简介
这是一本写给普通人了解AI的趣味科普，它还有超级可爱的漫画！
这本书“非常易读、有料，而且妙趣横生、令人捧腹”（《万物发明指南》作者瑞安·诺思），带领普通人走进人工智能那个奇妙古怪又不可思议的世界，是一场幽默可爱的导览。
本书的主要内容是人工智能可以做什么、不能做什么，以及它为什么已经影响了我们生活的方方面面。而作者选择了一种引人入胜的方法来为我们讲述人工智能。读者可以收获到意想不到的乐趣。
作者具有相关学术背景，常年进行科学写作，更是在自己的网站上写了不少关于人工智能的文章，尤其是关于算法能做什么、不能做什么，这些有趣又好玩的话题符合我们当下对于人工智能的好奇与探索。这绝非枯燥的学术写作，而是深入浅出、充满个人风格的平易叙事。作者在书中举了大量例子，都是有趣的人工智能的相关实验，还插入了许多与之互补形成良好互动的卡通漫画。这种平易近人的写作风格令工程师或有相关背景的人之外的读者，都能够理解书中讲述的抽象概念。
作者介绍
拥有一个电子工程学专业的博士学位以及一个物理学硕士学位。她在 aiweirdness.com 网站上会写一些关于人工智能，以及时而有趣时而令人不安的算法对人类的误导的文章。她是2019年的TED 演讲者之一。她的其他作品多见于《纽约时报》《纽约客》《大西洋月刊》、Sla te 及Popular Science。请注意，她真的不是一个机器人。
部分摘录：
实际上，让机器人来做这份工作，我也没意见 即便是当人类干得更好时，机器学习算法也很有用。让算法来完成某项特定的任务可以省去很多让人来做的麻烦和花销，在任务量大且重复性强时尤为如此。不仅对于机器学习算法来说是这样，一般而言对于自动化同样如此。如果扫地机器人能够替我们清扫房间，我们可以不厌其烦地一次次把它从沙发底下找出来。
分析医学影像就是一件人们用人工智能来完成自动化的重复性劳动。实验室中的技术人员每天花费许多时间来在显微镜下盯着血液样本，数血小板、白细胞或红细胞的数量，或是检查组织样本中异常的细胞。这其中的每一项任务都是简单、固定、独立的，所以它们很适合用自动化的方式来完成。不过当这些算法离开实验室，开始在医院里工作时，其中的风险就提高了，因为一个错误可能导致更加严重的后果。自动驾驶中也存在类似的问题——驾驶几乎完全是重复性的，如果能有一个不知疲倦的司机该多好！但是在以每小时60英里的速度行驶时，即使是一个小小的故障，也可能会导致严重的后果。
另一件我们希望用人工智能的自动化来完成的、工作量很大的任务是过滤垃圾邮件，虽然算法并没有人类做得好。对付垃圾邮件是一项细致入微、随机应变的任务，所以对于人工智能来说就比较棘手了。不过从另一个角度来说，如果能保证我们的收件箱基本上是干净的，我们中的大多数人都愿意忍受偶尔分错的邮件。标记出恶意网址，过滤社交媒体上的信息，识别出机器人，这都是工作量很大且我们通常愿意容忍一点儿失误的工作。
高度的个性化定制是另一个人工智能开始显示出价值的领域。许多公司使用人工智能，通过个性化推荐产品、电影和音乐播放列表的方式来改善用户体验。如果让人类做出这种必需的洞悉，相应成本会高到公司难以承受的地步。那么，当人工智能确信我们需要无数的走廊地毯，或是因为我们曾经为新生儿派对买过礼物就以为我们是一个蹒跚学步的孩子时，又会发生什么呢？大多数情况下人工智能所犯的错误是无害的（除了那些非常不幸的场合），同时它可以为公司带来销量。
如今的商业化算法也可以撰写本地化的文章，比如关于选举结果、体育比赛的比分以及最近的房产交易。在每一个案例中，这类算法只能生成一篇高度公式化的文章，但是对内容足够感兴趣的人们并不会在意这些细节。其中一个算法是《华盛顿邮报》开发的机器人记者Heliograf，用于将体育赛事的统计数据写成新的报道。早在2016年，这位机器人记者就已经开始以每年几百篇文章的产量在写作了。这里有一篇它报道一场橄榄球赛的样例文章：
周五，昆斯果园高中的美洲狮队以47:0的比分击败了爱因斯坦的泰坦队。
开局艾伦·格林挡住了对方的悬空球回攻，美洲狮队以8码达阵得分。美洲狮队通过马克斯·库珀的3码达阵冲球进一步扩大领先优势。美洲狮队通过亚伦·德温的18码达阵冲球进一步扩大领先优势。德温从四分卫多克·邦纳接球并完成了63码达阵得分，进一步扩大领先优势，把比分提高到27:0。[3]
这不是什么激动人心的东西，但是Heliograf确实介绍了整场比赛[4]。它知道如何基于一张充满数据和常用运动术语的清单生成一篇完整的文章。但Heliograf这样的人工智能在面对设计者预料之外的信息时，就无能为力了。比赛中场时是否有一匹马冲进了赛场？泰坦队的更衣室是不是被蟑螂侵占了？有没有机会使用一个聪明的双关语呢？机器人记者只知道如何报道它的数据清单。
尽管如此，利用人工智能，新闻出版商拥有了做一些从前因为成本过于高昂而无法操作的文章的空间。人类需要参与确定哪些文章需要自动化写作，建立人工智能的写作模板和常用术语库，一旦设计好一个这样高度专业化的算法，它就可以大量产出了，有多少用来提取数据的清单，就可以生成多少新的文章。例如，一个瑞典的新闻网站设计了一个“一家之主”机器人，它能够读取房地产数据表格并把每一笔交易写成一篇独立的文章，在短短4个月的时间写了超过1万篇文章。事实证明，它所写的文章成了这个新闻网站发布的文章中最受欢迎、带来最多收益的类型。[5]同时，人类记者可以把他们宝贵的时间用来做更有创造性的调研。今天，越来越多的大型新闻媒体开始使用人工智能来辅助写作报道。[6]
科研领域是人工智能为自动化重复性劳动带来曙光的又一领域。比如说，物理学家使用人工智能观测来自遥远恒星的光[7]，寻找该恒星系是否含有行星的蛛丝马迹。当然，人工智能并不像训练它的物理学家那样细致精准。大多数时候，它标记成可能有希望的行星都是空欢喜一场。但它至少可以排除90%以上毫无希望的恒星，为物理学家节省了许多宝贵的时间。
事实证明，天文学中的大数据比比皆是。在欧几里得望远镜运行的全过程中，它将收集数百亿计的星云影像，但它们当中大概仅有20万张中会出现引力透镜效应[8]，只有当一个超大规模星云的引力作用强到可以弯折来自更遥远星云的光线时，才会出现这种现象。如果天文学家可以发现这些引力透镜效应，他们就可以对于星际尺度的重力现象产生新的认识。这将涉及许多未解之谜，因为宇宙中95%的质量和能量之所在尚不为人所知。算法在检视这些影像时，会比人类更迅速，有时也更加精确。但是当望远镜观测到一个非常令人兴奋的“头等奖”引力透镜效应时，只有人类才能注意到。
创造性的工作也可以自动化处理，至少在人类艺术家的监督之下可以。过去一位摄影师可能需要花费几个小时的时间来精修一张照片，现在的人工智能驱动的滤镜，像是图享（Instagram）或脸书中的内置滤镜，可以通过调整对比度、亮度甚至增加景深来模拟昂贵镜头的效果。再也不用手动给朋友画上猫耳朵了——Instagram中人工智能驱动的内置滤镜会想办法找出应该在哪个位置画耳朵，即便你的朋友移动了他们的脑袋。从小到大的方方面面，人工智能都为艺术家和音乐家们提供了节省时间的工具，让他们得以独立完成自己的创造性工作。当然事情也有另一面，深度伪造（deepfakes）这样的工具让人们可以把图片甚至视频中的脸或/和身体换成另一个人的。一方面，使用这样的工具意味着艺术家可以轻而易举地把尼古拉斯·凯奇或者赵约翰的脸替换到不同电影角色的身上，用来取乐或者严肃地提出好莱坞少数族裔多样性的问题。[9]另一方面，深度伪造简单上手，这为骚扰者们制作那些具有侮辱性的、高度针对性的视频并在网络上传播提供了新的方式。随着科技的进步，深度伪造制作出的视频越来越逼真，许多个人和政府开始担心这项技术可能会被用来制作具有破坏性的虚假视频——比如可以以假乱真的政治家煽动性发言的视频。
除了节省人类的时间以外，借助人工智能的自动化还意味着更加稳定一致的表现。毕竟，某个人在一天中的表现可能会有所变化，而且也取决于他们的饮食或者睡眠状况，与此同时，个人的偏见和性格也会对行为产生巨大的影响。数不胜数的研究表明，性别歧视、种族偏见、对残障人士的歧视以及其他问题，都有可能影响一份简历是否通过初步筛选、雇员是否得到晋升、囚犯能否得到假释。算法会避免人类的不一致性——只要你给它一个数据集，无论是在早上、中午，还是放松休闲的欢乐时光，它都会得到一个基本不变的结果。但不幸的是，一致性并不意味着没有偏见。情况很有可能是，一个算法始终如一地抱有偏见，特别是如果它是通过模仿人类来学习的话，很多其他人工智能都是这样的。
所以，世界上有很多事情如果使用人工智能进行自动化处理，看上去是颇具吸引力的。但是，我们到底应该根据什么来决定能否把一个问题自动化处理呢？