托马斯·拉姆齐（Thomas Ramge），德国著名商业杂志Brand Eins科技记者、《经济学人》杂志专栏作家、荣获众多国际图书奖项的畅销书作家，长期专注于研究科技对商业管理、社会及政策决议的影响。任教于苏黎世人工智能商学院，并担任德美合资分析公司QuantCo的首席解释官（Chief Explaining Officer）。
在国际上拥有较高的声望，曾凭借《前所未见的全球经济》（The Global EconomyAs’You've Never Seen it）一书与李开复的《AI·未来》一同摘得2019年Axlom商业图书金奖。
另与《大数据》作者合著有畅销书《资本主义在大数据时代的重构》（Reinventing Capitalism in the Ageof Big Data），该书已被翻译成18种语言，出版之后引起了世界范围内关于数据垄断的讨论。

1 自动化的下一步：机器决策
识别、洞察、行动
博兰尼悖论
强弱人工智能
对机器的愤怒？
机器的瑕疵
2 图灵的继承人：人工智能简史
聊天机器人的智商测试
在达特茅斯开球
计算机专家与专家计算机
炒作周期中的人工智能
原始计算能力
Jeopardy！围棋和Texas Hold'em
3 机器如何学会学习：人工神经网络、深度学习和反馈效应
人工大脑？
图形卡片的力量
有监督与无监督的学习
反馈创造数据垄断
4 人类提问，机器回答：人工智能成为日常助理、销售人员、律师和医生
虚拟助手
销售机器
机器人律师
我怎么了，Watson医生？
5 机器人成为人类的合作者：网络物理系统、合作机器人和能计算感情的机器
参与救援任务的机器人
网络物理系统
人机协作
如果机器人可以读取情绪
硅胶克隆机器人
6 超智能与奇点：机器人会夺取控制权吗？
HAL变得严肃起来
智能大爆炸与超人类主义
竞争与数据垄断资本主义
AI代理人的行为代表谁的利益？
数字专政
新机器伦理

识别、洞察、行动
特斯拉正以每小时130公里的自动驾驶模式在高速公路的左车道上行驶。前方右车道上，几辆卡车以每小时90公里的速度行驶。特斯拉离卡车纵队越来越近了。车队尾部的卡车打出了左边的车灯，表示它要变到左边道。这时，特斯拉必须做出复杂的决定：是应该继续以同样的速度行驶甚至加速以确保它能够在卡车变道之前通过，还是应该鸣喇叭警告卡车司机？在这种情况下允许超车吗？还是说特斯拉应该为了安全起见，以增加行驶时间为代价，制动并礼让卡车？当然，只要没有一位激情驾驶的跑车司机跟在特斯拉后两米处，那么刹车是最安全的选择。
几年前，在任何情况下，我们都完全有理由不把这个决定权交给机器。从统计学上来说，这项技术还没有被证明比我们自己坐在方向盘后面更有可能把我们安全地带到目的地，因为我们不仅熟悉交通规则，有丰富的经验与预测人类行为的能力，还有直觉。
然而今天，特斯拉的驾驶员们已经将许多驾驶决策委托给计算机。这并非没有风险。无论是在特斯拉、谷歌还是在像梅赛德斯、奥迪、日产、现代和沃尔沃这样的传统汽车公司，自主驾驶的运行远非完美。这些公司不知疲倦地研发自动驾驶系统，但出于安全考虑，有许多功能都未被投入使用。在天气良好和有清晰标注的公路上，自动驾驶系统显然已经是比人类更好的驾驶员。而在城市里，晚上或在大雾天，自动驾驶系统优于人类驾驶也只是个时间问题。
正如一句老话所说：“对于人类来说很难的事情，对机器来说很简单。”反之亦然。在每一次驾驶的过程中，计算机都有成千上万个小且复杂的决策要做，而这对于以前的计算机来说是不可能的任务。为什么现在情况改变了？从抽象的角度来说，答案是：因为从可控硬件中学习数据的软件已经越来越熟练地掌握了识别、洞察和执行这个三角系统。
在上面特斯拉和卡车的例子中，不仅特斯拉所配备的GPS导航、高分辨率照相机、激光和雷达传感器能精确地告知自动驾驶系统汽车的位置、卡车的行驶速度、道路状况及右边是否有紧急通道，该系统的图像识别软件还可以可靠地识别出闪烁的灯是卡车的转弯信号灯，而不是远处建筑工地上的灯。计算机在过去的几年里已经获得了识别事物的能力。如今最好的计算机已经能区分出地面上的物件是汽车能安全碾过的碎纸还是它需要绕行的石头。
所有的视觉（和其他感官）数据流入一个小型的超级计算机，也就是汽车的人工大脑。它是由许多计算机中央处理器和图形处理器组成的。处理器必须以秒为单位对信息进行排序，同时将实时数据与先前收集的数据、已编程到系统中的规则同步。特斯拉系统知道在这种情况下它有通行权。交通规则规定，卡车司机只有在没有车辆从后方接近的情况下才允许变道。通过对几十亿英里的道路交通信息——反馈数据——进行学习，自动驾驶系统得到了加强，它甚至知道卡车司机并不总是遵守交通规则。它知道，尽管特斯拉正从后面驶来，卡车还是很有可能会变道。它也知道，如果一辆自动驾驶汽车冒着发生严重事故的危险坚持遵守交通规则，是不符合乘客最大利益的。
自动驾驶系统根据观测到的情况、编程规则和以往的经验，在许多可计算的场景中推断出避免事故的最佳选择，同时仍然带领特斯拉快速前进。在本质上，这是一个认知决定，一个对行动方针的选择。这个问题的最佳解决方案其实是一个基于许多变量的概率计算。
P4-7

这是一本AI普及书，它回答了普通读者所想知道的有关AI的所有问题，比如到底什么是人工智能；人工智能的反馈机制是如何起作用的；它今天已经发展到了什么程度，以及在可见的未来，它还能做什么；如果人工智能持续进化，人类需要提升哪些技能。

基蒂霍克（Kitty Hawk）时刻——为什么一切都将加
速发生……
100万美元奖金。一条长度为241公里的公路横穿莫哈
韦沙漠的军事管制区域。2004年，美国国防部首次在此举
办了DARPA自动驾驶汽车挑战赛。当时参赛的队伍大约有
100支，最佳队伍的自动行驶成绩仅为14公里，其他队伍的
表现则更糟糕。8年后，也就是在2012年，谷歌发布了一份
低调的新闻稿：它所研发的在YouTube上人气很高的自动驾
驶汽车，已经创造了数十万公里的零事故公路行驶记录。
而截至目前，特斯拉汽车的司机已经使用自动驾驶系统行
驶了数百万英里。可以肯定的是，时不时地，驾驶员还是
需要在情况棘手的时候控制方向盘——自动驾驶系统会及
时让他们意识到这一点。这意味着在原则上，这个看似无
法解决的问题已经被解决了。虽然2018年发生了几次自动
驾驶汽车事故，但是为大众提供全自动汽车已经只是规模
和微调的问题。
人工智能正在经历它的基蒂霍克时刻。今天的人工智
能研究者就像是机动飞行的先驱。几十年中，机动飞行的
先驱们许下远大的抱负，但他们的试验却一次又一次地以
失败告终。直到菜特兄弟取得了重大突破——他们在北卡
罗来纳的基蒂霍克进行了第一次试飞，然后相关技术才突
然开始飞速发展，于是几年前的天方夜谭突然成真了。
……
今天机器的学习曲线似乎比人类的更陡峭，这将从根
本上改变人类和机器的关系。像本书作者和谷歌研究员雷
·库兹韦尔（Ray Kurzweil）一样，硅谷的理想主义者从
这里看到了解决我们（时代）所有重大问题的钥匙。一些
专家相信，获得授权的人工智能会让我们生活得更容易，
甚至可能通过将我们的信息上传到云端而赋予我们永生。
启示论者——常常是欧洲人——比如牛津哲学家尼克-博斯
特罗姆（Nick Bostrom）则害怕机器会夺取权力，毁灭人
类。极端的立场总能成为很好的文章标题。对于推崇它们
的人来说，极端立场能在市场上成功引起我们的注意。不
过，无论如何，这些立场很重要，因为它们正在让许多人
更细致地研究人工智能。
无论谁想探索新技术的机会和风险，他都首先需要了
解基础知识。他们必须理解：人工智能到底是什么？今天
它能做什么，在可预见的未来它又能做什么？如果机器继
续变得越来越智能，人类需要发展出什么样的能力？随着
我们找到越来越精确的答案，我们将能够解决以下这些大
问题：我们应该害怕人工智能吗？我们应该害怕人类恶意
地使用人工智能吗？人类必须建立什么样的技术框架，使
能够自主思考的机器作为自动化的代理人，使其能够信守
承诺，使世界更加富裕和安全？

如同飞机的出现彻底改变了人类的旅行轨迹，催生出一个全新的行业，人工智能也正在迎来属于它的“基蒂霍克时刻”。它将在未来20年内，从根本上改变人类的生活、工作、经济和社会。未来，我们将无法想象没有人工智能的生活，就像现在我们无法想象没有电的生活一样。
回看第一次工业革命，被自动化机器取代的工人愤怒地砸毁机器，但短短几十年后，自动化就以更高的工资和更好的社会福利惠及了人类的子孙后代，而当时砸机器的那批人成了巨变中迷失的一代。历史学家把这称为“恩格斯停顿”。
如今，如果我们不尝试去理解人工智能是什么，未来它会带来什么，只是盲目地对它感到恐惧，我们这一代人恐怕会再次制造历史的“恩格斯停顿”。
为什么说人工智能也分强人工智能、弱人工智能？未来学家们预言的“奇点临近”会如期到来吗？如果机器可以在几分钟内创造出更智能的自己，并不断升级，它们会变得像《2001太空漫游》里一样恐怖吗？未来，我们会和“阿丽塔”这样的超级人类一起生活吗？数字专政、新机器伦理又是怎么一回事？为什么它们才是我们眼下更该关心的问题？
这本书想带你找到答案，得出新的思考。