人类简史和未来简史读后感3000字
人类简史和未来简史读后感3000字
一本厚厚的书你大概能看多久?你能够耐心下去阅读吗?下面是第一范文网小编给你分享《人类简史》和《未来简史》读后感3000字，欢迎阅读!
《人类简史》和《未来简史》读后感3000字：尤瓦尔·赫拉利的《人类简史》和《未来简史》我看完了。
两本书都很厚，大略读一遍花了我五天时间，分两次写太耗精力，所以我会以两本书为一个整体讨论，可能会写得散漫无边。
好在今天还是周末，你就当做是和我面对面闲聊吧。
通常我们认为的历史，大多说的是人类社会的变迁。以我们的历史教科书为例，都是凭借三条主线索讲述历史：政治、经济、文化，最多加上掌权者的花边新闻。我们已经习惯过去学习历史所用的方法，所以看到尤瓦尔·赫拉利讲述历史的方式，会觉得很有趣，甚至他的文字让你感觉不像历史。
为什么会这样?因为尤瓦尔·赫拉利讨论的核心不是国家、文明，而是人。没有讨论权力更迭、不同文明的冲突、政治思想进步，而是自始而终在讨论人的变化。人类怎样在地球上崛起，又是怎样建立起人类文明，人类自己怎么看待地球霸主地位。初看之下，特别惊诧，但仔细想想，他这么做是有道理的。
历史毕竟是人类的历史。所有的历史事件，都是人类思考后的行为产生的后果。所以我很赞同尤瓦尔·赫拉利，人类才是历史的主体，我们的关注点不应该放太多在政治、经济、文化。
我们发展到今天越来越注意到这点，原因是人类的文明太发达了，困扰人类数十世纪的饥荒、战争和瘟疫已经成为过去。世界上依然有贫困人口，但大规模饥荒已经极为罕见，而且人类不再认为饥荒是神降下的惩罚，而是归结为人类自己的错误;距离上一次世界大战已经过去70多年，大国之间因为各自拥有可以毁灭世界的核武器，反而达成了长久的和平，叙利亚不算大国间的战争，只能归为大国间的博弈;黑死病那种席卷全球的瘟疫不再发生，非典虽然爆发，但也在短期内得到控制，造成的死亡人数还不到黑死病的零头。
人类为了这三个问题用了数十个世纪的时间，到了今天成功解决。然后呢?为了解决这三个问题，人类累积了空前的科学能力，储备了数量惊人的人才。然后呢?他们会在国家的领导下继续攻克癌症，甚至是令人胆寒的艾滋病，这些看起来都是时间问题。再然后呢?按照尤瓦尔·赫拉利的猜想，接下来就是研究永生的问题了。这不仅仅是个想法，一系列科技巨头已经在永生领域投入重金，圈走了大批一线科技人才，而且赌新一代人才们能够带来新一轮科技爆发，就像工业革命一样，永生问题很有可能在我们这代人得到解决。
永生是人类无法抵抗的诱惑，一旦实现了，人就成了神。同时，人类的黄昏正式开始。
谈到永生，肯定绕不开永生的形态，肉体衰老很难逆转，那人类要怎么把灵魂从肉体移植出来?然后放到哪里去?是终结者那样的液态生存?还是让一个人的意识转移到另一个人的肉体里?永生与其说解决了人的寿命问题，倒不如说产生了新一轮问题：谁有权永生?将灵魂寄宿在新的肉体算不算谋杀?人是什么?灵魂又是什么?意识又是什么?
这些问题看起来要么无解，要么讨论过后还是无解。但是，当人类在外部世界改造上取得巨大的成功，迟早会研究人类自身，许多问题已经有了眉目。比如说，人类之所以是人，是因为有“自由意志”。有了自由意志，人才能够做选择。这个选择不是被命运操控，也不是神的旨意，更不是国家的命令，而是人自己所选。但是，最新的科学研究指出人类其实没有“自由意志”。在实验中，当人做选择的时候，仪器观测到大脑里生物电回路早就做了决定，而它做的决定并不需要人的意志控制。
类似这样的人类对自身认知越多，对人类的看法越发怪异，这不是第一次发生。在过去的历史里，人类最早认为人类自身是万物之灵，是造物主的宠儿。进化论随之出现，指出我们的进化是适者生存后的结果。人类最早认为人类是世界的中心，日心说打破了这种自我感觉良好。最后太空望远镜证明了太阳系并不在宇宙的中心，太阳系只是银河系里的一个小星系。
这一次在分子结构上研究人类，会发现人的情感和感觉是可以通过刺激大脑皮层制造出来。所谓的自由意志，在肉体里完全找不到实体，而且完全可以通过人工干预加以控制。在另一方面，人类引以为豪的人工智能，已经取得很大的发展。完全无意识而智能的机器，做得可以比人类更好。AlphaGo可以轻松战胜人类职业棋手，但它并不会因此产生任何骄傲和喜悦，这意味着它一直能够稳定且高效解决问题。
于是，我们可以很自然推导：科技可以改变一部分人，优化他们的DNA，从一开始就抹去患重大疾病的可能。通过刺激大脑皮层，让他们比正常出生的婴儿更聪明，动手能力更强。同时，让他们能够感受更强烈的喜悦，远离负面情绪。最后加上科技赋予他们永生，他们和机器形成新的联盟。那么，他们毫无疑问是地球上的神，而且他们和机器会永久性统治没能得到科技改变的低等人类。
当人类对自身的研究达到这种地步，人类就通过一系列科技变化得到新的理解：人类即使自身力量不如其余生物，但仍然能统治地球，靠的是惊人的运算能力。人类作为地球上的一种生物，最早利用语言、文字实现种群内沟通协作。在远古时期对抗大自身数十倍的野生动物，在古代兴建起金字塔和长城，在现代能够探索外太空建空间站。人类就像一堆计算机，彼此联网，释放了群体的计算能力，最终取得了这颗星球的统治权。
那么，和计算机相比，人类的计算能力可就显得有些弱了。而且，计算机没有人的情感和感觉，它永远不会出错，它的智力稳定性超越所有人类。这就暗示着一件事：计算机替人做出的选择更合理，能够实现利益最大化。奥巴马八年做的事还没川普一年做的事让人惊叹，但是四年任期结束的时候，他还是能凭借出色的演讲能力成功连任。原因是人类作为生物，没法给奥巴马任期内的表现打出客观的平均分，然后根据最后的分数决定是否让他当选。人们总会受到最近的情绪的影响，把情绪最高点作为平均值应用。
于是民主制消失了。你的计算机比你更懂你自己，更懂得你到底需要什么，还不受任何外界的影响。我们今天打开手机，每个人能看到的朋友圈广告不一样，每个人能看到的热门微博也不一样，每个人能听到的每日推荐音乐也不一样，但你还是会觉得这些APP真合口味。所以，计算机做出比人类更好的决定，有一天它肯定会替人类做决定。起先，计算机替你做加减乘除，你就放弃了复查账本的习惯。然后计算机替你开车，避开所有交通事故。最后计算机接管你的生活，计算机并不能理解“统治”，它只是服从设计者最初输入的命令：让人更舒服活在地球上，计算机最终会取得这颗星球的统治权。
回顾人类的崛起，无非是微弱的计算能力凑在一起，形成一股更大的力量。本质上来讲，人类所有的活动，选择的进化方向，都是为了让信息传播更迅速，这才有了今天的微信、Facebook。等到计算机的计算能力超越人类，人类本身就失去了存在的价值，机器能做得比人类更好，而且机器不会为了发展毁灭这颗星球，发展最后得以永续。如果把宇宙作为一个整体来看，人类在未来甚至很难找到容身之地。
这就是人类的黄昏，这就是《未来简史》告诉我们的未来。
看完以后想了下，尤瓦尔·赫拉利这两本书还是《人类简史》更好。《未来简史》太像一本为硅谷定制的书，指向了金字塔顶尖们内心中最大的欲望：用科技手段得到永生。
如果要重读的话，我会毫不犹豫选择《人类简史》，那本书有一种对问题的真正兴趣，所以也给出了一些很有趣的答案。
在阅读的过程中，我发现自己有阅读障碍。障碍不是说我没办法读一本几十万字的书，而是我对这个世界的期待改变了。当我习惯了阅读是瞟一眼，是不超过140字的段子，是一张直白的图片，是一个不超过五分钟的短视频，任何超出限度的东西都会让我焦虑。
好在读完这两本书以后，我把这障碍处理妥当了，请把掌声送给阿腿，书是她安利给我的。
为什么肥宁写的东西都是密密麻麻的文字?为什么不是一段一行?为什么没有很多表情或者图片?
我想此刻可以回答你：在我看来，这个世界若只有形形色色斩钉截铁的结论，那可太奇怪了。结论根本不重要，我说的每一句话都有可能是错的，重要的是思考的过程。组织一篇文字的同时，也就是在整理自己的思绪。在许多时候你心乱如麻，如果可以把你面临的困境写下来，写清楚齐纳因后果，写清楚一二三四。等你写完的时候，多半也就思考清楚了。
而如果换成在朋友圈短句刷屏，那除了释放情绪，还真的毫无效果。
不过你能看到这，证明你肯定没有阅读障碍，满打满算整整三千字呢。
《人工智能简史》读书笔记
第一章达特茅斯会议：人工智能的源起一说起人工智能的起源，公认是1956年的达特茅斯会议。殊不知还有个前戏，1955年，美国西部计算机联合大会（WesternJointComputerConference）在洛杉矶召开，会中还套了个小会：学习机讨论会（SessiononLearningMachine）。讨论会的参加者中有两个人参加了第二年的达特茅斯会议，他们是塞弗里奇（OliverSelfridge）和纽厄尔（AllenNewell）。
会议6位重要参与者：麦卡锡、明斯基、赛弗里奇（《控制论》作者维纳的学生）、香农（《信息论》作者）、纽厄尔（与麦卡锡同龄，其导师是冯诺依曼的合作伙伴）、司马贺（纽厄尔老师）
麦卡锡给这个第二年的活动起了个当时看来别出心裁的名字：人工智能夏季研讨会（SummerResearchProjectonArtificialIntelligence）。普遍的误解是“人工智能”这个词是麦卡锡想出来的，其实不是。麦老晚年回忆也承认这个词最早是从别人那里听来的，但记不清是谁了。
“人工智能”这个词真正被共同体广泛认可是在十年后的1965年，在加州大学伯克利分校的欧陆派哲学家德雷弗斯（HubertDreyfus）发表了“炼金术与人工智能”一文之后。
司马贺1957年曾预言十年内计算机下棋会击败人。1968年麦卡锡和象棋大师列维（DavidLevy）打赌说十年内下棋程序会战胜列维，最后赔了列维两千块。乐观的预言总会给对手留下把柄：德雷弗斯后来每年都拿此事嘲讽AI，说计算机下下跳棋还行，下象棋连十岁的孩子都干不过。这便宜话一直说到1997年，IBM的下棋程序“深蓝”击败了卡斯帕罗夫。
第二章自动定理证明兴衰纪数学哲学有三大派：逻辑主义、形式主义以及直觉主义。
自动定理证明起源于逻辑，初衷就是把逻辑演算自动化。
1957年夏季，在塔尔斯基的号召下，一个逻辑学家的大聚会在康奈尔大学举行，会上数学家亚伯拉罕·罗宾逊（AbrahamRobinson，数学和逻辑领域有好几个罗宾逊，且互有关联）指出，埃尔布朗（Herbrand）定理可以把一阶逻辑的问题转化为命题逻辑。这激发了大家寻求统一高效的定理证明的实现方法。
芝加哥大学的实验物理学家费米在曼哈顿计划的早期负责核反应堆。战后，美国以费米实验室为基础建立了第一个美国国家实验室阿贡（Argonne），隶属于美国能源部。阿贡国家实验室的一个分部是应用数学和科学计算，阿贡定理证明小组就在这个分部。阿贡小组对机器定理证明的贡献是决定性的和全方位的。罗宾逊就是在阿贡工作时提出了归结原理。阿贡为归结原理的实现提供了一整套生态环境。
自动定理证明依靠的工具是计算机，正是计算模糊了理性和经验的边界。可以登高一步说：计算是知识演化的基础，计算也是知识民主化的工具。
有些领域，一开始就把百分之八十的容易问题都解决了，而后就一直很难，进展很慢，少有突破。人工智能就是这样，定理证明尤其如此。
自动定理证明的衰落
维特根斯坦曾有言：“逻辑似乎处于一切科学的底部——因为逻辑的研究探索一切事物的本质。”但数学家不觉得他们非得趴在逻辑学家的背上。自动定理证明的状况与此相关，数学家没觉得这玩意儿有用，人工智能的两派人马都不待见。再过几年，可能就没什么人能教“自动定理证明”的课了。
数学是人类智力的最高端。不明就里的哲学家对数学说三道四是令人最不能忍受的。
第三章从专家系统到知识图谱费根鲍姆1964年在斯坦福大学高等行为科学研究中心的一次会上见到了李德伯格，对科学哲学的共同爱好促成了他们漫长而富有成效的合作。那时李德伯格的研究方向是太空生命探测，更具体地说就是用质谱仪分析火星上采集来的数据，看火星上有无可能存在生命。费根鲍姆的兴趣则是机器归纳法，用现在的话说就是机器学习。他们俩，一个有数据，一个搞工具，一拍即合。
第一个专家系统DENDRAL——
DENDRAL输入的是质谱仪的数据，输出是给定物质的化学结构。费根鲍姆和他的学生捕捉翟若适和他的学生的化学分析知识，把知识提炼成规则。这个专家系统有时做得比翟若适的学生还准。
专家系统MYCIN，一个针对细菌感染的诊断系统。MYCIN的处方准确率是69%，当时专科医生的准确率是80%，但MYCIN的成绩已经优于非本专业的医生。
纽厄尔，作为外人，却认为MYCIN才是专家系统的鼻祖，因为MYCIN首创了后来作为专家系统要素的产生式规则：不精确推理。DENDRAL的初衷则是从专家采集来的数据做机器归纳，或者说机器学习。
最早的知识图谱——
在日本五代机项目带来的狂潮中，美国政府决定联合多家高技术企业在得克萨斯大学奥斯汀分校所在地建立微电子与计算机技术公司（MCC，MicroelectronicsandComputerTechnologyCorporation）以抗衡日本。当雷纳特来到MCC时，他已经有了一个新的想法：把人类的常识编码，建成知识库。这个新项目叫Cyc，这三个字母取自英文单词“百科全书”（encyclopedia）。这其实就是最早的知识图谱。雷纳特坚定地支持他老师费根鲍姆的知识原则（KnowledgePrinciple）：一个系统之所以能展示高级的智能理解和行为，主要是因为在所从事的领域所表现出来的特定知识：概念、事实、表示、方法、比喻以及启发。雷纳特甚至说：“智能就是一千万条规则。”
谷歌和知识图谱
在维基百科的同时，还有个Freebase。维基百科的受众是人，而Freebase则强调机器可读。2016年维基百科达到1000万篇文章，其中英文版达到500万篇文章，而Freebase有4000万个实体表示。Freebase的背后是一家名叫Metaweb的创业公司，创始人之一是希利斯（DannyHillis）。2010年Metaweb被谷歌收购，谷歌给它起了个响亮的名字“知识图谱”。2016年谷歌对Freebase停止更新，把所有数据捐给维基数据（Wikidata）。
第四章计算机的教训1978年，当时的计算机工业按照电路工艺划分计算机的发展：第一代计算机是电子管，第二代是晶体管，第三代是集成电路，第四代是超大规模集成电路（VLSI）。
三年后的1981年，以元冈达为首的委员会认真提交了一份长达89页的报告，他们认为第五代计算机不应再以硬件工艺为划分，更应看重体系结构和软件。
英国人沃伦（DavidWarren）1982年在AIMagazine上发表的论文分析了渕一博为什么选择了Prolog：在五代机的所有应用中，Prolog能覆盖的面最广。五代机的终极目标是知识信息处理，在当时的语境下特指专家系统和自然语言理解。那时的自然语言理解还是规则为王的时代。Prolog很明显比LISP更适合这些应用。而且在小规模数据的基准测试中，Prolog作为数据库查询语言甚至不输关系代数。当然，Prolog不是美国人发明的，这也是一个重要因素，这让日本人更有机会掌控并占据领先地位。
计算机科学的进步主要是由两件事驱动的：机器太慢；写程序太慢。在任何时间点，在半导体技术的约束下，提高机器速度的唯一办法是并行处理。Prolog是高级语言，表达效率肯定要比过程语言更高。于是，如何并发地执行Prolog在五代机项目一开始就是重要的研究课题。
美国与日本的第五代机竞争
日本的五代机项目为美国敲响了警钟。1982年美国政府决定成立MCC（MicroelectronicsandComputerConsortium），作为对日本五代机项目的回应。
五代机的衰落
五代机的衰落在1988年就已露出端倪。1981年的第一次五代机会议的会议录只有280多页，其中还包括89页的元冈达报告。而1988年的五代机会议录有1300页三大卷。但从会议录中可以看出，五代机已经成了大杂烩，失去了聚焦点，给人感觉五代机不会在任何相关领域取得突破性进展，而同时八杆子打不着的领域也拼命向五代机靠拢。就像当下人工智能领域的创业，一些和人工智能毫无瓜葛的社会闲杂人员一夜间都成了AI专家，拿到VC的钱之后再想干啥。
五代机没有能证明它能干传统机不能干的活，在典型的应用中，五代机也没比传统机快多少。
第五章神经网络简史自图灵提出“机器与智能”起，就一直有两派观点：一派认为实现人工智能必须用逻辑和符号系统，这一派看问题是自顶向下的；还有一派认为通过仿造大脑可以达到人工智能，这一派是自底向上的，他们认为如果能造一台机器，模拟大脑中的神经网络，这台机器就有智能了。
模拟神经网络的原创文章发表于1943年，两位作者都是传奇人物：麦卡洛克（WarrenMcCulloch）和皮茨（WalterPitts）。
神经网络研究的后一个大突破是在1957年。康奈尔大学的实验心理学家罗森布拉特（FrankRosenblatt）在一台IBM-704计算机上模拟实现了一种他发明的叫作“感知机”（Perceptron）的神经网络模型。这个模型可以完成一些简单的视觉处理任务。这在当时引起了轰动。
明斯基和佩珀特证明了单层神经网络不能解决XOR（异或）问题。异或是一个基本逻辑问题，如果连这个问题都解决不了，那神经网络的计算能力实在有限。其实罗森布拉特也已猜到“感知机”可能存在限制，特别是在“符号处理”方面，并以他神经心理学家的经验指出，某些大脑受到伤害的人也不能处理符号。但“感知机”的缺陷被明斯基以一种敌意的方式呈现出来，当时对罗森布拉特是个致命打击。原来的政府资助机构也逐渐停止对神经网络研究的支持。
神经网络在20世纪80年代的复兴归功于物理学家霍普菲尔德（JohnHopfield）。1982年，那时在加州理工学院担任生物物理教授的霍普菲尔德，提出了一种新的神经网络，可以解决一大类模式识别问题，还可以给出一类组合优化问题的近似解。这种神经网络模型后来被称为霍普菲尔德网络。
1993年，美国电气电子工程师学会IEEE开始出版《神经网络会刊》，为该领域的高质量文章提供出版渠道。美国国防部、海军和能源部等也加大资助力度。神经网络一下子成了显学。
神经网络在20世纪80年代的光芒被后来的互联网掩盖了。但这几年，恰恰又是互联网产生的海量数据给了神经网络更大的机会。而人工智能领域最火的词儿就是“深度学习”。神经网络由一层一层的神经元构成。层数越多，就越深，所谓深度学习就是用很多层神经元构成的神经网络达到机器学习的功能。
辛顿是深度学习的先驱，他和学生在2006年发表的两篇文章开辟了这个新领域，其中登在《科学》上的那篇提出了降维和逐层预训练的方法，使得深度网络的实用化成为可能。
2012年，时任斯坦福大学人工智能实验室主任的吴恩达和谷歌合作建造了一个当时最大的神经网络，这是谷歌神秘的X实验室的一个计划。网络上一度疯传的谷歌猫脸识别就是用的这个参数多达十七亿的神经网络。后来，吴恩达在斯坦福大学又搞了个更大的神经网络，参数高达一百一十二亿。
第六章计算机下棋简史：机定胜人，人定胜天跳棋——
下棋一直就是人类智能的挑战，自然也成了人工智能的标志之一。二战没结束时，图灵就研究计算机下棋，他1947年编了第一个下棋程序，可惜那时计算机的时间（简称“机时”）很宝贵，轮不到他上机。
1951年，图灵的朋友斯特拉切（ChristopherStrachey）在曼彻斯特 Mark-1上写了第一款跳棋程序。图灵在1952年曾与之对弈一局，轻松取胜。1956年IBM的塞缪尔（ArthurSamuel，人工智能里程碑达特茅斯会议的参加者之一）写了第二个跳棋程序，这款程序的特点是自学习，这也是最早的机器学习程序之一，后来不断改进，曾经赢过盲人跳棋大师。
舍佛团队继续精研跳棋理论和实践，直到2007年，他们证明对于跳棋，只要对弈双方不犯错，最终都是和棋，而Chinook已经可以不犯错。他们的结果发表在2007年9月的《科学》杂志上，自此跳棋这一页就算翻过去了。舍佛的兴趣遂转向德州扑克和围棋。
计算机下棋——
第一个可以走完全局的下棋程序是IBM的工程师伯恩斯坦（AlexBernstein）1958年在一台IBM704上做的。
1966年，美苏的对抗也扩展到计算机下棋。苏联科学院的理论与实验物理研究所（ITEP）也在本所研制的一台M20计算机上开发了一款下棋程序，他们要和斯坦福大学的Kotok-McCarthy程序一决高下。从1966年11月22日开始，直到1967年3月10日止，他们通过电报的方式走了四局。最后苏联3:1战胜美国。
20世纪80年代，机器之间的比赛此起彼伏，但机器和人之间仍然有着不可逾越的鸿沟。1980年，天才弗雷德金（EdwardFredkin）专为计算机下棋建立了弗雷德金奖金，奖有三等，头等奖是10万美元，奖给第一款能赢现任世界冠军的下棋机器。
象棋：深蓝——
IBM的外号叫BigBlue，于是新的项目1996年被命名为“深蓝”（DeepBlue）。1996年ACM年会的闭幕节目是“深蓝”对决卡斯帕罗夫，六局棋。“深蓝”旗开得胜，第一局就赢了老卡，最后还是老卡4:2赢得决赛。但此时老卡对“深蓝”刮目相看，他说机器对手不光有洞见，而且有几步简直像“上帝下的”。
1997年5月11日，老卡认输，“深蓝”成了第一位战胜当时世界冠军的机器。在“深蓝”赢了卡斯帕罗夫之后，职业棋手并没有因此而改行，他们反而更多地依赖计算机来训练。
围棋：AlphaGo——
谷歌的AlphaGo首次引用了强化学习（ReinforcementLearning），使得机器和自己对弈学习。
第七章自然语言处理乔治敦实验要早于达特茅斯会议，这也从另一个角度证明了达特茅斯会议更多是“人工智能”这个词儿流行的源头，而不是这门学科的起点。
1966年11月，ALPAC发布了《语言与机器》报告，称机器翻译比人翻译要慢，更不准确，而且成本更高（估算比人要贵两倍）。结论是机器翻译在可预见的未来没法实用，应该立即停止对机器翻译的资助，转而支持一些更基础的、辅助性的研究，如电子字典等。这个报告第一次提出了“计算语言学”的概念。
乔姆斯基之于语言学和认知科学，就像图灵之于计算机科学。乔姆斯基认为，所有的语言（人工或自然）都有与此类似的句法结构，并进一步指出语言的结构是内在的，而不是通过经验习得的（acquired）。
对话机器人的起源——ELIZA、PARRY
魏森鲍姆（JosephWeizenbaum）：1960年，他得了数学硕士学位后就进了工业界，在通用电气的工作经历把他引到了刚刚诞生的计算机行业。他最显赫的成就就是对话程序ELIZA。现在对话程序有一个更流行且形象的词儿“聊天机器人”（chatbot或chatterbot），但根儿都在ELIZA。
科尔比感兴趣的问题正好和魏森鲍姆相反：怎么样构造一个能聊天的病人，一方面可以培训心理医生，另一方面理解病人的征兆。他的成果在1972年变成了计算机程序PARRY。
随着ELIZA在媒体上的成功，魏森鲍姆和科尔比渐行渐远。ELIZA的广泛影响力最终把魏森鲍姆变成技术的异教徒。当大家在争论机器能不能最终超越人类时，他指出这不是“能不能”的问题，而是“该不该”的问题。他意识到了技术的可怕，此后的研究方向转变成计算机技术所带来的社会责任和道德问题。
机器人手臂——
当时真正建立一个机器人手臂，还有一定难度，于是维诺格拉德利用显示器展示了一个虚拟的积木世界。SHRDLU为这个积木世界建立了模型，例如每个积木块的性质，长宽高、颜色、形状等，以及什么积木块可以搭在什么积木块的上面。人可以通过简单的自然语言，命令一个机器手对这个积木世界进行虚拟操作。例如拿起一个特定的积木块把它摞在另一个积木块上。当机器吃不准人的命令时，可以向人发问。
SHRDLU要远比ELIZA复杂，学术意义也更加深刻。SHRDLU把当时很多AI技术整合到一起，除了自然语言理解外，还有规划（Planning）和知识表示。
神经机器翻译——
2016年，谷歌发布神经机器翻译（GoogleNeuralMachineTranslation，简称GNMT）系统，再次大幅提高机器翻译的水平。和谷歌更早期的基于短语的机器翻译（Phrase-BasedMachineTranslation，简称PBMT）不同，神经翻译的基本单位是句子。谷歌使用了循环神经网络RNN 做序列到序列（SequencetoSequence）的学习，硬件设备是谷歌自己的TensorFlow平台。
2017年，Facebook进一步提高了翻译效率。他们用自己擅长的卷积神经网络CNN，进行序列到序列的学习。Facebook号称，英文-德文和英文-法文翻译的基准测试表明，他们的结果在准确度上不输谷歌，而在计算速度上则可以比谷歌的RNN有一个数量级的提升。
语义的问题大致可分两类，一类体现在人和世界的互动。还有一类体现在人和人的交流。魏森鲍姆的ELIZA就属这类。
问答系统的组成——
大体上说，问答系统有三个必备的组成部分，第一部分是问题理解，第二部分是知识查询，第三部分是答案生成。这三个部分相辅相成，第一部分和第三部分是自然语言处理的工作。
语音输入——
在谷歌和Facebook在机器翻译取得长足进展之前，语音输入率先获得突破，2011年微软邓力团队在语音识别上的成功是深度学习的标志性事件之一。苹果、谷歌和微软都推出实用产品。中国企业科大讯飞的语音输入的应用技术也渐趋成熟。
乔姆斯基对人工智能的批评的核心在于“可解释性”。AlphaGo不能解释自己下棋的路数，算不算会下棋呢？也可以反过来说，只有解释了，人类才能从中得到洞见，学习知识。
第八章向自然学习：从遗传算法到强化学习遗传编程——
霍兰德的学生寇扎（JohnKoza）在1987年给出了一个思路，并把它命名为“遗传编程”（GeneticProgramming）。
强化学习——
强化学习的理论基础之一是马尔科夫决策过程。强化学习就是Agent根据经验改变策略以期达到长期最大奖赏的过程。
强化学习的另一个理论基础是动态规划。
在计算能力的约束下，强化学习的环境不宜太复杂。萌芽期的强化学习的例子都是游戏，如贝尔曼的“老虎机”和塞缪尔（Samuel）的跳棋。游戏的环境相对容易定义，在棋类比赛中，环境就是对手和规则。强化学习被用来下围棋不是偶然的。
第九章哲学家和人工智能休伯特·德雷弗斯：1964年夏季他再次到兰德公司工作，写出了那篇广为流传的“炼金术与人工智能”。这篇文章一开始只是攻击纽厄尔和司马贺的观点，后来内容逐渐被扩充，攻击的范围也扩大，终于成为一本书，书名是《计算机不能干什么》，变成了对人工智能的全面批评。
德雷弗斯能够如此长久地混迹人工智能的江湖，有两个原因：其一，人工智能内部一直就是两大派不和，而且派中有派，很少有过学科的发展像人工智能这样起伏跌宕，苍蝇不叮无缝的蛋；其二，相当一批人工智能工作者有哲学情怀。
“中文屋”实验——
所谓“中文屋”思想实验是这样的：假设有个只懂英文不懂中文的人（塞尔的第一人称“我”）被锁在一个房间里，屋里只给“我”留了一本手册或一个计算机程序，这个手册或程序教“我”在收到中文信息时如何用中文应对。屋外的人用中文问问题，屋里的“我”依靠程序用中文回答问题，沟通方式是递纸条。塞尔的问题是：假设屋外的人不能区分屋里的人是不是母语为中文，那么屋里的“我”是不是就算懂中文？塞尔自己认为“我”不懂中文。很明显，这个场景源自图灵测试，只不过图灵测试的环境是英文，而中文屋里既有中文又有英文。
彭罗斯曾经这样谈到机器的情感和道德：如果你买一台计算机，它是有情感的，那么我们就有道德问题，因为计算机的意愿可能被违反，并可能会被当作奴隶。我们首先必须说道德是一个社会问题，也就是说当一个社会只有一个个体（无论是人还是计算机）时，是不存在道德问题的。
第十章人是机器吗？——人工智能的计算理论基础如果我们把“智能”当作人类特有的性质，那么“人是机器吗”这个问题就等价于“机器有智能吗”。
怎样才算是高效率算法呢？一般的看法是，运行时间和空间随着问题规模扩大而变得很大的就不是高效的算法。
在可计算性上超越图灵机的装置叫“超计算”。
BSS模型的主要用途是为数值计算中的算法分析提供理论基础。
最早提出通用量子计算模型的是以色列出生的英国人多依奇，他1985年在《皇家学会会刊》发表文章首创通用量子图灵机模型，为量子计算提供了理论基础。他进一步提出丘奇-图灵-多依奇原理（ChurchTuring-DeutschPrinciple）：任何物理过程都可以被通用计算装置（量子计算机）所模拟。
第十一章智能的进化强人工智能是说机器会全面达到人的智能，强人工智能有时也会和“通用人工智能”（ArtificialGeneralIntelligence）同义；而弱人工智能是说机器会在某些方面达到人的智能——AlphaGo就是弱人工智能的代表。
未来简史读后感1500字5篇
《未来简史》中，雅克·阿塔利从已知的历史和科学角度出发，讲述了一段有关未来50年令人难以置信的故事。下面小编整理了未来简史读后感，供大家参考，希望对你们有帮助。
未来简史读后感1500字
顾名思义，《未来简史》是一本关于未来的书。依据近三百年来人类社会地覆天翻一日千里的变化，对未来的人类和人类社会做了诸多合理的令人信服的推测和想象，尽管这些推测和想象仅仅是一种可能性。但是，这本书并不是关于未来人类和人类社会的经济制度、政治制度或其他什么制度的安排，而是用大量的篇幅描述人类社会的历史演进，由此推演出可能的未来社会。而且，赫拉利一再强调，这种结果只是一种可能性，进而启发我们思考怎样达到这种可能性或避免这种可能性，这种可能性下我们应该怎么做。
这是赫拉利在《未来简史》中文版扉页上的亲笔书写：当我们面对这个混乱的世界的终极问题的时候，我们需要中国读者贡献智慧。
活在当下，我们是幸福的。当大约6万年前人类走出非洲迈向世界各地的时候，我们的祖先经历了多少磨难呀!6万年，对于地球42亿的年龄，实在算不上什么。然而，就是在这6万年里，人类征服了地球，成为地球的最高统治者，万物惟我独尊!从农业革命到工业革命再到信息革命，再到今天的万物互联，人类创造了巨大的财富。这财富，有物质，满足我们的物欲;有精神，满足我们的神性;有制度，无论是专制的还是民主的，都使得我们人类强大有力量。这一切都奠定了我们人类的至高无上的地位。
这是一张著名的照片，1990年，旅行者1号探测器即将飞出太阳系的时候，在距离地球60亿公里的地方，美国国家航空航天局命令它回头再看一眼，拍摄了60张照片，其中一张上，正好包括了地球——图中那个亮点。天体物理学家、著名科学作家卡尔·萨根就上面照片说了这段著名的话—在这个小点上，每个你爱的人、每个你认识的人、每个你曾经听过的人，以及每个曾经存在的人，都在那里过完一生。这里集合了一切的欢喜与苦难，数千个自信的宗教、意识形态以及经济学说，每个猎人和搜寻者、每个英雄和懦夫、每个文明的创造者与毁灭者、每个国王与农夫、每对相恋中的年轻爱侣、每个充满希望的孩子、每对父母、发明家和探险家，每个教授道德的老师、每个贪污政客、每个超级巨星、每个至高无上的领袖、每个人类历史上的圣人与罪人，都住在这里——一粒悬浮在阳光下的微尘。
应该说，今天的我们拥有了人类以来最舒适的生活了。大快朵颐的美食，安全便利快捷的交通，宽大漂亮的房子，舒适开心的工作，开放平安的社会，民主自由的政治，核威慑下的和平，等等，等等。这些，都是我们人类用了6万年的时间一点一滴积累起来的。我们应该珍惜当下。
活在当下，我们是痛苦的。也许真的如赫拉利所说，人类一下子成为地球的主宰就如同暴发户没有心理、文化的准备一样，我们给这个地球带来的灾难也是前无历史的。物种的灭绝，气候的变暖，人口的爆炸，山洪、地震、瘟疫、战争等等，一直以来困扰着人类。人类在无穷尽的追求物质享受的进程中也把自身置于危险的境地。
赫拉利在书中有这样一段话：
石器时代的体验：第一天，在原始深林徒步旅行10小时，在河边开阔的空地搭营过夜;第二天，独木舟顺流而下10小时，在小河旁露营;第三天，向当地人学习如何在湖里钓鱼、在附近的树林里采蘑菇。
现代无产阶级体验：第一天，在受到污染的纺织厂工作10小时，在拥挤的公寓大楼过夜;第二天，在当地百货公司收银员10小时，回到同一栋公寓大楼睡觉;第三天，向当地人学习如何开立银行账户、填写贷款表格。
你会选择哪一个?答案显而易见。
造成这种困境的原因到底是什么?人类到底怎么了?人性，物性，亦或是神性?
未来一定是美好的。这是我的断言，也是我的坚信。尽管赫拉利说我们无法真正预测未来，尽管他把未来的宗教归结为数据主义而不是人文主义。数据主义可能是未来的宗教，人们可以把一切都归于数据，但是，人，人类，一定会在这个新宗教里起到决定作用。离开了人的宗教，无论这个宗教信仰的是上帝，人自身，还是无处不在的数据，都将是毫无意义且没有价值。数据的力量再强大，如同无所不能的上帝，那都是人赋予他们的。人类追求的一切都是以自我为中心，而不是把自己埋葬。人类因为是人类，所以不断在犯错。但是人类一直在修正错误，不断迈向更美好的未来。
未来简史读后感1500字
以色列历史学家尤瓦尔•赫拉利以一部《人类简史》在全球范围内形成影响力，书中提出：人类之所以能够成为地球上区别于其他动物的物种，是因为人类拥有强大的创造能力。人类社会现存的国家、宗教、企业等都是基于生存过程中的需求，描绘、构建，并逐步形成的。回顾完人类演进的历史，赫拉利在2016年对未来进行了畅想，今年1月《未来简史》在我国发行，出于对人类未来演进的好奇，我阅读了这本书。
该书对数千年来人类面临的三大重要问题进行了阐述，包括饥饿、战争、瘟疫。现在这些问题都相对来说比较好控制，在赫拉利的构想中，人类将会把决策和工作逐渐交给机器和算法来完成。人的幸福感是由生化机制所控制的，所以生物技术的发展可以使人获得持续的幸福感。而且，利用先进的科学技术可以编辑自己的基因，完成进化，从而使人类意志逐渐走向终结。比如美国军方正在检测的“经颅直流电刺激器”头盔，可以帮助士兵在作战过程中注意力更加集中而专注，由此可见人类将于机器结合成为具有更高能力的物种。人类可以借助机器克服自身的缺陷，提高原本不完全具备的功能。本书对于生物技术、纳米技术、人工智能的推崇程度极高，顺延着作者的逻辑，人类在新的一轮科技革命之后将出现新的一个群体，即无用群体，这部分人的价值并不能够发挥出来，机器可以替代他完成各种任务，并且他们的生活将在很大程度上受到机器的影响。
我觉得在科技迅猛发展的今天，展望未来时更多的关注技术进步获得影响力，这本身无可厚非，但对于科技进步的过分推崇而降低人类存在的价值，这是有待商榷的。结合两本书的内容，我跟随作者了解了人类的过去、现在、将来。回顾人类演进的历史，人类能够克服自然环境中的不利因素，并战胜更加有优势在林生存的物种而存活下来，这是人类不断的创造工具、使用工具、创造语言、展开合作的结果。人类不是生物系统中最强大凶猛的物种，但却是最有智慧的物种。展望未来的人类发展，人类受到自然环境的约束将逐渐减少，环境中的不利因素可以通过科技手段将其转化为有利因素。人类会越来越多的使用先进的科学技术改变生活生产的方方面面，但人类社会中人的自我意志和作用还会占据主导地位。
我跟随作者感受了人类发展这么宏大的问题，在漫长的历史长河中感受人类经受的困难和蜕变，以及人类以后可能经历的神奇转变，突然把自己担心的小事儿、遇到的小困难，看的不那么重要了。每个人其实只是一个渺小的存在，安安心心、努力做更好的自己就好。
未来简史读后感1500字
《未来简史》这本书是未出版就已经火了，因为这本书的作者写过一本风靡全球的书，《人类简史》，人类简史我买了但是还没有看，未来简史今天刚刚看完，那么就说说它吧，说说书，也说说我的感受。
《未来简史》开篇的宗旨就是抛出来了3个议题，阐述了在未来，或者说现在，人类的死亡数量，不在是战争或者疾病，而是肥胖，抑郁症等因素导致，在未来追求幸福依然是一个目标，据统计，20世纪的幸福指数和现在的幸福指数基本上保持在一个水平线上，虽然现在有吃有喝，但是随着社会的发展，归属感越来越少，人与人之间的隔阂越来越重，所追求的东西越来越多，或者说不同。
《未来简史》标题是从智人到神人的转变，智人应该不用解读，就是现在的人类，神人在书中描述的是什么样子的，所谓的神人是部分的精英人士，这些人掌握着世界上大多数的金钱和权力，他们掌控者大多数人生老病死，随着科技的发展，细胞的移植和再生，人类的生命能延续多久将是一个未知数，但是可以确定的是，做这些生物手术需要大量的资金或者说是权力，可以说生命能够延续的依然是部分精英人士，在未来依然会统治人类，不由的可怕，一切的一切和普通人似乎没有多大的关系。
《未来简史》最后一篇讲述的是关于数据。即现在所说的大数据，大数据时代的到来，虽然现在才是刚刚起步，但是足矣影响到我们的生活，随着科技网络的发展，未来我们所做的每一项决定，可以去询问计算机，或者说，通过计算机的计算，计算机会为你做出决定，比你靠情绪化所做的决定要合理和理性的多。大数据，也会存储所有人的基因，可以作为一个大的基因工作，如果你生病，基因工程学，将会遍布你的血缘近亲看看他们有没有病史，或者遍布所有的基因库有没有人有这种同样的疾病，是如何治疗的。即使都没有，这是一种新奇的疾病，按照未来科技的发展，将会有纳米治疗技术的诞生，可能现在只是一个雏形，或许我不知道而已，把细胞战士浓缩成纳米那么小，把它放到身体里面，让纳米战士去和坏细胞做斗争，从来消除疾病，人类的死亡，其实是身体的某个部位出现了死亡。按照现在的技术来看，更换皮肤可以做的到，更换心脏或许也可以做的到，只是还存在一些危险性。但是在不久的将来，这些都可以实现，你想想你的某个部位出现了死亡，直接切掉更换，又是一条好汉，你永远死不了，而且还会年轻，那个时候你会做何感想，按照这个想法想下去，就不需要造后代了，就这么一批人生存在这个地球即可，也没有什么生育。如果真想要个孩子，直接体外培植，你可以花钱检查这个孩子的23对染色体是否有问题，你是否想让这个孩子有某个方面的天赋，都将可以实现。未来已来，已来的未来一切皆有可能。
《未来简史》中说机器人打败人类，特别是谷歌的alphaGo打败了人类史上最难的一项脑力运动，围棋的韩国棋王李世石。从深蓝到alphaGo，人工智能越来越智能，现在唯一缺少的似乎是意识或者说像人类这样思考。但是从如今的发展来看，机器人会思考这样的事情还会远吗?人终将会被机器控制，还是人继续控制着机器，尤未可知。
由未来简史引发的一些列思考，对未来产生了期待又感觉到了可怕，但趋势如此，怎可逆流而上，作为普通人能做的顺势而为，做好迎接未来一切变因准备。
以上是小编看完《未来简史》的部分思考。其中还有一些文化、宗教、信仰等问题，容后作文阐述。
在人文主义时代，没有美丑之分，有的是谁看的，他认为美即美，认为丑即丑，每个人的价值是可有可无，但是整个人类还是有价值的，每个人像一个独立的芯片一样，有这自己的生活，和社会相互联系，又相互独立，看似矛盾的命题，细想一下，可以如此。
联系我们【注】极少数浏览器不支持复制，付费用户如果出现此种情况，请在微信公众号“千篇网”按照提示留言，客服一般会在0-3小时内将文档发送给您！在线时间：早上8:00-晚上22:00免费复制微信扫码关注:千篇网注:需在公众号回复"验证码"输入验证码后可免费复制付费复制付费后30天内不限量复制价格:3.00元支付宝支付联系客服扫一扫，支付¥3.00元正在加载二维码...
支付完成后，等待10秒，请勿关闭此页！【手机端支付方法】屏幕截图保存此二维码，支付宝扫码-选相册-选此图片。《人工智能简史》读后感3000字docx
1、过计算机实现智能的原理或者制造类似于人脑智能的计算借用数学工具。数学进入人工智能学科，它们将互相促进而更快地发展。数学给予人工智能学科计算方法和逻辑思维，人工智能学科给数学计算和发展提供了可靠的未来。拟。对于人的思维模拟可以从两条道路进行：一是结构模19551956议，这是人工智能史上最重要的里程碑，被公认为人工智能之开始。达特茅斯会议中的讨论预示了人工智能随后几十年关于“结构与功能”两个阶级，两条路线的斗争。他们讨论着一个主题：用机器来模仿人类学习以及其他方面的智能。他们公布了的“逻辑理论家”是当时唯一可以工作的人工智能软件，引起了会议代表极大的兴趣与关注。会议的召集人麦卡锡给这个活动
2、起了个别出心裁的名字：人工智能夏季研讨会。这是人工智能一词正式在学术会议中亮相，而1956年也就成为了人工智能元年。虽然之后一段时间内对人工智能并没有大规模投入资金和大量科研人员，但是毋庸置疑的打开了新发展的大门，为后来的道路提供了方向和目标。数学哲学有三大派：逻辑主义、形式主义以及直觉主义。自动定理证明起源于逻辑，初衷就是把逻辑演算自动的基础，也是知识大众化的工具。人工智能尤其是定理证明，都是开始把大部分的简单问题解决了，之后就一直很件再发达也很难再到达新的高度。定理证明是极端的符号派，所有符号派的人工智能技术的基础都是定理证明。2080象，建立某种简单模型，按不同的连接方式组成
3、不同的网2080达能力越强，但伴随而来的训练复杂程度也就越大。19511956生，它的特点是自学习，这也是最早的机器学习程序之一。20071996到了1997年5月11越的大山以及人类捍卫在棋类方面主导地位的堡垒，但是AlphaGo之战。自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是计算机科学，人工智能，语言学关注计算机和人类以及自然语言之间的相互作用的领域，其目的在于研发出有效实现自然语言通信的计算机系统。自然语言复杂而多样，如何将这些知识较完整地加以收集和整理出来，又如何找到合适的形式，将它们
4、存入计算机系统中去，以及如何有效地利用它们来消除歧义，都是工作量极大且十分困难的工作。这不是少数人短时期内可以完成的，还有待长期的、系统的工作来解决这些问题。从简单的翻译，到“计算语言学”概念的第一次提出，再到对句法分析、查找资料、语音记录和翻译、与人进行语言交流。遗传算法是根据大自然中生物体进化规律而设计提出突。人工智能发展中的漏洞和不完善经常遇到哲学家的批了解科学家们讨论的有所体会有了差异性，这也是理性和感性之间的矛盾。人类的智能在不断进化，相对的人工智能在被创造出来后也在不断地进化。弱人工智能指的是在某些方面达到人的智能，目前已经不会有人质疑了。但是强人工智能作为不同智能功能的整合，面临着各种挑战。未来究竟会如何发展，会对人类造成