最近聽了北大的AI課程，為了更好地吸收課程的精華，將知識變成自己血肉裡的力量（認真臉），決定要把課程的筆記重新梳理一遍，一直以來記筆記的習慣是（1）只記感覺對自己很有用的，如很新穎的、很經典又容易忘的、啟發思考的、利於裝逼的；（2）一般記錄使用自己的語言，雖然粗俗，但是比較符合自己的習慣，所以筆記的個人特色其實十分鮮明。關於這個系列，想要按照老師授課內容+自己的思考這樣的大框架來整理，不知道會整成啥樣兒，先上手整理，到時候再慢慢調整，相信寄幾會不斷進步的，加油！

一 課堂回顧

1、智多星——雷鳴老師

         雷鳴老師，百度創始七劍客之一、北大人工智慧創新中心主任、酷我音樂創始人，也是本課程的發起人，今後的每一節課也都會有他的參與。雷老師是個十分博學的人，你會覺得他全身上下的每一個細胞都透露著智慧的光芒，尤其是在後續的不斷深入瞭解中，會被他高超的提問技巧折服，這也是很值得學習的一個技能。簡言之，大佬之所以是大佬，就是因為他們在某個方向或者是多個方向上做得比絕大多數人好，所以上課吸收知識的同時，也可以多瞭解這些大牛是做什麼的，多從他的行為、談吐中思考，他是因為某一個特質獲得成功，然後我們可以怎樣學習將這些特質遷移到自己身上來，那可能知識就真的會改變命運了。

2、內容（分三個部分）

Part 1  人工智慧對人類的影響有多大

（1）現階段已經取得的成果

2017年是人工智慧的元年，消沉的人工智慧再次爆發，而這次爆發威力是巨大的，在各個領域都產生了影響，這些領域也是目前人工智慧主要聚焦的核心。

第一，自然影象分類。2012年，深度學習演算法被引入計算機圖片分類的應用中，取得了巨大的進步，隨後，領域內的眾多學者和專家圍繞著深度學習設計了更多更有效的模型，使得自然影象的分類準確率達到95%，而人類也才95%。自然影象分類中，落地效果比較好的有商湯科技、曠視科技，他們的產品核心技術基本圍繞著人臉識別技術（據我自己瞭解，商湯等公司的產品其實挺豐富的，有人臉靜態識別、動態識別、還有追蹤、美顏等，可以去了解一下，很有趣）。而就人臉技術而言，目前最好的深度學習演算法準確率是99.7%。遠高於人類的99.1%。也就是說，有一些人眼可能認錯的，AI 能給你認準了。

第二，語音識別。目前深度學習對語音的識別錯誤率低於4%，而專業的語音標記員錯誤率可達5.9%，而市場上基於語音技術的產品也不少，比如常用的地圖，可支援語音搜尋，微信的語音轉文字，還有去年大火的智慧音箱，都展現了語音互動的有趣和便利（個人也是很期待語音互動時代的到來，可以解決生活中很多麻煩的場景，比如騎車、開車不便時，近視老花看不清字幕、手溼、指紋不好使時，不一定語音互動要佔主導，但卻是可以解決很多問題把）；

第三，AlphaGo。AlphaGo和它兄弟alphazero的出現，再一次讓大眾對人工智慧的威力有了新的認知，畢竟世界冠軍都被打敗了，所以也引起了很多人的恐0即使有一天可能出現超人工智慧，那也可以看做是自動程式設計帶來的，使得人工智慧機智到自己給自己補一段程式，然後開始作妖，但那一天的到來估計要很久，我們怕是看不到那一天的。。。

（2）人工智慧將會對人類產生多大的影響

首先，有一張很經典的圖。這個圖要說明的是，在工業革命以前，人類獲得的進步其實是很微小的，而進入工業革命以後，出現了很多以前所沒有的東西，社會才獲得了巨大的進步，甚至可以說今天人類大部分美好的樣子都是工業革命帶來的。而由於工業革命的創新性，人類社會的發展加速加速再加速。

所以，可以想象，人工智慧時代的到來，也將會顛覆社會的發展和人類的程序。雷老師還給出了另一幅圖：這是不同社會程序下人類從事勞動的對比，如果是真的，那麼在未來，具有創新性的人才將會成為世界的主宰者，所以老師天天和我們講要培養創新精神，真的不是搞笑，是認真的，後悔自己腦洞開太小了吧，從前你認為的那些學習不好的、“不正經兒”的怪小孩，以後可能是社會最大的生產力。

第一部分結束了，主要的思考有三點：

（1）認清楚人工智慧到來的必然性，就是說人工智慧是社會發展的必然，只不過那一天什麼時候到，以一種什麼樣的方式到來，我們不知道，但每個人都應當樹立參與意識，尤其是立志當AI產品狗的朋友們；

（2）理解人工智慧時代什麼特質最重要，顯然創新的思維重中之重，所以如果過去來不及，從現在開始培養自己的創新精神吧；

（3）認清當前已經成為事實的人工智慧，就是要多去體驗這些人工智慧的產品，貴的玩不起，一些類似於語音助手的應用可以多體驗，再不濟去和小冰啥的嘮嘮嗑也中呀。因為如果不保持對這個行業產品的持續關注，那麼很多的思考都是沒有依據的，也許你所謂的創新也只是假想，而AI產品的推進也許會不斷加速。

Part2：為什麼是現在

在這一部分雷老師指明瞭為什麼現在是人工智慧的好時代？

一方面，人工智慧成為現實有三個前提：資料、演算法、運算能力。可達到應用級別的人工智慧技術，都依託於大量的標註資料，使得模型可以充分訓練。而在資料的學習上，也需要一些巧妙的演算法設計，對資料進行更好的學習，以提高結果的準確率。最後，有了演算法和資料，還需要計算機可以提供足夠的運算能力，不然也很難取得效果。

而另一方面，相對應地，現階段的發展已經可以提供一定的上述條件了。第一，由於網際網路、物聯網的盛行，每個活躍的個體和物件都在產生資料，這些資料是可收集和利用的，為AI提供了天然食材。第二，由於計算機摩爾定律，計算機的計算能力也在不斷地增長，市場上的各種超算晶片也不斷出現，這是有目共睹的。第三，演算法的創新也吸引了更多人加入。現在每年AI的頂會，比如cvpr、iccv等，都會接收幾百、上千甚至是好幾千篇論文，不敢說每一篇都是真材實料，但也還是有一些讓人眼前一亮的。

第二部分內容比較簡單，人工智慧已經具備一定的起飛條件，就看吹來什麼樣的東風，就可以飛到什麼樣的高度。

Part3：人工智慧的未來

人工智慧進入每一個行業，都是以一種輔助性、試探的姿態慢慢滲透，但是不可否認的是，它將會影響所有的產業，就像過去火爆的網際網路+，打造新的AI+格局。

1、人工智慧將影響所有行業

（1）服務機器人和人機互動：各種掃地機器人、陪聊機器人、智慧導購、家庭助理；

（2）工業機器人和智慧工廠：比如生產線上的搬運機器人、秦皇島已有餃子自動化生產工廠；

（3）自動駕駛和智慧交通：如Google、特斯拉、百度都已經開始了較長時間的研究；

（4）智慧醫療和健康：輔助診斷、疾病預測、新葯研製等

（5）智慧金融：風投、保險

2、人工智慧的發展和未來

AI 未來的發展將會遵循以下路徑：

（1）AI可能在未來的20年替代掉50%工作；

（2）弱人工智慧是未來20年應用的主角；

（3）從低技能行業向高技能行業（低技能就是那些反覆訓練就可以學會的行業）

（4）從搞資料行業向低資料行業（比如金融、醫療等本身就具備很多資料）

（5）從經濟效益高行業向一般行業（自動駕駛和金融產業）

3、人工智慧時代的機會在哪裡

（1）大公司或小公司：玩AI是燒錢的，大公司的優勢在於人才、資料、機器，財大氣粗好辦事，而小公司要創業，可能需要避開這些重型的的應用，選擇一些輕量級的，不管坑蒙拐騙還是以身相許，找到一些優秀的人才，然後去撿起那些大公司可能還沒來得及顧得上的行業的資料（比如一些很傳統的行業？）。然後把事情先搞起來。

（2）to B 或to C: to C 離使用者更近，加上現在資訊傳播很快，容易壟斷，所以對於創業是個值得考慮的點（在這一點上我的想法有點不同，我覺得AI時代，更重要是找到落地的點，只要真的能解決某些問題，to 誰其實可能是比較靈活的，因為現在的很多產品也存在使用者級和企業級，所以未來人工智慧產品有沒有可能也是可以存在不同量級的）

（3）替代或者是全新的：機會很多，可以是對現有應用的替代，比如自動駕駛，也有可能是全新的，比如一些過去我們完全想不起來的新的應用場景。

4、中美逐鹿AI

看到這個標題的收，我的內心是激動而自豪的。不過仔細一分析也是，從市場經濟以及技術積累兩個方面來看，確實未來的AI世界大戰，可能在中美之間展開，可能美國也意識到這一點了，所以才這麼忌憚我們，畢竟我們還只是個寶寶啊。

所以第三部分也完了，就這部分而言，思考的點在於：

（1）人工智慧將對所有的行業產生不同的影響，而有哪些可落地的場景，取決於不同使用者的需求和認知；

（2）人工智慧影響產業的路徑也比較清晰，所以想要從事人工智慧產品狗的寶寶們，可以在這條路上找好一個自己喜歡或者是還可以接受的行業，然後結合自己的生活，多多思考人工智慧可以怎樣便利我們，然後反推實現這些功能需要什麼樣的技術，再展開一定的調研，看是不是可以落地？又或者關注一些新的演算法（比如視覺方向的、語音方向的，nlp方向的），然後看看這些演算法有沒有啟發你對新的應用場景的思考，如果有，寫下來，然後去看看又沒人做了，如果有，他們是怎麼做的？和自己的比較一下。如果沒有，那麼應該如何構建自己的產品框架？感覺生活就是無窮無盡的問號啊，很容易就禿了頭，霸王爸爸都救不了你啊。。。。。。。

後話：如果之前對人工智慧的認知和理解只停留在演算法、公式和程式碼上，聽完第一課確實會覺得內心堅定了許多，也清晰了許多，因為你發現，還有許多人，和你一樣堅信AI時代的到來，且更加關注和憧憬。就好比E=MC的平方，在第一顆原子彈爆炸前，沒有人能想象它的威力，AI 也一樣，如果沒有親眼體驗產品的誕生，你可能不相信AI是事實。那就讓我們每個人都抱著期待，加倍努力，等有一天AI的果實結滿樹的時候，我們都是最虔誠的澆灌者！

雖然整理過程需要花費一些時間，但是感覺整理完之後自己也覺得清晰了很多，扶著flag，明天再整理一篇，加油！