《人工智能》读书笔记及心得感悟2000字.txt

《人工智能》读书笔记及心得感悟2000字：这个“夏日时光”在广州长长的夏日里一直荒着，广州一日进入了秋天，在阴凉的午后，听着音乐，在荒芜的地里种种草。转岗做数据分析之后，要学习的东西挺多的，但日子过得也算充实而美好。这些年，觉得非常幸运的是自己一直有机会做自己喜欢的事情。数据领域，可以玩的东西挺多的，抛开数据质量数据管理，从数据分析的角度来看，很多公司包括本司还停留在底层的静态报表，离真正发挥数据的价值，和机器学习结合做一些预测和推荐还有点距离。即使在静态报表方面，由于涉及到的部门多，再加上快消行业数据量大，销售端业务复杂，报表怎是一个“乱”字了得。希望能借新技术之光，重建新世界。话归正题，到底数据分析和如今非常火爆的AI是怎样的关系，抱着这样的疑问，拜读了李开复先生的《人工智能》和《AI未来》，吐个槽先，《人工智能》是2017版的，《AI未来》是今年出的，但是内容重合度挺高的，不知道开复同学怎么想的，针对不同的用户群？希望不是奔着钱的目的。先读《人工智能》还觉得收获不少，再读《AI未来》时，就味同嚼蜡，花了两小时，匆匆掠过。总结几个点和思考。“人工智能经历了三次浪潮，而现在火热的第三次浪潮正是基于大数据的深度学习。深度学习不等于人工智能，但是深度学习是当今乃至未来很长一段时间内引领人工人能发展的核心技术。基于多层神经网络的机器学习模型后来被人们称为深度学习，深度学习受限于计算能力和数据不足这两大痼疾蛰伏了很久，最近几年终于发力了。人工智能时代，深度学习和大数据成了密不可分的一对儿，深度学习可以从大数据中发掘出以往难以想象的有价值的数据，知识和规律。”（上述多数引用不同章节原文，后期加工组合）。这样看来，数据分析和AI还是关联度很高的，而且中国这些年在AI的研发能力和美国有的一拼，加上人口红利和移动终端的普及，大数据有更好的基础，在这次浪潮中，中国是有自己的优势的，不一定要跟在别人的屁股后面走了。“大数据，因为信息交换，信息存储，信息处理三个方面能力的大幅增长而产生的数据，大数据的价值在于数据分析以及分析基础上的数据发掘和智能决策。”（引用原文）。除了电商的数据之外，到底怎样的企业数据可以称之为大数据可以和深度学习结合呢，怎样利用物联网来开拓我们的数据，我还没找到答案，但可以肯定的一点是，我们应该以更加开放的眼光去发掘数据来源。附了一张微软对数据的定义供大家一起学习。“战略方面，我们丝毫不用担心AI能否落地，能否商业化，Google,Facebook搜索和广告业务本质上就是机器学习驱动的，而且早已被证明是成功的。我们需要关心的只是人工智能在接下来的时间内，以何种趋势，何种方式在其它领域落地的问题。"（引用原文）。书中着重讲了语音识别，图像识别，自动驾驶，金融等领域。回看传统企业，这些技术的应用，在消费者洞察，机器人客服等开始的比较早，但其它领域呢，能不能做更准确的销售预测，经销商TP优化，库存预测，工厂维修和异常管理呢，还是要接着研习和尝试，才能有更深刻的认知。“一个会玩游戏的人工智能和一个会帮助医生诊疗疾病的人工智能，它们之间的技术，竟有如此之多的共同点，技术的神奇莫过于此。”（引用原文）。为什么这句话引起了我的注意是因为一直在思考在企业实施AI进程中的人才储备，到底哪些是可迁移技能，行业数据的理解和AI技术能力孰重孰轻。读后感m.simayi.net书中有提到，人工智能时代创业的五大基石：清晰的领域界限/闭环的自动标注的数据/千万级的数据量/超大规模的计算能力/顶尖的科学家。而吴霁虹在她的《未来地图》里提到，人工智能技术和产业的关键点有三个要素，核心算法，行业数据和行业专家。企业里的“数据科学家”和科学界或者创业公司的“数据科学家”到底定位和技能需求有什么不一样，是要偏行业还是要偏技术，我还没有答案。书里穿插了一些趣闻轶事，有两个小故事挺打动我的。第一个是开复打算抛弃专家系统，用统计学的方法去做语音识别，这相当于推翻了他的老师瑞迪教授的研究方向，但瑞迪教授说：科学没有绝对的对错，我们都是平等的，而且，我更相信一个有激情的人是...