这是一本中文版译名严重耽误的好书，是我看过的了解大模型和 AI 最好的一本书。最近在看很多国外的报道时，发现涉及到 AI 的历史时，经常会看到引用一本英文名叫《Genius Makers》的书里的细节，如果直译的话就是《天才创造者》，而小标题是 “将人工智能带入谷歌、脸书和世界”。被里面百度、微软、谷歌几千万美金竞标辛顿团队的细节吸引，就想着有没有中文版。然后发现 2022 年 12 月才有中文版，并且把人家那么好的书名改成了现在的书名《深度学习革命 - 从历史到未来》，像极了一本攒出来的三流计算机院校的课外拓展读物。以至于连我这种啥书都能翻开看看的，都没有注意到得到站内也有这本电子书。这是我读过的了解 AI 来龙去脉最好的一本书，不需要技术背景，里面是一个个的在 AI 历史上闪耀的人物。当我们今年都被 ChatGPT 惊艳的时候，其实你会发现，有很多很多人，已经为了今天奋战了一辈子，都在说大模型的能力是涌现出来的，但是涌现，也是需要有土壤有环境的。这本书在当当的计算机 - 人工智能这么细分的排行榜上，我昨天看都不到前 100 名，前面充斥着大量赶 ChatGPT 热点出来的书。所以起一个好的书名，太重要了。如果我是这本书的编辑的话，我心目中最合适的书名是《AI 群星闪耀时》，或者直接用人家英文原书名直译。这本书最大的劣势是写在了 ChatGPT 爆发的前夜，这里面的 OpenAI 还在研究用机械臂玩魔方呢。值得翻开一读，各种好看的小故事和细节，每个人都很动人。

每日一书《深度学习革命》。“当你认为自己了解的几乎所有事情都不对的时候，这就是活着的最佳时机。当我们发现了所有的奥秘，并失去了所有的意义时，我们将会在空荡荡的海边孤身一人。” 本书叙述是人工智能神经网络的发展历程，时间线从上世纪 60 年代 “感知机” 开始讲起，一直到 2020 年（所以，ChatGPT 发布后爆炸式的发展并未涵盖）。本书源于作者作为《连线》杂志和《纽约时报》报道人工智能的 8 年间对 400 多人的采访，以及 100 多次的专访编撰而成，阅读群体面向大众（所以技术门槛不高），叙事主线清晰，书中含有大量的人工智能大佬的观点和动向，值得一读。为什么读人工智能历史？我认为单纯学技术是学习 WHAT，HOW 的问题，而读历史则是思考 WHY 的问题。神经网络的概念 20 世纪 50 年代就已产生，但在其后 50 多年时间里，人们并不相信这项理论能有什么应用前景，直至最近 10 年的人工智能浪潮大发展。读这些历史才能明白：✅ 1. 基础科学理论非常重要，但是它的重要性会滞后体现。（“神经网络的概念可以追溯到 20 世纪 50 年代，但是早期的开拓者从未让这项技术像他们希望的那样工作。到了 21 世纪，大多数研究人员都放弃了这项技术，认为这是一条技术上的死胡同，并对研究人员在过去 50 年间试图让数学系统以某种方式模仿人类大脑的自负探索感到困惑。”）✅ 2. 在漫长的 “无成果期”，总有些 “疯子” 还在一如既往的坚持，最后也是这些 “疯子” 最终改变了世界。向辛顿这样的在漫漫长夜里依然砥砺前行的科技先驱者致敬🫡✅ 3. 伟大的科学发现都是来源于 “直觉 + 信仰 + 偶然”，而非 “理性 + 实验 + 计划”。前者为后者提供了方向，而后者为前者提供了验证方法。所以，“科技孵化土壤” 不在于规划有多好，关键在于能容纳不同意见，尊重人才，有成熟的投融资体制等。✅ 4. 开放和连接对于科技发展极为重要，具体表现在人才，数据等关键科研要素的自由流动和开放。人类学习和认知复杂事物之所以可能，是因为几百万年（甚至更久）的漫长时间里，我们的祖先进化出了具备如此 “学习能力和容量” 的大脑。机器学习大概也是同一个道理，只不过它的演化速度远远超出人脑，也许不久的将来，在很多领域的智能将会超过人脑。DeepMind 和 OpenAI 这种公司的目标就是不遗余力的实现通用人工智能，并以极快的速度进化。“一旦超级智能到来，人类如何与它共存？” 变成了人类是 “超越” 还是 “毁灭” 的重大问题。对此，马斯克给出的答案是这需要大脑和机器之间的直接联系（脑机接口），如此一来人工智能变成了大脑的 “自然延伸”，而不是 “终结者”。“对人工智能发展是否有信心” 这个问题说到底是 “对人类自身是否有信心”，相信人类可以战胜自身的贪婪和恐惧，相信人类可以再次有效 “制造和使用工具” 突破自身的生物脑的智能局限，迎来全新的时代。对此，我们真的相信吗？（另外一本哲学论文集《人工智能的神话或悲歌》供参考）

在 Chat-gpt 火遍全球的时候，读这本书确实非常应景。AI 已经迎来它自己的 iPhone 时刻，最重要的是如何用好 AI，为每一个人和公司赋能。