欢迎阅读《智能时代》读后感（精选10篇），内容由范文学整理，希望对大家有所帮助。
《智能时代》读后感 篇1
总的来讲，本书主要内容是在探讨基于大数据的机器智能是如何发展的、将如何影响人们生活的方方面面以及如何应对。
大数据给世界带来的改变很深刻，最深刻的是思维方式的转变——从因果论的机械思维到相关性的相关性思维。这里转变的不只是解决问题的手段——如今我们有能力在全集上分析问题，也终于有能力在全集的基础上精准刻画群体侧面画像，转变的还有看待问题的方法——我们不再是“小心假设，大胆求证”，而是“减少假设，数据自明”。这种转变实际上使得机器智能具备了成为公共设施的基础——不必要所有人都懂机器智能是如何工作的，对于使用者来说只需要明白有这样一个工具可以在数据全集上找到恰当的结论即可。因此，这会迅速引起一场商业革命。
实际上，这场革命已经开始：在书本中已经列举了包括酒吧、冰箱制造商在内的传统行业利用大数据的手段改善经营状况。但是，还有更多的行业在探索如何将数据有效整合起来探索新的模式——首先是数据的获取问题，寻找有效的获取数据的方法可能不是一拍脑袋就想得到的；其次，如何从这些数据中发现价值依然需要一个指导方向；最后，如何利用数据发现的规则设计更合理的模式。
书中另外一个精彩内容是最后一章——论述了智能革命带来的正面影响和负面冲击。我认为作者实际上是问了这样一个问题：智能革命大大解放了生产力，大大促进了生产，只需要更少的人就能够养活全世界，那么剩下的人怎么办？作者通过论述第一、二、三次工业革命的历史进程，得出来的结论不容乐观——只有通过时间的作用才能使革命带来的巨大的生产力解放得到释放。我们很不幸地处于这个历史进程，我们也很幸运地处于这个历史进程。
所以整本书，可以说是一本科普的书，读完全书能对当下最时髦的概念——大数据、机器智能、区块链等有进一步的理解，尤其是大数据。但是我觉得更像是一本宣传鼓动的书——因为他描绘了两个世界，一种是参与到革命的进程中，跟上历史的车轮向前，另一种则是抗拒革命，被历史抛弃——这两者之间的差别，不可以云泥计。至于事实上是否真的会有这么严重，这个就仁者见仁了，只不过历史告诉我们，至少前三次是这样的`，如果抱有怀疑，最好祈祷太阳底下会有新鲜事。
至于革命已经发生，这是毋庸置疑的。当然，这是读本书之前就已经知道了的。实际上，很多人都已经知道——置身在一个全社会都在讨论大数据的环境下，很难不去想大数据会如何影响世界。本书的效用只是在于让读者知道这个过程是如何的不可抗拒。
《智能时代》读后感 篇2
在《智能时代》一书中，作者系统地讲述了大数据和智能革命相关的知识，对我触动最大的是大数据引起的思维革命、大数据对商业的影响以及智能革命对未来社会的影响这三部分的内容。
思维革命
工业革命后人们形成的思维方式是机械思维，即确定性思维。我们可以通过找到特定的模型（公式、定律），找出事物之间的因果关系，而且发现的规律往往是放之四海而皆准的。
然而这个世界是不确定的。首先当我们对世界的了解越来越细致之后，我们会发现影响世界的变量其实非常多，已经无法通过简单的方法或者公式计算出结果。
然后通过量子力学中的测不准原理，我们可以知道不确定性是宇宙的一个特性。面对不确定性的世界我们该怎么办呢？
香农在信息论中借用热力学里熵的概念，他用熵来描述一个信息系统的不确定性。香农指出，信息量与不确定性有关：假如我们需要搞清楚一件非常不确定或一无所知的事情，就需要了解大量的信息。这是一个全新的方法论：信息论建立在不确定性基础上，而想要消除这种不确定性，就要引入信息。要引入多少信息，则要看系统中的不确定性有多大。
在我们无法确定因果关系时，数据为我们提供了解决问题的新方法，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到我们想知道的答案，这便是大数据思维的核心。
大数据与商业
从工业革命开始，几次主要的技术革命都遵循相似的规律。首先，是大部分现有产业加上新技术等于新产业。或者说原有产业需要以新的形态出现。其次，并非每一家公司都要从事新技术产品本身的制造，更多的时候它们是利用新技术改造原有产业。这次以大数据为核心的智能革命也不例外，我们将看到它依然会延续这两个特点。每次技术革命都会诞生新的思维方式和商业模式，企业只有在思维上跟上新的时代，才能在未来的商业中立于不败之地。
智能革命和未来社会
大数据导致机器革命的到来，这对未来社会的影响不仅仅存在于经济领域，而是全方位的。尽管总体上这些影响是正面的，从长远看会使我们未来的社会变得更好；不过，和以往的技术革命一样，智能革命也会带来很多负面的影响（个人隐私、失业率等），特别是在它发展的初期，而这些影响很可能会持续很久。
任何一次技术革命，最初收益的都是发展它、使用它的人，而远离它、拒绝接受它的人，在很长的世界里都是迷茫的一代。在智能革命到来之际，作为人和企业无疑应该拥抱它，让自己成为那2%的受益者；而作为国家，则需要未雨绸缪，争取不要像过去那样每一次重大的技术革命多伴随半个多世纪的动荡。
在我们还没有经历过机器在智能上全面超越人类的时代，我们需要在这样的'环境里学会生存。这将是一个让我们振奋的时代，也是一个给我们带来空前挑战的时代。
作者在书中对很多基础概念和技术发展历史都有较详细的讲解，也列举了很多生动有说服力的案例。在看这本书之前也在很多地方了解过关于人工智能、大数据等方面的案例和知识。但远没有看过书后如此深刻的认识，所以推荐大家还是阅读原书。书名虽然看上去是与科技相关的，实际上与每个人都相关。提前接触和运用新的思维与新的技术也许不能保证你成为前2%的人，但至少可以让你在过程中拥有更多的机会和成功概率。
愿大家对新事物保持好奇心和热情，拥抱智能时代，为成为前2%的人而努力。
《智能时代》读后感 篇3
第一次读《智能时代》，是通过朋友的豆瓣阅读邀请码下载到手机上看的。起先并没有太认真阅读，只是在下班路上随手翻几页，以为这就是写现在比较热门的关于智能设备或者智能生活方式的乏善可陈的书，毕竟书名”智能时代“给我第一印象就是如此。实际读的时候才发现，这是一本讲人的智能和计算机能否产生类似智能的书。书的原名是《on Intelligence》，本意是关于智能的讨论，翻译书名《智能时代》和副标题不是很切题，会给人错误的第一印象。
抛开书名不说，《智能时代》是我几年内读过最好的书之一，作者——杰夫霍金斯的文笔很简洁，这本书翻译的水平也很高，文中很客观和批判性地描述了智能和人工智能研究，并阐述了作者自己对智能的理解。本书一推出就获得两个诺贝尔奖得主及专业领域人士的大力推荐，考虑到霍金斯本人是企业家而不是职业科学家这一点，是十分罕见的。
我从小经常思考关于智能的问题，这本书能解答我很多疑惑，读书时那种开悟的感觉只能用醍醐灌顶来形容。还记得初一的某天下课回家，我骑着自行车，突然产生了一个疑问——我的手是怎么掌把的，我没有有意识地控制哪根手指放哪个位置啊？然后我撞了汽车。如果你和我一样，曾经思考过这类问题，那么本书绝对是你的菜。
霍金斯在书中首先回顾了当今人工智能研究的历程以及自己探索的经历，客观批判了"智能行为派"，他认为智能是系统的内在属性，和外在表现无关。比如一个人在静静思考的时候，虽然没有表现出任何行为，他也是有智能的。退一步来讲，假使通过行为来判断是否有智能，当下的计算机也不合格。计算机要能识别图片，必须设计一套视觉识别算法，计算灰度、色阶、轮廓等；识别语音要设计语言算法，计算声波频率、音调、匹配语义等。图片算法和声音算法之间没有任何关联，从术语到计算过程完全不同。
但是对于大脑来说，声音和图像在大脑中的处理过程很类似，只是接受刺激的感官不同。把实验动物幼崽的视觉神经接到本来应该发育听觉的位置，这些动物都能发育出正常的视觉——而如果把计算机的摄像头接到话筒上，结果可想而之。作者并非在否定算法本身，无疑，大脑也有自己的算法，这个算法是高度抽象的，能根据信号输入的不同发展出相应的知觉。相比之下，计算机算法毫无变通的可能性。从这两点出发，作者认为以往的计算机智能研究是一条死路。
那么智能应该是什么样的？霍金斯从日常生活出发，通过对学习、记忆、回想等等行为的分解，结合脑部神经结构，提出了产生智能的"记忆——预测"框架。整个推断过程非常精彩，在此就不剧透了，以免破坏了阅读乐趣。
这个系统的核心在于"恒定表征"这样一个概念，霍金斯认为人类（或海豚猴子等其他动物）之所以能认知世界，依赖于对事物高度抽象的能力。这种抽象能力，不是指刻意训练的逻辑思维能力，而是智慧生物由大脑结构决定的固有能力。举个例子：当我看到我家的小狗，我能意识到它在附近；当我听到它熟悉的叫声，我也能意识到它在附近；甚至当我只是看到它掉在沙发上的毛，都能推断出它肯定爬上过沙发。
我并不一定直接看到它，是如何判断它是否在附近呢？这就表明我的大脑有关于这只狗的"恒定表征"，不以我观测的方式转移。我认识我家的狗，无论它是蹲着还是趴着还是把脑袋藏在沙发下面，我都能意识到它的独特存在。"恒定表征"也就是人们常说的"理解"某个事物，对于计算机来说，目前的技术只能按部就班地计算，没有理解的产生，更无所谓智能。
恒定表征这个概念并非是霍金斯的原创，很多哲学家和科学家都有过类似的思想。比如大哲学家康德曾论证：人的心智拥有空间和时间的形式，独立于经验。康德称这些形式为直觉，它们是纯粹先天的知识方式，不依据经验和思想，这使理解现实成为可能。比如没有人见过完美的圆形，但不妨碍人理解正圆这个概念，因为空间的形式是先天的，是人的物理形态决定的。霍金斯的“恒定表征”，就是先天知识（人或者计算机物理结构所决定的）加上后天经验的产物。在我看来，计算机对时间和空间都没有先天的知识，如果计算机对什么有先天概念的话，那只能是频率。
不过，计算机并非不能产生智能，只是现在的科技水平不够。最初计算机的设计就是用于处理专项任务，而生命的演化是为了适应各种各样的自然环境，人和计算机"硬件"的不同，体现了自然演化和人工制造的区别。产生人类智慧的大脑，对于现在的技术水平来说，的确很难复制（就算能复制，消耗的电量是相当惊人的），并非说大脑具有什么独特的"精神"层面的东西，是计算机无法模拟的。我相信在科学家们提取出大脑的"算法"之后，人工智能的产生是必然的，十年、二十年内都有可能。
想象一下吧，具有人类智慧的计算机，不仅计算速度快，还能接上定制的感官，不仅有视觉、听觉、触觉、味觉、嗅觉，它还能具有感受磁场的"磁觉"（就像一些鱼），感受整个森林火灾可能性的"安全感"，甚至感受股市变化的"发财直觉"（有些人声称自己就有，比如我妈）应用的可能性是无限多的。这也是小伙伴们改变命运，找到下一个蓝海的机会啊！至于我呢，现在就开始着手创办全球第一家”人工智能幼儿早教机构“，并非人工智能来教育人类小孩哦，而是我来教育人工智能小孩……
《智能时代》读后感 篇4
从底层逻辑来揭示智能革命的来临。
人类对环境的观察而积累下来的经验促进了文明发展，这些经验、文字、现象代表的数据是人类智能—智慧与能力—不断前行的基石。
大数据是机器智能的来源，要求具有多维度、完备性、时效性。大数据的出现，产生了一种不同于机械思维的新的大数据思维。不关注因果关系，而关注数据之间的强相关关系。即从大量的.数据中直接找答案，即使不知道原因。
在技术上数据来源、储存技术、传输能力、处理能力已经带动了大数据的兴起，但仍面临着挑战。数据安全与数据隐私也是智能时代所要面临的重大挑战。
大数据及智能化在一些领域已经广泛应用起来，比如智能电表捕捉毒贩、以色列的灌溉系统、TESLA智能制造，医学诊断、基因技术等等。
如同前两次工业革命，智能革命也会带来社会的强烈动荡，劳动力面临着淘汰与再分配，这个时间可能会持续半个世纪。所以，正如封面顶部所书，我们要么加入智能革命控制未来，要么就被淘汰。
这不是一本面向技术人员的书，而是从底层逻辑来揭示智能革命的来临。吴军博士清晰的逻辑、丰富而简单的例子、加上类比的历史事件使得这本书易读、易懂。
《智能时代》读后感 篇5
总的来讲，本书主要内容是在探讨基于大数据的机器智能是如何发展的、将如何影响人们生活的方方面面以及如何应对。
大数据给世界带来的改变很深刻，最深刻的是思维方式的转变——从因果论的机械思维到相关性的相关性思维。这里转变的不只是解决问题的手段——如今我们有能力在全集上分析问题，也终于有能力在全集的基础上精准刻画群体侧面画像，转变的还有看待问题的方法——我们不再是“小心假设，大胆求证”，而是“减少假设，数据自明”。这种转变实际上使得机器智能具备了成为公共设施的基础——不必要所有人都懂机器智能是如何工作的，对于使用者来说只需要明白有这样一个工具可以在数据全集上找到恰当的结论即可。因此，这会迅速引起一场商业革命。
实际上，这场革命已经开始：在书本中已经列举了包括酒吧、冰箱制造商在内的传统行业利用大数据的手段改善经营状况。但是，还有更多的行业在探索如何将数据有效整合起来探索新的.模式——首先是数据的获取问题，寻找有效的获取数据的方法可能不是一拍脑袋就想得到的；其次，如何从这些数据中发现价值依然需要一个指导方向；最后，如何利用数据发现的规则设计更合理的模式。
书中另外一个精彩内容是最后一章——论述了智能革命带来的正面影响和负面冲击。我认为作者实际上是问了这样一个问题：智能革命大大解放了生产力，大大促进了生产，只需要更少的人就能够养活全世界，那么剩下的人怎么办？作者通过论述第一、二、三次工业革命的历史进程，得出来的结论不容乐观——只有通过时间的作用才能使革命带来的巨大的生产力解放得到释放。我们很不幸地处于这个历史进程，我们也很幸运地处于这个历史进程。
所以整本书，可以说是一本科普的书，读完全书能对当下最时髦的概念——大数据、机器智能、区块链等有进一步的理解，尤其是大数据。但是我觉得更像是一本宣传鼓动的书——因为他描绘了两个世界，一种是参与到革命的进程中，跟上历史的车轮向前，另一种则是抗拒革命，被历史抛弃——这两者之间的差别，不可以云泥计。至于事实上是否真的会有这么严重，这个就仁者见仁了，只不过历史告诉我们，至少前三次是这样的，如果抱有怀疑，最好祈祷太阳底下会有新鲜事。
至于革命已经发生，这是毋庸置疑的。当然，这是读本书之前就已经知道了的。实际上，很多人都已经知道——置身在一个全社会都在讨论大数据的环境下，很难不去想大数据会如何影响世界。本书的效用只是在于让读者知道这个过程是如何的不可抗拒。
《智能时代》读后感 篇6
这本书内容比较浅，基本属于讲故事、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢？另一条发展机器智能的方法，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。
《智能时代》读后感 篇7
这本书内容比较浅，基本属于讲故事、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢？另一条发展机器智能的方法，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。
《智能时代》读后感 篇8
这本书内容比较浅，基本属于讲故事、走马观花的那种。作者文笔、见识、阅历是很牛，本书没有体现出来。
唯一觉得亮点的地方在于，以前不太知道大数据和人工智能具体关系，这本书简单地讲解了一下。
机器智能，传统上来说是指机器能够像人一样思考，去解决问题，而由于人类解决问题并非是在当下的'场景下学会解决当下那个场景的问题，有很多时候是应用了其他方面的知识来解决这个问题，所以在迁移能力这方面，机器要学会“人”的思考很难。那么大数据是怎么与机器智能相联系的呢？另一条发展机器智能的方法，就完全摒弃了“像人思考”这一条路，而是直接对准“解决问题”这一终极目标。比如说翻译，以前的思路是让机器理解各种语法，现在则不需要机器去理解语法，而是直接去“学习”十几万句用语，用量变来抵达质变。也就是说，当见识过越来越多的用语时，翻译的准确性也会不断提高。
《智能时代》读后感 篇9
人工智能是未来10年可期有大发展的领域，也是我们从事数据行业的职业愿景。看我这本书，更加坚定这是一个可期，有意思的方向。下面是我读这本书的过程中，产生的对于数据分析和应用的一些理解和总结。
基本思路
经典思路：目前在做数据分析时，采用的是传统的逻辑推理的分析的思路。先提出问题，再通过严谨的逻辑推理进行验证，解释商业问题。
新思路：尝试使用相关性进行数据挖掘分析；就是数据挖掘的一些技术，比如聚类、决策树、随机森林等高级统计模型。这种思路做出的东西，一般而言是技术门槛较高、解决经典思路无法解答的问题，也符合当前流行的大数据思维、人工智能思维。新思路的处理问题逻辑，先有相关性分析，找出导致问题的相关性因素，然后再解释背后的商业逻辑。
适用范围
经典思路：符合人脑的思维模式，由A—>B—>C的逻辑顺序。在解决小而美的独立case时，效率高。比如，“为什么今天某个页面的转化率突然升高啦”这类的问题，通过逻辑推理，一步一步下钻，可以很快定位原因。
新思路：这是AlphaGo下围棋是采用的思路，决策nextmove是因为nextmove对最终赢得棋局概率最高。这是一种结果导向的思维，将智能问题变成了数据问题。AlphaGo不需要知道如何布局，只关注每一次的落子都在提高最终胜利的概率。这种思路可以解决目标明确且影响因素众多的决策问题。
《智能时代》读后感 篇10
人工智能是未来10年可期有大发展的领域，也是我们从事数据行业的职业愿景。看我这本书，更加坚定这是一个可期，有意思的方向。下面是我读这本书的过程中，产生的对于数据分析和应用的一些理解和总结。
基本思路
经典思路：目前在做数据分析时，采用的是传统的逻辑推理的分析的思路。先提出问题，再通过严谨的逻辑推理进行验证，解释商业问题。
新思路：尝试使用相关性进行数据挖掘分析；就是数据挖掘的一些技术，比如聚类、决策树、随机森林等高级统计模型。这种思路做出的东西，一般而言是技术门槛较高、解决经典思路无法解答的问题，也符合当前流行的大数据思维、人工智能思维。新思路的处理问题逻辑，先有相关性分析，找出导致问题的相关性因素，然后再解释背后的商业逻辑。
适用范围
经典思路：符合人脑的思维模式，由A—>B—>C的逻辑顺序。在解决小而美的独立case时，效率高。比如，“为什么今天某个页面的转化率突然升高啦”这类的问题，通过逻辑推理，一步一步下钻，可以很快定位原因。
新思路
这是AlphaGo下围棋是采用的思路，决策next move是因为next move对最终赢得棋局概率最高。这是一种结果导向的思维，将智能问题变成了数据问题。AlphaGo不需要知道如何布局，只关注每一次的落子都在提高最终胜利的概率。这种思路可以解决目标明确且影响因素众多的决策问题。