來源 | xingoo（ID:xingoo_ml）
李開復寫的這本書，主要講述了什麼是人工智能，面對人工智能我們要做什麼，算是入門的科普書籍。
圖片來源：豆瓣
全書共分爲6個章節，6個主題：
人工智能現狀
人工智能發展歷程
人工智能對人類有威脅嗎
人工智能目前的典型應用場景
人工智能帶來的創新創業機遇
人工智能時代教育與個人發展
其中有幾個圖非常好，一個是高德納關於技術的路線圖：
高德納諮詢公司（Gartner）技術成熟度曲線
如上圖的曲線所示，一種新科技的研發過程通常是這樣的：初創公司接受第一輪風投，開發出第一代產品，雖然不成熟，但足以吸引一批早期接受者——粉絲。在早期階段，產品的優點被粉絲放大，大衆媒體跟風炒作，將該技術推向一個充滿泡沫的膨脹期。隨着盲目的追捧者激增，跟風研發、生產的初創公司越來越多，產品的不足被無限放大，負面報道開始出現，供過於求的市場競爭中，大批跟風入局的初創公司不是被兼併，就是走向倒閉，只有少數擁有核心競爭力的堅持了過來。跌入低谷後，第二輪、第三輪風投資金注入大浪淘沙後僅存的中堅企業，新一代技術和產品也隨之問世，整個技術曲線步入穩步攀升的平臺期和成熟期，潛在用戶的接受程度也從5%以下逐漸提升到20%到30%，初創企業和風投資本開始迎來高額回報。
另一個是深度學習中圖像處理ImageNet的成績，可以從中看出深度學習的發展：
2010 年前後，準確地說，是從 2006 年開始，隨着深度學習技術的成熟，加上計算機運算速度的大幅增長，當然，還有互聯網時代積累起來的海量數據財富，人工智能開始了一段與以往大爲不同的復興之路。
2012 年到 2015 年，在代表計算機智能圖像識別最前沿發展水平的 ImageNet 競賽（ILSVRC）中，參賽的人工智能算法在識別準確率上突飛猛進。 2014 年，在識別圖片中的人、動物、車輛或其他常見對象時，基於深度學習的計算機程序超過了普通人類的肉眼識別準確率。
最後是一個深度學習樂園中體驗什麼是深度學習的圖片，記憶很深刻，最初接觸深度學習就是被這個流程圖吸引到了。
這張圖是谷歌著名的深度學習框架TensorFlow提供的一個網頁版小工具做出來的，工具鏈接：
http://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=circle®Dataset=reg-plane&learningRate=0.03®ularizationRate=0&noise=0&networkShape=4,2&seed=0.63881&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false，用人們易於理解的圖示，畫出了正在進行深度學習運算的整個網絡的實時特徵。
本章一個重要的主題就是自動駕駛，這是目前人工智能最引人注目的焦點
關於人工智能在銀行的多種應用場景的總結也不錯：
最後一個是關於人類的金字塔層級模型，在人工智能發展的當下，金字塔勢必會發生變化，而金字塔上層也會越來越膨脹，所以急需對當下的教育進行變革，來適應未來的發展。
在AI時代，這是一個連豬都能飛起來的風口，一波又一波的創業浪潮，在一陣虛幻之後，我們應該思考到底什麼纔是這個時代的產物。下圖中關於人工智能的佈局也是非常全面了：
這本書算是不錯的人工智能科普讀物。李開復自己說他生錯了時代，如果是現在這個時代，他會創造出更多優秀的算法和模型。
在AlphaGo打敗李世石，ImageNet深度學習大放光彩後，人工智能深度學習就開始新一輪熱潮，有人擔心AI會毀滅人類，有人擔心AI會取代人類造成大面積的失業。前者過於樂觀，其實人工智能裏超人工智能還有很長的一段路要走，機械姬當中的有意識的機器人，還在遙遠的未來；後者則有些悲觀，因爲從第一次工業革命到最近的信息革命，雖然工作被大量的機器信息自動化所取代，但是隨之而來也會有更多的新職位。
因此，不需要過於悲觀或者樂觀，在AI當下的時代，我們只要保持獨立思考的個性，樂觀的面對新世界就好，借用書的最後一句話——“有思想的人並不會因爲AI黯然失色，因爲我們全部的尊嚴就在於思想”。
星標我，每天多一點智慧
