第一次翻開的時候，看了眼開頭幾頁，又合上了,覺得太過枯燥。

今天再把這本書翻出來，看到數據推動人工智能發(fā)展這一節(jié)，馬上蹦起來，開始做筆記。

而后又捧著閱讀了三遍，作為一個文科生來說，全書看起來通俗易懂，涉及復雜原理時使用很明朗的解說，適合沒有基礎的人閱讀。

用幾句話來總結內容，那就是：大數據推動人工智能發(fā)展，全方面改變了人的生活，并且在接下來的時間里，會逐漸演變?yōu)橐粓鲋悄芨锩瑹o數人和不接受改變的企業(yè)將被淘汰。

智能時代，未來已來

1.數據——人類建設文明的基石

信息是關于世界、任何事物的描述，而數據則是將信息描繪清楚，用于承載信息
文明伴隨著對數據的使用：獲取數據→分析數據→建立模型→預測未來
數據的相關性，任何數據都離不開概率論和統(tǒng)計學

a.例：日本人通過人民日報上刊登的鐵人王進喜照片，獲取了大慶油田準確的信息，成功中標*

b.Google用戶在不同時間點對某個電視節(jié)目的搜索量，四個高峰對應美國四個時區(qū)

c.針對各地用戶在Google上搜索的H1N1關鍵詞，訓練出線性回歸模型

統(tǒng)計學：數理統(tǒng)計，建立在概率論之上，收集、處理和分析數據，找到數據內在的關聯(lián)性和規(guī)律性的學科。

要想獲取準確的統(tǒng)計結果，首先要求數據量充足和具有可代表性。（量和質）

a.1936年美國大選，民意調查機構收回240w份問卷，喬治·蓋洛普經過民族，性別，年齡收入等因素調查了5w個樣本，卻更具有代表性，蓋洛普預測勝利

b.而后在預測1948年大選結果失敗，原因是影響大選結果的不止民族、性別、年齡、收入等因素，還有更多的因素組合他們沒有考慮，這次失敗直接導致蔣介石先生壓寶失敗，與美國關系惡化

數學模型是數據驅動方法的基礎

a.采用什么樣的模型

b.模型的參數是多少

c.在工程上，采用多而簡單的模型常常比一個準確的模型成本更低，也被使用的更普遍，其實只要數據量足夠，就可以用若干個簡單的模型取代一個復雜的模型，這種方法被稱為數據驅動方法。

2.大數據和機器智能

讓一臺機器和一個人坐在幕后，讓一個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，就說明這臺機器有了和人同等的智能——圖靈測試

傳統(tǒng)的人工智能模仿人類智能的產生，讓計算機按照人的思路去做，而現(xiàn)代科學家基本采用：機器智能最重要的是能解決人腦所解決的問題，而不在于是否采用和人一樣的辦法。

另辟蹊徑：用統(tǒng)計＋數據實現(xiàn)人工智能的另一條發(fā)展道路，用大量的文本&語音數據做訓練，則是數據驅動方法，隨著數據量的積累，系統(tǒng)會變得越來越好，量變帶來質變。

a.2005年NIST測評Google團隊的勝利

b.1996年深藍戰(zhàn)勝卡斯帕羅夫

大數據的特征

a.大量

b.多樣性&多維度——例：民意調研與百度搜索（知道）提問的區(qū)別*

c.完備性——Google翻譯系統(tǒng)用“死記硬背”全面覆蓋句子

不能獲得完備數據時，局部完備性也可以幫到我們

機器智能的問題逐漸演變成=＞大數據和大量計算的問題

3.思維的革命

思維方式決定科學成敗

a.從歐幾里得、托勒密到牛頓，思維方法和方式遠不如方法論對科學發(fā)展的重要性，東方文明長期以來在技術上領先西方，但在科學體系的簡歷上，遠遠落后，關鍵是在方法論上。

b.托勒密方法論：通過觀察獲得數學模型的雛形，然后利用數據來細化模型。 訓練AlphaGo使用的Google大腦，就是簡單的人工神經網絡在幾萬臺服務器上復雜的實現(xiàn)。

c.而托勒密方法論有兩大缺陷：首先整體模型很復雜，第二缺陷是確定性假設，假定模型一旦產生，就是確定的和不會被改變的。

機械思維：牛頓的方法論——所有問題都有一個通用的解決辦法

a.世界變化的規(guī)律是確定的

b.因為有確定性作保障，因此規(guī)律不僅可以被認知，而且可以用簡單的公式或者語言描述清楚

c.這些規(guī)律是通用的，可以應用到各種未知領域指導實踐

牛頓找到了開啟工業(yè)革命大門的鑰匙，而瓦特拿著這把鑰匙開啟了工業(yè)革命的大門。

機械思維直接帶來工業(yè)大發(fā)明時代

a.機械思維的兩面性——善用把握確定性而難以解決不確定性的問題

b.世界的不確定性——上帝也擲色子

世界變量太多，多到無法通過簡單的方法或者公式算出結果

客觀世界本身

熵，香農兩大定律

a.香農第一定律（香農源編碼定律）：假定一個信息源，里面是N種信息，現(xiàn)在我們對著N種信息進行編碼，編碼的平均長度一定大于該信源的信息熵

b.香農第二定律：信息的傳播速度不可能超過信道的容量

大數據的本質

a.承認世界的不確定性，很多智能問題從根本上講無非是消除不確定性的問題。

b.從因果關系到強相關關系

c.落后最可怕的地方是思維方式的落后

4.大數據與商業(yè)

從數據中尋找規(guī)律

a.例：利用智能電表用電量統(tǒng)計找到室內種植大麻者和偷稅漏稅者

b.百貨商店利用大數據多維度特征把握有剛需的用戶，針對性推薦商品

技術改變思維方式，一些傳統(tǒng)企業(yè)從線下到線上轉型，互聯(lián)網公司由數據得出用戶畫像，進行個性化推薦，呈現(xiàn)全新形態(tài)

a.亞馬遜個性化商品推薦

b.Netfix電影推薦

c.Google相關性搜索

大數據商業(yè)的共同點

a.數據流

*從很多不同的地方（不同的人）收集上來，這些數據生成時是彼此獨立的，未加工的，原始的，無目的的。

從分析中得出結論，怎樣使用它們需要視特定的應用而定*

b.把控細節(jié)

*從大數據中找到普遍規(guī)律，再應用于每一個具體的用戶，影響每一個具體的操作

把控每一個行為細節(jié)，對商業(yè)或者經營方式做改良*

**新技術（蒸汽機、電、摩爾定律、大數據、機器智能）＋原有產業(yè)=新產業(yè) **

技術改變商業(yè)模式，我們得到三個結論

a.技術革命導致商業(yè)模式的變化，尤其是新的商業(yè)模式的誕生

b.生產越來越過剩，需求拉動經濟增長的模式變得不可逆轉

c.商業(yè)模式的變化既有繼承性，又有創(chuàng)新性

新產業(yè)的締造，不可避免帶來商業(yè)模式的變化，進而導致社會生活方式的變化。

*工業(yè)革命——機器替代手工業(yè)，瓷器，紡織品大量生產，價格大度下降

第二次工業(yè)革命-電——現(xiàn)代傳媒和通信業(yè)發(fā)展*

大部分現(xiàn)有產業(yè)加上新技術等于新產業(yè)，但并非每一家公司都要從事新技術產品本身的制造，更多時候它們是利用新技術改造原有產業(yè)，只有思維上跟上新的時代，才能立于不敗之地。

5.大數據和智能革命的技術挑戰(zhàn)

每一次技術革命除了有生產力發(fā)展的需要，還要有甚多技術準備，只有當這些必要的技術都成熟時，技術革命才能變成可能。

現(xiàn)代生活中大數據的來源

a.電腦

b.傳感器

c.過去的那些非數字化式存儲的信息，將它們數字化

信息的存儲

a.數據傳輸技術的突破

b.信息的處理和收集

通過技術處理數據

a.并行計算和實時處理，利用：MapReduce、Hadoop等工具

b.任何問題總有一部分計算是無法并行的，這類計算占比越大，并行處理的效率越低，并且無法保證每個小任務的計算量相同，使用的處理器越多，并行計算的效率越低。

c.針對大數據的實時處理需要開發(fā)更多新的工具，而不是簡單的把過去的工具并行化。

數據挖掘是機器智能的關鍵

a.大數據的原始數據往往是沒有固定格式，雜亂無章的，因此第一步就是對數據的過濾和整理，去除與要解決的問題無關的維度，對問題相關的數據內容進行格式化整理，以便進一步使用。

b.機器學習：機器學習是一個不斷迭代，不斷進步的過程，即：期望值最大化，事先定出一個學習的目標，這些算法就會不斷的優(yōu)化模型，讓它越來越接近真實的情況。

-數據量大，但采用簡單的模型，比較少的迭代次數，用大量的數據做一個淺層的機器學習

-數據量較小，但是采用比較復雜的模型，經過很多次迭代訓練出準確的模型參數

大部分機器學習算法是等效的，只有量的差別，而沒有質的差別，而量的差別可以通過模型和數據量來彌補。

數據安全

a.保證用戶的數據不損壞，不丟失——云端具有極大的安全性

b.保證數據不被偷走或者盜用

利用使用規(guī)則，行為習慣大數據來防范黑客攻擊

隨著技術發(fā)展，生活的便利個個人隱私產生矛盾，隱私被更大化泄露

例：航空公司利用用戶數據分析用戶性格提高票價

如何保護隱私

a.預處理：從收集信息一開始就對數據進行預處理，使預處理后的數據保留了原來的特性，仍能處理數據，卻“讀不懂”數據的內容

b.雙向監(jiān)視：當窺視者試圖侵犯隱私，就必須以自己的隱私來做交換

6.未來智能化產業(yè)

農業(yè)、體育、制造、醫(yī)療、律師、記者、編輯等行業(yè)職業(yè)的變化，大數據分布在各個領域的暢想——此處省略= =

7.智能革命和未來社會

這是最好的時代，也是最壞的時代。

從某種角度上看，智能社會無疑是迄今為止人類文明史上最好的社會，但是另一方面，也給我們帶來了空前挑戰(zhàn)，機器越來越多占據了我們的工作機會。

a.2014年上海外灘踩踏事件為例，百度隨后開發(fā)了預測熱門城市和景點擁擠的相關服務。

b.美國某X團隊開發(fā)出一整套基于智能手機與移動設備規(guī)劃城市交通和優(yōu)化每個人雛形的智能交通系統(tǒng)

c.大數據給反恐帶來曙光，杜達耶夫在用手機通話時，空中預警機根據無線電波鎖定位置，發(fā)射導彈將其炸死

社會將會變得更加精細化，每一樣交易都會被利用區(qū)塊鏈技術徹底追蹤

從標準化到個性化的服務

個性化制藥為每一個人定制化特效藥品，以及各種個性化針對性服務

負面影響——無隱私社會

a.大數據和機器智能引發(fā)的隱私問題會非常嚴重，我們將不再有隱私可言，我們收入的多少，學歷的高低這些方方面面的細節(jié)都是隱私

b.隱私的泄露可能涉及健康和醫(yī)療，保險公司可能拒絕對那些可能得致命性疾病的人提供保險，航空公司提高票價謀取利益現(xiàn)在正實時發(fā)生著

c.隱私就像自由，只有當人們失去它的時候，才知道它的可貴

機器人將搶掉人的飯碗

a.當機器變得足夠聰明，一定會取代人類完成很多需要高智力的工作

b.歷史上影響力可以和正在進行的智能革命相比的，只有18世界末始于應該的工業(yè)革命，19世紀下半葉始于美國和德國的第二次工業(yè)革命、“二戰(zhàn)”后以摩爾定律為標準的信息革命，一共是三次。這三次技術革命都有一個問題共同的特點，那就是它們對當時的社會產生了巨大的沖擊，都需要經過大約半個世紀或者更長的時間才能消化掉。

爭當2％的人

任何一次技術革命，最初受益的都是發(fā)展它、使用它的人，而遠離它、拒絕接受它的人，在很長的時間里都將是迷茫的一代。