这本书《写给大家的AI极简史》（Who's Afraid Of AI? Fear and Promise in the Age of Thinking Machines）由托马斯·拉姆格（Thomas Ramge）撰写，探讨了人工智能的快速发展及其对人类社会的影响。
引言：
介绍了人工智能的“基蒂霍克时刻”，比喻人工智能技术的突破类似于莱特兄弟的首次飞行，标志着技术起飞的开始。作者讨论了人工智能在多个领域的应用，如自动驾驶汽车、医疗诊断、法律咨询等，并提出了关于人工智能未来发展的问题。
第1章：自动化的下一步：机器做决策
探讨了自动化技术的最新发展，特别是机器如何做出复杂决策。讨论了自动驾驶汽车如何通过机器学习来提高安全性，并分析了机器学习在其他领域的应用。
丰田研究所所长吉尔·普拉特（Gil Pratt）将人工智能的最新进展与5.4亿年前进化生物学的寒武纪爆发进行了比较。几乎所有的动物都起源于寒武纪时期，当第一个物种进化出看东西的能力，进化的“军备竞赛”就开始了。有了眼睛的动物就可以征服新的栖息地，可以开拓出新的生态位。生物多样性就此爆炸式增长。这与人工智能识别数字图像非常类似。随着生物技术在数字图像识别方面的突破，人工智能现在也有了眼睛，能够更精确地导航并从环境中学习。麻省理工学院的埃里克·布林约尔松（Erik Brynjolfsson）和安德鲁·麦卡菲（Andrew McAfee）将对比进一步推进到进化的早期阶段，并说道：“今天，我们同样期望看到各种新
产品、服务、工序和组织形式。当然，其中也会有大量的‘灭绝’，但也肯定会有一些奇怪的失败和意外的成功。”
“人工智能将像电一样改变世界。”这句话出现在许多关于人工智能的文章和研究中。电力使得高效的火车、装配线、图书馆照明、电话、电影工业、微波、计算机和电池驱动的火星漫游者在崎岖的地表上的探索任务成为可能。我们无法想象没有电的现代生活。今天，没有人知道人工智能这种跨界技术是否会产生类似的巨大影响。斯坦福大学教授、谷歌和百度AI团队的前负责人安德烈回答了人工智能将影响哪些领域的问题：“可能思考AI产业将不会改变什么比思考AI产业将会改变什么更容易。”
第2章：图灵的继承人：人工智能的简史
回顾了人工智能的发展历程，从图灵测试到现代的机器学习，以及人工智能技术如何逐渐成熟并开始在实际应用中取得成功。
第3章：机器如何学会学习：人工神经网络、深度学习和反馈效应
深入探讨了人工神经网络和深度学习的原理，以及它们如何通过反馈循环来提高性能。讨论了这些技术在图像识别、自然语言处理等领域的应用。
对于人工智能来说，越多人向机器提供反馈数据，系统就会变得更加智能。反馈数据是智能技术学习过程的核心。在未来几年内，数字反馈将使自主驾驶系统、翻译程序和图像识别的商业应用成为可能。而反馈数据将会让立法者相当头痛，因为如果他们不采取新的措施来应对这个局面，反馈数据的长期积累将几乎不可避免地导致数据垄断。最受欢迎的产品和服务将由于不断获得反馈数据而得以快速升级。机器学习在某种程度上将嵌入这些产品中，这意味着新的进入者极少有机会对抗以人工智能驱动经济的头部公司。自我完善的技术会阻碍竞争。
第4章：人类提问，机器回答：人工智能作为日常助手、销售员、律师和医生
讨论了人工智能在日常生活和工作中的应用，如虚拟助手、在线客服、法律咨询和医疗诊断等，以及这些应用如何改变我们的生活和工作方式。
在几乎所有决策过程被自动化的知识型行业中，我们也可以重新审视知识工作者的大规模失业问题：销售员、律师和医生应该思考如何在人工智能的帮助下帮助更多的人。这里的指导原则是强化决策（augmented decision making）而不是纯粹的自动化。IBM的首席执行官弗吉尼亚·罗曼提（Virginia Rometty）说：“有些人称这种技术为人工智能，但事实上这种技术将增强人类的能力。因此，我认为，与其认为我们在打造人工智能，不如认为我们在增强人类的智能。”如果罗曼提的观点正确，那意味着在未来几年内，人工智能将不会取代知识工作者。相反，精通人工智能技术的销售人员、律师和医生将取代那些不知道如何使用人工智能来帮助他们决策的同事。
第5章：机器人作为同事：智能机器、协作机器人和智能物联网
探讨了机器人在工业、服务业和家庭中的应用，以及它们如何与人类协作，提高生产效率和生活质量。
第6章：超级智能和奇点：机器人会控制一切吗？
讨论了人工智能的未来发展，包括超级智能和奇点理论。作者分析了人工智能可能带来的风险和挑战，以及我们如何确保技术的发展方向符合人类的利益。
逻辑学家和哲学家朱利安·奈达·鲁梅林（JulianNida-Rümelin）推测，哥德尔（Gödel）的不完全性定理（incompleteness theorems）定义了机器智能的极限。我们可以从数学上证明，许多问题在逻辑上无法解决，形式系统中的语句的推导是有极限的。这就意味着总是存在一些既不能被证明也不能被证伪的陈述和问题。因此，没有任何一台靠数学解决问题的机器能够超越这些逻辑边界。
过度鼓吹超级智能会灭绝人类的假想可能会产生不必要的副作用。它将会分散我们的注意力，让我们忽略弱人工智能快速发展所带来的真正危险。最重要的危险可以概括为三类：数据垄断、操纵人类个体和政府滥用数据。
竞争与数据垄断资本主义：
卡尔·马克思（Karl Marx）告诉我们资本主义倾向于市场集中化。在工业时代，规模经济让大公司变得越来越大，指明这条道路的是亨利·福特（HenryFord）。他生产的T型车数量越多，其本身就卖得越便宜。价格越低，质量越高，市场份额就增长得越快。在大规模生产时
代，成功的公司乐于收购竞争对手，以便通过兼并获得额外的规模优势，同时减少竞争。而到了20世纪，政府有了一个有效的工具——反垄断法——来防止垄断（前提是政府想这样做）。在知识与信息时代，即自20世纪90年代的数字化热潮以来，网络效应发挥的作用越来越大。数字服务的客户越多，网络效应就使得服务质量越高。数字平台运营商已经成功地占领了铁路巨头、汽车制造商和披萨生产商望尘莫及的市场份额。在过去的20年里，企业巨星微软、苹果、亚马逊、谷歌和脸书在西方数字市场形成了寡头垄断，有时甚至达到了准垄断。在俄罗斯，YANDEX占据了大部分数字市场。事实证明，国家反垄断法、欧洲反垄断法对此束手无策。这在当下已经是需要人们高度重视的问题，但如果机器从反馈数据中学习对价值创造的贡献越来越大，那么垄断会愈演愈烈。人工智能会让垄断来得更快，因为内置了人工智能的产品和服务会通过反馈数据来改进自己。它们被使用得越频繁，商家所获得的市场份额就越大，其领先优势就越不可逾越。也就是说，创新直接被内置到产品或业务流程中，那么新手只有在特殊情况下才有机会对抗在人工智能驱动经济下的领头企业。数据是人工智能的原材料。只有当这种原材料能被各家公司所用，公司之间的竞争才会成为可能，而我们才能确保人工智能系统的长期多样性。在弱人工智能时代，竞争和多样性也是我们面临的第二个主要危险——使用人工智能系统操纵个人或利用个人——的先决条件。
虚拟助手的行为代表着谁的利益？目前的情况是，大多数机器人和数字助手都是变相的销售人员。Alexa的开发和运营商是亚马逊，而不是一家代表消费者在所有在线商店中寻找最佳商品的初创公司。当然，只要它是透明的，只要我们没有被暗中利用，它就是合法的。但当世界上有无数个人工智能助手以后，我们很快就会搞不清楚谁有可能愚弄我们。当我们向智能手机或床头柜上的智能音箱寻求建议时，我们无法确切地知道是谁在给我们提供建议。通常，我们不在乎这一点，因为它是如此方便，在很多情况下，我们甚至会支付额外的费用，让这些科技“保姆”宠溺我们。
数字专政：国家与公民之间潜伏着第三个、同时或许是最大的危险：政府滥用弱人工智能对公民进行大规模操纵、监视和镇压。超智能计算机占领世界、征服人类，恐怕是科幻小说能够描绘的最恐怖的场景。基于当前技术，今天政府所能达到的监控状态，就像在乔治·奥威尔（GeorgeOrwell）的《1984》出版以后所有政治反乌托邦小说的混合物。数字工具不是暴政所必需的——历史已经证明了这一点。但是，在智能机器时代，压迫人民的问题又被提上议程。精通科技的政权正在为独裁制作新衣。在人工智能驱动的独裁统治中，压迫比穿制服的士兵或警察更微妙。数据会告诉政府如何推动公民做出国家所期望的行为。
人类的历史是人类决策的总和。我们会一如既往地决定我们想要的东西。我们甚至不需要重新创造需要机器辅助信息时代下一步发展的积极的世界观，因为“非常简单，（新时代所需的世界观）一定是对人文价值的回归”，纽约风险投资家、作家和TED发言人阿尔伯特·温格（Albert Wenger）说。在他看来，这些价值可以用公式来表达：“创造知识的能力使我们人类独一无二。知识是通过一个独特的过程产生的。每个人都应该参与到这个过程中来。”数字革命让我们在历史上第一次将这种人文主义理想付诸实践——通过智慧地运用人工智能，为人类造福。
本资料可以在【AIGC部落】下载，扫描下方二维码即可加入【AIGC部落】：