《暗知识》 王维嘉 著

AI将把我们带往何方？

一、AI机器认知

横空出世——暗知识的发现、榨取数据——机器能学会的知识、神经网络——萃取隐蔽相关性

01、明知识是可以被表达的。默知识可以被感知，需要通过体验获得。暗知识是不可感知亦不可表达的知识。

02、我唯一知道的是我什么都不知道。(苏格拉底)

03、一个未经深究的人生根本就不值得过。(苏格拉底)

04、我思，故我在。(笛卡尔)

05、人类有史以来几乎所有的哲学辩论都源于语言的模糊不清，因而没有任何意义。在世界中只有事实有意义，在语言中只有那些能够判断真伪的论断才能反映事实。我们的语言受限，因而我们的世界受限。(维特根斯坦)

06、经济学家哈耶克：市场是最有效的资源配置形式。因为市场上的每个人都有自己不可表达的、精微的偏好和细腻的需求，而且没人能够精确完整地知道其他人的偏好和需求，也就是说供需双方实际上无法直接沟通。供需双方最简洁有效的沟通方式就是通过商品的价格。在自由买卖的前提下，市场中每个人只要根据价格信号就可以做出决定。

07、符号学派，机器自己摸索出决策逻辑；贝叶斯学派，机器从结果推出原因的概率；类推学派，机器学习默知识；联结学派，模仿人脑；进化学派，模仿演化。

08、暗知识是那些既无法被人类感受又不能表达出来的知识。人类本身无法理解和掌握这些知识，但机器却可以。机器有两种方法可以掌握这些知识：模仿人脑和模仿演化。

09、人工智能分为人工学习、机器学习；机器学习里面包含神经网络；神经网络里面又分浅度学习、深度学习。(人工智能>机器学习>神经网络>深度学习)

10、降低运算量就是降低成本。

11、神经网络五大研究前沿:非监督学习，增量学习和连续学习，生成对抗网络，迁移学习，学习如何学习。

二、AI对商业的影响

逐鹿硅谷——AI产业争霸战、飓风袭来——将被颠覆的行业

01、AI突破三要素：算力，数据，算法。

02、计算机运算速度每18个月提升一倍，价格每18个月下降一半。

03、AI近年的突破性发展的三个驱动因素之一是神经网络算法的突破。这是三个因素中最重要的因素，因为其他两个因素（计算能力和数据量）属于“搭便车”。

04、半导体芯片是一切信息技术的基础，有了芯片才有电脑和存储，有了电脑和存储才有互联网，有了互联网才有大数据，有了大数据才有人工智能。

05、训练神经网络就相当于调黑盒子上的旋钮，调旋钮是通过数学的算法调的，这些旋钮动辄几十亿个，需要大量的计算。传统电脑用的是CPU，用CPU去调旋钮相当于调完第一个再调第二个，一个一个按顺序来。GPU一次可以同时调成千上万个旋钮，原来CPU几年才能调完的活GPU几天就干完了。GPU的出现，让神经网络可以更大，因而处理能力更强，从一个纯学术的研究项目变为有巨大商业价值的工具。

06、深度学习需要用GPU的主要有两类：模型训练和识别。

07、一个训练模型可能要成百上千个GPU来算。识别的计算量少很多，但是用户多，总的运算量更大，通常是模型训练的几十倍甚至上百倍。

08、先进微器件公司发扬一贯的“宁做老二”的传统，在CPU上紧盯英特尔，在GPU上紧盯英伟达，永远走“功能类似，价格便宜”的路线。

09、神经网络芯片大致分成三大类：数据中心里面使用的用于训练模型和识别的芯片；用于汽车自动驾驶或机器人中的芯片；用于各类终端的芯片。

10、今天互联网公司的数据主要是人们使用电脑和手机产生的浏览数据，它们并不掌握对人类有用的，AI也需要用的三类数据：人类本身的数据；环境数据；各种人类劳动过程数据。

11、一套自动驾驶软件的模块组成：感知和数据融合；物体检测、分类、跟踪；场景识别和判断；路径规划；控制（方向、速度、刹车等）。

12、预测未来永远有风险，但可以促使自己深入思考，也能引起有质量的讨论。

13、AI将给金融行业带来彻底的颠覆。金融行业的重要分支例如银行、保险、证券、理财将无一幸免。全球银行业正在受到金融科技的巨大冲击。人工智能技术作为金融科技的核心技术，正在使银行业的服务形态、数据处理、需求洞察、风险管理等发生根本性的变革。

三、AI对未来和社会的影响

暗知识神迹——机器能否超越人类、“神人”与“闲人”——AI时代的社会与伦理

01、一个科学研究的过程：提出问题或选择要解决的问题；学习研究关于这个问题已经发表的研究文献；根据研究文献和研究者的经验提出假设；设计验证假设的实验；进行实验和整理实验数据；根据实验结果判断假设是否成立；如果假设不成立，返回第2步或第3步，提出新的假设。

02、人类过去500年来的进步主要依靠科学技术的进步，而且这种进步还在加速。随着AI的发展，科学发现可能会加速，这意味着技术进步会进一步加快，反过来又会加快科学的进步。例如量子计算依赖于材料科学的进展，一旦量子计算取得突破，计算能力就可能比现在提高几个数量级，AI能力的提高又会进一步加快科学进展和加速实验速度，如此循环下去。

03、科学的本质是受控实验。人类通过控制一组变量来测量另外一些变量的变化。科学定律就是可控变量和测量变量之间的关系。当人类完全掌握了某一类关系后，就可以通过制造仪器把原来的测量变量变为可控变量，用增大的可控变量集再来继续发现它们和新的测量变量的关系，这就是科学进步的本质，所以仪器就是某一类科学定律的物化。科学的进展完全依赖于能否完全掌握某个科学定律并且把该定律变成仪器。

04、我的孩子要学AI吗？学好数理化，走遍天下都不怕。物理学是建立在数学之上的，化学又是建立在物理学之上的，生物学又是建立在物理和化学之上的。归根结底，所有现代科学的基础都是数学。人工智能也不例外，基于神经网络的机器学习的全部数学基础就是偏微分方程和线性代数，人工智能其他流派可能还要涉及概率论和随机过程。今天的小学生、中学生到大学毕业时，人工智能不知会发展到什么程度，但它的数学基础还将是以上这些课程。一二十年以后，也许基于神经网络的机器学习会遇到瓶颈，但学好数理化的孩子可以有许多其他选择，而不必局限在AI领域。

05、语文培养的不仅是表达能力，更重要的是培养同理心的途径。人类之间沟通的基础就是同理心和共情心，即根据自己的感觉理解别人的能力。机器没有同理心和共情心，未来最难被机器取代的就是需要和人类沟通的工作。在能力方面，除了沟通能力以外，未来最重要的是想象力和创造力，而不是“工匠”能力。