《暗知识》读书笔记
2021-06-29 15:02:18 0 举报AI智能生成
一直以来人类的知识可以分为两类：“明知识”和“默知识”。明知识就是那些可以用语言、文字或公式清晰表达和描述的知识；暗知识则是个人在感觉上能把握但无法清晰描述的知识，也即我们常说的“只可意会，不可言传”的那类知识。本书介绍了机器学习五大流派从数据中挖掘暗知识的方法以及各自适用的领域，尤其是神经网络的基本工作原理和目前在商业上应用最广泛的几种形态。
作者其他创作
大纲/内容
《暗知识：机器认知如何颠覆商业和社会》
四、默知识和暗知识
1.知识是什么？
有文字以来：用语言文字或公式表达的
70年前：迈克尔·波拉尼提出默会知识
案例：索罗斯
2.默知识
特点：不可记录、不可集中
3.暗知识
概念：一种既不可感受，也不可表达的知识
四象限图
三种知识之间量的关系
冰山图
存在问题：与多数决策和制度产生冲突
五、人工智能产业生态
1.算力、数据和算法
算力和数据与人工智能行业没关系
算法中的芯片中国无法与英伟达、赛恩斯公司抗衡
2.frame编程框架
谷歌的TensorFlow：最大的程序库，已形成生态系统
目前应用层面较少
案例：医生VS AI机器
医生：只能抓住主要的两三个因素，根据经验做判断
机器：一个病就可以画成一个非常复杂的网络
结果：AI成为最有经验的医生
六、产业适合或不适合发展人工智能的判断依据
1.机器学习的本质
神经网络的本质是让机器在海量的变量里头，发现人类发现不了的复杂的相关性
2.什么样的产业适合人工智能？
✔行业里有大量的数据，复杂的相关性
✔人看不懂，机器看得懂的
✔钱特别多
3.什么样的产业不适合人工智能？
因果关系产业
举例：全自动驾驶
原因：1.只能找到相关性；2.缺少商业模式；3.成本高
4.视觉行业为什么会有泡沫呢?
技术雷同
中国国情决定
芯片行业中国公司被高估
芯片竞争三个方向：数据中心；边缘计算；细分市场
投资人误区
七、机器强于人脑的原因
1.原因
机器比人脑快太多
机器比人脑靠谱
人工神经网络可以复制所有神经元信号
2.总结
机器是智商偏科，情商为零
机器把我们踢出了知识获取的回路，人类成了吃瓜群众
作者信息
王维嘉
一、写书的初衷
初衷1：帮助所有人简单看懂人工智能
大家对人工智能存在许多不同的理解
初衷2：AlphaGo下围棋事件带来的两大震撼
震撼1：完全无法理解AlphaGo为什么那么厉害？
震撼2：AlphaZero通过自我对弈，自我学习打败了AlphaGo
第一个震撼
我们完全无法理解为什么AlphaGo能这么厉害，被人工智能打得没有还手之力。
第二个震撼
机器的自我对弈、自我学习，40天以后就天下无敌
二、无法理解人工智能是基本概念出了问题
1.人工智能的概念、作用
举例：阿法蝶轻松把蛋白质基因序列的蛋白质三维结构算出来
过去➜➜用X光衍射的方法，非常难
近两年➜➜用1000万美金的冷冻电镜，要照几十万张照片
现在➜➜阿法蝶很轻松就算出来了
2.作者对人工智能的定义
信息：可观察的事物表征
数据：被描述出来的信息
知识：数据之间的关系
三、人是否能可靠的认识世界？
1.回到认识论：理想主义VS经验主义
理性主义➤➤人是有能力认知概念；知识是来自于推理；万事皆有因果。
经验主义➤➤白板说
作者认为➤➤任何认识世界离不开主体
举例：休谟驳倒因果论和归纳法
举例：火鸡悖论
2.人脑的构造和工作原理
认识大脑的作用原理上的科学家
结论：人类所有的学习机制，就是与神经元建立连接
3.电子线路模仿人脑工作机制
神经网络
定义：把很多神经元分层连起来
原理：数学上求偏微分方程
作用：它能够发现人类所发现不了的隐秘的关系
特点：
简单的神经元个体+海量的神经元实现复杂的功能
神经元的数学表达没有解析解
4.人工智能
包含深度学习
神经网络里，多层神经网络就叫深度学习
0 条评论
下一页
