非常道400：讀《教育中的人工智能》有感7（終結(jié)篇）
AI是什么
此書要讀完了，回過頭來看，AI是什么？
《牛津英語詞典》解釋為：計算機或其他機器展示或模擬智能行為的能力。
AI的將來是像人類一樣思考（理性思考），像人類一樣行動（合理行事）。所以，AI的未來是光明的，甚至有悲觀主義者認為：AI可能超越人類，取代人類統(tǒng)治世界。因為現(xiàn)在的AI看起來已經(jīng)無所不能，在運算能力上比人的大腦優(yōu)秀得太明顯了。
我是一個樂觀主義者，感覺AI給學習和生活帶來了太多便利，人類可以發(fā)明它，當然可以控制它。雖然人類在大自然中很渺小，在宇宙間更渺小，但人類從來沒有停止過對科學的探索，對宇宙的探索，中國的航天探測已經(jīng)從月球走向了火星。而AI產(chǎn)生于1956年，66年間，AI從無到有，從寒冬到如今的盛開，它的發(fā)展涉及基于規(guī)則的系統(tǒng)、玩游戲的計算機、計算機視覺和自然語言處理功能四個方面。
（一）基于規(guī)則的系統(tǒng)和專家系統(tǒng)
書上舉了一個通俗易懂的例子來說明專家系統(tǒng)的邏輯推理過程：
如果 細菌培養(yǎng)呈陽性
并且 入口是胃腸道
并且 腹部是感染的位置
或者 骨盆是感染的位置
那么 是腸桿菌感染
這個是一個病情診斷專家系統(tǒng)，他采用的邏輯推理方式和人判斷病情的方式是一致的，是基于日常工作經(jīng)驗的總結(jié)。
看起來，很準確。但是AI不能完全取代人對病情的診斷。因為專家系統(tǒng)的關鍵問題是知識的獲取，計算機專家往往不太可能又是醫(yī)學領域的專家，所以處理診斷病情的細節(jié)肯定不如人的直接判斷。
（二）玩游戲的電腦
早期是針對下棋開發(fā)的系統(tǒng)，它有兩種策略，一是試錯搜索方法，搜索可能移動的樹狀問題空間以期找尋最佳途徑；二是評估方法，這種方法更密切地復制了人類的下棋方法，界定了評估棋子移動策略的標準，據(jù)此選擇具有最佳成功機會的移動。
前面我們提到了1997年，計算機深藍成功擊敗國際象棋冠軍卡斯岶羅夫。20年后，谷歌推出的非同尋常的AI，擊敗世界圍棋冠軍李世石。這些開發(fā)技術至今仍在使用。
（三）計算機視覺
計算機視覺是指計算機識別現(xiàn)實世界中物體的能力。一個關鍵問題是系統(tǒng)不理解遮擋（當一個物體部分擋住了另一個物體時），這個問題最終通過在系統(tǒng)中使用各種知識規(guī)則得到了解決。
現(xiàn)在電影技術里面，使用計算機合成技術較多，尤其是布景和動作設計。但計算機視覺技術總是發(fā)展緩慢。
（四）自然語言處理
這個很好理解，就是利用AI，實現(xiàn)語言之間的轉(zhuǎn)化。如把中文翻譯成英文，或把英文自動翻譯成中文?？雌饋恚@樣周游世界很方便，的確如此。但是有一個不容忽視的問題，就是計算機是運用規(guī)則翻譯，有些語言經(jīng)它翻譯之后，那個味變了。
書上舉了一個例子，把“心有余而力不足”從俄語翻譯成英語時，結(jié)果是“伏特加是好的，但肉是腐爛的”。這樣的翻譯效果，只能讓人笑掉大牙。
AI最早是用來國防科技研究的，但是因為進展緩慢，研究經(jīng)費被撤回。但是現(xiàn)在，隨著計算器處理器的速度更快了，數(shù)據(jù)獲取便利了，計算方法進步了，AI由此進入了復興和發(fā)展。
如今AI用于人臉識別、汽車自動駕駛、網(wǎng)購、自動撰寫新聞、在線約會、圖像處理、股票交易 ，以及法律和金融服務等。
現(xiàn)在使用支付寶就有人臉識別系統(tǒng)，非常的方便。
深度學習
這里的深度學習是指機器學習的延伸，是包含許多隱藏層的人工神經(jīng)網(wǎng)絡算法和迭代聚類的過程。
我們傳統(tǒng)的深度學習是把知識向縱深延伸，讓學生掌握更多的解題思維和技巧，為解決更多難題奠定基礎。
在農(nóng)村學校待久了，對于教與學的研究似乎停滯不前了。有時候，基礎的知識，都沒讓學生整明白，還談什么深度的教學？
有時候在想，是不是自己有時間就會去研究？答案是否定的，因為在你覺得有時間的時候，你會覺得平時太累，需要休整一下，然后半天或一天時間就這么匆匆浪費了。
而機器一般情況下不會有疲倦感，所以，它可以不斷去運算和對比，進行物體辨別和比對，用AI來解放人的運算，是一件好事。
但同時我們不得不擔心，有了計算器之后，人的大腦少了相關的運算思維，會不會導致人自身的思維能力、運算能力退化？
事實上，這種擔心是必要的。
任何事物都有其兩面性，我們不是不重視這樣一個問題。
機器的深度學習，對我來說有些過于科幻，似乎它們能進行自我學習一樣，那么它們有了獨立思考，意味著它們能修正自身的數(shù)據(jù)和擺脫人類對其約束。它最初也是模仿人腦來進行的，它的深度學習有以下特征：
(1)強調(diào)了模型結(jié)構(gòu)的深度，通常有5層、6層，甚至10多層的隱層節(jié)點；
(2)明確了特征學習的重要性。也就是說，通過逐層特征變換，將樣本在原空間的特征表示變換到一個新特征空間，從而使分類或預測更容易。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來學習特征，更能夠刻畫數(shù)據(jù)豐富的內(nèi)在信息。
機器都深度學習了，那人還在原地不努力嗎？
此書讀來有些晦澀，畢竟很多術語我都不熟悉，為此，本書還專門在后面有一個術語解釋。
此書告訴我，再不努力就要被教育 AI所取代了。作為老師更加要順應時代發(fā)展，與時俱進，才不至于無用武之地。有時候感覺，人在創(chuàng)造教育AI的興奮，這是一種教育的革命；但同時，也在想，人和AI是不是在賽跑，這個時候，是人在引導AI前行。到后來，如果AI真的取代了人類，這個社會會怎樣？但愿，這只是杞人憂天。
書的價值就是引發(fā)思考，我想，或多或少也領悟到了一些東西吧！
（2022年5月31日下午于學校辦公室）
