本文为阅读《智能时代》的读书笔记, 首先贴出个人阅读过程中制作的思维导图:
本思维导图分两部分, 第一部分是针对《智能时代》这边本书阅读后做了自我拆分, 另外一部分是根据自我分析与延后理解.(以上配图来自于百度, 思维导图可以直接另存)
本书来自于前同事, 看到后就顺便借来阅读. 书的内容很丰富, 从市场, 大局, 行业, 应用等方面详细介绍说明, 如果是打算入 AI 行业的人可以多阅读一下. 使用思维导图将本书进行拆分, 一方面是方便快速理解概述的框架, 另外一方面也是自己回顾时能够做重点内容阅读, 下面我将具体写一下自己阅读过程中的感受与感受.
[序]
包含小结「大数据与机器智能催生智能时代」,「智能时代, 未来已来」,「人类的生理」
大数据, 当前一个热门的词语, 但凡是做点什么, 我们都总喜欢用拿大数据来说话, 可以定义为大多数人的行为习惯, 都是如此.
如果粗略的理解: 大数据就是很多很多的内容综合在一起, 至于做什么, 那属于应用, 先有了在说了. 有了大数据做啥就都可以, 可判断下一步的行为, 可以预测下一个事件的发生, 可以基于数据向你精准的推荐, 甚至可以通过数据改变你的生活.
专业的解释: 指无法在一定时间范围内用常规软件工具进行捕捉, 管理和处理的数据集合, 是需要新处理模式才能具有更强的决策力, 洞察发现力和流程优化能力的海量, 高增长率和多样化的信息资产.
大数据与我们: 我们从未出生就在被大数据所影响, 吃什么营养品, 去什么医院, 买什么东西, 怎么打车, 点什么外卖, 流行的衣服, 最新的广告, 人脸识别, 语音命令, 自动驾驶, AI...
第一章[数据]
包含小结「现象, 数据, 信息和知识」,「数据的作用: 文明的基石」,「相关性: 使用数据的钥匙」,「统计学: 点石成金的魔棒」,「数学模型: 数据驱动方法的基础」
什么是数据? 信息算不算数据? 我写的这篇文章算不算数据? 今天乘坐了一次地铁算不算数据? 自拍了一张照片算不算数据? 我们所有的行为, 所有的动作, 所有的产生都可以理解为数据. 今天, 随着我们大数据时代, 人类平均每天会生成 2.2EB(23 亿 GB)数据, 全球数据总量中有 90% 是过去 24 个月创建的.(以上数据来自于百度)
数据都做了什么? 数据做了行为判断, 数据给了一个庞大信息库, 数据将行为进行驱动. 大数据就是互联网发展到现今阶段的一种表象或特征而已, 没有必要神话它或对它保持敬畏之心, 在以云计算为代表的技术创新大幕的衬托下, 这些原本很难收集和使用的数据开始容易被利用起来了, 通过各行各业的不断创新, 大数据会逐步为人类创造更多的价值.
数据的范畴远比我们通常想象的要广得多. 人类认识自然的过程, 科学实践的过程, 以及在经济, 社会领域的行为, 总是伴随着数据的使用.
第二章[大数据和机器智能]
包含小结「什么是人工智能」,「鸟飞派: 人工智能 1.0」,「另辟蹊跷: 统计 + 数据」,「数据创造奇迹: 量变到质变」,「大数据的特征」,「变智能问题为数据问题」
我个人对大数据这章反复的阅读, 理解为两块内容
一, 大数据: 大数据是不是就像一个填鸭式的教育, 让你做大量的习题, 然后你就能明白里面的公式了. 就比如说前段时间某大数据公司提供过一个数据, 发现全中国在淘宝上购买泳装比例的最大的省份是新疆, 比例最低的是海南. 于是得出一个结论, 认为新疆的泳装产业是被严重低估了. 结果发现新疆通过淘宝买泳装是因为泳装实体店很少, 只能在网上买. 而海南随处可见泳装店.
之所以在说大数据, 个人理解实际是分三块组成:
1, 大: 拥有足够多的内容, 才能称之为大, 就比如共享单车的出现, 一个人不方便是自我原因; 十个人不方便是因为选择原因; 一百个人不方便是因为客观原因; 一千个人不方便是一个需求点; 一万个人不方便就是一个盈利点; 十万个人不方便就是一个巨大的商业模式... 共享单车最初的形态在哪里? 如果我没有记错是在杭州的西湖, 那边有很多出租单车的小贩, 在开始是在哪家租车就要在哪家还车, 后面又几家联合起来了, 在 A 家租车可以在 B 家还车, 只要多付几块钱就行.
2, 数: 数字本身只是体现了当前的结果, 就像前面说的海南和新疆购买. 泳装, 这只是数字展示的结果而已, 还没有用到数据分析. 数字的统计在于如何更好的运用, 数字只是显示数字, 真的就如同心电图上显示的 50, 显示 80, 显示的 120, 只是显示而已, 能够代表的只是和数字所匹配的文字
3, 据: 大数据的关键载入如何运用, 这是个最关键的点. 我们前面说了十万个人不方便就是一个巨大的商业模式, 那么针对这个需求点要怎么去应用. 这个时候就可以依靠大数据来反推商业, 这里有一个人出现了问题, 然后放大到十万倍的时候, 无论是需求点, 还是商业模式, 还是应用环境都可以结合在一起了. 在举例: 共享的下一个风口点在哪里? 是人的需求, 那么多的人, 那么多的工种, 除了每天上班以后,, 其他的时间大多都是在打发. 如果在一家企业在白天的时候有需求, 那么这些人能否在晚上进行处理? 当另外一种加班也好, 当一种技能的提升锻炼也好, 牺牲自我的时间来换取一定的利益.
二, 机器智能:
1, 机器: 机器就是 0 和 1 的概念, 机器的语言也就是 0 和 1, 没有其他的东西. 不要想着机器有多么的神器, 这些都人来赋予的, 机器本身只会按照人的要求去做对应的操作而已. 然后在加上下面的智能.
2, 智能: 什么是智能? 智能是不是就是可以自己思考, 会自己学习, 能够自我成长. 来个栗子: 现在做一个识别的算法, 给机器十万张猫的图片, 让机器去学习. 然后得到的结果是以后在遇到猫, 机器就能够认识的. 这个是特么大数据, 不是智能, 智能是以后在遇到狗的时候, 机器知道这是狗, 遇到鸭子的时候知道是鸭子.
第三章[思维的革命]
包含小结「思维方式决定科学成就: 从欧几里得, 托勒密到牛顿」,「工业革命, 机械思维的结果」,「世界的不确定性」,「熵 -- 一种新的世界观」,「大数据的本质」,「从因果关系到强相关关系」,「数据公司 Google」
人类最大的优势是会思考.
1, 问题: 如果我说, 就凭着这半句话, 我可以列出来问题 1, 问题 2, 问题 3... 每次回答的时候, 针对有歧义的内容又会诞生出来一个新的问题. 要么问一个问题, 要么就是有无数个问题. 按照人来对话: A"如果我说",B"那你说吧"" 你要说什么 ""那你别说了"" 为什么你说 ". 按照机器来对话: A" 如果我说 ",B...
2, 思考: 判断一个人比另外一个人优秀的其中一个重要条件, 就是看这个人能不能把思考的内容应用在实际中. 这里不是说有一个好的工具, 也不是说有一套什么方法理论, 而是针对这件事情, 你有没有仔细的考虑.
第四章[大数据与商业]
包含小结「从大数据中找规律」,「从大数据中找规律」,「巨大的商业利好: 相关性, 时效性和个性化的重要性」,「大数据商业的共同点 -- 尽在数据流中」,「把控每一个细节」,「重新认识穷举法 -- 完备性带来的结果」,「从历史经验看大数据的作用」,「技术改变商业模式」,「加 (+) 大数据缔造新产业」
个人理解这一章是重点, 商人的本质还是要赚钱的, 所以将大数据与商业结合起来, 可以更好的进步. 作为产品经理, 产品不光是研发, 还要应用, 所谓的名利双收, 不光是要让大众使用, 觉得好用, 还要让产品产生利润, 可以是流量, 也可以后期变现.
1, 怎么理解大数据与商业: 如果你不理解, 那么我来告诉你: 有人说同样的情况下打滴滴比别人贵, 有人总可以 2.8 折喝到瑞幸. 这就是一种大数据与商业的结合模式. 让老用户更忠实, 新用户
2, 那么怎么去应用大数据与商业: 如果你不理解, 那么我来举个栗子. 一些不良的商家会在面对客户的时候进行区分, 比如通过数据分析, 知道你不经常买东西, 并且基本没有什么投诉, 就把假的东西卖给你. 只是举例而已, 不要当真啊.
3, 还有一种大数据与商业模式的转变: 在出行游玩的状态上, 先是跟团, 后面又半自由行, 然后延伸出来自驾, 婚纱蜜月旅行, 甚至还有夜游. 这些都是根据数据的反馈延伸出来的结果.
不理解大数据与商业照明运作? 没关系, 打开拼多多啊.
第五章[大数据和智能革命的技术挑战]
包含小结「技术拐点」,「数据收集: 看似简单的难题」,「数据存储的压力和数据表示的难题」,「并行计算和实时处理: 并非增加机器那么简单」,「数据挖掘: 机器智能的关键」,「数据安全的技术」,「保护隐私: 靠大数据长期挣钱的必要条件」
1, 不要把任何事情都怪罪于数据. 为啥小胖看到淘宝的时候都推荐是吃的, 而小美上淘宝看到的都是女装. 数据的推荐只是基于你当前的浏览时长, 范围, 购买信息给你推荐相关更多. 并不是数据觉得你需要购买, 如果他觉得你需要购买, 会直接告诉你, 这个最合适你, 买就好了, 而不是给你推荐众多让你在去选择.
2, 任何事情都可以基于数据说话.
1 个人的需求 | 2015 年一个神奇的想法转变为现实 |
100 个人的需求 | 2016 年底超过 20 家共享单车公司在市场博弈 |
10000 个人的需求 | 2017 年资本的注入掀起了大风大浪 |
1000000 个人的需求 | 2018 年原本风靡一时的国人骄傲,除了催生出了大量的坟墓之外,还使得一些跟风的资本惨遭淘汰 |
100000000 个人的需求 | 2019 年活下来就是胜利者,除了前三名,其他的是什么? |
第六章[未来智能化产业]
包含小结「未来的农业」,「未来的体育」,「未来的制造业」,「未来的医疗」,「未来的律师业」,「未来的记者和编辑」
一, 未来是不是都需要依靠数据来定义:
首先, 不是未来, 而是现在已经是要依靠数据来说话了. 如果你是处于互联网行业, 你是属于数据, 运营, 市场的岗位, 你是有一定高度的人你在询问这个话, 别人会用一种异样的眼光来看你.
其次, 跟着互联网行业的风气, 不说上两句大数据, 智慧应用, 人工智能, 都不好意思和别人打招呼. 就比如垃圾处理分类, 通过垃圾分类, 记录各种垃圾的数据及对应的处理结果. 跟不上, 下一步, 你就是会被淘汰的垃圾.
二, 对于行业, 我们能够用数据来做什么:
1, 岗位可被代替: 司机 - 无人驾驶, 打字员 - 语音转文字, 客服 - 虚拟客服, 快递 - 无人派送...
2, 催生新的行业应用:
2.1 数据科学家: 数据科学家属于分析型数据专家中的一个新类别, 他们对数据进行分析来了解复杂的行为, 趋势和推论, 发掘隐藏的一些见解, 帮助企业做出更明智的业务决策.
2.2 AI / 机器学习工程师: 大多数情况下, 机器学习工程师都是与数据科学家合作来同步他们的工作. 因此, 对于机器学习工程师的需求可能也会出现类似于数据科学家需求增长的趋势. 数据科学家在统计和分析方面具有更强的技能, 而机器学习工程师则应该具备计算机科学方面的专业知识, 他们通常需要更强大的编码能力.
2.3 AI 硬件专家: AI 领域内另外一种日益增长的蓝领工作是负责创建 AI 硬件 (如 GPU 芯片) 的工业操作工作. 大科技公司目前已经采取了措施, 来建立自己的专业芯片.
第七章[革命和未来社会]
包含小结「智能化社会」,「精细化社会」,「无隐私社会」,「机器抢掉人的饭碗」,「争当 2% 的人」
人类的进度离不开科技的发展
1, 人类的需求发生了变化
2, 大环境的要求促使我们进化
3, 细分类目市场有了一个新的开端
4, 能够淘汰的不光是人, 还有不适用
这里有一个重点关注的小结 "争当 2% 的人". 就拿我现在的产品线来说, 我们是做情绪识别的, 是辅助审讯, 这样就可以以后代替大量的审讯专家?!~ 让审讯更简单, 你说的谎话可以马上被找出来差异点. 这个和 2% 的人有啥关系? 关系在于你要被代替了, 以后的就是科技的时代了, 如果你现在还是你, 那明天就真的不适合你了.
最后的总结:
个人理解人工智能分为三部分: 1 大数据, 2 人工, 3 智能. 我们所说的 AI 是指机器能够像人一样的去思考, 去解决问题, 这当中需要人为的去定义规则, 将大量的数据塞到机器中, 教会机器如何在当前场景下解决当前场景的问题, 并逐步的解锁更多的场景. 这里的关键是机器要学会 "人" 的思考很难, 比如翻译的功能如果只是大数据应用, 那么我们可以让机器拥有十几万语句, 机器通过听到的声音, 转变为文字呈现出来就可以. 但升级到智能, 就需要机器自己去理解含义, 语句, 场景, 概念后将声音转变为正确的文字输出.
一, 大数据是什么? 海量的数据综合在一起集成应用的结果.
1, 大量: 2001 年班里的计算机暑假作业是要在电脑上做题, 我连续几天跑电脑店买 3.5 寸光盘, 为了是装下十几兆的试题. 而现在大家买个移动硬盘最低都是 500G 起吧. 里面装的各种各种的文档, 图片, 视频, 材料. 当年诺基亚 5300, 可扩展存储空间高达 2GB, 号称海量音乐存储; 如今谁的手机还不是 32G 起步的啊.
2, 多样: 图片, 文档, 音频, 视频, 压缩包, 专业格式文件.
3, 高速: 快速, 获取, 产生, 这都是高速的点, 对于当前面来说速度和价值同样重要.
4, 价值: 大数据的核心是价值, 有价值的应用, 让数据产生有用的结果才是最重要的. 一顿没有用的垃圾和一块金砖, 哪个更有价值? 这里不是说垃圾没有价值, 而是我们会下意识认为垃圾和金砖不成正比; 如果这一顿垃圾是美国航天局的破损飞船残骸, 那么这块金子就是一坨屎.
二, 如何理解智能
1, 先让人来教导, 然后在让机器进行自我学习, 自我成长, 能够代替人的工作强度, 运算速度, 记忆存储方面的应用.
2, 智能机器人具备形形色色的内部信息传感器和外部信息传感器, 如视觉, 听觉, 触觉, 嗅觉. 那么机器人就是具备了智能的应用, 如果它在能够思考, 有自我意识, 就是真正的智能.
3, 如果人工智能和大数据综合起来, 最简单的一句话: 拿 10 万张猫的图告诉机器这个是猫, 以后机器就会识别出来猫了.
对应的条件是: 不同姿态, 不同品种, 不同动作, 不同年龄的猫
三, 如果进入这个行业
1, 准备: 无论是直接去学习 Python, 还是上手机器学习, 在或者不懂代码就像我一样看一些理论知识, 得先有一个准备的过程. 这一步是基础学习, 要清楚的理解后续要干的内容是什么, 自己当前的能力能够做到哪一步.
2, 机遇: 准备好自己的内容, 阅读笔记(可以写出来写更简要的方法和实际应用的操作过程), 实际应用(懂代码就拿一些作品出来), 学习知识等. 如果这里有公司能够入职, 当前是认真学习, 并且认真努力. 如果刚开始只让你做标记图片, 不要觉得这个很枯燥, 你能否针对静态的标记写一段代码, 让程序自动操作, 然后你来复核. 这一步做好了, 会让别人对你刮目相看的.
3, 成长: 逐步的去迭代, 从一开始入门, 到熟练上手, 然后是独立操作, 最后是设定定义.
来源: https://www.cnblogs.com/laohuse/p/10806018.html