《智慧的疆界：从图灵机到人工智能》
介绍这本书主要内容 《智慧的疆界：从图灵机到人工智能》由周志明撰写，全面介绍了人工智能的发展历程。书中以时间为主线，用通俗易懂的语言和巧妙的内容组织方式，详细讲解了人工智能学科的全貌，包括其能解决的问题、面临的困难、尝试过的努力以及取得的成绩。书的内容涵盖了人工智能的奠基人物、历史事件、学术理论、研究成果和技术应用等五个维度[1][10]。 介绍本书作者 周志明是计算机科学领域的专家，现任远光软件研究院院长，专注于Java技术、机器学习和企业级开发技术。他是《深入理解Java虚拟机》的作者，这本书在中文计算机图书领域广受好评。此外，他还著有《深入理解OSGi》和《凤凰架构：构建可靠的大型分布式系统》等书籍[4][5]。 本书核心思想摘要 本书的核心思想是通过回顾人工智能的发展历史，展示其从图灵机到现代人工智能的演变过程。作者强调了人工智能领域的三大主要流派：符号主义、连接主义和行为主义，探讨了这些流派在推动人工智能发展中的作用。书中还讨论了人工智能的未来发展方向，试图消除人们对人工智能的神秘感，将其从科学的殿堂推向公众面前[1][7][10]。 本书个人收获及感悟 阅读这本书后，读者可以对人工智能的历史和现状有一个全面的了解。书中详细介绍了人工智能的基础理论和重要事件，使读者能够理解人工智能是如何一步步发展到今天的。对于非专业读者来说，这本书用通俗的语言解释了复杂的概念，使得人工智能不再那么神秘和难以理解。对于专业研究人员，这本书提供了丰富的参考资料和研究方向[1][7]。 笔记摘录
图灵机：图灵机是一种理想中的计算模型，用机械操作模拟人们用纸笔进行数学运算的过程[12]。
符号主义、连接主义、行为主义：人工智能的三大主要流派，各自有不同的研究方法和应用领域[1]。
达特茅斯会议：1956年举行的达特茅斯会议被认为是人工智能研究的起点，标志着人工智能作为一个独立学科的诞生[8]。
图灵测试：由阿兰·图灵提出，用来判断机器是否具有智能的一种测试方法[8]。
人工智能的未来：随着技术的发展，人工智能有可能在未来实现更高水平的自主学习和决策能力，但也面临着伦理和安全等方面的挑战[1][10]。
《智慧的疆界：从图灵机到人工智能》 周志明 23个笔记 第三章 前言
智慧的疆界应是指人类探寻智能奥秘过程中，“已知”与“未知”之间的界线。以代表计算能力的图灵机为起点，以掌握了意识和思维奥秘的终极智能为终点，在这条路上人类摸索前行
从图灵、香农、冯·诺依曼、维纳，到纽厄尔、司马贺、麦卡锡、明斯基、皮茨、麦卡洛克，再到辛顿、燕乐存、奥本希、乔丹、尼尔森等，一位位天才学者不懈奋斗，为人类掌握“智能”这个科学的最终领域拓土开疆。这些学者的传奇故事，当然值得我们去记录、学习。
“入门”，不等同于简单，更不能等同于粗陋。对于人工智能这种涉及数学、信息、生物、心理和大量其他专业知识的交叉学科，要做到技艺精深必然是极难的
第二十章 2.3 达特茅斯会议
司马贺（Herbert Simon,1916—2001）：司马贺不是音译，而是他本人给自己取的中文名字。如果读者在其他人工智能的文档上看到“赫伯特·西蒙”，那说的是同一个人。
第二十一章 2.4 有学术就有江湖
达特茅斯会议之后，人工智能开始成为一门被计算机科学界严肃对待的学科，但人们惊讶地发现，在这门刚诞生的新兴学科里，竟然没有一位“权威人物”存在。
金庸有一个传诵甚广的名句：“有人的地方就有江湖。”学术圈本身就是一个江湖，人工智能这门学科也是一个江湖，要是这个江湖里没有了“武林盟主”，那将会是一个怎样跌宕起伏的故事？不说是剑拔弩张、刀光剑影，至少也会是群雄并立、争斗不息吧？
所以，人工智能的每一次发展都是试错，每一步突破都伴随着争论和争议而来。无论是计算机科学界内的论战，还是跨界到数学、逻辑学、哲学、物理学、仿生学这些自然科学甚至到政治、文化这些人文科学领域，都出过或大或小的与人工智能相关的争论。
第二十二章 2.5 有江湖就有传奇
“我诚然是一个科学家，但是是许多学科的科学家。我曾经在许多科学迷宫中探索，这些迷宫并未连成一体。我的抱负未能扩大到如此程度，使我的一生有连贯性。我扮演了许多不同角色，角色之间有时难免互相借用。但我对我所扮演的每一种角色都是尽了力的，从而是有信誉的，这也就足够了。”
第二十六章 3.1 概述
本章的主角便被命名为人工智能的三大学派之一—符号主义学派（Symbolicism）。要去了解一门主义或一个学派，首先要抓住它的核心观点和主要理论，如常识编程、物理符号系统假说，以及他们研究的手段，如推理归纳方法、知识表示方法，还有它取得的主要成果，如问题求解程序、专家系统等。
第二十七章 3.2 引言：五分钟逻辑学
早在公元前5世纪至前3世纪间，古中国以墨家为代表的明辨、古印度以佛教为代表的因明和古希腊以亚里士多德学派为代表的传统逻辑都各自发展出一套关于推论和证明过程的方法。现代科学中所说的逻辑学，源自亚里士多德（Aristotle，公元前384—前322）所建立的传统逻辑学说。
“我们每天看到的世界，是通过具体化的、非结构化的形式（如视觉、声音、文字等）呈现的，这些具体却散漫粗疏的内容是否可以使用符号来精确定义？人类理解世界的过程，是否可以在这个基础上精确描述和计算？”符号主义学派的学者们对这个问题持明确的肯定答案，整个学派的核心思想其实可以概括为五个字：认知即计算。
第五十二章 第三部分 第三波高潮
机器学习就是一种可以让机器根据历史经验自动改进自身的学习算法。
第五十三章 6.1 概述
而对于公众来说，大约是2012年开始，机器学习几乎是一夜之间成了流行词。经过以高德纳（Gartner Group）等企业为首的一大批信息技术咨询公司在这些年的大肆宣传，人们对机器学习的期望和关注都已积累颇多，可能已经超过了机器学习本身所能解决问题的范畴。
不过，机器学习并不是魔法，也不是科幻想象中那种把能机器从一张白纸逐渐教育成智慧机械生命的神奇手段，它其实与人类从懵懂到睿智的教育过程几乎没有相同之处，这里的“学习”是取其“从经验中自我改进”的含义。
第五十四章 6.2 什么是机器学习
而第一个在学术上符合今天机器学习思想的定义，是由司马贺在1959年所提出的[插图]：“如果某个系统可以从经验中改进自身的能力，那这便是学习的过程。”
在李航老师的《统计学习方法》一书中，就提出机器学习由“模型”“策略”和“算法”三个要素构成：机器学习＝模型+策略+算法
第五十五章 6.3 机器学习的意义
说白了，机器学习是在追求让人类不用再去思考和设计的可能，让人类只需收集到足够的经验数据，让计算机能够自己去琢磨，找到模拟的办法，进而解决问题。
虽然不同于传统人工编程，但这里所做的事情，某种意义上就是一种“自发能够产生‘解决问题的程序’的程序”了。
第五十六章 6.4 机器学习解决的问题
人类认知世界的两种最基本手段是“演绎”和“归纳”，有什么样的工具、手段，就能解决什么样的问题，人类能够认知的知识的范围，是由这两种手段划定的。
第五十七章 6.5 进行机器学习：实战模型训练
“分类”和“回归”都是最典型的机器学习任务类型，总体而言，分类和回归都是根据样例训练集中得出的历史经验来推断新输入给模型的样本是否属于某一类，或者某种隐含特征的强度如何，使得机器可以代替人工，自动找出新输入数据的标签信息。
统计机器学习中各种主要模型和算法，从线性回归、逻辑回归到支持向量机、Boost算法，还有神经网络等，其本质上都是基于不同的损失函数建立起来，尽管这些算法都有各自的思想和依据，但从数学角度看，它们不但显得形似，而且内在也极为神似。
机器学习的目标就是找到损失函数达到最小时的参数值，机器学习所谓的“模型训练过程”，就是求解其损失函数最小化参数解的过程。
第六十八章 7.8 挑战与反思
深度学习就是一种数据驱动的算法，大量的数据是建立精确模型的前提和保证。
来自微信读书 Citations: [1] https://book.douban.com/subject/30379536/ [2] http://www.iftnews.cn/readnews/11593.html [3] https://blog.csdn.net/wzc_w_z_c_/article/details/106152366 [4] https://blog.csdn.net/qq_25275061/article/details/111184850 [5] https://cn.linkedin.com/in/icyfenix [6] https://s.zhangyue.com/read?appId=5a6c1722&bid=11719905&rentId=104598 [7] https://book.douban.com/review/15997258/ [8] https://m.bookschina.com/7932410.htm [9] https://m.xiaoshuo.qq.com/detail/1023637052 [10] https://yd.qq.com/web/bookDetail/b9732f007168ac3cb976eca [11] http://simecv.sufe.edu.cn/page.aspx?id=95 [12] https://douban.com/book/review/15272038/ [13] https://www.dedao.cn/ebook/reviews?id=donM9vjLM8m6d5YQ7lvJGVz2Xgaqb3pYaGwnBRyejENkP1KZo9rD4OApxpxkY7Ke [14] https://library.sspu.edu.cn/2022/1115/c3104a97006/page.htm
