强推！5部认知AI的书、纪录片，假期长知识~

第一季 10集（2017）集均30分钟

第二季 8集（2019）集均30分钟

平台：爱奇艺、B站

2016年被称为“人工智能爆发的元年”，《杨澜访谈录》制作了一档纪录片——《探寻人工智能》第一季，随后又在2019年推出第二季。

第一季偏重于介绍人工智能是什么， 跟随主持人杨澜的脚步，走访国内外研究人工智能技术的顶尖实验室和科技公司，带领观众体验包括 无人驾驶汽车、仿真机器人、家用机器人、工业机器人、盲人眼镜、机器人酒店 等最新科技，向大众展示 语音识别、视觉识别、自动驾驶、深度学习 等在内的人工智能技术。

当人类试图动手制造另一个“智能”时，更发觉造物主对人类得天独厚地偏爱——我们天然地会看、会听、会思考和学习。

科学家们试图将培养机器发展出各种人类智能的过程，尽可能地去模拟人类小孩学习的过程——

就像人类的小孩在2岁左右可以识别物体，但是从0-2岁，小孩已经看过上亿张现实世界的图片了，这是一个海量的训练数据。

基于这一想法，斯坦福大学的李飞飞教授团队创建ImageNet图片数据集1500万张图片、22000个类别，第一次把数据在人工智能领域推到以前根本不敢想的一个规模，这份数据集成为新一代人工智能技术的三大基石之一。

如果你想教机器识别汽车，你就给它看大量汽车的图片，每次展示一张图片，等待机器生成答案，如果答案不正确，告诉机器，机器就会调整它内部的配置和参数，下次再给机器看同一张图片它就能说出这是汽车。

在足够多的图片训练下，机器最终会找到汽车的本质特征，知道如何识别任何汽车，甚至是之前没见过的车。

教会机器“听”/语音识别，也是同样的道理，喂给机器足够多来自不同地方、不同的人的语料数据后，语音识别助手学会将人类的语言翻译成文字或者另一种语言，实现不同地域的人无障碍交流。

接下来，谷歌大脑的创始人吴恩达做了一项新尝试，在没有人类“监督”的情况下，不特意用某一类别的数据进行训练，放手让机器自己学习，看一周的网络视频，然后看看它能“学”到什么。

结果令人震惊，一周后，机器学会了识别猫的脸，没有人教它什么是猫，但它自己总结出来了，当展示猫的图片时，谷歌大脑中的一个神经元变得异常活跃，而展示其它图片时，它会变得更沉默。

从“监督学习”到“无监督学习”，让机器从大量原始数据中磨练出算法，进行区分和识别，类似于人类更高级的学习方式——自学。

大数据结合强算力，推动了第三次人工智能浪潮的到来，人工智能也终于从实验室走入人们的生活中。

第二季则更“接地气”一些 ，侧重于展现和讨论人工智能技术对个人的改变（教育、职业选择、交友），对生活的改变（衣食住行），对城市的改变（城市管理和布局）、对产业的改变，以及对国家对未来的改变。

为什么人工智能要从小学起？难道我们每个人都要变成程序员吗？

斯坦福大学的蒋里教授做了一个实验，将一到十二年级的学生集中在一个教室，给学生们讲研究生的机器人课（剔除了其中复杂的数学公式）， 结果发现三年级以上的孩子几乎就能听得懂课程 ，这让他思考：我们需要等孩子上研究生再教TA这些课程吗？

在蒋里教授看来，机器可以做重复性的脑力劳动，而我们现在大部分的教育系统培养出来的很多人也都是在做重复性的脑力劳动，一般来说，这种状况发生了，人是争不过机器的。

所以他认为重要的是要让孩子们 了解人工智能是如何运作的，并有能力将人工智能与人的智能区分开来，只有这样，才能更好地学会与机器协作，利用人工智能的能力，补足人类思维的不足。

人工智能与各个学科教育进行跨界融合也受到全球越来越多教育机构的重视。

△ 把问题分成需要人完成的部分和需要机器完成的部分，机器能做的事，交给机器去做。

美国麻省理工学院有40%的学生选择了计算机科学或计算机科学+其它学科作为专业，未来可能计算机不再是一门独立的学科，而是包含在一切学科之中。

关于教育的重点究竟是什么，爱因斯坦曾经这样说：

“被放在首要位置的，永远应该是独立思考和判断的整体能力的培养，而不是获取特定的知识”。

在人工智能飞速发展的今天，知识更迭越来越快，孩子们需要的是拥抱未知的能力，而不仅仅是传授知识和技能本身。