（因面向讀者不同，此處略有刪減）
「除人腦以外，沒有任何乙個自然或人工系統能夠具有對新環境新挑戰的自適應能力、新資訊與新技能的自動獲取能力、在複雜環境下進行有效決策並穩定工作直至幾十年的能力。沒有任何系統能夠在多處損傷的情況下保持像人腦一樣好的魯棒性，在處理同樣複雜的任務時，沒有任何人工系統能夠媲美人腦的低能耗性」——致人類大腦
人工智慧是工業領域的石油，電子產業的半導體，資訊時代的光纖，是當今萬物資料化意識形態下的引擎室和發電廠。為討論方便，我把關注點放在應用層面上，大家都能看得到的部分。再快速過一遍目前正火熱的人工智慧應用：
echo介紹：
總結下：這些最火的人工智慧，清一色是「察言觀色」的行家。「行家」背後的核心技術無外乎自然語言處理、影象識別和深度學習（再次推薦大家看我在上文結尾標出的鏈結），然而在特定領域解決問題的效率（好和快）要高於99%以上的人類。可以說，這幾個專案是人類在人工智慧領域了不起的成就。挑出最後一項單說，為什麼？因為前三項離普通人生活稍遠，或者用不上用不著，然而，siri和echo已遠不止看熱鬧這麼簡單了。
以echo為例，echo連線全球最大的購物**和你家裡所有能聯網的的裝置，相當於身邊多了個幫你買買買和服侍起居的管家，管家亂花錢、亂開電器，你也許不太會抱怨管家白痴，而是懷疑這背後是不是有什麼陰謀；換種說法，理所當然的，人們開始習慣類echo的語音助手後，接受起包裹著一幅光滑細緻**、身材凹凸有致、一口慵懶倫敦腔，體貼入微、專屬你的私人伴侶，是否也更加符合人性了呢？
真是想想都特別開心的事兒，真的會發生嗎？圖靈獎獲得者allen newell在其最後的演講當中提出他終其學術生涯希望回答的科學問題：「人的心智如何在物理世界重現？」。當我們在思考這個問題的時候，不妨先預設下結果：人的腦力密碼被徹底破解，智慧型可以提取、組合、公升級到無以復加的境界，我們將會面對些什麼呢？
主觀能動性發揮到極致，
從長遠看，所謂腦洞大開的無所不能，人類文明跨越式增長是大概率事件，屬於只要別小行星撞地球就一定能實現的範疇。然而，究竟是不是人工智慧起著決定作用，我個人的觀點是：輕易下結論也容易顯得很無知。任何乙個偶然事件，都有可能引爆一飛沖天、肆無忌憚的生產力增長（蒸汽時代的發動機和電器時代的發電機）。人工智慧的概念，和歷史上任何一次被吹噓成開啟上帝家大門的科學正規化變革，沒有什麼本質的不同。再悲觀點說，如果人工智慧的技術建立在較為脆弱的容錯基礎上，也就是說整個社會生態系統沒有設定提供足夠的空間和時間來緩衝技術「野蠻」的橫衝直撞，可能到後來，我們看到更多的是類似科學怪人和乞丐幻想皇帝討飯碗是鍍金的這樣——一廂情願地充滿個人或團體的偏執，無異於，「這場殘暴的歡愉，終究要以殘暴為結局」。
鑑於目前生物神經科學的研究進展，deepmind和googlebrain倚靠的深層神經網路，會不會只是對人腦的一種「拙劣」模仿；大規模的計算機集群，其潛在的算力決定論與19世紀初的機械決定論，簡直又不謀而合。技術突破未知常與人性愚昧裹足達成的默契，亙古不變，而有足夠的智慧型現代人，怎能不會要加以警惕呢？李敖說，他是最後一代能在腦力上能勝過計算機的人類。這話我同意一半，但如果沒有微博、沒有網際網路、沒有機器學習參與的推薦演算法，***的金玉良言恐怕早就隨上一代人飄然而去，竟也留不得半點討論李敖是否又發闕詞的聲音了。
最後，不用大資料**，春晚自然會少不了趕人工智慧的時髦。看回二十年前的春晚，有誰還記得當年應用什麼新的技術裝置來著？人工智慧不是新生兒，它渾身上下閃亮著人類賦予功能標籤，只是化名alphago、master以及各種各種的大腦，人類的最終的難題，還是落在如何與自身相處的困境上。人工智慧烙上高低美醜的印記，其實，也象徵著人類自己的神力與無能。
我眼中的人工智慧學習三境界
昨夜西風凋碧樹，獨上高樓，望盡天涯路 上句是王國維先生的讀書三境界之第一層境界，意思就是做學問之前,先要有思想準備,看到學海無邊知識無涯,從而激發奮鬥並為之獻身的精神和勇氣,同時又感慨自己的學問之不足。hello world 與hello world！就像剛開始學習每一種語言都要去寫第乙個程式 he...
我所理解的人工智慧
很多人容易把人工智慧理解為機械人。機械人是人工智慧的乙個實際體現。人工智慧應用很廣泛。下面我來談談我的理解。人工智慧可分開理解為 人工 和 智慧型 即人類創造出來的智慧型，從廣義上來講只要人類創造出來，能為人類工作減少人類操作步驟，提高工作效率，代替人類工作的都可以歸為人工智慧，從狹義上來講，是人工...
我的人工智慧之旅 偏斜類問題
正樣本數佔樣本總數的比例極小時，容易出現偏斜類問題。例如癌症測試。樣本集合中僅有0.5 的癌症樣本，99.5 的正常樣本。通過某一假設函式後，得到1 為癌症患者，99 為正常樣本。雖然總的正確率高達99 但假設函式並不理想。因為，我們的目的是為了，檢測出是否得癌。這時候，如果將99 的準確率提公升至...