《社会机器》读书心得
模式识别
模式识别：这种解决一个新问题或者通过将新问题与一些之前已经解决过的问题或者已经观测到的模式相匹配的能力称之为模式识别。
模式识别依赖于以下几个方面，即我们的感官、感知以及认知系统从输入的数据中提取特征的能力；从数据中识别出一些规则的能力（建立一种模式）；判定一种新的模式是否与我们已遇见过的其它模式相类似的能力（建立模式分类）；以及在需要的时候，对比新模式与已知模式来支持学习与解决问题的能力。
拥有一套以某种方式编码于我们记忆之中的模式并且能够在模式识别的过程中使用这些模式，就是一类推理能力。
推理能力：识别、特征、分类、解决问题
认知计算系统是由研究者构建的视图模拟人类大脑推理方式来解决问题的计算机系统。
有别于早期的专家系统，先将解决问题所需要的知识转化程计算机能理解的规则。
图灵测试
图灵测试假设，这台计算机知道它要模仿一个人，因而会有意地做错一些事情，例如，当被要求执行一个复杂地数学运算时，该计算机可能希望或者直接给出一个错误地答案，或者说一些类似“这太难了”的话，尽管实际上它可能会知道答案；例如，当问到计算机是否会死去，它的回答可能时会，即使它不会死去的。
网络价值与用户数量的关系
1980年,梅特卡夫(以太网的发明者)提出网络的价值V与其用户数量n的平方成正比,即
\(V∝n^{2}\)
。该定律作为网络效应的一种最著名的体现,受到了很大的争议,许多学者将其称为"错的"或者"危险的",其他的定律相继提出:萨洛夫定律(V∝n)、里德定律(V∝nlog(n))、奥德利兹科定律(V∝2n)。
该定律已提出三十多年,但一直缺乏实证数据支持。直到2013年,梅特卡夫本人给出了梅特卡夫定律的第一个证据:脸书公司的收入与其月活跃用户数的平方成正比。
本文采用腾讯公司(中国最大的互联网综合服务提供商之一)与脸书公司(全球最大的社交网络公司)过去十年的实际数据,拓展梅特卡夫的方法,得出了下列结果:
(1)
针对网络效应的四种体现给出了腾讯与脸书实际数据的拟合结果,并显示梅特卡夫定律的拟合误差远小于其他三个定律的拟合误差;
(2) 梅特卡夫定律对腾讯公司数据与脸书公司数据均成立;
(3)
腾讯和脸书公司的成本与其月活跃用户均非线性关系,而是与其月活跃用户的平方成正比;
验证码的额外价值
你以为自己在填验证码，其实你是在给Google义务劳动-reCAPTCHA验证码的众包价值
文章摘要
- 宁为太平狗，不做乱世人
- 乐观主义者们看到的是希望的理由，悲观主义者们看到的是绝望的理由。而真相，最终被发现时，往往是介于两者之间的一个非常微妙的境地。
- 需要保护我们的隐私以降低我们的信息被某些敌对组织获取的概率。
- 完全信息博弈：棋类； 不完全信息博弈：卡牌类
- 记忆是一个重构的过程。在记忆重建的过程中，人类或许会“突变”他们的记忆。
记忆与我们对自己身份认定高度相关。
- 人类惊人的特质之一就是可以通过情感来传达复杂的思想；人们有多种表达情感的方法，无论是语言的还是非语言的。
- 人类是社会化的动物，人类倾向于在灾难面前团结起来从而缓解压力和脆弱感。
- 人工智能就是计算机目前还不能做的事情。
- 自然语言处理，分语音识别、语言理解；语音识别的识别儿童语音、噪声环境中的语音、多人交谈时的语音、带口音的语音仍有较大的难度。
语言理解的难点：声调、语言的歧义性、上下文； 让AI做高考的阅读理解：）
- 仅能够识别物体还不够，理解他们之间的相互影响的方式才能使得计算机在没有人类干涉的情况下，做出在这个世界中正常运转所需要的一类必要推理。（现实世界的物理规则）
- 三段论：
事实：若凡人终有一死；
事实：苏格拉底是人；
结论：苏格拉底终有一死；
- 人类来创造，机器来管理。
维基百科使用了几百个Bots在管理内容更新，对一些拼写、违规内容进行自动检查。
- 自主驾驶需要人类将控制权让渡给AI。
- 技术往往是双刃剑，有好的一面，也有不好的一面。
- 阿莫西夫的机器人三原则：
1、机器人不得伤害人类，或者看到人类受到伤害时袖手旁观；
2、机器人必须服从人类的命令，除非这条命令与第一条相违背；
3、机器人必须保护自己，除非这种保护与以上两条相违背。
- 物联网IoT让私密数据的隐私性提出了挑战。
- 早期的专家系统通常由一个知识库和一个推理引擎构成。一旦运作起来，许多成功的专家系统将被用于培训新手，或者为解决某些特定的问题提供建议或提示。
- 我们将考虑人类所擅长的事情以及我们自身的局限性；我们也会用同样的方式来考虑机器。
- 将感知到的内容进行“理解”，这一方面，计算机仍然落后于人类。
