人工智能简史（第2版） pdf epub mobi txt 电子书下载在线阅读 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:

作者:尼克（Nick）

出品人:图灵新知

页数:368

译者:

出版时间:2021-1

价格:79

装帧:平装

isbn号码:9787115491718

丛书系列:图灵原创

图书标签:

人工智能
AI
历史
机器学习
深度学习
算法
科学
技术
计算机科学
科普

下载链接在页面底部

facebook linkedin mastodon messenger pinterest reddit telegram twitter viber vkontakte whatsapp 复制链接

想要找书就要到本本书屋

onlinetoolsland.com

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

具体描述

《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。

第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。

本书极具专业性、思想性和趣味性，既适合缺少专业背景的读者了解人工智能的来龙去脉，作为人工智能的启迪之书，也适合专业人士了解人工智能鲜为人知的历史，提供深入学习的指导。

《数字时代的伦理重塑：技术、社会与人类未来的深刻对话》本书简介在这个技术以前所未有的速度重塑我们生活方式的时代，我们正站在一个关键的十字路口。我们每天都在见证新的计算范式、生物技术突破以及信息传播方式的革命性变化。然而，随着这些力量的崛起，一系列深刻且复杂的伦理、社会和治理问题也随之浮现。《数字时代的伦理重塑：技术、社会与人类未来的深刻对话》并非一部关于特定技术发展脉络的编年史，而是一次对我们正在步入的这个新世界的深入哲学和社会学审视。本书旨在超越对新奇技术的盲目追捧或恐慌，而是聚焦于核心问题：我们如何确保技术进步服务于人类的福祉，而非损害我们的自主性、公平性和基本尊严？全书共分为五大部分，层层递进，构筑了一个全面审视数字时代伦理困境的知识框架。 --- 第一部分：算法统治下的社会结构重构本部分探讨了驱动现代数字系统的核心逻辑——算法——如何潜移默化地重塑我们的社会结构、权力分配以及个体认知。我们不再仅仅是技术的“使用者”，而越来越成为算法决策的“客体”。 1. 决策的黑箱与责任的稀释：本章深入剖析了复杂机器学习模型（如深度神经网络）的“不可解释性”问题。当自动驾驶汽车发生事故，或信贷审批系统拒绝了某位申请人的贷款时，责任主体在哪里？是程序员、数据科学家、模型本身，还是使用该模型的机构？本书通过引入“可追溯性”和“可问责性”的概念框架，探讨了如何在不扼杀创新的前提下，建立有效的技术问责机制。 2. 认知环境的极化与信息茧房的固化：社交媒体平台和推荐引擎的设计初衷是提高用户参与度，但其副产品却是信息过滤和意见极化。本书批判性地分析了“参与度最大化”目标如何与构建一个健康、多元化公共领域的社会目标相冲突。我们考察了信息流动的结构如何塑造选民的行为、影响社会共识的形成，并提出了关于信息生态系统设计的伦理准则。 3. 劳动力的重塑与价值的重新分配：自动化和机器人技术不仅仅是提高了生产效率，它们正在深刻改变“工作”的定义。本书探讨了技能偏向型技术变革带来的收入不平等加剧问题。在数据本身成为新的生产资料的背景下，谁拥有和控制这些数据？数据所有权与劳动报酬之间的关系需要如何重新界定，以应对大规模职业结构调整带来的社会冲击？ --- 第二部分：个人自主性与数字主权数字世界的便捷性往往是以牺牲个人数据控制权为代价的。本部分将焦点集中于“数字主体”的困境：在无处不在的监控和数据采集下，我们如何维护真正的隐私和自主选择的能力？ 1. 隐私的范式转移：从“被遗忘权”到“背景的权力”：传统隐私概念关注于信息泄露，但在大数据时代，关键在于信息聚合所产生的推断能力。本书认为，真正的隐私保护需要一种“背景的权力”——即个体有权决定其信息在何种情境下被使用和理解。我们比较了欧洲的《通用数据保护条例》（GDPR）与美国基于部门法的不同路径，评估了这些监管框架在应对跨国数据流动挑战时的有效性。 2. 行为重塑技术与自由意志的边界：从推送通知到“微剂量”的激励机制，技术正变得越来越擅长引导和预测人类行为。本书区分了“说服”和“操纵”之间的伦理界限。当算法精确地知道你下一步想做什么，甚至在你意识到之前就开始“帮你决定”时，我们的自由意志是否受到了侵蚀？我们探讨了“数字反制”（digital countermeasures）的必要性，以使用户能够主动管理自己的数字暴露和干预程度。 --- 第三部分：生命科学与技术的伦理前沿随着生物技术（如基因编辑、合成生物学）与信息技术（如大数据分析、AI诊断）的深度融合，人类的定义本身正面临挑战。 1. 基因增强的社会公平性： CRISPR等技术的成熟为消除遗传性疾病带来了希望，但也开启了“设计婴儿”的潘多拉魔盒。本书集中讨论了“治疗”与“增强”之间的模糊界限。如果只有富裕阶层能够负担基因增强带来的认知或生理优势，这将如何固化甚至加剧代际不平等，创造出事实上的“生物阶级”？ 2. 医疗数据的伦理治理：医疗AI的进步极度依赖于海量的患者数据。如何在大规模、跨机构共享数据的同时，确保患者身份的安全和知情同意的有效性？本书探讨了联邦学习（Federated Learning）等保护隐私的技术解决方案，并分析了在诊断和治疗推荐中，人类医生的最终裁决权应如何界定。 --- 第四部分：全球治理与技术霸权数字技术的发展速度远远超过了国际法律和监管框架的构建速度，这造成了治理真空和权力失衡。 1. 数字主权与国家安全：技术基础设施（如5G、云服务）已成为地缘政治竞争的核心领域。本书分析了“技术脱钩”的风险，以及构建多边、透明的技术标准体系的必要性。技术标准的制定权，实际上是未来经济和军事影响力的分配权。 2. 负责任的创新：跨文化伦理的构建：并非所有文化对隐私、集体利益和个体权利的理解都相同。本书呼吁超越西方中心主义的伦理框架，探索如何在全球范围内建立一套既能尊重文化多样性，又能确保基本人类价值的“负责任的创新”原则。 --- 第五部分：面向未来的伦理设计与行动本书的最后一部分从批判转向建设，提出了一套可操作的伦理框架和实践路径。 1. 从事后补救到事前设计（Ethics by Design）：我们探讨了如何将伦理原则内嵌到技术开发的整个生命周期中，而不是仅仅作为合规的附加项。这包括建立跨学科的“伦理影响评估”流程，以及培养工程师的伦理敏感性。 2. 重塑技术素养：公民的数字赋权：面对复杂的数字系统，公民需要更高层次的“数字素养”，这不仅包括使用工具的能力，更包括理解工具背后的经济激励和潜在的社会影响。本书呼吁教育系统和公共机构承担起责任，培养能够批判性地参与数字社会建设的公民群体。结语：技术本身是中立的，但其应用绝非如此。本书旨在提供必要的工具和视角，使读者能够积极地参与到这场决定人类未来走向的伦理对话中去，确保技术的发展轨迹是审慎、公平且以人为本的。它不是一本关于“未来会发生什么”的预测书，而是一本关于“我们必须让未来成为什么样”的行动指南。

作者简介

尼克，曾任职于哈佛和惠普，后创业投资，2016年创立乌镇智库。无论忙闲不忘读书写字，作品多发表于《上海书评》，并有著作《UNIX SYSTEM V内核剖析》和《哲学评书》。

目录信息

第1章　达特茅斯会议：人工智能的缘起　　1
1. 背景　　2
2. 达特茅斯会议　　7
3. AI历史的方法论　　11
4. 会议之后　　16
5. 预测未来：会有奇点吗？　　22
第2章　自动定理证明兴衰纪　　27
1. 自动定理证明的起源　　28
2. 罗宾逊和归结原理　　36
3. 项重写　　38
4. 阿贡小组和马库恩　　39
5. 符号派的内部矛盾：问答系统和归结原理的失落　　41
6. 几何定理证明与计算机代数　　43
7. 定理证明系统和竞赛　　48
8. 哲学问题　　51
9. 现状　　55
10. 结语　　57
第3章　从专家系统到知识图谱　　69
1. 费根鲍姆和DENDRAL　　70
2. MYCIN　　73
3. 专家系统的成熟　　75
4. 知识表示　　76
5. 雷纳特和大知识系统　　81
6. 语义网　　84
7. 谷歌和知识图谱　　86
第4章　第五代计算机的教训　　93
1. 背景　　94
2. 理论基础：逻辑程序和Prolog　　97
3. 五代机计划和五代机研究所　　100
4. 并发Prolog　　103
5. 美国和欧洲对日本五代机计划的反应　　105
6. 结局和教训　　109
7. 日本还有机会吗：日本下一代人工智能促进战略　　111
第5章　神经网络简史　　113
1. 神经网络的初创文章　　114
2. 罗森布拉特和感知机　　120
3. 神经网络的复兴　　125
4. 深度学习　　129
第6章　计算机下棋简史：机定胜人，人定胜天　　135
1. 机器下棋史前史　　136
2. 跳棋插曲　　137
3. 计算机下棋之初　　138
4.“深蓝”　　144
5. 围棋和AlphaGo　　146
第7章　自然语言处理　　149
1. 乔治敦实验　　150
2. 乔姆斯基和句法分析　　151
3. ELIZA和PARRY　　158
4. 维诺格拉德和积木世界　　165
5. 统计派又来了　　172
6. 神经翻译是终极手段吗？　　174
7. 问答系统和IBM沃森　　175
8. 回顾和展望　　177
第8章　向自然学习：从遗传算法到强化学习　　183
1. 霍兰德和遗传算法　　184
2. 遗传编程　　189
3. 强化学习　　191
4. 计算向自然学习还是自然向计算学习　　197
5. 计算理论与生物学　　198
第9章　哲学家和人工智能　　203
1. 德雷弗斯和《计算机不能干什么》　　204
2. 塞尔和中文屋　　211
3. 普特南和缸中脑　　214
4. 给哲学家一点忠告　　217
第10章　人是机器吗？——人工智能的计算理论基础　　223
1. 丘奇-图灵论题：为什么图灵机是最重要的发明？　　225
2. 相似性原则：另一个重要但不太被提及的计算理论思想　　230
3. 超计算　　234
4. BSS实数模型　　235
5. 量子计算　　237
6. 计算理论的哲学寓意　　240
7. 超计算和人工智能　　242
第11章　智能的进化　　249
1. 大脑的进化　　250
2. 能源的摄取和消耗　　251
3. 全社会的算力作为文明的测度　　254
4. 人工智能从哪里来？　　256
5. 人工智能向哪里去：会有超级智能吗？　　257
第12章　当我们谈论生死时，我们在谈论什么？　　265
第13章　总结　　273
附录1　图灵小传　　281
附录2　人工智能前史：图灵与人工智能　　295
附录3　冯诺伊曼与人工智能　　301
附录4　计算机与智能　　309
后记　　343
参考文献　　347
人名对照　　361
· · · · · · (收起)

读后感

评分☆☆☆☆☆

应改名叫ai人物八卦网络拼凑的屎书！ 140字！等了好几天才寄过来完全不知所云，七拼八凑的一些人物八卦说实话能这么出书真的也不容易了谁买谁后悔，千万别上当可惜了我的时间真应该事先上豆瓣看看评论我看书从来不写评论，这次出离愤怒了请大家记住作者的名字，远离垃...

评分☆☆☆☆☆

2020年元旦前夕，我和科里一些同事一起聚餐。那天下午一位深受我们爱戴的著名科学家来科室做了一个报告，讲到了他们最近从事的一些研究。于是吃完饭回来的路上，不知是谁提起了下午报告里提到的一个分子。他们都是医学背景的，没几个受过化学训练。我虽不是科班出身，但对常见...

评分☆☆☆☆☆

我其实一开始对这本书没什么兴趣: 毫无特色的封面, 洋为中用的化名, 连个作者履历也没有. 所以一直没买但偶然翻开之后发现, 作者真是个老司机. 开篇直接加速到七十码, 历史黑料一串一串的. 就经历来看, 如果用过 LISP, prolog, 推过 back propagation, 能明白一点作者在说什么...

评分☆☆☆☆☆

用户评价

评分☆☆☆☆☆

我个人对这本书中对技术伦理和未来展望部分的探讨留下了极其深刻的印象。它没有落入那种肤浅的恐慌论调，而是以一种非常审慎、近乎学者的姿态，剖析了人工智能发展历程中一直存在的道德困境和权力分配问题。作者在回顾早期设想的“强人工智能”与当下“弱人工智能”的现实差距时，引发了我对“智能”定义本身的深思。他提及的那些关于可解释性、偏见放大以及监管滞后的讨论，都极其贴合当前科技飞速发展带来的社会痛点。这种前瞻性，并非空泛的猜测，而是基于对历史经验教训的深刻总结。我感觉自己仿佛在进行一场严肃的智力对话，作者提出的每一个反思性问题，都像是一把钥匙，打开了我对未来社会形态和技术责任感的新认知。阅读完相关章节后，我明显感觉到自己看待新闻中那些AI突破报道时的态度，变得更加成熟和批判性了。

评分☆☆☆☆☆

这本书的语言风格简直太迷人了，读起来就像是听一位资深的智者在娓娓道来那些横跨数十载的智慧结晶。作者的叙事功力一流，他没有采取那种枯燥乏味的编年史罗列方式，而是将那些看似晦涩的技术名词和复杂的理论，巧妙地编织成了一个个引人入胜的故事线。我特别欣赏他处理早期先驱者们的心路历程时的细腻笔触。比如，他描述图灵在构思计算理论时的那种近乎偏执的探索精神，或者冯·诺依曼在不同学科间穿梭时的那种思维的火花，都刻画得入木三分。读到那些关于早期人工智能会议的场景时，我仿佛能闻到烟草和咖啡的味道，感受到那个时代研究人员们既兴奋又迷茫的复杂心境。特别是作者在提及那些“AI之冬”时所展现出的同理心，让人深切体会到科学探索的艰辛和反复无常，绝非一帆风顺。这种将历史的厚重感与生动的人性光辉结合起来的叙述方式，使得这本书的阅读体验远超一般的技术历史书籍，它更像是一部关于人类求知欲和创造力的史诗。

评分☆☆☆☆☆

这本书在内容架构上的精妙布局，简直体现了一种高级的组织智慧。它并没有仅仅停留在对关键事件和人物的简单介绍上，而是构建了一个多维度的分析框架。我惊喜地发现，作者在探讨不同技术流派的兴衰时，总是能精准地抓住其背后的哲学根基和社会文化背景。比如，在解析符号主义与联结主义的长期争论时，作者并没有简单地判定谁对谁错，而是深入挖掘了各自方法论的内在局限性与时代需求的契合度。这种宏观的视角，让我对人工智能的发展脉络有了更加立体和深刻的理解，不再是零散知识点的堆砌。更令人称道的是，作者在回顾每一次技术浪潮的驱动力时，都能清晰地指出是哪些实际应用场景或理论突破点，成为了点燃变革的火种。这种条理分明又不失深度的分析，使得即便是像我这样对某些深层数学原理不甚精通的读者，也能游刃有余地把握住整个学科的演进逻辑和核心矛盾。

评分☆☆☆☆☆

这本书的文字密度和信息量之大，令人咋舌，但最了不起的是它保持了极佳的可读性，这简直是一种文字魔术。我体验到了一种罕见的“沉浸式学习”的感觉。许多涉及复杂算法或早期程序设计思想的段落，通常会让人望而却步，但作者在这里采用了大量的类比和生动的比喻来辅助解释。例如，他用一个日常生活的场景来解释早期的搜索算法的效率问题，这种即时性的理解转化能力，极大地降低了理解门槛。我可以清晰地感觉到，作者在翻译那些高度专业化的概念时，付出了巨大的心血，确保信息在传递过程中没有失真，却又不失趣味。我甚至会因为某个精妙的比喻而停下来，反复琢磨作者遣词造句的巧妙之处。这种既能满足专业人士对深度的要求，又能让普通爱好者感到轻松愉悦的平衡点，是很多科技史著作难以企及的。

评分☆☆☆☆☆

从一个纯粹的“阅读体验”角度来说，这本书的整体感觉是非常充实和有价值的。它不是那种读完后只留下零散印象的快餐读物，而是一部需要时间去消化、去回味的力作。每读完一个大的历史阶段，我都会不由自主地合上书本，花上几分钟在脑海中重构作者构建的知识网络，看看自己是否真正理解了前因后果。作者在引用史料和原始文献时的那种严谨态度，也为整部作品增添了一种可靠的学术基调，这让我读起来倍感安心。它让我认识到，所谓的技术突破，往往是漫长积累、偶然机遇和关键人物决策的复杂交织体，而非一蹴而就的灵光乍现。这本书成功地将一个宏大且不断演进的科学领域，浓缩成了一部既有广度又有深度的经典叙事，极大地提升了我对这个领域的整体认知水平。

评分☆☆☆☆☆

豹笑

评分☆☆☆☆☆

一锅大杂烩，很多知识在其它地方了解过，没有新内容，平淡无奇的烂书

评分☆☆☆☆☆

垃圾

评分☆☆☆☆☆

图灵的相关历史整理得还不错。正篇章节很显得琐碎。

评分☆☆☆☆☆

豹笑