--- schema_version: "library-reader-v1" source_type: "original_book" title: "人工智能时代：破解人机共存密码（套装共10册）" author: null edition: null publisher: null year: null isbn: "9787521719512" library_document_id: "396e1bee-219e-4bee-9884-3214c17ff8f5" source_sha256: "e5d429a1fedfac2a13b0bd25057c39d818c33927767948a9bb41411f01413ced" pdf_physical_page_count: 3314 pdf_physical_page_index_base: 0 range_start: 2370 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5?start=2370&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2370&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2360&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2380&limit=10" --- # 人工智能时代：破解人机共存密码（套装共10册） > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=2370 | PRINTED_PAGE=NOT_DETECTED 第四，鼓励持续的应用性研究。在人工智能浪潮初起阶段，持续的应用研究特别是开发可以从数据中获取知识，创造智能体验的ML（机器学习）算法是这个变革飞轮的核心。在这个阶段，所有人工智能企业努力的重要组成部分就是拥有持续的应用研究。 第五，上述几点势必会引出人才的问题，教育和培训出更多可以设计、实现机器学习算法并成为数据科学家的人才是一个关键因素。 最后，通过新的结构化方法，把公共世界的信息和知识变成有组织的素材，并可获取，这对于许多企业的人工智能创新至关重要。 智能社会的文化和长期管理 这一波人工智能浪潮需要几十年才能充分发挥作用。雄心壮志和改变世界的投注需要足够长期的投资。所以，有目的的长期管理在人工智能浪潮中扮演了一个重要角色。这将是一种遍及全社会的商业和管理文化的变革。 具体而言，这需要执政者建立并获取一个更大的“许可信封”，使管理团队有较长的时间跨度来培育大赌注（通常是从0到1的赌注类型），这也日益成为高层领导任期职权的一个重要组成部分。马斯克就说过：“如果创新失败，不应该受到惩罚。” 对那些受人工智能浪潮影响而需要进入新格局的公司，整个组织的更新和改造非常关键，而高层领导团队需要面对和管理这种变革。 与长期管理相关的一个因素是创造新的组织结构，使其成熟，以便容易适应人工智能带来的改变。Alphabet（谷歌重组后的“伞形公司”的名字）便是其中一个最早的尝试。在这方面，中国企业的管理创新做得比美国更多。 ## PDF_PHYSICAL_PAGE_INDEX=2371 | PRINTED_PAGE=NOT_DETECTED 另外，文化是一个组织的持久力量，它是可以超越几代的领导力和商业活动。对于许多成熟的企业（如谷歌、百度），进入人工智能浪潮代表着一个重大的挑战——需要获取新的人才、新的技术专利以及创造与之相应的新文化。保持积极主动，有耐心，并且执着是极为重要的，因为文化转型是一个成熟企业最具挑战性的工作之一。另外，需要一提的是，相比学习人工智能的新方法，更困难的在于忘却旧模式下的工作方法。 由于我们正处于人工智能浪潮发展的初级阶段，招聘并维护人工智能领域的专家对管理者来说是非常重要的。 总体上，有目的地进行长期管理是抓住任何重要机会而不仅仅是人工智能浪潮的关键。如何调整结构来吸引更多的资金和人才以及放置更多的改变游戏格局的赌注，对企业领袖而言都是一个有趣且极具挑战性的工作。面对更深刻、更有趣、更具挑战性的问题本身就是人类进步的标志。 人工智能技术目前的发展状态 人工智能、深度学习方面每天都有新研究、新文章出来。今天有点像文艺复兴时代，所有的科学都在变。因为科学的真谛就是观察世界、总结知识。我们现在观察世界的能力越来越强，一旦选好观察角度，把深度学习的算法用上去，很快崭新的知识就出来了。 现在不光是物理学、生物学、材料学……每一个科学领域都在拼命往前走，走的速度很快。所以总体来讲，人类是处在一个突飞猛进的状态。让我们再次把头脑放到云端，以量子计算作为本章的结尾。 ## PDF_PHYSICAL_PAGE_INDEX=2372 | PRINTED_PAGE=NOT_DETECTED 我们注意到人工智能和神经计算框架之间非常有趣的联系，这两个框架都采用分布式表示超大向量，其基本运算都是线性代数而不是布尔代数。它告诉我们人类的大脑和物理性质的计算方式相似。甚至有科学家提出，人类的大脑运作原理与量子物理、量子计算理论、量子计算算法类似。 关于量子计算和人工智能的结合，我们看到微软、谷歌建立了量子人工智能实验室，国内也有这方面的项目。量子计算不是一个该不该有的问题，而是一个什么时候有的问题，它一定会发生。至于什么时候发生大家有不同的想法，可能是5年，甚至是5年之内就会出现早期的量子机器。 为什么量子计算这么重要？因为量子计算跟人工智能有本质上的关系。量子计算的核心就是利用量子的叠加状态。量子有一个能力状态的变化，就是加一定的能量以后会改变状态。不同于现在的计算机数位，0或者1，一个时间只有一个状态。量子的叠加态特性可以在同一时间有四个状态，计算能力呈指数上升。 好处就是通过量子计算可以解决很多数据问题。以前的办法就是数字分解。比如数据加密和解密，统统要用素数分解。素数分解是非常难的，给你一个很大的数字，用一般的算法，算到地球毁灭可能也算不出来，但是用量子算法以后，可以很快算出来。未来用量子算法做机器学习是很自然的。 与此相关，硬件也一定要革新。因为现在的硬件都是以布尔代数为主，而深度学习的核心计算是不同的，是矩阵和张量的计算，不是0和1的计算，而且一定要进行微分运算。量子计算也是一模一样的，每个量子改变能级的时候，就是一个矩阵和张量的计算关系。大自然其实就是这样计算的，人脑也是一样。Matthew Fisher（马修·菲舍尔）、潘建伟、朱清时等科学家都认为，意识的本质就是量子纠缠。 2007年Nature（《自然》）杂志发表了加州大学伯克利分校Graham Fleming（格雷厄姆·弗莱明）领导的实验室的成果，他们利用飞秒激光技术，在极短的时间内向光合作用复合物上照射激光，结果发现了复合物上仿佛鼓点般的光回波，这意味着光子的能量不是通过单一路径传入反应中心的，而是利用量子相干性同时从所有可能的路径进行传递，从而证明了量子效应在叶绿素光合作用中起到不可替代的作用。这鼓点般的量子回波，正是大自然与人类智慧之光的映射。量子效应在生物体上的发现极大地鼓舞了人类对量子计算和人机结合的新探索。 ## PDF_PHYSICAL_PAGE_INDEX=2373 | PRINTED_PAGE=NOT_DETECTED 虽然量子计算机还没有实现，但很多人已经在思考，假定有了量子计算机该如何来做机器学习？这个领域已经有了很多前沿文章和研究成果出来。假定10年之后量子计算机出来了，它会对人工智能行业带来一个根本性的改变，因为量子计算跟人工智能、深度学习的核心计算是彻底吻合的。我们现在实际上是走了一条弯路：任何算法都要把它变成是布尔代数，用0、1来模拟一个微分方程。 ## PDF_PHYSICAL_PAGE_INDEX=2374 | PRINTED_PAGE=NOT_DETECTED 量子计算和DNA（脱氧核糖核酸）计算的规模和能量将远远超出今天的基于硅的计算能力。随着工程技术的进步，我们将迎来全新的计算体验（如量子化学和量子材料）。 其应用也无比广泛。首先落地的可能就在最古老的农业，参考上面光合作用的例子，就会知道植物也在计算。以后农作物都可能用计算机来计算和设计。所以量子计算对于整个社会可能是一波超级改变，很可能就此引领人类文明的长河走向彻底数字化。 总之，量子计算不是玄学，而正是“知道更多，做到更多，体验更多”这个人类进步规律的未来。在这方面，无论多大的想象力都不够。我们要敢于想象，同时坚持立足大地。30年前，陆奇在毕业纪念册上写下了“这颗电脑科学皇冠上的明珠非君莫属”，我们这一代人做不到，下一代人继续努力，这是“大写的人类”不变的梦想。 ## PDF_PHYSICAL_PAGE_INDEX=2375 | PRINTED_PAGE=NOT_DETECTED [1] 陈景润因证明哥德巴赫猜想“1+2”定理而享誉世界。徐迟的报告文学《哥德巴赫猜想》以陈景润为主人公，发表于1978年1月的《人民文学》第1期，在当时家喻户晓。 [2] 英国2014年启动了“10万人基因组计划”，美国和中国则宣布要完成多达100万人的基因组数据收集工作。世界知名的基因测序公司Illumina仪器测序所得的数据，每12个月就能翻一番。这是一个巨大的“数据黑洞”，也是一个亟待发掘的数据金矿。 ## PDF_PHYSICAL_PAGE_INDEX=2376 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2377 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2378 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=2379 | PRINTED_PAGE=NOT_DETECTED 在历史的重复中变化 当我们谈论数据的时候我们在谈什么？ 在大部分人的日常印象中，数据这个词代表的可能是每月的水、电、煤账单上的数字，或者是股票K线图上的红绿指数，还有可能是电脑文件里那一大堆看不懂的源代码。 人工智能眼中的数据含义远比这些广泛。数据的存在形式随着人类文明的发展不断改变，从最初的声音、文字、图画和数字，到电子时代的每一张图像、每一段语音、每一个视频，再到如今互联网时代人类的每一次鼠标点击、用手机时的每一次手指滑动，乃至每一下心跳和呼吸，甚至还包括经济生产中的一切人机动作、轨迹，皆已融入数据流。 不管是浩瀚永恒的引力波，还是复杂细微的DNA，今天的人类已经能够将各种或宏大或微小的事物转化为数据记录，变成我们生活的一部分。数据已经浸染我们生活的每一个细节，就好比生物学家认为人体组织的一半是由微生物组成的，在数字时代，我们生活的一半已然是数据。 历史总是螺旋式前进的。让我们回溯过去，远在人工智能诞生之前，人类在漫长的岁月中也践行着对于数据的发掘、计算和利用。 五千多年前，古埃及人就通过观测记录星象的位置总结出规律：每年当天狼星清晨出现在东方地平线上的时候，尼罗河便开始泛滥。他们照此制订农业耕作的计划，并且将这个周期进行总结，确定了一年365天的太阳历。遥远的天狼星与地球并无任何因果关系，只是出现在那个位置的时候，正好地球运转到一定的节气——这正是大数据时代的相关性计算的前身。 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/396e1bee-219e-4bee-9884-3214c17ff8f5.md?start=2380&limit=10)