具体描述
会存在一个超级人工智能系统吗？这本书给了我们一个答案：不会。
这本书不局限于技术层面，而是回顾了上100年物理学和数学的进展，通过对量子力学、时间、虫洞、暗物质等概念的轻松解读，从顶层逻辑、原理层面等本源性知识上探讨了人工智能做不了的事情，对完美、通用的人工智能判了“死 刑”，最后落脚在怎样培养适应人工智能共生时代的新人类，以及人类对宇宙的探索本质上无穷尽的现状上。
作者以深厚的学术功底，贯通社会科学和自然科学，层层深入分析人类认知和科学技术的发展，从数学和逻辑本身论证了人工智能无法取代人类。作者认为，从务实主义的角度看，我们仍可以致力于促进人工智能进步，但不能盲目地崇拜机器，甚至忽视了人的智能优势——毕竟，有些真理我们能够认识到，但不能为算法所描述。
胡适曾说：“怕什么真理无穷，进一步有进一步的欢喜。”通过这本书，我们可以获得对人工智能正本清源的新认识，同时可以更好地思考，在这不可逆的人工智能进阶过程中，我们如何去驾驭自己的发明，实现人类的智能进阶。
【编辑推荐】
1、人工智能无所不能吗？人类会被取代吗？本书作者马兆远，量子物理领域科学家，用通俗易懂的语言，为你梳理人工智能的产生逻辑，用专业严谨的知识帮你发现人类不可取代的价值。
2、为什么要阅读这本书？本书用深入浅出的文字告诉你，人工智能能做什么，以及不能做什么，为人类未来厘清方向，也为你的工作、投资以及人生发展方向提供帮助，如何选中不会被人工智能淘汰的行业。
3、作者运用其专业知识从科学的根本逻辑出发，通过对理性问题和不完备问题丝丝入扣地剖析，对人机共生的关系进行了深度、冷静的讨论，让你可以从务实主义的角度来理性地思考人工智能的未来。
4、本书作者马兆远，师从英国皇家科学院院士Keith Burnett爵士和诺贝尔奖物理学奖获得者William Phillips，接受过正统的物理训练，现为清华大学未来实验室首席研究员。本书有理有术，并不局限于数理层面，也提出了新人类该怎么做的具体实践和人文思考。
作者简介
马兆远何许人也？
1997年通过全国物理奥林匹克竞赛保送北京大学物理学院；
25岁获得牛津大学物理博士学位，师从“超冷原子理论之父”、英国皇家科学院院士Keith Burnett爵士；
美国国家标准局、加州大学伯克利分校博士后，师从“激光冷却之父”William Phillips（1997年诺贝尔物理学奖获得者）；
30岁入选中国科学院百人计划研究员，为中国空间站“天宫四号”设计了世界第一个空间冷原子实验平台。
现为清华大学未来实验室首席研究员，数字化先进制造研究中心主任，英国谢菲尔德大学智能制造专业终身教授。
著有《量子大唠嗑》。
目录信息
第一章 知无不言
语言是可以理解的吗？ 006
语言是可靠的吗？ 009
第二章 基本的逻辑
同一律 024
矛盾律 025
排中律 027
充足理由律 029
逻辑和佛性 033
逻辑的自洽和完备 040
构建一个知识体系 044
第三章 理性的终极理想
直觉？ 051
时间 057
算术系统 063
集合定义自然数 069
第四章 伟大的聊天
话题之一：量子力学 087
话题二：时间和相对论 091
话题三：关于理性主义真理 094
哥德尔的一生 098
第五章 哥德尔不完备定理
理性的知识系统 103
终极理性的梦想 105
理性的典范：算术 109
语义和语法 115
哥德尔不完备定理的证明 125
对角线证明法 135
第六章 哥德尔问题的延伸
真理不能被语言描述 147
真理不能够自证其真 153
哥德尔不完备定理是理性的边界吗？ 162
哥德尔的理性主义 172
意识和梦境 184
第七章 人工智能的不能
深度学习 189
超越有限系统 194
图灵机 202
图灵机所不能够 217
常识？ 238
学习 245
第八章 沿着不完备而生长的物理学
落体悖论 258
光速问题 260
孪生子悖论 263
质量问题 266
夜空为什么是暗的？ 274
麦克斯韦妖的悖论 279
紫外灾难 281
量子纠缠的悖论 283
第九章 量子力学的完备性
量子力学和哥德尔：经典逻辑之外？ 289
海森堡不确定性原理 292
什么是量子计算机？ 294
量子算法 305
量子计算的复杂性 308
更高一级的逻辑？ 312
第十章 物理和数学：自然与认知的边界
数学的不能 317
乐观主义者和悲观主义者 322
世界观和认知习惯的改变 335
第十一章 创新和突破
贴了标签的人生 349
问题导向的学习 354
新工程教育 356
第十二章 不是结尾的结尾
后 记 387
· · · · · · (收起)
读后感
只有知道了人工智能的“不能”，对人工智能的了解才算全面。科学不是静止的结论，它的结论是演进变化的；科学工作者也不是秉持真理的圣徒，他们只是秉持着对宇宙和人的好奇心而探索的人类中的一分子。 知其不能而能，“学问之道无他，求其放心而已矣”。 一 会存在一个超级人工...
评分发现一位生动活泼深入浅出的科普作者！看完简单回顾：一、哥德尔不完全定理说明了现行数学体系的不完美，科学不是结论，是不断地变化；二、证明不了的不一定不真，直觉难以自洽难以自证，可能或许却为真；三、对机器而言，逻辑不完美不被视为真，但对人则不然。因此机器模仿不...
评分只有知道了人工智能的“不能”，对人工智能的了解才算全面。科学不是静止的结论，它的结论是演进变化的；科学工作者也不是秉持真理的圣徒，他们只是秉持着对宇宙和人的好奇心而探索的人类中的一分子。 知其不能而能，“学问之道无他，求其放心而已矣”。 一 会存在一个超级人工...
评分只有知道了人工智能的“不能”，对人工智能的了解才算全面。科学不是静止的结论，它的结论是演进变化的；科学工作者也不是秉持真理的圣徒，他们只是秉持着对宇宙和人的好奇心而探索的人类中的一分子。 知其不能而能，“学问之道无他，求其放心而已矣”。 一 会存在一个超级人工...
评分只有知道了人工智能的“不能”，对人工智能的了解才算全面。科学不是静止的结论，它的结论是演进变化的；科学工作者也不是秉持真理的圣徒，他们只是秉持着对宇宙和人的好奇心而探索的人类中的一分子。 知其不能而能，“学问之道无他，求其放心而已矣”。 一 会存在一个超级人工...
用户评价
这本书的叙事结构非常大胆，它没有采用线性的论证方式，反而像是多条河流汇入一个关于“局限性”的海洋。我最喜欢它对“意图”和“目的性”的探讨。我们现在大部分的AI，无论是大语言模型还是强化学习系统，它们的核心驱动力是“优化既定目标函数”，而人类的行动则常常是“生成新目标”或者“颠覆现有目标”。作者引用了大量认知心理学和现象学的案例来支撑观点，比如那个关于“茶壶”的实验——AI可以识别茶壶，但它真的“知道”茶壶是用来盛水并浇灌的吗？这种对“符号接地性”（Symbol Grounding Problem）的深入剖析，让我对那些声称能通过阅读海量文本就“理解世界”的系统产生了深刻的怀疑。它不是说AI不好，而是清晰地指出，没有一个真实世界的、具身的（embodied）体验，所有的“知识”都将是漂浮在符号海洋中的幽灵。这本书的论证过程严谨而富有层次感，没有夸张的辞藻，但每一个论点都像是一颗精确计算过的石子，投进了当下喧嚣的AI讨论中，激起了层层涟漪。
评分从技术实现的角度来看，这本书提供了一个非常清醒的“反向工程”视图。它并没有直接去破解最新的Transformer架构，而是从信息论和控制论的古老分支中汲取智慧，来论证当前主流方法论的内在缺陷。我特别关注其中关于“可解释性”（Explainability）的部分，作者指出，当前对XAI的追求，很多时候只是在试图用人类擅长的叙事逻辑去“合理化”一个本质上是概率性的黑箱操作，这并非真正的透明。更进一步，作者探讨了在涉及社会公平、司法判决等高风险领域，如果核心决策逻辑是不可穷尽的、依赖于海量非结构化数据训练的，那么“责任归属”将是一个无解的哲学和法律难题。这已经超出了计算机科学的范畴，触及到了社会契约的核心。这本书的价值在于，它将技术讨论提升到了伦理和治理的高度，提醒我们，当我们赋予机器更多决策权时，我们必须对它们能力的“不能”有清醒的认识。这本书的厚重感，恰恰来自于它对未来潜在风险的审慎预估，而不是对短期技术突破的盲目赞颂。
评分这是一本需要反复阅读的书，因为它提出的许多观点是反直觉的。例如，作者对“通用人工智能”（AGI）概念的解构，非常具有颠覆性。传统观点认为AGI就是计算能力的指数级增长，但作者提出，真正的通用性可能源于一种“非计算性”的机制，比如瞬间的直觉跳跃、对上下文的彻底重构，或者对无意义的容忍。书中用大量篇幅对比了图灵机模型和人脑的“涌现”能力，指出我们目前所有的AI，无论多么庞大，都依然是图灵机范畴内的模拟，它们是“更快的、更复杂的计算”，而不是“本质上的新事物”。这种对范式转移的呼唤，让我对接下来的研究方向有了新的思考方向。与其无休止地堆砌参数，不如去探索那些计算之外的维度。这本书的行文流畅而富有洞察力，它不仅告诉我们AI不能做什么，更重要的是，它激发了我作为一个读者去思考，我们人类的“能”究竟还剩下多少未被代码化的领域。它带来的不是失望，而是一种对人类自身智能潜力的重新唤醒和审视。
评分这本《人工智能之不能》真是让我耳目一新，它没有像市面上那些充斥着技术术语和科幻畅想的同类书籍那样，一上来就抛出“奇点已至”或者“机器将统治世界”的论调。相反，作者以一种近乎哲学的沉思姿态，将我们带入了一个更深层次的探讨：AI的边界究竟在哪里？我尤其欣赏书中对“理解”这一概念的剖析，它不是简单地用图灵测试来衡量，而是深入到人类心智的结构层面。比如，作者花了很大篇幅来论述当前基于概率和统计模型的深度学习，无论多么精妙，本质上依然是“模式匹配”的极致，而非真正的“因果推理”或“常识构建”。读到关于“黑箱问题”的那一章时，我仿佛看到了那些看似无懈可击的算法背后隐藏的脆弱性——当数据分布发生细微偏移，整个系统的可靠性便岌岌可危。书中举例的那些看似简单的常识性错误，比如让AI分辨“湿的木头和干的木头哪个更容易点燃”，竟然能难倒最先进的模型，这让我对过度神化AI的狂热情绪冷静了许多。这本书更像是一面镜子，映照出我们在追求“更智能”的同时，却可能正在忽略那些构成我们自身智能的、最基本也最难以量化的特质。对于想深入了解当前AI瓶颈的专业人士来说，这本书提供了绝佳的理论基础和批判性视角。
评分我本以为这是一本枯燥的学术论著，结果完全出乎意料，它读起来有一种散文诗般的韵律感，尤其是在描述那些“无法被算法捕捉的美”的部分。作者的文笔非常细腻，像是带着一种对数字世界的敬畏和疏离感。书中探讨了创造力的极限，而不是计算力的边界。我记得有一段对比了巴赫的赋格与现代AI生成的音乐，AI可以完美模仿和声、结构，甚至能以假乱真地复刻巴赫的风格，但那份潜藏在每一个音符选择背后的“必然性”与“自由意志的挣扎”，却是冰冷的算法无法触及的。这种“不可言说之美”的论述，让我深有感触。我们总是习惯于将一切可量化、可重复的过程都视为智能的胜利，却忽略了艺术、伦理决策中那种基于模糊、冲突和非理性选择的深度价值。这本书不是在批评技术本身，而是在提醒我们，不要用工具的尺度去丈量心灵的高度。它像是一个温柔的提醒者，告诉我们在快速奔跑的AI浪潮中，停下来审视一下我们手中握着的“火炬”——我们真正想用它照亮什么？这本书的阅读体验，更像是在一个安静的画廊里，品味那些留白之处的深意。
评分皮
评分以人工智能的根本逻辑，推演出人的不可取代。 马导的推理过程实在是太精彩了，大佬就是大佬，膜拜✨
评分不仅仅在人工智能，它触及了人类认知的本源问题
评分以人工智能的根本逻辑，推演出人的不可取代。 马导的推理过程实在是太精彩了，大佬就是大佬，膜拜✨
评分涉及到图灵机的本源问题，从数学和物理角度论述了人工智能不能够的部分，原来弥散到整个人类认知，学习人工智能之前的必要了解，人的重要性和立足点。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 onlinetoolsland.com All Rights Reserved. 本本书屋 版权所有