数字调制解调基础(双色)/21世纪电子电气工程师系列 在线下载 pdf mobi 2025 epub 电子版

《数字调制解调基础(双色)》是21世纪电子电气工程师系列之一，主要讲解IT技术中最关键、最基本的调制解调技术，内容深入浅出，通俗易懂，有丰富的应用举例和图书，每章末附有练习题，并在卷末给出了练习题答案。

《数字调制解调基础(双色)》主要内容有数字调制解调基础，振幅变化的利用，相位变化的利用，频率变化的利用，多值调制方式，数字调制解调的实际应用等。

暂无相关目录，正在全力查找中！

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：数字调制解调基础(双色)/21世纪电子电气工程师系列在线阅读

在线听书地址：数字调制解调基础(双色)/21世纪电子电气工程师系列在线收听

在线购买地址：数字调制解调基础(双色)/21世纪电子电气工程师系列在线购买

暂无原文赏析，正在全力查找中！

书籍介绍

《数字调制解调基础(双色)》是21世纪电子电气工程师系列之一，主要讲解IT技术中最关键、最基本的调制解调技术，内容深入浅出，通俗易懂，有丰富的应用举例和图书，每章末附有练习题，并在卷末给出了练习题答案。

《数字调制解调基础(双色)》主要内容有数字调制解调基础，振幅变化的利用，相位变化的利用，频率变化的利用，多值调制方式，数字调制解调的实际应用等。

• 作者：江湖 发布时间：2023-11-12 18:07:55

  很不错的洞洞书！设计简单，却想象力十足

• 作者：啦啦啦啦_65825 发布时间：2020-04-12 10:36:59

  古建筑挺多。园林，建筑的各个细节都有阐述。内容很多，但不是很详细，还是论述性比较多

• 作者：simonking 发布时间：2022-10-07 10:48:34

  ✌

• 作者：Hsiumlmdear 发布时间：2019-05-31 17:43:11

  名字翻译有问题 原名应该是《恐怖主义和反恐怖主义》因为这本书一点都不“原理” 都是在结合

• 作者：pureflame 发布时间：2018-12-22 16:45:16

  “主，让我成为祢平安的器皿。”“对我而言，活着就是基督。”

• 作者：莉莉丝（Ojas） 发布时间：2023-11-11 02:28:43

  W。基础类

• 《AI 2041》读书笔记

  作者：Di 发布时间：2022-12-15 23:23:20

  2022年的第48本书。

  这本书的构思很有趣。我们平时总是关注科技在当下的进展，却常常因为陷入了短期主义的陷阱，而忽略了更远的图景。正如阿玛拉定律所说，人们倾向于在短期内高估技术的影响，而在长期内低估技术的影响。在本书中，李开复老师索性一下子带我们跳到了2041年，也就是库兹韦尔所预测的奇点来临、强人工智能问世之年（不过我记得库兹韦尔预测的似乎是2045年？），给我们展现了一个他所预见的未来世界。

  预测未来是很难的事情，但很多时候又是必须要去做的事情。

  无论投资还是创业，一个先决条件就是认知上领先市场/用户半步 - 其实领先得越多越好，但真正落实到投资或产品上的时候，出于商业化的考虑，“半步”是很重要的。

  之前读过一个王兴的访谈，记者问：“大家都觉得你预测未来很准，第一时间抓住了很多风口， 你有什么独特方法么？” （不光是风口，其实他预测中最被大家津津乐道的是，2019可能会是过去十年里最差的一年，但却是未来十年里最好的一年），王兴的回答是，

  “预测未来几乎是最难的事情，其实很难预测，不过也有一些办法：1）学习历史，从历史中寻找规律，丘吉尔说，你能看到多远的过去，就能看见多远的未来。当你把很多事情，放到时间轴上来看的话，完全就不一样了，2）看看别人的预测，然后体会和学习，3）翻出来历史上的预测，对比一下现在是不是准，然后学习。” 其实这就是一个监督学习的过程，不断从历史上高质量的样本中学习，以及不断在自己的训练和反馈中学习。

  所以，一个比

  较好的训练方法，是定期（比如每半年或一年）逼自己做一个短期的预测，然后在接下来的周期里对这些预测做检验，往复循环。当然，偶尔做一些超长期的预测，像开复老师这样一下子预测20年，尽管很难进行检验，但也是有价值的，因为它会push你思考得更加深远，更加关注事物发展的路线和规律。因此，开复老师这本书的具体预测结果是否正确，相比于他的预测逻辑来说，并没有那么重要。

  读完本书之后的一些具体的思考如下。

  首先，

  我们先来看看开复老师描绘的2041年的世界是个什么样子，在本

  书的十个科幻故事基本涉及到生活中的方方面面，例如：

  保险：通过对大量个人数据的学习，AI将能够给出个人寿命和健康情况的更好估计，计算出更加精准的保费，同时能够提供Max（寿命）的生活健康指南 / 个人行为助手；

  信用：由于大量的数字内容都是AI生成的，内容鉴真的成本将变得空前高，除了类似GAN的道高一尺魔高一丈的对抗AI之外，还需要多模态的数据输入，尤其是人类的生物特征数据（虹膜、步态、手势、语音、脉搏等）。另一个完全不同的思路是，在所有原始内容拍摄的同时，就用区块链技术保证其是原版的，并且未来每次使用时都可以依此验证其未被篡改；

  教育：AI的Avatar提供了一个个性化学习的督导，为每个孩子因材施教，而人类教师和家长则侧重发展孩子的沟通能力、同理心等；

  游戏：类似电影《头号玩家》的设计，社交和游戏几乎全部在metaverse里完成，通过XR技术构造逼真的场景，让玩家能够全身心地投入；

  虚拟人：XR技术带来了虚拟偶像角色，在高水平人类编剧的帮助下共同创造出沉浸式的剧情；

  医疗：个性化的精准医疗，通过智能的IOT和可穿戴设备（如智能马桶、智能床铺、智能枕头、智能皮肤衣、智能牙刷等，建立更全面丰富的个人健康大数据档案），更低成本的医疗技术（如NGS基因测序、基因编辑、机器人手术等），以及更有效的药物（AI制药、新的药物形态、对病毒的即时分析和靶点预测等），可以大幅度提升医疗服务的质量；

  交通：L5级自动驾驶已经普及，在绝大部分城市场景里，已经不再需要人类驾驶员。在一些极端场景（如落后地区、危险地区等），人类驾驶员可以通过IoT+6G来远程驾驶车辆，以实现必要的灵活性；

  战争：将会出现自动化的智能武器（最典型的就是AI无人机射击），但会受到强力监管。

  坦白说，站在科技行业从业者的角度，上述设想单独来看，每一条都不新奇，很多技术和产品的雏形在当下已经出现，只是因为算力和模型的限制，还在相当早期的阶段。但如果将这些组合在一起，整个世界的面貌和现在相比，实在已经天翻地覆。

  之前看过在知乎上看到过一个非常精彩的回答，

  https://www.zhihu.com/question/27864852/answer/39007053

  ，里面提到一个概念叫做“

  吓尿单位

  ”，指前进到下一个会让你“吓尿”的未来所需要的时间。1950年的人如果前进到个人电脑已经普及的1990年会被吓尿，1990年的人如果前进到互联网已经被普及的2005年会被“吓尿”，2005年的人如果前进到移动互联网已经普及的2015年会被“吓尿”… 这个“吓尿单位”是在不断缩短的，背后是摩尔定律的指数发展。因此，

  如果到2041年，我们可能会经历3-5个吓尿单位，甚至更多。

  从这个角度来说，我认为上述这些预测还不够大胆，相比前PC时代的人见到PC、前互联网时代的人见到互联网、前移动时代的人见到移动互联网，或许还到不了“吓尿”的地步。

  相信未来的世界会比上述的猜想更为狂野。

  其次，上述这些猜想更多是“上层建筑”级别的，是“应用”。我认为开复老师提到了一些社会“基础设施”层面上的猜想，更有启发性

  ，具体来说包括：

  经济学的基础假设变了，整个社会将从“稀缺”转向“丰饶”

  ，这是由于供给端趋近于免费造成的。由于太阳能的普及（预计2030年成本3美分，是当前电价的25%）以及合成生物学的进步，能源和材料成本都大幅下降。同时，因为AI+机器人的高渗透率，造成劳动力成本大幅下降，商品+劳动的边际成本趋近于零。类似的观念，OpenAI的CEO Sam Altman也提到过，及所谓的“万物摩尔定律”：“在未来几十年，所有的东西包括住房、教育、食品、服装等价格每两年就会减一半”；

  在供给侧，这会导致人类的竞争力愈发下降

  - 你很难和免费的智能机器人竞争，你只能去做那些还尚未被它们染指的工作。于是，在开复老师的想像中，有两种可能的解决方案：

  二次职业培训。每隔几年，人们都需要接受新的职业培训，去学习那些AI/机器人暂时还做不了的、需要人类劳动力的工作，然后上岗，直到这份工作也被替代为止，之后再去接受培训。本质上，就是要和AI比拼学习速度，当然结果已经注定。开复老师对于AI取代人类的最终结局非常确认，“AI對人類工作的介入雖然是循序漸進的，但最終的結果卻非常明確──將是全面的取代人類員工。有樂觀主義者認為，新興技術導致的生產力提升，總能帶來相應的經濟效益，而經濟的增長和繁榮，則意味著能夠帶來更多的就業機會。但是，與其他新興技術不同，AI是一種「無所不能」的技術，它將直接對數百個行業以及數以百萬計的工作崗位帶來衝擊。這種衝擊不僅包括對體力勞動的替代，還包括在認知上帶來的挑戰。大多數技術都會在取代一部分崗位上的人類員工的同時，創造一部分新的就業機會，例如流水裝配線徹底改變了汽車工業──從工匠手工組裝昂貴的汽車，到普通工人製造更多的平價汽車。可是，AI卻與此不同，它的目標非常明確，就是接管人類的工作任務，這會直接導致人類就業機會的減少。而且，AI並不會僅僅局限於單一領域的技術，它會「入侵」各行各業。另外，AI應用、泛化和遷移的速度也是驚人的。人們總是將其與AI新技術革命相提並論的工業革命，在其發軔一百多年後，才擴展到西歐和美國以外的國家和地區，而AI卻一呼百應遍地開花，幾乎在全世界範圍內都是同時開始實際應用”；

  虚拟工作。这个设想非常有趣，既然被取代是必然的，但人们又需要工作 - 不仅仅是经济上的考虑，更多的是需要从工作中获得认同感与成就感，那么索性fake it until it’s real. 在其中一个故事里，解决失业的办法是政府补贴用人单位创造了很多假的工作需求，然后雇佣工人们去“假装在工作”（当然工人们以为是真的）。这其实可以理解为一种游戏，工作是游戏中获取激励的机制，但并不创造真正的社会价值。如果社会真的走到这一步，感觉上也挺可悲的。

  在需求侧，供给过剩，健康、物质需求都能够满足，于是人们更多转向精神层面上的需求，越来越多的人将攀上马斯洛金字塔的顶层，开始追求自我实现的幸福感。开复老师认为，到2041年时，AI将能够满足人类对“幸福”的需求。

  在好几个故事里，开复老师都在探讨“什么是幸福？如何确定幸福的目标函数？” 这里面涉及到积极心理学的很多概念。开复老师给出了三个将幸福量化的思路：

  第一種方法非常簡單 - 直接問就行了，透過問答的形式來評估人們的幸福感，可能是目前最可靠的方法，但這種方法不便於長期使用，因此必須開發其他的衡量手段。

  第二種方法則依託於一系列日新月異的技術，如利用物聯網設備（攝影機、麥克風、運動檢測儀器、溫度或濕度感測器等）捕捉使用者的行為反應、臉部表情、聲音資訊，然後使用情感計算演算法（識別人類情緒和情感），輸入所採集到的物聯網資料，輸出每個人的情緒識別結果。以臉部表情觀測為例，情感計算演算法不僅能夠識別出人們的普通表情（通常持續0.5～4秒），而且能識別出微表情（通常僅持續0.03～0.1秒），這些表情包含了豐富的情緒資訊。當人們試圖隱藏自己真實情緒的時候，往往會流露出一些微表情，但是由於微表情持續的時間極短，所以依靠肉眼觀測就很可能會錯過，而情感計算演算法則可以準確地將這些微表情識別出來。除了表情，臉色也是演算法能夠識別的重要物理特徵之一，例如局部血流加速導致的臉部輕微發紅。此外，人在講話時聲音的高低、節奏、語調，也可以用作評估一個人情緒的有效特徵。另外，手部的輕微顫抖、瞳孔的擴張程度、眨眼的方式、眼眶的濕潤程度、皮膚濕度的提高（冒汗前）、體溫有無變化……這些特徵也對判斷一個人的情緒大有幫助。因為能識別出如此多的特徵，AI會比人類更準確地檢測出一個人的情緒（諸如高興、悲傷、厭惡、驚訝、憤怒或恐懼等），而且AI還可以在同一時間內對多人進行觀測，然後結合對周圍人的觀察結果，得出更進一步的評估結論。例如，故事〈幸福島〉中的AI就比人類更早察覺到維克多和阿基拉之間產生了某種微妙的情感連結，這會讓AI判定二人在馬斯洛需求層次金字塔中的「愛與歸屬」這一層的得分更高。目前，AI識別人類情感的能力已經超過了人類的平均能力，到2041年，AI的這一能力將得到進一步提升。請注意，儘管AI能夠精準識別人類的感情，但這並不代表機器人也能表達感情，更不代表機器人有感情。

  第三種方法，是持續監測與特定感覺和情緒相關的激素水準。故事中，島上的每位客人都要佩戴生物感應貼膜，內置皮下微針列陣裝置以及電化學感測器，巨細無遺地監測並記錄客人的激素水準，並以此做為衡量客人幸福感的指標，例如，與自信和幸福感相關的神經遞質血清素，影響身體動機的「快樂遞質」多巴胺，有「愛與信任的荷爾蒙」之稱的催產素，讓人類產生愉悅和幸福感覺的腦內啡，讓身體充滿能量的腎上腺素等等。透過這些特徵，AI 可以識別出島上的客人在進行什麼活動時會感到快樂，處於什麼環境下會感到幸福，然後利用這些資料訓練AI模型，讓其能夠識別幸福感。接下來，島上的AI系統將透過機器僕人卡林向客人提供活動建議和相關選項。這些活動都是量身客製的，將為客人帶來更多的幸福感（例如成就感、情感連結），降低客人產生悲傷、沮喪、憤怒之類情緒的概率。

  对应的货币制度和财政制度

  上，也可能会带来巨大的变化，例如：

  货币可能会变。

  “如果資源不再稀缺，上述經濟模式將全部失效，銷售、購買、互動等一切經濟機制就都沒有存在的價值，

  金錢也不再有意義

  。在這種情況下，人們可以從事自己喜歡的任何職業，而且不再以賺錢為目的，而是希望借工作的機會探索新世界，掌握更多知識，以實現自我價值。如此一來，

  個體在社會中被信任與尊重的程度將變成一種新的貨幣。

  故事中的穆拉是一種新的信譽貨幣，旨在幫助人們在馬斯洛需求層次金字塔中更上一層樓，滿足人們對愛和歸屬（例如關懷、愛情、友情、信任以及情感連結等）的需求。不同於金錢和BLC，愛與歸屬感是不會被消耗的。人們花出去的金錢愈多，手裡剩下的就愈少，但是對他人付出的愛心與關懷愈多，人們擁有的愛與歸屬感就愈多。穆拉系統配備的智慧腕帶會即時「聆聽」人們的互動，如果分析後發現周圍人的情緒好、滿意度較高，那麼佩戴者就會有相應的穆拉到帳。在這種規則下，人們要時刻留意自己是否關心、幫助他人，是否與他人建立良好的人際關係，並不斷加深情感的連結。

  穆拉系統的背後是一個強大的AI演算法，它會根據一個人與他人互動的方式，衡量這個人的情感支出，例如熱情與同理心，並且遵循這樣一個規則：付出的愈多，收穫的就愈多（這點和金錢相反）。”

  财政制度可能会变

  ，比如会提供最基本的全民最低补贴福利制度，即UBI(Universal Basic Income)，同时会向身价在10亿美元以上的超级富豪和科技公司征收重税。Sam Altman也提到了类似的思路，为了应对这种变化和可能无限扩大的贫富差距，彻底解决不平等问题，最好的方法是“对资本征税而不是对劳动征税”，每年向超过一定估值的公司征收其市场价值2.5%的税，以股票的形式分配给所有18岁以上的公民，实现真正的“共同富裕”。但UBI只能解决失业带来的经济问题，而无法解决心理问题，因此可能会导致大量的失业者沉迷于赌博、酒精和毒品，提高城市的犯罪率。另一个思路是基本生活卡BLC（Basic Life Card），政府会向每个加入计划的公民发放基本生活津贴，但这些津贴只能用于最基本的衣食住行、健康、能源、资讯和娱乐，或者说，只针对马斯洛金字塔里面的“生理”和“安全”两个层级，而更高层次还是需要公民自己去获取。当然，在这个体系里，教育和培训也是免费的，目的还是希望激发人的主观能动性来推动社会进步。

  第三，关于AI及各种技术蕴含的各种潜在问题和风险。

  如何确保AI技术/数据持有者的利益与用户是一致的？“

  如何激勵企業讓步做正確的事情呢？一種方法是制定法規，對某些傷害人類福祉的行為給予處罰；另一種方法是對企業承擔社會責任的行為進行評價，比如目前ESG（環境、社會和公司治理）得到愈來愈多來自商業界的關注，或許負責任地使用AI也可以成為未來ESG的一部分，以鼓勵企業的正面行為；還有一種方法是建立協力廠商監管機構，監督企業對技術是否有不當使用，例如追蹤產品中出現虛假新聞的比例或AI演算法導致歧視的訴訟案件數量，並向企業施壓，要求企業把考慮使用者的福祉納入到技術中；最後，特別困難但又特別有效的一種方法是，確保AI技術持有者的利益與每個使用者的利益達成100%的一致”；

  偏见问题。

  AI完全基於資料優化和結果優化進行決策，理論上應該比大部分人更加不受偏見的影響，但是，其實AI也可能產生偏見。比如，倘若用於訓練AI的資料不夠充分、全面，對某些群體的覆蓋率不足，那麼就會產生偏見。曾經有一家著名公司的招聘部門發現，因為訓練樣本中女性的資料不夠，其所使用的AI軟體不看好女性候選人。再如，倘若訓練資料全部蒐集自一個有偏見的環境，那麼資料本身就可能帶有偏見。微軟的Tay聊天機器人和OpenAI的語言模型GPT-3，都生成過歧視少數群體的言論；

  不可解釋性。

  人類總是能解釋人類決策背後的原因，因為人類的決策過程本身比較簡單，是基於經驗積累得出的規則。可是，深度學習的決策基於複雜的方程組，這種方程組有數千個特徵和數百萬個參數，深度學習決策的「理由」，就是在一個有數千個維度的「空間」裡經過大量數據訓練而得出的數學方程組，要把這個方程組精確地簡化成一個人類可以聽得懂的「原因」，基本上是不可能的。但是，無論是出於法律的考量，還是出於使用者的期望，許多關鍵的AI決策都需要給出一個解釋。為了解決這一問題，目前，人們正在進行許多相關的研究，這些研究試圖簡化、總結AI複雜的邏輯過程，或者發明具有可解釋性框架的AI演算法，從而使AI變得更加「透明」；

  伦理问题。

  最现实的一个例子是自动驾驶中，如何解决“电车难题”的问题？“針對這個問題，目前有兩種典型的做法。其一，在推出自動駕駛產品之前保持謹小慎微，在絕對安全的環境中緩慢蒐集資料，以避免任何死亡事故。這是Waymo的做法。其二，在只能說還算安全的情況下就盡快推出自動駕駛產品，以擴大所蒐集的真實資料的規模──要知道，雖然這種做法在開始的時候可能會導致較多的死亡事故，但在未來，AI系統勢必會挽救更多的生命。這是特斯拉的做法。這兩種做法哪一種更好？就算由兩位非常理性的人來評價，他們也可能各持己見。還有一個重要問題：如果車禍中有人死亡，誰來負責？是汽車製造商？是AI演算法軟體的供應商？是編寫演算法的工程師？還是在必要時接管車輛的人類駕駛員？我們現在得不到明確的答案，但需要盡快明確。縱觀歷史，我們知道，只有明確責任歸屬，才能圍繞責任歸屬建立新的行業遊戲規則。例如，信用卡公司應該對詐欺造成的損失負責，而非銀行、商店或信用卡持有者；基於這個規則，信用卡公司得以向其他方收取費用，並將此類收入用於防止詐欺，從而成功地建立起信用卡的生態體系和商業模式。同理，自動駕駛時代即將來臨，對於交通事故的責任歸屬，需要各相關機構盡早明確。假設責任由AI演算法軟體的供應商承擔，那麼如果Waymo開發的軟體導致了一場死亡事故，死者家屬能向Waymo的母公司Alphabet（也是Google的母公司）提出多少金額的索賠要求？要知道後者的市值已經超過一萬億美元，在不排除有人漫天要價的前提下，問題會變得非常棘手。故此，我們一方面需要明確保護軟體缺陷受害者權益的法律條款，另一方面需要確保技術進步不會因過度索賠而停滯不前”；

  安全问题。

  “攻击可能来自于專門設計的對抗性輸入，攻擊者將挑戰AI系統的決策邊界，並借此調整對AI系統的輸入，進而達到讓AI系統出錯的目的。例如有研究人員設計了一副新款太陽眼鏡，讓AI系統把戴上眼鏡的「他」錯認成蜜拉．喬娃維琪。還有研究人員在路面上貼了一些貼紙，成功愚弄了特斯拉Model S車上的自動駕駛系統，讓其決定轉換車道，直接開向迎面駛來的車輛。〈假面神祇〉裡的阿瑪卡也曾利用一張面具成功欺騙了車站的人臉識別系統。試想，如果有人把類似的攻擊手段應用在軍事領域，例如讓AI系統把一輛偽裝過的坦克誤認為是救護車，那麼後果將不堪設想。還有一種攻擊AI系統的方法是對資料「下毒」：攻擊者透過「汙染」訓練資料、訓練模型或訓練過程，來破壞AI系統的學習過程。這可能導致整個AI系統徹底崩潰，或被犯罪者控制。如果一個國家的軍用無人機被恐怖分子操控，那麼這些無人機將把武器掉轉過來瞄準自己的國家，這將是多麼可怕的事情。”

  智能化和自动化应用于武器的风险。

  “第一個解決方案是人工介入，或者至少確保每一個影響生命的決策都由人類做出。不過，在很大程度上，自主武器的威力源於機器在沒有人工介入的情況下所具備的速度和精度。任何想在這場軍備競賽中取勝的國家，可能都無法接受這種大幅度削弱技術能力的人工介入。這種方案執行起來非常難，漏洞也很容易被發現。第二個解決方案是頒布相應的禁令。《禁止致命性自主武器宣言》是一份是由兩千四百多名AI領域的科學家共同簽署的公開信，伊隆．馬斯克和史蒂芬．霍金都參與了相關活動。在過去，生物學家、化學家和物理學家也曾針對生化武器、化學武器和核武器做過類似努力。任何禁令的推行都並非易事，但此前針對致盲雷射、化學武器和生化武器的禁令似乎頗有成效。如今，推行《禁止致命性自主武器宣言》的主要障礙是俄羅斯、美國和英國的反對。這三個國家認為現在還為時尚早，但是我認為應該未雨綢繆。第三個解決方案是對自主武器加以管控。對其管控就必須保留人類對使用武器系統的決定權，同樣，這也是一件複雜的事情，因為在通常情況下，寬泛的技術規範很難在短期內取得明顯成效。比如：自主武器的定義是什麼？如何去監測違規國家？這些都是短期的難點。既然這本書要暢想未來，請允許我構想一個2041年的條約：到那時，所有國家都達成一致──未來戰爭將僅由機器人參與作戰（或者由軟體類比進行就更好了），承諾不造成人員傷亡，但各國會在戰爭結束後依據輸贏交付戰利品；或者未來戰爭由人類和機器人共同作戰，但機器人使用的武器僅能對機器人造成傷害，而無法對人類士兵造成傷害（就像雷射槍遊戲）。這些設想在今天看來顯然是不現實的，但以此為基礎，人們在未來可能會構想出一些實際的應對策略。我希望人們能夠重視自主武器可能帶來的危險。自主武器不是未來科幻中的威脅，而是現在就已經明確存在的威脅，而且，它還將以前所未有的速度向更加廉價、容易組裝、靈活、智慧、有殺傷性的方向演化。自主武器沒有核武器那種天然的威懾性，它將在各國不可避免的軍備競賽中加速發展。顯然，自主武器是最有悖於人類道德觀、對人類延續存在威脅的AI應用，我們需要讓領域內的專家和各國首腦共同參與到對自主武器未來發展的討論中去，權衡不同解決辦法的利弊，找到一種能夠阻止自主武器肆意擴散、避免人類走向滅亡的最佳方法。”

  隐私问题。

  解决的问题可能有两种，一种是类似GDPR之类的强监管方案，另一种是用技术来解决，制造所谓的

  “可信AI”

  。“隨著時間的推移，未來可能會有全新的技術解決方案問世，它既能讓人們享受到強大AI帶來的福祉，又能夠保障個人的資料及隱私的安全。目前，「隱私計算」這一研究領域正在興起，在這一領域內也出現了一些讓人們能夠魚與熊掌兼得的演算法，例如聯邦學習。我預計，隱私計算技術將取得重大進展，可以用更聰明的手段來解決新技術所導致的問題。我的預測是：到2041年，「可信AI」可能尚未進入全面應用，但已可以應用在固定場景中...那些對新技術持懷疑態度的人，可能更認可類似於GDPR之類的強監管方案。至今，在應對AI這樣強大的技術，以及保護大量資料這樣頗具挑戰性的事情上，人類的經驗實在太少了。因此，我們必須以完全開放的態度去探索多樣化的解決方案，這樣，才有可能找到技術創新與資料安全的最佳平衡點。或許你仍認為，把最有價值的個人資料交給協力廠商是不可行的。那不如想想，人類最有價值的財產都是放在哪裡保管的？相信絕大多數人都是把金錢存在銀行，把股票委託給證券公司，把比特幣交給網際網路。銀行、證券公司、網際網路，都是協力廠商。那麼，為什麼我們不能考慮由協力廠商來保管個人資料呢？在未來，如果人們能找到值得信任的「可信AI」，並把所有資料交付給它，那麼就會出現可以給人類帶來幸福的強大AI系統。人們將不必再為無數的資料請求視窗所困擾，也不必擔心自己的資料是否會被盜用或濫用。這個可信的系統，可能是一個仁慈的君主，也可能是一個開放原始碼公社，或者是一個分散式區塊鏈網路……我相信，人類將從強大的「可信AI」中獲得前所未有的利益。經過千錘百煉，在未來，這個強大的「可信AI」會以適當的形式在人類社會中成為一套穩定運行的機制。讓我們共同期待，新技術的進步，會讓人類的資料隱私更加安全。”

  可见，虽然提出了新技术发展的种种可能的风险，开复老师总体上还是乐观的。但我个人认为，和上述这些风险相比，最大的风险是AGI带来的“更高物种”的智慧风险。这一点开复老师也提到了：

  “未來主義者們在奇點來臨的話題上也存在分歧，提出了一些對比鮮明甚至完全對立的觀點。這些觀點吸引了大眾的目光，也讓奇點理論分成了兩個派系。

  在樂觀主義者的設想中，一旦AI超越了人類智慧，它將像童話中的魔法棒一樣，賦予人類充分發揮潛能的機會，讓人們過著無憂無慮的生活。在他們的設想中，超級智慧可以快速解開物理宇宙的未解之謎，然後化身為全知全能的上帝，拓寬人類的智識，解決以目前的人類文明無法解決的難題，例如為全球暖化和不治之症提供絕妙的解決方案。還有人認為，為了獲得永生，人類應該把自己改造成生化機器人Cyborg（一種半人半機器的生物），這樣我們的大腦才能與萬能的AI對接。

  但並非所有人都對奇點持樂觀的態度，在對立陣營中有很多像伊隆．馬斯克這樣的人，他們稱超級智慧是「人類文明面臨的最大危險」，把開發AI比作「召喚惡魔」。這些人發出警告，當人類創造出來的、具有自我提升能力的AI輕易擊敗人類智慧的時候，它們將想方設法控制人類，或至少會掙脫人類的束縛，把人類邊緣化──就像今天人類看待螞蟻一般。

  那麼在2041年，哪一種關於奇點的設想將成為現實呢？會出現機器戰警，還是會出現機器人終結者？我認為，都不會。那些支持奇點理論的人認為，技術能力的指數級增長將推動超級智慧的出現。的確，AI的算力將呈指數級增長，但我並不認為這一定意味著會出現超級智慧所需要的與深度學習同等量級的技術突破。要知道，如果沒有深度學習，即便我們動用目前人類所有的算力，也發展不出現在的AI產業。

  在未來，要想擁有超級智慧，我們需要更多的技術突破。例如，如何讓AI擁有進行藝術創作和科學研究所需的創造力？如何讓機器智慧擁有推理、戰略思考與反事實思考的能力？如何讓AI具備同理心、與人類產生共鳴、贏得人類的信任？如何讓AI發展出自我意識，及與之相伴生的需求、欲望和情感？如果沒有這些特質，AI的能力根本無法與人類比肩，更別提變成「天使」或者「惡魔」了。如今，我們不但沒有能力打造一個有自我意識的AI，而且我們甚至都無法理解自己的意識背後潛在的生理機制。人類能否實現這些技術突破？我相信，在未來的某一天，我們或許可以實現，但是這一天不會很快到來。在AI迄今長達六十五年的歷史中，真正稱得上有意義的重大技術突破只有一個，那就是深度學習。在深度學習之外，我們至少還需要十幾個同等量級的技術突破，才能創造出超級智慧。我認為，這麼多的技術突破，不可能在短短的二十年內全部實現。”

  我没有开复老师这么乐观。我认为“自由意志”本身就是伪命题，是算力到达一定阶段之后的自然产物，而同理心、情感、信任这些东西都是人类由于自身的物种缺陷才需要产生的机制，并非更高智慧物种的必需品（硅基机器之间的互信天然就可以做到100%，哪里需要什么麻烦的信任机制）。因此，AGI出现的那一天，就是人类的命运已经不受自己掌握的那一天。

  最后，如何应对即将到来的科技指数进化的年代？

  尽管开复老师认为，最终所有的人类工作都可以被AI取代，但终究还是有先后顺序的。有些能力可能是AI“最难替代”的，而这些能力所对应的职业也将成为“最后被替代”的一批职业。

  “我認為，在以下三個方面，AI存在明顯不足，即便到了2041年，AI可能仍然無法完全掌握這些能力。 第一，創造力。AI不具備創造、構思以及戰略性規劃的能力。儘管AI非常擅長針對單一領域的任務進行優化，使目標函數達到最優值，但它無法選擇自己的目標，無法跨領域構思，無法進行創造性的思考，也難以具備那些對人類而言不言自明的常識。 第二，同理心。AI沒有「同情」、「關愛」之類感同身受的感覺，無法在情感方面實現與人類的真正互動，無法給他人帶來關懷。 儘管目前研究人員已致力於改進AI在這一方面的缺陷，但人類在需要情感互動時，仍然很難從機器人的身上得到心裡所期待的真心的關懷，收穫心靈上的慰藉。這也就是所謂的不夠「人性化」。 第三，靈活性。AI和機器人技術無法完成一些精確而複雜的體力工作，如靈巧的手眼協作。此外，AI還無法應對未知或非結構化的空間，並在其中執行工作任務，尤其是它觀察不到的空間。

  那麼，上面提到的這些AI的缺陷，會對人類未來的就業形勢產生什麼影響呢？ 不難預測，一些不需社交的重複性工作可能會全部被AI接管，如電話銷售員，以及之前提到的保險審核員和貸款審核員等。 那些需要高度社交技巧並且相對重複執行的工作，將由人類與AI共同承擔，二者將在工作中各自發揮所長，實現人機協同合作。例如，在課堂上，AI可以負責日常作業的批改和考試的評分，甚至完成一些標準化的課程教學和個性化的練習指導；人類教師則可以專注於成為善解人意的導師，用自己的同理心去理解學生、激勵學生，陪伴孩子們在實踐中學習，為他們提供個性化的輔導和啟迪，幫助他們培養良好的習慣及情商。 對於那些需要創造力但不需要社交互動的工作，AI將成為幫助人類發揮更大創造力和潛力的利器。例如，科學家可以利用AI技術提高藥物研發的速度和精準度。 還有一些既需要創造力又需要社交技能的工作，比如〈職業救星〉中的邁克和艾莉森所做的是高度策略性的工作，他們將成為未來人類職場中的「閃光點」，很難被AI取代。

  

  

  上面两张图展示了在不同職業的能力結構中，對創造力和社交技能的要求。第一张图是智力型工作被AI接管的二維圖，其中，橫軸代表職業所需的創造力，縱軸代表職業所需的社交技能；右上方的工作更適合人類，左下方的工作更適合AI。第二张图是勞力型工作被AI接管的二維圖，其中的縱軸仍然代表相關職業所需的社交技能，橫軸則代表從事相關職業所需的體力勞動的複雜程度，這種複雜程度是根據具體工作所要求的肢體靈巧度，以及對是否需要在未知環境、非結構化環境中解決問題進行衡量後確定的。圖中右上方的工作更適合人類，左下方的工作更適合AI。比如幫助老年人洗澡的護理工（養老院看護）的工作，不但需要社交技能，還需要靈巧的肢體技能，因而更適合人類；倉庫揀貨員既不需要社交技能，也不需要具備很高的手工靈巧度，因而更適合AI。”

  在开复老师的基础上，结合最近AI方向上的一些进展（图片生成、ChatGPT等），我自己会有一些补充。目前看来，各种生成模型的效果已然非常惊艳了，人类所谓“创造力”的壁垒似乎也没有那么高（就好比围棋里所谓的“棋感”一样，最终被证明就是算力），随着chat-GPT的进化，普通人似乎也有很大机会让模型生成一些看似完成度较高的作品，那么人类的竞争力在什么地方呢？我个人认为，可能答案在于“审美”，是判断生成内容到底是否“有品位”的能力，是知道如何对一个生成的作品进行打磨、如何提建议来让它定向进化的更好的能力。换句话说，你不仅仅要知道一部作品是不是“好”，还要知道它“为什么好？好在哪里？”，以致于知道“它是如何被创造出来的”，这就是评论家和艺术家的区别吧 ~ 因此，在教育方面，

  我个人觉得“审美能力”、“和AI共同创作的能力”、“同理心以及沟通能力”、“终身学习的能力”可能是新时代最为重要的几种能力。

  这些就是开复老师对2041年的预测逻辑了。我认为对本书最好的理解方式，是写出自己版本的预测，尤其是那些和开复老师不同的预测。

  以上。

• 青山遮不住 毕竟东流去！

  作者：末摘花 发布时间：2018-03-20 05:49:35

  
 豪放派词人的代表，开拓了词的思想意境，一个一生致力于抗金救国的英雄，一个创作了无数佳作的诗词家，永远值得后人们敬仰！

  辛弃疾一生报国无路，无处施展自己的才华，因此为后人留下了许多宝贵的文化遗产，可谓有得有失。

  最喜欢辛弃疾的《清平乐.村居》茅檐低小，溪上青青草。醉里吴音相媚好，白发谁家翁媪？大儿锄豆溪东，中儿正织鸡笼。最喜小儿亡赖，溪头卧剥莲蓬。

  最脍炙人口的是《青玉案 .元夕》东风夜放花千树，更吹落，星如雨。宝马雕车香满路。凤箫声动，玉壶光转，一夜鱼龙舞。蛾儿雪柳黄金缕，笑语盈盈暗香去。众里寻他千百度，蓦然回首，那人却在，灯火阑珊处。

  其中最后两句引用最多，很是煽情，却也给人亦想象的空间，到底那人怎么样呢？是等着她呢还是无缘她呢……