机器学习西瓜书学习记录（序）

人工智能技术如今的火热程度想来也不用多说了，从上世纪五六十年代到现在经历过的一次又一次高峰和低谷，而随着深度学习技术使得人工智能技术的落地成为了现实，如今的AI产业似乎正是处在相当热门的状态。由于落地场景繁杂多变，而AI技术很多时候又没有我们期望的那么成熟，中间也就偶尔夹杂不少唱衰AI的声音，“AI不过就是拟合，不过就是映射…”云云。
深度神经网络的基本思想给了人们创造智能的极具潜力的新的方法论，通过不断加深的网络结构来不断完成更加复杂的映射，最后逐渐具备智能的特征。谈及“人造智能”，总是不免让人多少有些心潮起伏，这个过程从最顶层的网络算法结构的设计，算法实现的代码框架优化，以及落地运算执行的硬件算力平台，至少如今看起来，中美，全世界，都在蓬勃发展。DeepMind公司的阿尔法狗围棋强化学习的人工智能给世人留下深刻印象，给定规则下，机器的学习或者说“模仿”能力并不逊色于人，而同样是这家公司开发的AI技术成功预测了蛋白质的结构，则是极大地惊艳了科学界，真正展示了AI的巨大潜力。也可以说是“威胁”，这里暂时不做过多讨论，李国杰院士的一篇文章很值得人学习深思国内AI顶不了天，立不了地
如果说如今的AI技术发展，其实也存在盲目死板遵从那套数据+算力=解决方案的现象，从谷歌的AI健康部门的失败可窥见一斑，客观事实是，现实场景极其广泛，极其复杂，现如今的AI依旧稚嫩，不足以随随便便就能拉来解决某个问题，因此，业界仍需要冷静下来，创新完善AI的网络结构，提升AI的计算效率，数据的收集使用，场景的应用方式等等。
而未来，一旦机器智能技术足够成熟与普及，我们可以大胆想象一下未来的生活的确就在向科幻电影里的样子发展。有特定单一的AI程序会被专用在某一个产品的一个功能模块，来极大地提升产品的人机交互体验，类似赛博朋克那种游戏，依赖类似技术，让剧情类游戏，不一定是写死的剧本，而也是随着你的选择不断变化，能胜任这种功能非AI莫属，而这离我们并不遥远，元宇宙，一个新的数字化世界要想体验，交互极其逼真，少不了AI助力，而我也感觉这是AI目前完全有能力去尝试的。而除了一些视觉监控，识别，机械臂等替代简单重复的人力，AI在帮助人类拓宽知识边界也是把好手，类似能够预测蛋白质结构，人类都难以做到，而它却以一种人类不很了解的方式实现了，不得不说，人类应该开始认真思索和AI的存在关系了，这是个严肃而又深刻地哲学问题。
各种场景难以详尽，正如李国杰院士所言，也许我们真的正在见证AI带来的新的科学范式，这会极大地冲击我们每个人的旧有认知，然后，迎来一个崭新的，陌生的人类世界。