第一章 用智慧再造智慧——人类的终极梦想
图灵模型——铺平理论道路
图灵测试将智能限定为对人类行为的模仿能力，而判断力、创造性等人类思想的特质则必然无法被纳入图灵测试的范围。
冯诺依曼结构——踏平技术坎坷
冯诺依曼体系结构采用了二进制代替了十进制，因为完成了计算机从模拟到数字的转化。在硬件上，冯诺依曼体系结构包括五大部分：运算器、控制器、存储器、输入设备和输出设备。
达特茅斯之野望——人工智能横空出世
1956年由麦卡锡提出的人工智能（Artificial Intelligence）
三大学派
符号主义：致力于用数据逻辑方法利用计算机形式化地表达世界。
连接主义：建立神经网络
行为主义：复制动物行为才能最终复制人的智能。
第二章 安能辨我人或机——通用人工智能理论
人工智能的目标并不是模拟出和人脑功能毫无二致的计算机，更重要的恐怕是实现互补的功能。
如果计算机能在运算中制作出一个代表自身的符号，那么哥德尔制造悖论的方式就可以在计算机中造出不可证实也不可证伪的飘渺仙境。
第三章 从深蓝到阿尔法狗——人工智能的技术演进
阿尔法狗吸取海量的棋谱数据，并依赖人工神经网络和深度学习从这些数据中学会了预测人类棋手在任意的棋盘状态下走子的概率。
最初的一步——模式识别
模式识别：通过各种传感器把研究对象的各种物理变量转化为计算机可以识别的数值或符号的集合。
大脑的人工模拟——神经网络
多层神经元网络的工作原理：下层神经元的输出是上层神经元的输入，不同层次的神经网络使用不同的神经元来分辨输入信号的不同特征，经过多层神经网络处理后得到的不同区域还可以进一步进行交、并、异或等逻辑运算。
计算机的无师自通——深度学习
深度学习采用由包括输入层、多个隐藏层和输出层组成的多层网络。
第四章 得数据者得天下——智能思维方式的革命
工业时代到信息时代——世界观的重构
从工业时代到信息时代的转变，是从机械思维到数据思维的转变。
所谓机械思维，是指建立在思辨的逻辑推理基础上思维方式。由公理推导出基本定。
信息论完全是建立在不确定性基础上，消除不确定性的唯一方法就是引入信息。
知其然，而非所以然——信息到数据的认知变革
大数据指以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合。
在习惯的认知中，追求的主要目标是线性的、双边的直接因果关系。大数据的出现颠覆了原有的认知模式：认知事物的方式变成了先寻找相关关系，再寻找因果关系。
海纳百川，有容乃大——被量化的世界
不经处理的数据本身谈不上价值，而量化才是数据价值提取的核心步骤。
只要选择了合适的标准和参考系，万事万物皆可量化。
有数据，才有一切——人工智能驱动力
深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。
大数据通过对海量的搜索和其他相关操作进行关联性的提取与分析后，及其大脑就能够找出发生在某个特定事件时，绝大多数人类的行为模式。
第五章 我，机器人——人工智能的终极载体
思考能力的进化——语音助手与无人驾驶
语音助手：把人类的对话输入作为关键词在网络上搜索对应的回复。
乌合之众还是有血有肉——集群智能
集群智能的核心是由众多简单个体组成的群体能够通过相互之间的简单合作来实现某一功能，完成某一任务。
人类，你out了——机器人终将淘汰人类？
作为人类的我们需要定义和发现新的任务，这些任务就是机器人的未来工作。
脆弱的三定律——奴隶、伙伴还是主人
机器人的本意是服务于人类的工具，仿生机器人的出现改变了这一局面。
第六章 拒绝美丽新世界——为什么我们还是人类
电车的困境——道德代码如何编写
人工智能如何在危急时刻做出千钧一发、生死攸关的决定？
支持还是反对基于人工智能的致命性自主武器？
我也会哭也会笑——电脑的喜怒哀乐
情感是复杂的主体意识判定客观事物是否符合自身需要的一种态度反馈。
人类的情感，就是人类主体对于客观事物的价值关系的一种主观反映。
情感计算是让人工智能通过语言和图像实现语义识别，从上下文的判断中识别用户情感，进而了解用户的真实意图和需求。
创造性与想象力——人类最后的阵地
创造力来源于大量素材与技能的点滴拼凑，而非魔术般突然的闪现。
不确定性的终结——反乌托邦的终极奥义
人工智能会诱导人自愿放弃思考的权利，用种种潜在的锁链塑造出一条看不见的流水线，用数据和算法生产出一个真实的“人”。
第七章 黑镜照进现实——警惕技术的反噬
比你更像你自己——当隐私成为奢求
作为数生产者的用户要求对数据的权利，作为数据消费者的互联网巨头们则希望将数据完全据为己有。
不要相信眼睛——虚拟实现的幻境
网络是一个独立于现实的平行世界。
虚拟实现的出现，恐怕会重新定义物质与意识之间的关系：你经历的是真实，还是你想要的是真实？
云端的永生——思维克隆人的背后
思维备份网站eterni.me。
思维克隆人概念的核心在于把躯体和意识剥离开来，把人的永生转化为人的意识的永生。
当死亡消逝之时，生命也就失去了意义。
无为有处有还无——数据的黑洞
所谓“量化自我”，就是通过科技方式将自己日常的各方面，包括物质摄入、身体状况以及体能情况记录下来的一项活动。
“量化自我”的终极目标正是发掘出我们是谁，我们想要什么、以及我们往何处去。
数据的意义在于价值而非数字。
第八章 畅想技术红利——人工智能的应用
通向巴别塔之路——机器翻译
传统的统计机翻译采用的是基于短语的翻译方式。谷歌翻译的基本原理是通过对大量平行语料的统计分析构建模型，再通过这个模型翻译。
我不是脸盲晚期——图像识别
微软识花
年龄识别网站how-old.net
穿着白大褂的电脑——辅助诊断
IBM沃森医生
循证医学核心思想是在医疗决策中将临床证据、个人经验与患者的实际状况和意愿三者相结合来制定医疗措施。
知人知面更知心——推荐系统
协同过滤将物品之间的关联性引入评价体系中，达到了更好的精确度。
降纬：将物品的特征简单化、抽象化，将多数复杂的特征转换为少数一般的特征。
第九章 永不止步——人工智能新趋势
别怂，就是GAN——生产式对抗性网络
Genrative Adversarial Network
神经网络的潜能：它们不仅能够在欠缺先验规则的条件下，通过对海量数据的无监督式的学习完成目标，甚至还能够在学习过程中根据实际条件的变化对完成目标的方式进行动态调整。
人工智能中的负反馈——强化学习
行为主义理论：有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。
强化学习是基于环境反馈实现决策制定的通用框架，根据不断试错而得到的奖励或者惩罚实现对取利决策信念的不断增强，强调在与环境的交互过程中实现学习。
强化学习给出了要实现的目标，深度学习则定义了实现目标的方法。
翻不过的那座山——语义理解
语言是我们最有效的方式来体现世界。
定义意念的力量——脑机接口
基于细胞培养物的脑机接口已经被证明是科学家研究神经元学习、记忆、可塑性、连通性和信息处理背后的基本原理的宝贵工具。
第十章 这里群星璀璨——人工智能英雄谱
游刃有余的跨界大牛——司马贺/西蒙
创立了符号主义，开创了决策理论，提出了学习模型。
得饶人处且饶人——明斯基的一点过往
罗森布拉特基于神经网络的感知机
基因的力量——人工智能的救世主辛顿
辛顿是深度学习的鼻祖
