花了两周8小时之外的时间，看了《AI传奇:人工智能通俗史》后觉得不错就再看了一遍，书中记录了人类在人工智能领域的伟大历史进程，也让我们对未来人工智能将如何进一步改变世界更加充满憧憬与期待。
先从作者说起，陈宗周，是一位科学作家，同时也是位技术传播者。可能很多人还不知道他，但应该有听说过《电脑报》吧，对的，他就是《电脑报》的创办人，《电脑报》深深地影响了80后的一代程序员，他也是《知识经济》、《环球科学》、天极网等多家知名科技媒体创办人，现任《环球科学》杂志总编。
联袂推荐的有：高文、雷军、胡舒立、林军等，个个都是重量级人物，从院士到传媒人，给予本书的极高评价，以引人入胜的故事，讲述人工智能的历史、技术、人物、应用现状以及未来，是我们进入智能时代的通俗入门读本、很不错的一本参考资料。
序言
不管是国家层面还是企业层面，都非常重视AI，除了政策的扶持外，各IT巨头都加大对AI的投入。可以说AI“大风”来了，但是如果冷静想想，AI还是面临很多挑战。我国的人工智能发展正从AI 1.0向AI 2.0过渡。
AI现在的主要缺陷或者说不足是在机器学习上。深度学习即深度神经网络是机器学习的一种方法，这种方法确实可以解决很多问题，在实践中也取得了很大的成功。但深度学习也要发展，现在“深度学习有深度而无学习”（Deep Learning——Deep YES，LearningNO），因为这样的“学习”严格说不是学习，而是训练，是用大数 据在训练一个数学模型，而不是真的通过学习获得知识。
更大的问题是人们不知道机器学习是怎么解决问题的。在神经网络里，有很多东西没有办法定性和解释，这是一个比较难的问题。若要解决这个问题，AI可能又会迎来一波大浪潮。
对于未来，我们需要思考AI现在做了多少事，未来还有多少事需要做。
事实上，我们现在所解决的AI问题还是很小的一部分。AI涉及的问题可以分为四部分：
- 可统计可推理的AI问题
- 不可统计可推理的AI问题
- 可统计不可推理的AI问题
- 不可统计不可推理的AI问题
前言
中国曾经错失工业革命，在后来的电气时代、计算机时代、互联网时代中，一步步追赶。今天，在人工智能带来的新一轮世界变革中，中国不能也不会缺位。
人工智能不可能从天而降，而是在计算机、互联网等革命性技术的基础上发展而来，但是以深度学习为代表的人工智能技术取得突然之后，近年来的发展速度的确让人惊讶。
有人做过分析对比，当前中国与美国在人工智能应用领域是不分上下，但在人工智能的基础研究上，中国还是落后于美国，且差距还不小。所以还需要有志之仕共同奋斗，好在我们都有幸参与这场伟大的变革中，也许我们也是AI传奇的一员。
人工智能复兴（春暖花开）
发明个人计算机与互联网，是人类的两大传奇；现在AI正成为又一个传奇，正像蒸汽机开启了工业革命时代一样，AI也将把人类社会带入新世纪。
未来的历史学家一定会书写2016年，这一年是AI走进人类社会的里程碑式的一年。Google的DeepMind揭开人机比赛帷幕，这一年很像唐诗中奇丽的意境“忽如一夜春风来，千树万树梨花开”。人工智能迎来了重要的复兴之年，这一年与AI有关的名词术语，如人工智能、机器学习、深度学习、大数据、GPU、语音识别等纷纷成为科技热词，频频出现于媒体。
人工智能60年艰难历程（酷暑与寒冬）
很少有哪一科学领域像AI这样，在漫长发展进程中经历那么多的大起大落。人工智能发展似乎没有经历春秋两季，只有夏天各冬天，忽冷忽热。这也是AI,因其伟大，故而艰难。
- 20世纪50-60年代兴起
- 20世纪70遭遇瓶劲，主要是计算能力不足
- 20世纪80年代复兴，引领力量是知识工程和专家系统（自已的导师是这方面的专家，可惜读书时没珍惜）
- 20世纪90年代及21世纪初，长达20年之久的寒冬
- 21世纪10年代再次吹开冰封的寒冬，强大的计算能力，爆炸性的数据，优秀的算法支撑AI.
突破人工智能关键技术的人（杰弗里.欣顿）
近年来的人工智能发展主要依靠深度学习的力量，正是杰弗里.欣顿等科学家在人工神经网络领域锲而舍的研究和探索，深度学习才会脱颖而出，创造出今天AI的一个个奇迹。
杰弗里.欣顿（Geoffrey Hinton）加拿大多伦多大学计算机系教授，号称“深度学习教父”，他引领的深度学习技术潮流已经席卷全球。欣顿和他的学生，即纽约大学计算机系教授雅恩.乐昆（Yann LeCun，即杨立昆）、加拿大蒙特利尔大学教授约书亚.本希奥（Yoshua Bengio）成为深度学习的先驱人物，并使之成为今天AI的技术主流。
深度学习也是我计划学习的领域，希望能坚持下去。