摘要：
1、讓一臺機器和一個人坐在幕后，讓裁判同時與幕后的人和機器進行交流，如果裁判無法判斷自己交流的對象是人還是機器，就說明了這臺機器有了和人同等的智能，這種方法被后人稱為圖靈測試(Turing test)
2、人工智能這個名詞嚴格地講在今天有兩個定義，一個是泛指機器智能，也就是任何可以讓計算機通過圖靈測試的方法，包括在本書中要經(jīng)常講的數(shù)據(jù)驅(qū)動法。第二個是狹義上的概念，即20世紀五六十年代特定的研究機器智能的方法。
3、找到了數(shù)學模型之后，下一步就是要用統(tǒng)計的方法，訓練出模型的參數(shù)，在今天來講，就是機器學習。
4、數(shù)據(jù)驅(qū)動方法，這種方法最大的好處是，隨著數(shù)據(jù)量的積累，系統(tǒng)會變得越來越好，相比之下過去人工智能的方法很難受益于數(shù)據(jù)量的提升。
5、BLUE，即bilingual evaluation understudy.分數(shù)是一種衡量機器翻譯質(zhì)量的客觀評分，一般來講，人工正確翻譯的得分為50%-60%
6、N元模型是考慮N個單詞前后的關(guān)聯(lián)，六元模型就是考慮6個單詞，而大家當然普遍使用的三元模型只考慮3個單詞。
7、大數(shù)據(jù)：大量，多緯度，及時性，多樣性。
8、歐幾里得的《幾何原本》、牛頓的《自然哲學之數(shù)學原理》
9、管用的方法：首先，需要有一個簡單的元模型，這個模型可能是假設(shè)出來的，然后再用這個元模型構(gòu)建復雜的模型，其次，整個模型要和歷史數(shù)據(jù)相吻合。
10、人們將牛頓的方法論概括為機械思維，其核心思想可以概括為：第一，世界變化的規(guī)律是確定的，這一點從托勒密到牛頓大家都認可；第二，因為有確定性做保障，因此規(guī)律不僅可以被認識的，而且可以用簡單的公式或者語言描述清楚，這一點在牛頓之前，大部分人并不認可，而是簡單地把規(guī)律歸結(jié)為神的作用；第三，這些規(guī)律應(yīng)該是放之四海而皆準的，可以應(yīng)用到各種未知的領(lǐng)域指導實踐，這種認識是在牛頓之后才有的。這些其實是機械思維中積極的本質(zhì)。機械思維的重要特征，所有問題都有一個通用的解決方法。但到了信息時代，它的局限性越來越明顯，因為，并非所有的規(guī)律都可以用簡單的原理描述，其次，像過去那樣找到因果關(guān)系已經(jīng)變得非常困難，因為簡單的因果關(guān)系都被發(fā)現(xiàn)了。而信息論也是完全建立在不確定性基礎(chǔ)上，而要消除這種不確定性，就要引入信息，至于要引入多少信息，要看系統(tǒng)中的不確定性有多大。大數(shù)據(jù)的科學基礎(chǔ)是信息論，本質(zhì)就是用信息消除不確定性。在無法確定因果關(guān)系時，數(shù)據(jù)為我們提供了解決問題的新方法，數(shù)據(jù)中所包含的信息可以幫助我們消除不確定性，而數(shù)據(jù)之間的相關(guān)性在某種程度上可以取代原來的因果關(guān)系，幫助我們得到想要的答案，這便是大數(shù)據(jù)思維的核心。
11、青霉素的有效成分，一種被稱為青霉烷的物質(zhì)，能夠破壞細菌的細胞壁，而人和動物的細胞沒有細胞壁，青霉素可以殺死細菌而不會傷害人和動物。
12、美國的法律采用無罪推定原則：意指被告的一方在法庭上先被假定為無罪，除非有足夠的證據(jù)證明其有罪。
13、安迪–比爾定律的原話，比爾要拿走安迪所給的。含義是，在計算機領(lǐng)域，軟件功能的增加和改進要不斷地吃掉硬件性能的提升。
14、機器學習的過程無一例外是一個不斷迭代，不斷進步的過程，用機器學習的專業(yè)術(shù)語來說就是：期望最大值，expectation maximization的過程，只要事先定出一個學習目標，這些算法就會不斷優(yōu)化模型，讓它越來越接近真實的情況。
吳軍：《文明之光》、《數(shù)學之美》、《浪潮之巔》
