最近因为很想了解人工智能，在知乎、饭团上看到许多人十分推崇这本书作为入门的读物，于是决定找来进行学习。《科学的极致：漫谈人工智能》是由集智俱乐部出版的，书中对于人工智能的历史脉络、内涵、当前的困难和可能的突破方向等，都有较为通俗易懂、深入浅出的解读，可以说十分适合我这种非技术背景的读者。

　　通过阅读本书，我了解到了人工智能的发展历史、计算理论、计算机基本原理、怪圈与哥德尔定理、通用人工智能理论、神经网络(包括人脑)与深度学习、自然语言理解等知识理论。

　　当历史的车轮回到1900年，数学家大会在巴黎召开，年轻的捷克数学家哥德尔发现了哥德尔不完备定理，阿兰图灵则设想出了有名的图灵测试，推动了后续的AI研究。直到1956年，人工智能这个概念在美国达特茅斯会议上被提出，这一年，也被公认为人工智能的元年。起初，人工智能专家们野心勃勃，试图创造出不逊于人类之类水平的智能机器，但随后人工智能的每一个新浪潮都经历了从盲目乐观到彻底沮丧的轮回。通用问题求解器、感知机技术、基于规则的专家系统、遗传算法、神经网络、概率图模型、支持向量机、莫不如此。人工智能近60年所走过的曲折道路，诸如奇点临近、超级智能机器人、人与机器的共生演化等激动人心的内容并没有出现。但尽管这条道路蜿蜒曲折，荆棘密布，但它却在不断发展壮大。

　　在20世纪的90年代，人工智能形成了三足鼎立的三个学派。分别是以传统逻辑功能为主导的符号学派，通过模拟大脑的结构(神经网络)为主的连接学派以及从简单生物体与环境互动的模式中寻找答案的行为学派。

　　深度学习可以说是目前最热门的一个AI词汇，它属于连接学派。简单来说，机器学习是通过算法，使得机器能从大量历史数据中学习规律，从而对新的样本做智能识别或对未来做预测。从20世纪80年代末，机器学习的发展经历了两次浪潮，浅层学习和深度学习。根据不同的学习方式，机器学习可以分为全监督学习、无监督学习、半监督学习、强化学习、迁移学习等等。而根据是否应用了神经网络，机器学习又可以分为神经网络机器学习和其他机器学习。更进一步，对于应用了多层神经网络的机器学习，被称之为深度学习。即深度学习是机器学习当中的一个子集。当前，深度学习最典型的三个应用方向是：语音识别、图像识别和自然语言处理。

　　自然语言处理是人工智能领域目前最核心的瓶颈。语音识别、图像识别等感知层技术，已经有了不小的进展，而自然语言处理，是将人的语言形式转化为机器可以理解的、结构化的、完整的语义表示。尽管深度学习已经取得了相关的进展，但是机器仍然难以理解人类语言产生的过程，在阅读或者加工文字时，经过了怎样的步骤，深度学习通过学习模型的深层结构从而对数据中存在的复杂关系进行建模。

　　书读完了，最触动我的是艾伦图灵这个传奇科学家，他提出了伟大的图灵测试。

　　假如有两间密闭的屋子，分别关了一个人和一台计算机。屋子外面，有一个人作为测试者，只能通过一根导线与屋子里面的人或计算机进行聊天。如果测试者在有效的时间内，无法判断出这两间屋子里面，哪一个关的是人，哪一个是计算机，那么就称这个计算机通过了图灵测试，具备了智能。

　　这个测试标准推动了后续很多AI研究，比如iphone上的Siri。图灵的研究大大推动了人工智能的进展，而图灵本人却在1954年死于一个被氰化物注射过的苹果，年仅42岁。据说，苹果公司为了纪念这位计算机科学之父，特意用那个被图灵咬掉一口的苹果作为公司的logo。

　　能够制造出向人类一样思考的机器是科学家们最伟大的梦想，用智慧的大脑解读智慧必将成为科学发展的终极。重要的是，人们对于人工智能的梦想永远没有破灭过，也许人工智能之梦将无法在我的有生之年实现，或许始终无法逾越哥德尔定理那个硕大无朋的如来手掌，但是，我相信人工智能之梦将永远驱动着人类不断前行，挑战极限。