北京师范大学 陈志新 社会科学概论 第11讲 人工智能

康先森O_o:
我承认自己还是有些功利的，只看了老师关于人工智能和毛思想的部分，也是我本专业以及感兴趣的部分，我的导师时常对我说，工科人总是受限于工科的思想，有必要去吸收其他方面不同的见解，我们总是认为学了东西就必须会点什么不然就是白学，单片机，嵌入式…工科都是具体的东西，但那些前沿的思想，闪耀的知识，是学工科技术学不到的，感谢老师的课，拓宽了我的视野

【回复】害的是你们知识青年，我到三十几才悟到这个原因，阅历真能说通很多东西，也能想明白很多东西
【回复】电信人一个，听说了这个老师的课之后点进来了解一下，然后直接跳到人工智能，谢谢你，现在决定从头看了！
【回复】这应该就是传说中的读万卷书行万里路的意义！
wjx138819:
人工智能从业者，感谢老师从社会学/哲学角度快速科普人工智能，不过其中关于机器学习/深度学习的技术原理/应用场景等可能有失偏颇，推荐趣兴趣的朋友阅读专业的论文/书籍

【回复】回复 @可莉是我の狗 : “现在这个年代，不求功名利禄，纯粹误人子弟的人确实不多了。”
【回复】回复 @无敌爆珑神 :推荐这本书是想让别人直接放弃是吧[tv_doge]
因为取名恐惧症太棒了:
算一半本专业学生，很感谢老师提供了一个不同的社科类视角来看待ai的问题。实际在利用ml或者dl做相关应用时确实有觉得很多时候仅从ai本身角度去思考问题容易忽略一些东西，毕竟大部分时候就是在fine tune然后比较recall loss robust这些数值化的东西，但是未来要是真的能把ai引入社会，还是需要各个不同专业视角的评估和监督

【回复】我也觉得 死磕这些metric到底方向对不对
【回复】是呢 黑盒问题是无法完全解释的
【回复】感觉社科看得比工科更远，视线更宏大。关于精度的话，不考虑就没有太大意义了（
酸酸辣辣小年糕:
给老师指正一下25：23的PPT英文是sora不是soar[呲牙][呲牙]，您再看一下[打call]

【回复】冒昧提个建议，“指正”一般是咱们自己的谦辞，比如说请老师多多指正、请其他人指正自己的错误之类的，这里用“纠正”是不是会稍微好一点呢[给心心]
【回复】回复 @顾兮桃 :对 语言表达有误 多谢[呲牙][呲牙]
【回复】大家都在认真听课，很好的氛围[给心心]
AI视频小助理:
一、人工智能的诞生和发展历程，以及它与哲学的重要关系。同时，强调了中国在人工智能领域的竞争优势。 00:11 - 人工智能出现在社会科学概论的原因和推荐书目 05:29 - 人工智能和哲学的关系，以及1956年达特茅斯会议的重要性 06:45 - 人工智能领域中，中国和美国遥遥领先于其他国家，没有第三名 二、人工智能竞争的主要国家，包括苏联、日本和欧盟。分析了它们的技术路线和哲学思路，并指出成功的哲学思路至关重要。 08:22 - 苏联用控制思想指导人工智能，但后来发现不是这样。 11:28 - 欧盟希望通过模拟人脑的工作原理来实现人工智能，但问题在于过于高级。 16:24 - 欧盟希望还原人脑的智能，但无法找到最底层的物质基础。 三、欧盟的蓝脑计划，通过还原主义和功能主义的方法，试图模拟神经元的工作原理，以达到模拟人脑的目的。然而，这种方法存在着一些问题和悖论。 16:40 - 神经元是大脑细胞，通过电脉冲传导信号和记忆累积 18:30 - 生物学还原主义无法还原碳基与硅基的差异，导致哲学悖论 22:58 - 乙酰胆碱是大脑中引起电信号传播的物质，但并非唯一力量 四、深度学习技术的工作原理和应用场景，同时探讨了人工智能不能太依赖深度学习的问题以及良好人工智能的节约性原则。 25:02 - 深度学习技术模仿神经元网络，工作原理是模仿电脉冲 27:55 - 深度学习只是肤浅的模仿人类专家数据归类能力，需要大量优质样板数据和逻辑前提 31:11 - 深度学习缺乏转化为通用人工智能的潜力，需要发展成通用人工智能才能真正成功 五、人工智能的两难问题以及小数据主义的思路，探讨了通用智力因素和类脑人工智能的概念，提出了未来人工智能的方向和特点。 33:20 - 讨论人工智能的两难问题，需要探索性方法节约数据 36:05 - 展望绿色人工智能，注重节约和保护人类价值和隐私 38:12 - 通用人工智能是未来方向，通过类脑技术模拟大脑的整体运行机制 六、人工智能与哲学、心理学、社会学、社会科学等多个领域的关联关系，强调了在庞大的社会科学支撑下，人工智能的正确性、过程的正确性、结果的正 --本内容由AI视频小助理生成，关注解锁AI助理，由@春天有点远 召唤发送

L辉仔:
以前的水课我爱答不理，工作以后我高高挂起[笑哭]

【回复】这不是水课，这“水课”比俺们水课咖讲的充实多了[笑哭]
【回复】回复 @是怡怡子吗 :我专业课老师才是真的水[doge]纯念ppt
【回复】这是水课的话[doge]我专业课老师没有这位老师讲的好
一颗杜莲糖_:
北师大人来了，老师！您讲得真的很好！

坂户:
如果能从脑科学，生物学，经济学，社会学，心理学的角度切入，来串联现代人工智能和社会的关系也许更好点，图灵确实太老了。看了如何读书，心理学和人工智能三讲，知识有点旧了。感谢老师，希望越来越好。

【回复】可能老师在了解一些学科的时候是从书本入手的，而学科一直在发展，书上的知识就显得有些旧。但我不太排斥听一些基础的东西哈哈，我也喜欢看评论区相关专业的同学讲他们学到的最新的知识。
一个蕉椒:
首先，陈老师授课精神值得赞赏。 社会学专业，人工智能方向论文在写，学了一些人工智能的皮毛，一些观点仅供探讨 1.人工智能的演进脉络可以展开阐释，包括达特茅斯会议后进行二分：一派麦卡锡的符号主义，一派明斯基的联结主义，再到现在的五分：符号、联结、进化、贝叶斯、类比，对应逻辑学、神经科学、遗传进化学、统计学（贝叶斯派）、心理学不同学科的基础认知等 2.事实上哲学基础就是每个流派看待“智能”以及“学习”的差异点，这个切入点很正确，但可以具体展开，比如符号主义认为事物可以转化为符号表达，智能等于对符号的推理，可参考海德格尔对符号主义的批判 3.深度学习技术解读存在偏误，评论区其他专业人士也指出了，我感觉和符号主义的专家系统混淆了 4.小数据的质疑，研究上社会科学包括政治科学都倾向于用大数据结合机器学习做因果推理，这是必然的趋势，实践上难以做到课中提及的所谓绿色主义的算法，包括政策制定、公共服务供给都是建立在趋于更加精准的用户画像前提上，且坦白说技术异化现象日益显著，可参考波兹曼的《技术垄断》 上述只是基于学了点皮毛的个人观点，对这个主题感兴趣的同学还是建议阅读相关论文或著作，可以看看多明戈的终极算法《the master algorithm》

【回复】你语气这么柔和？ “现在这个年代，不求功名利禄，纯粹误人子弟的人确实不多了。”
【回复】回复 @徐长安X :每条评论下都得显你 你要是觉得老师讲的不对就好好说好好分析讲讲 老在这阴阳怪气啥啊 看你评论好几次有的没的了
【回复】[笑哭]其他专业的过来说一下，老师讲的东西我勉强能听懂，但是对你来说的“皮毛”对我来说仍旧太深了，可以说无法理解，更不可能“有兴趣”。所以可能对我来说，你的观点都是“无效信息”。
思考者闪哥:
看了一下人工智能的部分，基本是语言知识的搬运工，看不出来自己有对人工智能的理解。这样的课学生竟然觉得好？那是学生出了问题。

【回复】吴老师您好，看老师您的主页都是系统科学的课程和公益答疑的内容，觉得老师其实也和陈老师一样是一位有教育理想的人，可以体会到您的评论背后是对于传播量如此大的视频内容能够带给大家更完善、更专业的解读的期望。以下是我对于这节课和这门课程的一点小小看法，观点没法代表所有同学，但至少能反映评价的某些方面。 （1）课程名称是社会科学概论，课程主要目的是给大家一个对于社会科学的纵观，拓宽学科知识视野（陈老师本人在序言中也提到希望这门课能包含社科的所有方面）；就这节课的内容而言，知识或许有些陈旧，但作为通识课的一页，它已经达到了初步的教学效果，也激起了学生对该领域深入了解的热情（结合评论区专业同学的推荐，相信感兴趣的人未来还会进一步学习）。（2）要做一门涵盖社科所有领域的体量如此大的课程不是易事，不可能在每个领域都面面俱到，难免有不足之处。（3）我们对陈老师和这门课程的支持和喜爱不只源于内容，更是被他的育人情怀深深打动。比如这一课，人工智能不是陈老师的专业领域，但陈老师并未选择将它删去或含糊了事，而是为此去看了专门的书籍，学习并与大家分享，老师的言行是真正的身教。
【回复】首先，这一系列是社会学通识课程并非相关课题的专业赛道。在本系列的第一章序论，老师用非常谦逊的态度 表达了可能自己知识的有限和对启发学生的初衷，诚意满满。其次，我理解老师从人文科学角度解读了人工智能。不是所有技术都只有技术的维度去探讨和解答，本人作为计算机专业理科生我从老师讲解中依然有启发。前段时间openai的内部宫斗派系有一部分原因是对于ai的定位伦理性站队。很多合规法规都在探索对于ai发展的边界。所以本课内容是有其一定意义和启发性的。
【回复】怎么说呢，作为人工智能相关专业的人来说有失偏颇，不过这只是最为一个入门的相关介绍，能看出来陈老师并不擅长此领域，能做到让同学们大概了解一下即可，真想学习肯定要专门研究此方向的。
风雨之类:
北师大毕业的学生来了，谢谢北师大有这样的老师。

老徐被注册了:
一、推荐书目 北京大学出版社2002—2021年出版的名家通识讲座书系，徐英瑾老师的《人工智能哲学十五讲》，是本部分内容的来源。 二、人工智能（AI）学科的诞生 1950年，数学家、逻辑学家和计算机科学理论奠基者阿兰·图灵(Alan Turing，1912—1954年）在英国哲学杂志《心智》上发表论文《计算机器和智能》。 图灵测验——模拟人类的言语行为。 消弭心理学研究和机器编程之间的界限，消弭机器与智能之间的楚河汉界。 哲学史经典之作，人工智能科学先声。 三、为什么哲学重要？ 人工智能诞生的标志性事件是1956年于美国召开的达特茅斯会议。 苏联的错误在于用控制论思想指导人工智能工作。 日本专家系统与软硬件计算机合成的东西野心过大，今天也做不到，且使用符号人工智能的哲学思路彻底掉队。 欧盟搞比大脑还要高级的大脑，过于高级等于低级，且支撑该技术发展路线的哲学理念混乱。（302个—860亿个） 四、“蓝脑计划”蕴藏的哲学矛盾。 矛盾的哲学前提：“生物学还原主义”和“功能主义”。 人脑高层次心理机能，还原为底层生物学事件——神经元数码建模——碳基硅基——遗漏肾上腺皮质激素、下丘脑激素、多巴胺和胶质细胞——引入“功能主义”——为何不在心理层次建模呢——产生双向哲学悖论——“救命稻草”——电—电却不是人脑和电脑的共同且唯一的“上级”。 五、深度学习技术（人工神经元网络技术） 模仿电脉冲决定神经元是否传递信息，汇聚算法与激发函数决定单元层的信息传递。 输入与输出之间的映射关系中随便选一种进行“胡猜”，然后将其结果抛给人类预先设定的“理想解”，看看自己瞎蒙的答案是不是恰好蒙中了。 深度学习机制的系统却不是任何一种推理系统。 ChatGPT偏向语言文字的人工智能与Sora偏向图像视频的人工智能之所以获得成功，大约是其基于深度学习的推理机制，在各个领域取得足够的成功，近似于取得了中立于各个领域的一般推理机制。 模仿人脑的神经元网络，但它缺乏人类心智系统的高阶构建，难以胜任真正的人工智能大任。

【回复】六、人工智能不能太指望深度学习 深度学习，肤浅模仿人类专家数据归类能力，在某类输入信息与某类目标信息之间建立起特定种类的映射关系。 以大量人类专家提供大量优质的样板数据为逻辑前提，不深入理解人脑对于信息的内部加工过程，带有“知其然而不知其所以然”之弊。如此一来，在人类专家无法提供大量样板数据的地方，深度学习机制自然很难有用武之地，在前人没有全面涉足的领域，人工智能难以作出创造性的贡献。 “算法偏见问题”。 “算法透明性问题”。 最终会走向文明的衰落。 缺乏进阶为通用人工智能系统的潜力。 七、良好人工智能的节约性原则 自然智能采用经济方式回应环境。 人工智能陷入了所谓的“探索——榨取两难”。用力榨取则难以探索创新；不极力榨取学习，难以表现智能。 八、人工智能的另一种思路——小数据主义 大数据笨且消耗，烦难的工作，也未必是我们大脑每次解决问题的时候都要调用的过程之模拟。大脑常用最简单、最节约的原则来工作和处理事情以及决策。 解决问题有捷径、有智慧，并不完全依赖准确性和完备性。 从大数据主义走向小数据主义，从消耗型的人工智能走向绿色人工智能。 九、展望小数据主义色彩的绿色人工智能之路 绿色的人工智能技术是指一种对现有人类价值体系扰动较小的技术。具体而言，它必须对隐私、公民权、人类的自由选择权等被常识普遍接受的价值标准抱有起码的敬意，并以此将技术异化的风险降到最低。 基于节俭式算法的绿色数据处理技术则以小数据的获取和处理信息为原则。 儒家和中国文化其实更支持小数据主义。
【回复】十、通用智力因素 流体智力、晶体智力、量化推理、读写能力、短期记忆、长期记忆、视觉处理、听觉处理、处理速度、反应速度。 知觉、记忆、社交、动机、注意力、推理、规划、学习、对自我/他者的建模驱动、情绪、对量化表征的运用、交流、建造/创造。 在所有智力因素上面发展的人工智能技术，即是通用人工智能。 十一、通用人工智能 传统的神经元网络以及结构更为复杂的深度学习机制，对于人脑的模拟都是非常低级与局部的。 对人脑的整体运行机制作出某种切实的研究，并将其转化为数学形式，类脑人工智能，可以减犯下“盲入摸象”错误的概率。 十二、通用人工智能（AGI）的基本属性 反对生物还原主义，反对神经元功能主义模拟，主张心理层次的功能主义人工智能思路，用心理建模方法，建设通用人工智能。 第一，这样的AI系统至少能够形成一些基本的心理表征（以便将自己区别于一些单纯的物理对象），譬如具有“我相信…”这样的形式的表征。换言之，这样的系统应当具有“意向性”。 第二，这样的AI系统应当具有起码的自主性，并因此能够自主形成具有“我想要…”这样的形式的心理表征。换言之，这样的系统乃是具有“意图”生成能力的。 第三，应当像人类一样具有“情绪”以便在特定问题处理语境中具有迅速集中认知资源的能力。 第四，这样的AI系统应当能在最起码的限度内理解并执行人类社会的伦理规范。 第五，这样的AI系统应当具有按照正确的方式去做事的禀性，换言之，它将是具有德性的。
【回复】徐英瑾老师的十五讲我搜了一下淘宝，就是一本欸，不是好几本嘛？
社交正常症:
啪的一下很快啊，直接来看人工智能[呲牙]

Brant1ee:
人工智能小数据绿色化，打响反对算力崇拜第一枪[doge]

央金同学:
很有用，最近在写一篇人工智能与国家未来的论文～致敬陈老师！