---
schema_version: "library-reader-v1"
source_type: "original_book"
title: "AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的..."
author: null
edition: null
publisher: null
year: null
isbn: null
library_document_id: "75afffda-b96b-4df5-89ff-2ec037cfed66"
source_sha256: "21c9bed4763f96ba9dce4c4e24be07b2ddb63e08acce9107a510c1026714c784"
pdf_physical_page_count: 491
pdf_physical_page_index_base: 0
range_start: 0
range_count: 10
html_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66?start=0&limit=10"
markdown_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=0&limit=10"
next_url: "https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=10&limit=10"
---
# AI 3.0（畅销书《复杂》作者、复杂系统前沿科学家梅拉妮·米歇尔，历经10年思考，厘清人工智能与人类智能的全新力作，全景式地展现了人工智能的...
> 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=0 | PRINTED_PAGE=NOT_DETECTED
[美
CHEERS 湛庐
[美]梅拉妮·米歇尔 著Melanie Mitchell
⑤四川科学技术出版社
王飞跃 李玉珂王晓 张慧译
## PDF_PHYSICAL_PAGE_INDEX=1 | PRINTED_PAGE=NOT_DETECTED
版权信息
本书纸版由四川科学技术出版社于2021年2月出版
作者授权湛庐文化（Cheers Publishing）作中国大陆（地区）电子版发行（限简体中文）
版权所有·侵权必究
书名：AI3.0
著者：梅拉妮·米歇尔
电子书定价：89.99元
Artificial Intelligence: A Guide for Thinking Humans by Melanie Mitchell.
Copyright © 2019 by Melanie Mitchell.
All rights reserved
## PDF_PHYSICAL_PAGE_INDEX=2 | PRINTED_PAGE=NOT_DETECTED
致我的父母，
他们教会我如何成为一个有思想的人，
并远不止如此。
To my parents,
who taught me how to be a thinking human,
and so much more.
## PDF_PHYSICAL_PAGE_INDEX=3 | PRINTED_PAGE=NOT_DETECTED
今天的机器距离真正像人一样理解世界还有多远
我的书能够以中文来出版对我来说是一件非常激动人心的事情，因为长期以来，我一直觉得自己和中国人民以及中文十分投缘。20世纪80年代，我曾在北京大学待了一段时间，学习了一些汉语，并和出版我的博士生导师侯世达所撰写的著作“GEB”一书中文译本的团队进行过交流。把侯世达的书翻译成中文是一项雄心勃勃的工程，部分原因在于，想要把书中无处不在的英文单词游戏翻译成同样有趣的中文是非常复杂的，因此，我非常敬佩翻译团队在执行这项工作时所表现出的创造力。
同样的，把我的书翻译为中文也是一项复杂的工作，特别是关于用人工智能方法来进行自然语言处理的那些章节，其中讨论了许多关于语言本身的微妙之处。本书的译者忠实地捕捉到了我的英文文本中要表达的内容及其精髓并将其准确地译为中文，对此我感到十分欣喜。
有些读者可能读过我以前出版的一本书的中文版——《复杂》，并且可能会想知道两本书之间的关系。我对此做一个简要的说明：《复杂》这本书是对复杂系统科学的一个概述，复杂系统科学研究的是复杂行为如何从相对简单的组成部分之间的相互作用中产生，研究的范围则从遗传网络和昆虫种群到人类智力和社会；而《AI 3.0》则是深度聚焦于复杂系统科学中的一些最难的问题，比如智能的本质是什么？研究者是如何创建智能机器的？我们如何评判这一领域目前所取得的成就？今天的机器距离真正像人一样来理解世界还有多远？
中文版序
## PDF_PHYSICAL_PAGE_INDEX=4 | PRINTED_PAGE=NOT_DETECTED
《AI 3.0》旨在让普通读者也能理解，即使没有任何计算机科学或数学知识背景，你也能够读懂它，只要你对当今之人工智能是如何运作的、它是如何应用的，以及在获得真正的智能之前它还有多远的路要走这些话题感兴趣，本书就是为你准备的。近年来，与人工智能相关的书籍越来越多，但我相信，本书是唯——本以一种深入但又容易理解的方式来讲清楚当下人工智能方法实际上是如何运作的、它们取得了什么成就、它们面临的挑战在哪里，以及人类认知领域的哪些核心属性仍然还在所有当代人工智能方法的能力范围之外。
了解以上这些问题对我们所有人来说都很重要，因为作为新时代的公民，我们需要知道我们可以在多大程度上信任日益影响所有人生活的人工智能应用程序。亲爱的读者，我希望你能在阅读本书的过程中收获一些启发，并能够领略到人工智能已经走了多远，以及在未来它还有多长的路要走。
## PDF_PHYSICAL_PAGE_INDEX=5 | PRINTED_PAGE=NOT_DETECTED
读懂人工智能的本质，把握未来的新趋势。
## PDF_PHYSICAL_PAGE_INDEX=6 | PRINTED_PAGE=NOT_DETECTED
序
等那一口仙气儿
段永朝
财讯传媒集团首席战略官
苇草智酷创始合伙人
2019年，梅拉妮·米歇尔博士的这本新著《AI 3.0》甫一出版，就跻身亚马逊“计算机与技术”畅销书行列。10年前，她的《复杂》（Complexity ）一书荣登亚马逊年度十佳科学图书榜单。人工智能（artificial intelligence, AI）类的图书可谓汗牛充栋，大致可分为两类：一类是给专业的工程师看的，另一类是给大众的普及读物。米歇尔的这部书介乎两者之间，它有专业的技术阐释，更有深刻的思想洞察。
“侯世达的恐惧”
米歇尔是侯世达（Douglas Hofstadter） (1) 的学生。侯世达是蜚声中外的畅销书《哥德尔、艾舍尔、巴赫：集异璧之大成》（G ödel, Escher, Bach: an Eternal Golden Braid）的作者。这部1979年出版的不朽著作，往往被简称为“GEB”，40多年来长盛不衰，令无数学习计算机科学和数理科学的大学生心醉神迷。米歇尔1990年在侯世达的指导下获得博士学位，后在美国波特兰大学任计算机科学教授，同时也是著名的复杂科学研究圣地——美国圣塔菲研究所的客座研究员。
## PDF_PHYSICAL_PAGE_INDEX=7 | PRINTED_PAGE=NOT_DETECTED
2016年，谷歌公司的AlphaGo横扫围棋界一应高手，让全世界见识了新一波人工智能掀起的巨浪。一时间，机器翻译、语音识别、虚拟现实、自动驾驶、人工智能机器人等轮番登场，“奇点爆炸”“超级智能”“数字永生”等概念如雨后春笋般涌现，人工智能成为几乎所有大型前沿科技论坛必设的主题，“ 通 用 人 工 智 能 ” （ artificial general intelligence ，AGI）仿佛指日可待。
2018年4月18日，我有幸在腾讯研究院、集智俱乐部、湛庐和苇草智酷联合主办的一个沙龙上，见到了久仰大名的“大神”侯世达，并参加了圆桌对话。在侯世达眼里，人工智能没那么高深，他直言很讨厌“人工智能”这个词，并以其新著《表象与本质》中的例子，批驳人工智能毫无“智能”可言。
米歇尔的这部《AI 3.0》为侯世达对人工智能的万般忧虑做了一次深度的技术解析。
对人工智能的种种讨论，特别是涉及技术伦理、社会价值和发展前景的时候，人们一般只会停留在悲观或者乐观的选边站队层面，无法进一步深入下去。这不奇怪，技术专家们擅长的话语是数据、算法、模型，社会学者和新闻记者们只能从技术的外部性、代码的背后之手、人性之善恶的角度，捍卫或者批判某种价值主张。对绝大多数非专业人士而言，由于搞不懂隐藏在反向传播算法、卷积神经网络（convolutional neuralnetworks，ConvNets）、马尔可夫过程、熵原理这些硬核知识背后的思想内涵，就只能以“好与坏”“善与恶”的视角对人工智能进行理解和评判。讲述技术视角的思想基础，弥合“理科生”与“文科生”之间看待人工智能的思想鸿沟，正是米歇尔这部书的价值所在。当然，从我这样一名30年前曾做过专家系统（expert system）、机器推理算法的半个业内人士的角度来看，米歇尔的这部书如果能再“柔和”一些，可能效果更佳，不过这的确很难，跨越学科分野的努力，既重要又充满挑战。
## PDF_PHYSICAL_PAGE_INDEX=8 | PRINTED_PAGE=NOT_DETECTED
《AI 3.0》开篇即提出这样一个“侯世达的恐惧”：不是担心人工智能太聪明，而是担心人工智能太容易取代我们人类所珍视的东西。这说出了很多人的心声，人们对人工智能的忧虑，在于这一领域发展得实在是太快了，已经渗透到日常生活的各个角落。不知不觉，我们周围的一切似乎都变得智能了，都被“强壮”的机器代码、算法接管了，人工智能似乎就是为接管世界而生的。这一波人工智能浪潮，随着一座座“生活城池的沦陷”，日益亢奋起来，超级智能、通用人工智能似乎指日可待，人工智能彻底接管这个世界似乎越来越现实，越来越不容置疑了。要知道，自1956年“人工智能”这一术语在美国达特茅斯学院的一个小型座谈会上被提出之后，“通用问题求解器”（general problem solver，GPS）就是当年人工智能的重要目标。
## PDF_PHYSICAL_PAGE_INDEX=9 | PRINTED_PAGE=NOT_DETECTED
本书共分为5个部分。这篇序言，并非是对原书精彩内容的“剧透”，而是试图做一点点背景解析，与各位关注、思考人工智能的朋友交流。
人工智能的历史遗留问题
本书第一部分回顾了人工智能超过半个世纪的发展历史，并提出该领域两类主要的人工智能，一类是符号人工智能（symbolic AI），另一类是以感知机为雏形的亚符号人工智能（subsymbolic AI）。前者的基本假设是智能问题可以归为“符号推理”过程，这一学派也被称为“心智的计算理论”（computational theory of mind，CTM）学派。这一理论可追溯至计算机鼻祖法国科学家帕斯卡以及德国数学家莱布尼茨，真正体现这一思想的所谓智能机器，源于英国的查尔斯·巴贝奇（Charles Babbage）以及艾伦·图灵（Alan Turing）的开创性工作。
亚符号人工智能的出现归功于行为主义认知理论的崛起，可追溯至英国哲学家大卫·休谟和美国心理学家威廉·詹姆斯，其思想基础是“刺激-反应理论”。20世纪40年代，美国神经生理学家麦克卡洛克（W. S. McCulloch）、匹茨（W. A.Pitts）提出神经元模型后，心理学家弗兰克·罗森布拉特（Frank Rosenblatt）提出了感知机模型，这奠定了神经网络的基础。
下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/75afffda-b96b-4df5-89ff-2ec037cfed66.md?start=10&limit=10)