō)等都是一種模型。
數(shù)據(jù)之間大多存在相關(guān)性。很多時(shí)候,我們無(wú)法直接獲得信息(比如疫情傳播情況),但是我們可以將相關(guān)聯(lián)的信息(比如各地搜索情況)量化,然后通過(guò)數(shù)學(xué)模型,間接地得到所要的信息。而各種數(shù)學(xué)模型的基礎(chǔ)都離不開概率論和統(tǒng)計(jì)學(xué)。
統(tǒng)計(jì)學(xué)的前提是可靠的樣本,而樣本的選取并非易事。而且在互聯(lián)網(wǎng)出現(xiàn)之前,獲得大量的具有代表性的數(shù)據(jù)其實(shí)并非一件容易事。
從概率論一誕生人們就有這種擔(dān)憂,人們希望能夠從理論上證明當(dāng)觀察到的數(shù)據(jù)量足夠多了以后,隨機(jī)性和噪聲的影響可以忽略不計(jì)。
切比雪夫不等式證明了當(dāng)樣本數(shù)足夠多時(shí),一個(gè)隨機(jī)變量和它的數(shù)學(xué)期望值之間的誤差可以任意小。
要建立數(shù)學(xué)模型就要解決兩個(gè)問題,首先是采用什么樣的模型,其次是模型的參數(shù)是多少。簡(jiǎn)單的模型未必和真實(shí)情況相匹配,從一開始如果選擇錯(cuò)誤,則以后修修補(bǔ)補(bǔ)就很難了。而尋找模型的參數(shù),以便讓模型至少和以前觀察到的數(shù)據(jù)相吻合,這個(gè)過(guò)程就是機(jī)器學(xué)習(xí)。
完美的模型未必存在,即使存在,找到它也非常不容易。但是經(jīng)?梢杂枚鄠(gè)簡(jiǎn)單的模型拼湊出一個(gè)復(fù)雜的模型,而且常常成本更低。
回到數(shù)學(xué)模型上,其實(shí)只要數(shù)據(jù)量足夠多,就可以用若干個(gè)簡(jiǎn)單的模型取代一個(gè)復(fù)雜的模型。這種方法被成為數(shù)據(jù)驅(qū)動(dòng)法。因?yàn)樗窍扔写罅康臄?shù)據(jù),而不是預(yù)設(shè)的模型,然后用很多簡(jiǎn)單的模型去契合數(shù)據(jù)。
篇二:《智能時(shí)代》讀后感
第一次讀智能時(shí)代,是通過(guò)朋友的豆瓣閱讀邀請(qǐng)碼下載到手機(jī)上看的。起先并沒有太認(rèn)真閱讀,只是在下班路上隨手翻幾頁(yè),以為這就是寫現(xiàn)在比較熱門的關(guān)于智能設(shè)備或者智能生活方式的乏善可陳的書,畢竟書名"智能時(shí)代"給我第一印象就是如此。實(shí)際讀的時(shí)候才發(fā)現(xiàn),這是一本講人的智能和計(jì)算機(jī)能否產(chǎn)生類似智能的書。書的'原名是《on Intelligence》,本意是關(guān)于智能的討論,翻譯書名《智能時(shí)代》和副標(biāo)題不是很切題,會(huì)給人錯(cuò)誤的第一印象。
拋開書名不說(shuō),《智能時(shí)代》是我?guī)啄陜?nèi)讀過(guò)最好的書之一,作者——杰夫•霍金斯的文筆很簡(jiǎn)潔,這本書翻譯的水平也很高,文中很客觀和批判性地描述了智能和人工智能研究,并闡述了作者自己對(duì)智能的理解。本書一推出就獲得兩個(gè)諾貝爾獎(jiǎng)得主及專業(yè)領(lǐng)域人士的大力推薦,考慮到霍金斯本人是企業(yè)家而不是職業(yè)科學(xué)家這一點(diǎn),是十分罕見的。
我從小經(jīng)常思考關(guān)于智能的問題,這本書能解答我很多疑惑,讀書時(shí)那種開悟的感覺只能用醍醐灌頂來(lái)形容。還記得初一的某天下課回家,我騎著自行車,突然產(chǎn)生了一個(gè)疑問——我的手是怎么掌把的,我沒有有意識(shí)地控制哪根手指放哪個(gè)位置啊?然后我撞了汽車。如果你和我一樣,曾經(jīng)思考過(guò)這類問題,那么本書絕對(duì)是你的菜。
霍金斯在書中首先回顧了當(dāng)今人工智能研究的歷程以及自己探索的經(jīng)歷,客觀批判了"智能行為派",他認(rèn)為智能是系統(tǒng)的內(nèi)在屬性,和外在表現(xiàn)無(wú)關(guān)。比如一個(gè)人在靜靜思考的時(shí)候,雖然沒有表現(xiàn)出任何行為,他也是有智能的。退一步來(lái)講,假使通過(guò)行為來(lái)判斷是否有智能,當(dāng)下的計(jì)算機(jī)也不合格。計(jì)算機(jī)要能識(shí)別圖片,必須設(shè)計(jì)一套視覺識(shí)別算法,計(jì)算灰度、色階、輪廓等;識(shí)別語(yǔ)音要設(shè)計(jì)語(yǔ)言算法,計(jì)算聲波頻率、音調(diào)、匹配語(yǔ)義等。圖片算法和聲音算法之間沒有任何關(guān)聯(lián),從術(shù)語(yǔ)到計(jì)算過(guò)程完全不同。但是對(duì)于大腦來(lái)說(shuō),聲音和圖像在大腦中的處理過(guò)程很類似,只是接受刺激的感官不同。把實(shí)驗(yàn)動(dòng)物幼崽的視覺神經(jīng)接到本來(lái)應(yīng)該發(fā)育聽覺的位置,這些動(dòng)物都能發(fā)育出正常的視覺——而如果把計(jì)算機(jī)的攝像頭接到話筒上,結(jié)果可想而之。作者并非在否定算法本身,無(wú)疑,大腦也有自己的算法,這個(gè)算法是高度抽象的,能根據(jù)信號(hào)輸入的不同發(fā)展出相應(yīng)的知覺。相比之下,計(jì)算機(jī)算法毫無(wú)變通的可能性。從這兩點(diǎn)出發(fā),作者認(rèn)為以往的計(jì)算機(jī)智能研究是一條死路。
那么智能應(yīng)該是什么樣的?霍金斯從日常生活出發(fā),通過(guò)對(duì)學(xué)習(xí)、記憶、回想等等行為的分解,結(jié)合腦部神經(jīng)結(jié)構(gòu),提出了產(chǎn)生智能的"記憶——預(yù)測(cè)"框架。整個(gè)推斷過(guò)程非常精彩,在此就不劇透了,以免破壞了閱讀樂趣。
這個(gè)系統(tǒng)的核心在于"恒定表征"這樣一個(gè)概念,霍金斯認(rèn)為人類(或海豚猴子等其他動(dòng)物)之所以能認(rèn)知世界,依賴于對(duì)事物高度抽象的能力。這種抽象能力,不是指刻意訓(xùn)練的邏輯思維能力,而是智慧生物由大腦結(jié)構(gòu)決定的固有能力。舉個(gè)例子:當(dāng)我看到我家的小狗,我能意識(shí)到它在附近;當(dāng)我聽到它熟悉的叫聲,我也能意識(shí)到它在附近;甚至當(dāng)我只是看到它掉在沙發(fā)上的毛,都能推斷出它肯定爬上過(guò)沙發(fā)。我并不一定直接看到它,是如何判斷它是否在附近呢?這就表明我的大腦有關(guān)于這只狗的"恒定表征",不以我觀測(cè)的方式轉(zhuǎn)移。我認(rèn)識(shí)我家的狗,無(wú)論它是蹲著還是趴著還是把腦袋藏在沙發(fā)下面,我都能意識(shí)到它的獨(dú)特存在。"恒定表征"也就是人們常說(shuō)的"理解"某個(gè)事物,對(duì)于計(jì)算機(jī)來(lái)說(shuō),目前的技術(shù)只能按部就班地計(jì)算,沒有理解的產(chǎn)生,更無(wú)所謂智能。
【《智能時(shí)代》讀后感】相關(guān)文章:
智能時(shí)代讀后感05-31
《智能時(shí)代》讀后感2000字06-06
江西省開啟“智能駕培”新時(shí)代 機(jī)器人智能教練進(jìn)駕校03-01
《小時(shí)代》讀后感12-29
頑童時(shí)代讀后感04-28
《頑童時(shí)代》讀后感04-28
堯舜時(shí)代讀后感10-13