自传

从本书中学到了机器学习发展的历程，也了解到了作者青春期全家移民到美国后生活的不易，多亏了鲍勃一家人的帮助，才让作者有幸给整个人工智能做出如此巨大的贡献。 从机器学习到深度学习，到人工智能大模型，让我对这些关键词有了更进一步的了解。 作者因为我经常往返与医院，照顾生病的母亲，所以在科技与人文方面有更深入的思考。这也是科技发展永远绕不过的话题，希望科技的发展永远能让人类过上更加美好的生活。 笔记 我意识到，即便身为一个生活在社会边缘的少女，我心目中的理想国度依然是科学世界。 人工智能的崛起速度和影响范围可谓史无前例，仅仅从这个角度看，也值得我即将面对的立法者予关注。 我相信人类文明正处在一场科技革命的风口浪尖，这场革命将重塑我们的生活方式。 科技革命必须深深根植于人类奋斗的基础之上，必须尊重全球社会的集体尊严，必须始终牢记自己的起源：人类的身体素质在自然界中并不起眼，只是因为人类拥有无尽的想象力，人类社会才取得长足发展。人类对自己的本质如此困惑，以至现在希望用硅重塑自己。因此，人工智能革命必须明确地以人为本。 父亲带我出去玩，不是为了教给我什么东西——他喜欢大自然，但并不是专家——可这种经历却在我心中播下了哲学的种子，成为塑造我人生的最大力量：我对探索自己视野以外的事物产生了永不满足的渴望。 每当读完一本书，那些故事就会在的脑海中久久索绕，仿佛是另一个现实世界与我所处的世界相抗衡。无论是在步行上学的路上、骑车去公园的途中，还是去小卖部买东西的时候，我眼中看到的生活日常都与脑中遥远的景象交织在一起：狄更斯笔下的英国的鹅卵石街道，海明威书中波涛汹涌的大海，大仲马描写的欧洲海岸的浪漫冒险。 我的努力只是为了自己。 在最好的时候，学校像是对母亲分享书籍和父亲鼓励探索的延续。 思维障碍出现得快，消失得也快。我突然感受到物理学的新维度，我只能将其描述为一种我从未意识到的浪漫。仿佛白昼如洪流般涌入，我看到物理学的本质，就像父亲看到自然世界的本质一样：纯粹的奇迹之源。 物理学的历史如同戏剧一般，丰富而生动，跨越几个世纪，让我深深着迷。 我爱物理学，就像父母爱着他们从我幼年时期就跟我分享的追求一样，这份爱简单而纯粹。父母向我展示了世界上还有更多可能性，他们给了我冒险、故事和想象力。 以前他虽然英语不好，但总是幽默开朗，而现在变得孤僻阴郁。挨打的那一刻是残酷的——身体的疼痛、精神上的屈辱、纯粹的身体侵犯，但让人感觉最不人道的还是这种转变：他与生俱来的积极乐观被剥夺了。 爱因斯坦是我心中最伟大的英雄，看着他的纪念雕像，我能感到这种热情又回来了。 风在树枝间嘶嘶作响，干枯的树叶发出微弱的辅音。苍白的水泥小径将绿色的草坪切割成多边形。褐色的砖墙静静地守望着，表面是几个世纪的历史留下的坑坑洼洼。最重要的是，天空如此湛蓝清澈，有时我还是很难相信这是真的。 如果我要把自己的一生奉献给科学——无论以何种形式，我都要感谢我在人生最低迷、最迷茫的日子里遇到的那些人。我越来越有一种久违的感觉：我怀感恩。 图灵的设想得到了美国计算机科学家同行的呼应。1956 年，他们将好奇心编撰成文，提出了现在广为人知的《达特芧斯人工智能夏季研究项目提案》，“人工智能”一词就是在这份提案中诞生的。提案呼吁举办一次非正式研讨会，探讨如何通过计算机编程来完成类似人类的推理、感知和知识概括等活动。项目主要由约翰·麦卡锡（John McCarthy）和马文·明斯基（Marvin Minsky）主导，他们二位都是长期对大脑保持好奇心的数学家；此处还有 IMB 701 计算机的设计都纳撒尼尔·罗切斯特（Nathaniel Rochester），以及被誉为“信息论之父”的克劳德·香农（Claude Shannon）。 事实上，人工智能与物理学不仅仅是主题上存在联系，还有更深层次的连接：人工智能的许多奠基人都兼容并蓄，涉足包括心理学和认知科学在内的各种领域，但他们的背景主要集中在数学、电子工程和物理学领域。 20 世纪 80 年代开到 90 年代初，潮流开始转向更自然的方法。杨立昆的成果就预示着一个大胆的未来。随着时间的推移，行业研究重点从”通过明确编程来解决问题“转变为”从示例中发现模式“。 算法不是被告知该做什么，而是去学习做什么。研究人员给它起了一个贴切的名字：”机器学习“。 在科学的发展进程中，思想孕育的过程相对富有诗意。没有任何一条自然法则规定洞察只有在能够付诸实践的前提下才会出现。很多灵感的火花都领先自己所处的时代几年、几十年、甚至几个世纪，历史上的例子比比皆是。而真正鼓舞人心的是，这些早期的思想家对于自己的发现抱有坚定的信念：无论前进的道路看起来多么不切实际，无论实验成功的前景多么渺茫，伟大的科学家都被与生俱来的探索欲所驱使，再艰难的环境也浇不灭他们孜孜以求的热情。机器学习几十年的发展历程即是如此。 机器学习自诞生之初就从人类认识中汲取了一定的灵感，这在很大程度上得益于神经科学等领域的同步发展。 大脑可以被看作由简单元素组成的大型网格，元素之间的联系可以随着时间的推移而改变；通过将复杂的行为分布于网络中，我们几乎可以完成无限的任务，并且可以不断学习新的任务，即使到了晚年也可以。 休伯尔和威塞尔的研究发现，感知不是发生在单个神经元层次上，而是通过由多层神经元组成的层次结构进行的。 由于大脑的网络结构允许无数步骤同时进行，我们的感知体验是连续不断、充满活力的。休伯尔和威塞尔的研究成果改变了我们对感官知觉的理解，二人因此获得了 1981 年的诺贝尔生理学或医学奖。 1986 年，由加州大学圣迭戈分校分校教授大卫·鲁梅尔哈特（David E. Rumelart）领导的一个研究人员小组在科学杂志《自然》上发表短篇研究报告，介绍了一种能让新认知机等算法有效学习的技术。他们将其称为”反向传播“，名字起源于这一技术最显著的特征：在这种级联效应中，每个训练实例（具体来说，是网络对给定刺激的反应与正确答案之间的差异）通过网络的一端传递到另一端，并逐层进行误差的递减调整。 虽然鲁梅尔哈特是首席研究员，但他的两位合著都之一的杰弗里·辛顿（Geoffrey Hinton）才是反向传播联系最紧密的人物。辛顿当时是卡内基梅隆大学的教授，从小就被智能之谜所吸引，其职业生涯致力于探索重视智能的新方法。 那是一个神经网络稳步发展的时代，网络层数越来越多，神经元连接越来越复杂，训练技术也越来越完善。杨立昆是辛顿的第一批学生，他把这些研究成果应用到了识别手写邮编这一极具实用性的场景，引起广泛关注。在不到十年的时间里，机器学习这样一个曾经遥不可及的梦想终于在现实世界中开花结果。 因为观念的不同，我们飞越半个地球，来到陌生的国度，深陷贫困，每天都在为生存苦苦挣扎。但从父亲身上看不出这些。他正在专注于研究别人家的滑雪镜或咖啡机，他的满足感如此纯粹，让我也感同身受，几乎忘却了尘世间的烦恼。 尽管课程内容早已了然于胸，但他们讲起课来总会双眼放光。我一直觉得我的激情定义了我，但这些人真正活出他们的激情，达到了我从未想象过的程度。 ”请大家深呼吸，让这张图片荡涤你的心灵。“他措辞严谨，语调轻柔，”那些微小的光点不是恒星，甚至不是恒星系统。它们是整个星系，成千上万的星系，其规模之大，非我们渺小的大脑所能理解。但借助哈勃望远镜这样的工具，人类终于第一次瞥见了宇宙之宏大。我之所以在最后一堂课给大家看这张照片，就是希望你们能够永远铭记这种感受，永远保持好奇心和勇气，永远愿意追问那些看似不可能的问题。‘哈勃深场’的镜面曝光，让我们看到了答案有多么美妙。 我如饥似渴的读着爱因斯坦、费曼和玻尔等思想家的传记，像学习学校的课程一样认真研究他们的个人历史。 薛定谔是我最喜欢的例子之一。他的整个职业生涯都走在 20 世纪量子力学的最前沿，然而他却在那本短小精悍的《生命是什么》一书中探究了遗传学和生物体的行为，甚至研究了生物的伦理意义。这本书对我产生了深远的影响，通过更有机的视角探索世界的想法令我深深着迷。 我的阅读清单越来越五花八门，无所不包。我沉浸在侯世达（Douglas Richard Hofstadter）所写的《哥德尔、艾舍尔、巴赫：集异璧之大成》中，也被罗杰·彭罗斯（Roger Penrose）的《皇帝新脑》的广度和深度所吸引。就这两本书而言，挑战我的不仅仅是其思想之精辟、智慧之高深，还有它们之间丰富的联系。 从本质上说，对智慧的全面描述揭示的不是魔法，而是一种过程，是规则和原则的动作。 当神经元以千亿计的数量级复制，当它们之间的连接达到 10 的 11 次方时，质变就发生了。物质变成了思维，产生了爱、喜悦、悲伤、愤怒、恐惧和欢笑，也造就了我们在科学、艺术、音乐和数学等方面的能力。 正是因为大脑，我们所珍视的一切生命体验才成为可能。 比起普林斯顿大学，伯克利更能代表父母来到这个国家所追求的东西：自由地认清自己的激情，毫不妥协、无怨无悔地活出激情。 父母对无限机会的追求是他们的北极星。这个愿景让他们焕发出无与伦比的活力，在他们的生命中打下了深深的烙印，是他们生而为人的定义。 ...