人工智能的未来读后感
⇨⇦
人工智能（AI）是这个时代最热门的话题了。一方面在科技创新领域几乎所有公司都瞄准了人工智能，斗志满满地期望在未来大有作为。另外一方面在公共讨论领域也在激烈讨论人工智能对未来的影响，尤其是个人职业生涯的冲击，个人被机器取代的焦虑像病毒一样在人群中扩散。
但无论是公司还是个人对人工智能的前景及影响都很难清晰准确的预测，这并不是人公司和个人不够视野宽阔或者智慧不够的原因，之所以具体的难以预测，是因为技术本身的发展规律：人类都是采用最新的技术去创造下一个新技术。
但库兹维尔认为技术的整体发展却是可以预测的，他提出了加速回报定律：
＂一旦一种技术成为信息技术，它就得服从加速回报定律。加速回报定律，是信息科技中的基本理论，它遵循可预见的指数级增长规律。加速回报定律与热力学定律相似：每个技术方案与研发者是不可预测的，但是，用性价比及生产力这些基本考核进行量化，整体轨迹总是按照一条明晰的可预测的路径发展。＂
作者库兹维尔是奇点大学创始人兼校长、谷歌技术总监、《时代周刊》的封面人物，比尔盖茨称赞他为＂预测人工智能最准的未来学家＂。
他在本书中作出大胆的预测
：
＂当机器说出它们的感受和感知经验，而我们相信它们所说的是真的时，它们就真正成了有意识的人。这种非生物体将首次出现在2029年，并于21世纪30年代成为常态。＂
如果按照他的预测，在我们有生之年都会遇到这种非生物体但却不得不把＂他们＂也当作一种＂人类＂来对待，这正是许多科幻片描写的机器人与人类未来的关系，不同于科幻片所表现的悲观情绪，库兹维尔认为：
＂将人类层面的认知模式和计算机固有的速度和精确度结合起来，得到的将是无穷的威力。但这并不是火星上的智能机器进行的一场外星人入侵——我们创造这些工具，是为了让自己更有智慧。人类的独一无二之处在于：我们制造工具，而工具让我们走得更远。＂
但人工智能真的会像人类一样有意识和情绪吗？很多人会对此表示怀疑。库兹维尔认为人工智能是对人类的大脑的逆向工程，只要拥有真实大脑的详细数据，我们就能模拟出生物学意义上的大脑。最著名的是沃森机器人，它已经可以在美国的一档语言类智力比赛节目《危险边缘》中战胜人类最优秀的选手。
本书的核心部分库兹维尔介绍了人类的大脑思维机制。人类大脑他被分为新脑和旧脑，新脑部分是指最外层的新皮质部分，负责认知和学习部分，旧脑部分指内部的丘脑、海马体、小脑等部分，也就是常说的爬虫脑，负责情绪和欲望部分。
不同的哺乳动物的智能程度与新脑的大小有关，人类的新皮质层是最大的，这是漫长的进化选择中形成的。而机器没有像哺乳动物的旧脑，最典型的例子就是，小狗能够很准确的接住飞碟，而机器人却暂时不能做到。因为两种机制的不同，小狗的小脑会协调匹配自己与飞碟的位置，从而接住飞碟，而机器人是需要计算飞碟的运动轨迹从而作出判断，因为飞碟的轨迹是随机的，因此接住飞碟对于机器人来说相当的困难。但从库兹维尔的判断来说，机器人迟早一天也会接住飞碟，因为利用基函数已经能够模拟小脑的积极响应的能力。
新皮质的最大特点是它的学习能力，它可以在几天之内完成新知识的学习。这也是智人成为地球主宰的原因。
＂为适应迅速改变的环境，学习速度需要不断加快，新皮质的优点就愈发明显。不管是植物还是动物，所有物种都会随着时间的推移逐渐适应改变的环境，但没有新皮质的物种，只能通过代际遗传继承这种能力。没有新皮质的物种可能要经历很多代，也就是几千年才能学会具有跨时代意义的新行为。＂
当环境改变时，人可以通过学习去适应环境，这也是人类面对即将到来的人工智能时代不必恐慌的原因，而那些学习能力差和不愿意学习的人，却会因为会被环境淘汰而处于恐慌之中，。
人的学习能力时什么呢？是人的大脑的可塑性。著名的赫布型学习模型
：
＂假设反射活动（或痕迹）的持续或重复会导致细胞不断发生变化，这些变化会增加细胞的稳定性……当细胞A的轴突近到可以激活细胞B，或者不断反复或持续地激活细胞，其中一个或两个细胞会成长或进行代谢，因此，作为激活B的细胞之一，A的效率就会增加。＂
这是人的神经网络的学习原理，脑中的细胞集合不仅能创造新的联系，还能基于它们自己的活动强化新联系。具备深度学习能力的人工智能＂神经网络＂也正是基于赫布的神经学习模型。
库兹维尔指出大脑的学习方式是模式学习，人的神经元并不是单个学习，而是构成神经元组，这些神经元组直接相互连接，在人的大脑里大概有3亿个神经元组。
思维的模式识别理论建立在大脑新皮质中模式识别模块进行的模式识别的基础上。这些模式（以及模块）是按照层级关系进行组织的。目前的语音识别技术如Siri都是在这个模型上发展出来的。
基于神经网络和模式理论建立的机器人的深度学习能力已经让人咂舌了，在围棋比赛中人类已经输给了机器人。有理由相信在未来越来越多的领域人类将不如机器人，因为机器人的神经元数量将大大超过人类。机器人将是人的进化，人类文明将走向人机文明。