智能時代讀后感

　　未來的社會，屬于那些具有創(chuàng)意的人，包括計算機科學家，而不屬于掌握某種技能做重復性工作的人。下面是CN人才網(wǎng)為大家整理的智能時代讀后感，歡迎參考~

　　篇一：智能時代讀后感

　　未來的社會，屬于那些具有創(chuàng)意的人，包括計算機科學家，而不屬于掌握某種技能做重復性工作的人。

　　第一章 數(shù)據(jù)——人類建造文明的基石

　　信息是關(guān)于世界、人和事的描述，它比數(shù)據(jù)來得抽象。信息既可以是我們?nèi)祟悇?chuàng)造的，比如兩個人的語音通話記錄，也可以是天然存在的客觀事實，比如地球的面積和質(zhì)量。

　　數(shù)據(jù)可以把信息描述清楚，它最大的作用在于承載信息，但是并非所有的數(shù)據(jù)都承載了有意義的信息。數(shù)據(jù)本身是人造物，因此它們可以被隨意制造，甚至可以被偽造。

　　人類文明的過程其實伴隨著獲取數(shù)據(jù)->分析數(shù)據(jù)->建立模型->預測未知的過程。數(shù)據(jù)在人類文明中起到了基石的作用。像地心說、日心說等都是一種模型。

　　數(shù)據(jù)之間大多存在相關(guān)性。很多時候，我們無法直接獲得信息(比如疫情傳播情況)，但是我們可以將相關(guān)聯(lián)的信息(比如各地搜索情況)量化，然后通過數(shù)學模型，間接地得到所要的信息。而各種數(shù)學模型的基礎(chǔ)都離不開概率論和統(tǒng)計學。

　　統(tǒng)計學的前提是可靠的樣本，而樣本的選取并非易事。而且在互聯(lián)網(wǎng)出現(xiàn)之前，獲得大量的具有代表性的數(shù)據(jù)其實并非一件容易事。

　　從概率論一誕生人們就有這種擔憂，人們希望能夠從理論上證明當觀察到的數(shù)據(jù)量足夠多了以后，隨機性和噪聲的影響可以忽略不計。

　　切比雪夫不等式證明了當樣本數(shù)足夠多時，一個隨機變量和它的數(shù)學期望值之間的誤差可以任意小。

　　要建立數(shù)學模型就要解決兩個問題，首先是采用什么樣的模型，其次是模型的參數(shù)是多少。簡單的模型未必和真實情況相匹配，從一開始如果選擇錯誤，則以后修修補補就很難了。而尋找模型的參數(shù)，以便讓模型至少和以前觀察到的數(shù)據(jù)相吻合，這個過程就是機器學習。

　　完美的模型未必存在，即使存在，找到它也非常不容易。但是經(jīng)�？梢杂枚鄠�簡單的模型拼湊出一個復雜的模型，而且常常成本更低。

　　回到數(shù)學模型上，其實只要數(shù)據(jù)量足夠多，就可以用若干個簡單的模型取代一個復雜的模型。這種方法被成為數(shù)據(jù)驅(qū)動法。因為它是先有大量的數(shù)據(jù)，而不是預設的模型，然后用很多簡單的模型去契合數(shù)據(jù)。

　　篇二：智能時代讀后感

　　第一次讀智能時代，是通過朋友的豆瓣閱讀邀請碼下載到手機上看的。起先并沒有太認真閱讀，只是在下班路上隨手翻幾頁，以為這就是寫現(xiàn)在比較熱門的關(guān)于智能設備或者智能生活方式的乏善可陳的書，畢竟書名"智能時代"給我第一印象就是如此。實際讀的`時候才發(fā)現(xiàn)，這是一本講人的智能和計算機能否產(chǎn)生類似智能的書。書的原名是《on Intelligence》，本意是關(guān)于智能的討論，翻譯書名《智能時代》和副標題不是很切題，會給人錯誤的第一印象。

　　拋開書名不說，《智能時代》是我?guī)啄陜?nèi)讀過最好的書之一，作者——杰夫•霍金斯的文筆很簡潔，這本書翻譯的水平也很高，文中很客觀和批判性地描述了智能和人工智能研究，并闡述了作者自己對智能的理解。本書一推出就獲得兩個諾貝爾獎得主及專業(yè)領(lǐng)域人士的大力推薦，考慮到霍金斯本人是企業(yè)家而不是職業(yè)科學家這一點，是十分罕見的。

　　我從小經(jīng)常思考關(guān)于智能的問題，這本書能解答我很多疑惑，讀書時那種開悟的感覺只能用醍醐灌頂來形容。還記得初一的某天下課回家，我騎著自行車，突然產(chǎn)生了一個疑問——我的手是怎么掌把的，我沒有有意識地控制哪根手指放哪個位置啊?然后我撞了汽車。如果你和我一樣，曾經(jīng)思考過這類問題，那么本書絕對是你的菜。

　　霍金斯在書中首先回顧了當今人工智能研究的歷程以及自己探索的經(jīng)歷，客觀批判了"智能行為派"，他認為智能是系統(tǒng)的內(nèi)在屬性，和外在表現(xiàn)無關(guān)。比如一個人在靜靜思考的時候，雖然沒有表現(xiàn)出任何行為，他也是有智能的。退一步來講，假使通過行為來判斷是否有智能，當下的計算機也不合格。計算機要能識別圖片，必須設計一套視覺識別算法，計算灰度、色階、輪廓等;識別語音要設計語言算法，計算聲波頻率、音調(diào)、匹配語義等。圖片算法和聲音算法之間沒有任何關(guān)聯(lián)，從術(shù)語到計算過程完全不同。但是對于大腦來說，聲音和圖像在大腦中的處理過程很類似，只是接受刺激的感官不同。把實驗動物幼崽的視覺神經(jīng)接到本來應該發(fā)育聽覺的位置，這些動物都能發(fā)育出正常的視覺——而如果把計算機的攝像頭接到話筒上，結(jié)果可想而之。作者并非在否定算法本身，無疑，大腦也有自己的算法，這個算法是高度抽象的，能根據(jù)信號輸入的不同發(fā)展出相應的知覺。相比之下，計算機算法毫無變通的可能性。從這兩點出發(fā)，作者認為以往的計算機智能研究是一條死路。

　　那么智能應該是什么樣的?霍金斯從日常生活出發(fā)，通過對學習、記憶、回想等等行為的分解，結(jié)合腦部神經(jīng)結(jié)構(gòu)，提出了產(chǎn)生智能的"記憶——預測"框架。整個推斷過程非常精彩，在此就不劇透了，以免破壞了閱讀樂趣。

　　這個系統(tǒng)的核心在于"恒定表征"這樣一個概念，霍金斯認為人類(或海豚猴子等其他動物)之所以能認知世界，依賴于對事物高度抽象的能力。這種抽象能力，不是指刻意訓練的邏輯思維能力，而是智慧生物由大腦結(jié)構(gòu)決定的固有能力。舉個例子：當我看到我家的小狗，我能意識到它在附近;當我聽到它熟悉的叫聲，我也能意識到它在附近;甚至當我只是看到它掉在沙發(fā)上的毛，都能推斷出它肯定爬上過沙發(fā)。我并不一定直接看到它，是如何判斷它是否在附近呢?這就表明我的大腦有關(guān)于這只狗的"恒定表征"，不以我觀測的方式轉(zhuǎn)移。我認識我家的狗，無論它是蹲著還是趴著還是把腦袋藏在沙發(fā)下面，我都能意識到它的獨特存在。"恒定表征"也就是人們常說的"理解"某個事物，對于計算機來說，目前的技術(shù)只能按部就班地計算，沒有理解的產(chǎn)生，更無所謂智能。

【智能時代讀后感】相關(guān)文章：

《智能時代》讀后感06-06

《智能時代》讀后感2000字06-06

江西省開啟“智能駕培”新時代 機器人智能教練進駕校03-01

《小時代》讀后感12-29

頑童時代讀后感04-28

《頑童時代》讀后感04-28

堯舜時代讀后感10-13

時代廣場的蟋蟀讀后感01-05

《時代廣場的蟋蟀》讀后感01-05