異讀：有很多對于報酬智能的書。亞馬遜網站上就有20,000本。其中很多書都有戲劇性的題目，比如《性命3.0》 ，《最后算法》 ，越發是《奇點蒞臨》。 梅勒妮 米切爾的舊書的題目《AI3.0》越發拘謹。然而在我看來，在這其中心上，它是最有聰明的書。作者是波特蘭州立... 有很多對于報酬智能的書。亞馬遜網站上就有20,000本。其中很多書都有戲劇性的題目，比如《性命3.0》 ，《最后算法》 ，越發是《奇點蒞臨》。

梅勒妮 米切爾的舊書的題目《AI3.0》越發拘謹。然而在我看來，在這其中心上，它是最有聰明的書。作者是波特蘭州立大學的安置機科學熏陶，同聲也是圣菲接收所科學習委員員會的外部熏陶和共通總統，是搶手書《攙雜》的作者。而且，與這個范疇的大普遍絢爛的在業者各別，她對報酬智能的現狀和藍圖的評論和介紹是無妨丈量的，精心的，而且往往是質疑的。

這該書的媒體: 萎縮”是一個對于她還好嗎與報酬智能相貫穿的局部故事，靈感來自侯世達的神書GEB（哥德爾，埃舍爾，巴赫）。附麗著倒霉、膽子和意旨，Mitchell 先是變成了 Hofstadter 的接收生，厥后又變成了他部屬的熏陶的碩士生。幾十年后的2014年，在與Hofstadter 一切介入的谷歌(Google)會合上，她領略到，Hofstadter 對一局部工智能步伐打敗了國際國際象棋寰宇亞軍，而另一個步伐創作的音樂“風行”與肖邦(Chopin)的如實風行幾乎沒有辯別(及至評價更好)感受擔憂。Hofstadter 的擔憂鼓勵了她去寫商量生人水平的報酬智能(及至更高)。

該書分為五個控制: 后盾; 察看與深造; 游玩與深造; 報酬智能與自然說話的貫穿; 意志的妨害。縱然米切爾事先表明，這該書并擔心排變成報酬智能的一切詳細或汗青，但為了透徹地對于現在關心充溢的樂觀情緒，她保持辦法匯報了充溢多的報酬智能汗青越發是1956年由John McCarthy、Marvin Minsky、Allen Newell和Herbert simon控制的達特茅斯會合。

正如米切爾表白的那么，報酬智能接收的第一個分支是報酬神經收集(ANN) ，它是現在深度深造算法的基矗她需要了一個多么的報酬神經收集的例子，“感知器”安置來“深造”還好嗎辯別手寫數字。表明性的網格是18 × 18，每個正方形有四種神色: 白色，淺灰色，暗灰色和玄色。

怪癖的是，她及至沒有提到多么一個對立寧靜的 ANN 的前提標題: 在這種局面下，各別大約的各別輸入的數量是2的326次方(2326) ，大約:136,703,170,298,938,245,273,281,389,194,851,335,334,573,089,430,825,777,276,610,662,900,622,062,449,960,995,201,469,573,563,940,864

多么的步伐實質上是不行試驗的。(這對于更有限的8 × 8二進制網格來說是透徹的，她稍后在另一個安排文入彀劃了這個標題。在這種局面下，大約展示的病例數量只有2的64次方(264) ，即18,446,744,073,709,551,616。)

這個標題將反復煩擾不日的可驚勝利的深度深造安排，正如米切爾在該書背后的一些精致論據。

書中簡略安置了著名的圖靈試驗，創造性的數學家圖靈（Alan Turing ）在1950年提出(稱之為剽竊游玩試驗) ，舉措一種可安排的考訂本領的本事。圖靈試驗格外于說，縱然美利堅合眾國宇宙航行局像一些安置論者所養護的那么，在編造月球的標題上做得更好的話，它本無妨勝利登陸月球的。米切爾指出，應用微不迭道的聊天板滯人，純粹的試驗人員無妨飽經風霜地過程圖靈試驗，但她自己并不對試驗自己的有效性做出決定。

在《AI3.0》這該書的第二控制中，米切爾闡領略圖像辯別和板滯深造的沉重，越發是深度深造。她從這張謾罵相片發源:

一張充溢底細的，且有著故事的相片。報酬智能圖像辯別步伐很難表白它，只有標明它囊括一只狗。

縱然相片中有一些無妨辯別出來的東西一只狗，一個衣著迷彩服的女子，一束花，一臺條記本電腦，一句歡迎還家！這張相片匯報了一個故事，這即是干什么它被評為2015年50張最佳軍事相片之一的由于。現有的報酬智能步伐沒轍領略它。比如，微軟的 CaptionBot 傳播“我無妨領略任何相片的本質，我會試著像刻劃任何人一致刻劃它”，但在這張相片中卻往往妨礙，給出了“我現在有如擔心適”的遁辭。爾后再試。”當我用谷歌圖片商量的工夫，谷歌只找到了那只狗。在做出這個決定之后，谷歌需要了洪亮“特殊普遍”的圖片，其中獨一的共同點即是一只狗。

這然而是對米切爾對于圖像辯別，深度深造步伐還好嗎處世，以及它們外表上的勝利的微弱性的更深沉安置的引見。在報酬智能范疇很著名，但在外界卻鮮為人知(對我來說也是多么) ，你無妨把一個可辯其余圖像爆發一個明顯勾通的圖像，報酬智能步伐無妨驕氣地認定這個圖像是你喜好的任何東西，囊括一些十足各別的東西。米切爾舉了幾個例子，囊括這一對:

一個可識其余圖像無妨人不知，鬼不覺地被變幻，多么它就會被圖像辯別軟硬件誤認。(左) : 原圖: 相片透徹辯別為一輛校車。(中心) : 應用于原始圖像的辨別產生缺點辯別。(右圖) : 一輛校車的相片鮮明被誤感觸是鴕鳥。

大約更令人振動的是電視上的雪和籠統的許多圖案被認定于一定的實業(同樣，特殊有刻意) :

電視上的雪花圖案和被報酬智能辯別為一定貨色的籠統許多圖案。

正如米切爾歸結的那么，這表露那些圖像辯別步伐并沒有深造我們感觸它們正在深造的東西。出于那種由于，米切爾將題為“對于真實賴和品性的報酬智能”的章節放在第二控制(察看和深造) ，而不是放在論斷控制，因為它更適合放在何處。她用了13頁的篇幅來商量這個話題是不夠的，這個話題及至在維基百科(wikipedia)上也贏得了更為十足的安置更不用說車載斗量的網站，及至整該書了。

在《AI3.0》這該書第三控制，學會玩，米切爾恢復了她的關心和她的流麗遏制。縱然這控制維持很大概，但她對于板滯狗還好嗎學會踢足球和電腦步伐還好嗎學會玩Atrai游玩機、國際國際象棋和圍棋的安置是鮮明和有益的。她對這種勝利所帶來的輕率的關心表露質疑: “這么說大約有點怪癖，然而... ... 學堂國際象棋俱樂部里最低等的幼稚園小搭檔都比 AlphaGo 聰明。”

在我看來，板滯在翻譯、參觀領略等上面達到生人水平的大約性微不足道，然而附麗在線數據，前提上對它們處治的說話沒有如實的領略。

《AI3.0》這該書的第四控制---- 報酬智能遇到自然說話，第六控制---- 意志的妨害---- 之間的范疇是大力和多余的，正如米切爾領略地看法到的，沒計劃義，說話就不是自然的。然而她對這兩其中心的安置知識充溢，動靜量大，而且很有勝過力，越發是對于類比的重心，這也是她碩士輿論的重心(頒布為《舉措感知的類比: 安置機模型》)。

在這邊，她也有充斥的因由表露質疑: “在我看來，板滯在翻譯、參觀領略和普遍上面達到生人水平的大約性極小，十足來自收集數據，而且前提上對它們處治的說話沒有如實的領略。說話附麗于知識性的知識和對寰宇的領略。不及人性化的領略... ... 難道不行遏制地開辟她們微弱、不行靠、易受報仇嗎？沒有人領略謎底，這個畢竟應當讓我們十足人停下來。”

在倒數第二章中，米切爾用一張相片重申了她貫穿全文的看法，就像戰士還家一致，這是任何報酬智能步伐都沒轍領略的(奧巴馬領袖在體重秤上縮小磅數的幽默) :

一張勝過報酬智能步安置解范圍的相片: 奧巴馬領袖在同事稱體重時寂靜地縮小了幾磅。

截止一章《標題、謎底和估量》遠沒有米切爾所混充的那么完備估量性: “從這該書中贏得的動靜是，我們生人目的于低估報酬智能的勝過，低估我們本人智能的攙雜性。不日的報酬智能遠非一致智能，我連接定板滯‘超級智能’會議及展覽示在任何場所。”

《AI 3.0》是對報酬智能邇來令人回顧深刻的勝利及其持久(大約是固有的)遏制性、標題和妨礙的莫斯科大學可讀的表白。最引人刺眼的是，與像我多么持質疑風格的圈外人各別，這該書的作者在她的一切處事存在中歷來主動從事該范疇的處世。

翻譯自：https://www.skeptic.com/reading_room/review-artificial-intelligence-guide-for-thinking-humans-ten-years-away-always-will-be/