VicroCode
让代码创造价值
VicroCode是一个轻量级代码在线发布、交易平台,开箱即用,免部署、免服务器、免备案,支持接入智能体、通用管理系统、游戏等多种项目
稍候片刻,您可先学习AI编程手册
正在加载中...

市场信息

[阅读] 2026 年九月 读人工智能,护眼 3 本

[原文地址] : 引子 人工智能 01. AI 3.0 [02. 人工智能(第 3 版)]( 3 版) 眼睛健康 03.

www.v2ex.com · 2026-11-04T23:24:30+00:00

[原文地址] : /ai-market-guide/ 引子 人工智能 01. AI 3.0 [02. 人工智能(第 3 版)]( /ai-market-guide/ 3 版) 眼睛健康 03. 大国护眼之策 引子 如果想要靠读书了解大模型的话,2023 年前的书恐怕都不值得读了。很可惜,我这次读的两本,都没有覆盖大模型。

话说回来,大模型的算法上,开始可以从这两本书找到其家谱的。大语言模型的底层是基于深度神经网络的算法。

此两本书对了解大语言模型出现线的人工智能算法版图,还是很有用处的。但大语言模型,算法之外,还有大数据,算力,并行计算的问题需要处理,很多时候,是工程问题。

大语言的许多问题,很多时候都不是在学术界的实验室可以研究的了,必须进入到工业届的生产环境中去碰撞问题、寻求答案。据说,现在世界上与大模型训练和部署相关的人才,不足万人,大概是 5000 人的规模。

我不是那 5000 分之一。人工智能 01. AI 3.0 2026-09-09 读过 | | 豆瓣评分 8.8 我给它 [ 8 分] :梅拉妮·米歇尔的这本书,原题《 Artificial Intelligence: A guide for Thinking Humans 》,引进中国是被命名为《 AI 3.0 》。

本书梳理了现代人工智能研究中,DNN 的进展进步和其在视觉识别,博弈游戏,自然语言理解与翻译,虚拟助理的应用。 DNN ,是 Deep Neural Network ,深度神经网络。

此人工智能方法属于亚符号人工智能,它们模拟人脑处理信息的方式,而非用计算机编程实现人类可以用符号表征的任务算法。它们的应用已经给人类带来了巨大便利,比如谷歌翻译,地图,人脸识别,商品推荐。

DNN 的简要发展史:罗森布拉特受到人脑中神经元处理信息的方式的启发发明感知机,福岛在 20 世纪 70 年代开发了被称为认知机( Cognitron ),多层感知机/认知机构成“深度网络”,通过结合“反向传播”( back-propagation )的通用学习算法和并行分布式处理,使得 DNN 获得其可用性。 ConvNets 在基于 ImageNet 的图像数据中赢得了计算机视觉竞赛,是这个领域的突破性事件。

之后这些算法被应用于多种数据,开拓了其在网络搜索、自动驾驶汽车、人脸识别、虚拟助手、推荐系统等领域的落地。 DeepMind 团队将强化学习与 DNN 相结合,加上蒙特卡洛树搜索的加持,开发出了 AlphaGo ,在围棋界已经无敌。

20 世纪 80 年代出现的“递归神经网络”( recurrent neural network, RNN )模拟人脑对语言的理解。类似的算法对于音乐这种时序性数据也取得可观的成就。

人工智能的概念,是在 1956 年提出的,到现在还不到百年。人类的在这方面的进步,可称是跨越式的。

梅拉妮·米歇尔是《 GEB 》的作者侯世达的博士生。最后还介绍了作者自己的对人工智能在知识、抽象和类比方面的工作。

并没有涉及大语言模型。书的开篇引用了侯世达对 AI 抱有的对恐惧。

在大语言模型出现之后的今天,他对 AI 的担忧仍然未变。他对 AI 的最大批评,是 AI 并不真的理解他所产生图像或文字。

证据是“对抗样本”攻击。凡是利用了 DNN 相关算法的模型,都很容易被“对抗样本攻击”击败。

对抗样本,就是在模型能准确识别的样本中加入噪点或者混淆重排样本元素,将样本转成人类无法识别的新样本,此中“对抗样本”会被算法误判。换句话说,会画画的模型并不知道自己在画画,会玩儿游戏的模型也不知道自己在玩儿游戏。

因此他们并不是智能。人类极少犯那样的错误。

基于大语言模型的人工智能在本书中没有涉及,但说起来,大语言模型并非算法上的突破,其本身仍可算是 DNN 的变种和发展。带来大语言模型时代的,不仅是算法,还有大数据和算力(芯片,数据中心,电力等)的集中。

现在很少有大学实验室能搞大模型了,这方面的推进必有工业界的算力和资本的支持。 02. 人工智能(第 3 版) 2026-09-29 读过 | | 豆瓣评分 我给它 [ 8 分] :本书英文版《 Artificial Intelligence in the 21st Century 》出版 2022 年,属于是计算机系高年级或研究生的教材,内容的深度与广度均超过梅拉妮·米歇尔的《 AI 3.0 》,当然也是一个大部头。

书籍涵盖包括人工智能的历史、思维和智能之辩、图灵测试、搜索、博弈、知识表示、产生式系统、专家系统、机器学习、深度学习、自然语言处理、自动规划、遗传算法、模糊控制、安全等。更有专家小传,帮助读者认识此各个领域的专家的贡献。

衡量人工智能的标准有两个层次,“表现”( performance )和“能力”( competence ),前者说的是看上去智能,后者说是表现出智能。比如图灵测试能衡量人工智能是不是表现的像人类,但无法测量它是否有了智能这种“能力”。

这似乎相当于,机器可以做到某事,但不知道是自己是否是在做某事。实际上人工智能的发展,也是按照这两个思路进行的。

追求能力的表现是试图用计算机语言描述并执行人类的问题解决策略,大致可被称为符号人工智能;追求表现的算法专注于模仿神经元处理信息的模式,被称为亚符号人工智能。用于解决 AI 问题的三个最为流行的方法:搜索、知识表示和学习。

搜索:这类人工智能的任务主要被描述成在问题空间中的搜索问题。没有预设规则的搜索是盲目搜索,加入规则限制的被称为知情搜素或启发式搜索。

而博弈问题可以被看作是搜素制胜局面的搜索问题。常见盲目搜索算法有广度优先,深度优先,迭代加深的深度优先算法,常见知情搜索有爬山法( hill climbing )、最佳优先搜索( best- first search )和集束搜索( beam search ); A* 搜索也是启发式算法。

博弈问题因为搜索问题空间巨大,极小化极大算法配合剪枝算法能在给定时间给出有时是非最佳的下一步走子。知识表示:博弈问题不能代替现实问题。

现实问题中,需要解决的是在数据、事实、信息和知识根据问题寻求解决方案。这就设计知识表示的问题。

搜索问题的搜索树是知识表示的一种方法。较为完整的知识表示法为:( 1 )图形草图。

( 2 )图。 ( 3 )搜索树。

( 4 )产生式系统。 ( 5 )面向对象。

( 6 )框架。 ( 7 )脚本和概念依赖系统。

( 8 )语义网络。 ( 9 )概念地图。

( 10 )概念图。 ( 11 )智能体。

每种知识表示方式都对应特定的关系和搜索方法,这里不能展开。这些方法都跟符号人工智能和强 AI 方法有关。

强 AI 方法依赖于经过积累、组织、提炼以及可以采用的领域特定知识来获得旨在帮助人类工作的系统。弱 AI 方法大致可对应非符号人工智能。

在实际应用中,常常是强、弱结合混用。学习:这里介绍的机器学法,根据反馈类型可以分为:监督学习( supervised learning );无监督学习( unsupervised learning ); 强化学习( reinforcement learning )。

五大机器学习( ML )范式则包含( 1 )神经网络。 ( 2 )基于案例的推理。

( 3 )遗传算法。 ( 4 )规则归纳。

( 5 )分析学习。深度学习则是一种通过示例(训练数据)教会计算机学习的机器学习技术,此技术需要大数据。

具体算法有常用于处理图像结构化数据的卷积神经网络( Convolutional Neural Network ,CNN )、从序列数据中学习的循环神经网络( Recurrent Neural Network ,RNN )和常用于处理结构化数据的( Recursive Neural Network ,RvNN )。深度学习并非通过预定义的方程来组织数据,而是设置关于数据的基本参数,并通过使用多层神经网络来处理模式识别,训练计算机自主学习。

大语言模型也是一类深度学习算法。书里还介绍了自然计算( Natural Computing )中的集中算法:模拟退火,遗传规划算法,禁忌搜索等。

它们通过模拟自然现象实现问题解决,似乎也属于非符号人工智能。自然算法中有一类似乎瞄准的是生命复制。

书的第四部分是人工智能技术的应用案例,包含自然语言处理,流程制动规划,机器人技术和高级计算机博弈。这里不展开。

总体来讲,本书对人工智能算法和应用版图进行了相当全面的巡礼和介绍。值得作为入门书来读。

如果是计算机科学的学生,可以根据树种附的伪代码去进行代码实现,可以更深入的了解各种算法。眼睛健康 03. 大国护眼之策 2026-09-16 读过 | | 豆瓣评分 我给它 [ 8 分] :看这本书,是想要帮助他们防控他们的近视眼向更深的度数发展。

本书对近视和防控方法都有很详细的介绍,后半部分有对国家近视防控方案和政策的献言。我只记录一些自己相关的一些知识。

近视是屈光不正,导致视觉成像落在视网膜前。近视分假性和真性。

假性近视是由不良用眼方式,视疲劳和一些眼部疾病引起,没有病理性变化,可以缓解甚至恢复。真性近视则是视轴变长,无法恢复,但也应采取应对措施减缓变长趋势。

近视预防最重要的方式,是增加户外阳光下的远视活动的时间,每日 2 ~ 3 小时。现在大多数孩子都做不到这一点了。

我家孩子没做到,他们爱读书,爱在家里待着。他们已经有近视了。

目前的策略,是减缓他们度数的增加趋势,防止形成病理性近视。近视的治疗与校正。

最重要的仍是增加户外时间,增加远望时间。另外就是培养良好的用眼习惯,读书学习时要保证良好的阅读写字姿势,在充足的光源下进行。

哺光仪可以为眼提供光营养。雾视治疗就是人为地创造成像超前,保持一定的中心、周边视野近视离焦量,乘上坚持的时间,就是对近视防控加分的量。

周边近视离焦镜/OK 镜时雾视疗法的设备。其他的常见防御手段还有调节力训练、读写镜、阿托品、食疗等,还有种类繁多的理疗。

还应给孩子建立屈光档案,追踪孩子的眼部健康状况。这个需要去看眼科医生。

2026-11-04 初稿

返回 AI 市场导读

来源:v2ex.com