机器学习没前途了？6本书，给你一个突破瓶颈的学习路径

Original 郑磊大数据DT 2021-10-18

收录于话题 #AI时代必读书单 27个内容

导读：沿着人工智能未来的发展方向，本文给出一个由浅入深的学习路径，以及每个阶段适合阅读的书籍。不管你现在的基础如何，都能对号入座。

作者：郑磊（国际新经济研究院数字经济研究中心主任）

来源：大数据DT（ID：hzdashuju）

聪明的“阿尔法狗”和普通人的区别在何处？我的答案是：它是一个只会下棋的机器狗。普通人未必会下棋，更不可能战胜人工智能棋手，但是普通人能干的事情很多。从这个角度讲，任何一个智能机器都无法与一个普通人相提并论。

目前对人工智能的议论颇多，作为金融投资界人士，我听的最多的是在人工智能项目上的投资热潮正在快速褪去。而从技术角度看，声称机器学习已经发展到了极限，人工智能的技术路径遭遇瓶颈的声音比较大。

我并不这样认为。机器学习把人脑作为黑箱进行模拟，这一点应该和目前我们对大脑科学的研究进展相差并不算太远。脑科学现在也没能完全研究清楚人脑的思考技能，而人工智能也在深入发展神经网络算法，这些仍属于机器学习范畴。

我们知道人脑有探索事物模式的习惯，人们通过不断接触和摸索实践，逐步形成了系统化的信息和知识。脑科学现在也无法研究清楚人脑是怎样形成这套知识体系的。

机器学习采用的原理也是如此，在大量的相关数据里找出规律，而且我们也不知道机器是怎样找出的规律，作为一个黑箱，我们只是在观察机器最后做出的结果是不是足够令我们满意。

如果我们把人脑和身体其他部分分开看，这就是一个内部结构异常复杂的“黑箱”器官（大脑各部分）与人体各个感知器官（大量的神经网络）的结合体。人的各个感知器官随时将接收到的外部刺激信号通过神经系统传递给大脑，由大脑进行选择性的处理加工，并给出反馈。

人脑和人工智能机器学习的最大不同之处在于输入的数据是不同的。我们在训练机器进行学习以及让机器处理外部信息时，无论是训练数据集合和实际输入的数据，其实类型都是比较单一的，这和大脑每时每刻接受的信息是不同的，后者实际上是一种混合的数据，属于大数据。

我认为人工智能的发展必然是朝着大数据智能的方向发展，而这必然建立在现有的机器学习技术路径之上。如果我们不站在这个基础上，大数据的机器学习就成了无根之木和无源之水。从事人工智能领域的专业人士应该了解这一点。这方面的书籍，我选择了一些推荐给有兴趣的朋友阅读。

《智能计算系统》是中科院计算所在人工智能方面有深厚理论和实践造诣的科学家撰写的，是一本国内少见的从人工智能全局和整体结构入手，系统讲解人工智能从芯片、编程到算法实现的专著。