上架建议:商业企业管理
sBN978-7-5142-1715
曆铁图书
87514|21715
定价:5500元

人工智能时代,程式化的、重复性的、仅靠记忆与练习就可以掌握的技能将是最没有价值的技能,几乎一定可以由机器来完成;反之,那些最能
体现人的综合素质的技能,例如,人对于复杂系统的综合分析、决策能力,对于艺术和文化的审美能力和创造性思维,由生活经验及文化熏陶产生的直觉、常识,基于人自身的情感(爱、恨、热情、冷漠等)与他人互动的能力…这些是人工智能时代最有价值,最值得培养、学习的技能。而且,这些技能中,大多数都是因人而异,需要“定制化”教育或培养,不可能从传统的“批量”教育中获取。

创造性的工作中。启发式教育在此非常重要。死记硬背和条条框框只会“堵死”学生灵感和创意的源头。
虽然面对面的课堂仍将存在,但互动式的在线学习将愈来愈重要:只有充分利用在线学习的优势,教育资源才能被充分共享,教育质量和教育公平性才有切实保证。创新工场投资的 VIPKid、盒子鱼等面向教育创新的公司,就是大量使用在线教育、机器辅助救育等手段来帮助孩子学习的范例。
主动向机器学习:未来的人机协作时代,人所擅长的和机器所擅长的必将有很大不同。人可以拜机器为师,从人工智能的计算结果中吸取有助于改进人类思维方式的模型、思路甚至基本逻辑。事实上,围棋职业高手们已经在虚心向 AlphaGo学习更高明的定式和招法了。
·既学习人一人协作,也学习人一机协作:未来的“沟通”能力将不仅仅限于人与人之间的沟通,人机之间的沟通将成为重要的学习方法和学习目标。学生要从学习的第一天起,就和面对面的或者远程的同学(可以是人,也可以是机器)一起讨论,一起设计解决方案,一起进步。
·学习要追随兴趣:通常来说,兴趣就是那些比较有深度的东西,所以只要追随兴趣,就更有可能找到一个不容易被机器替代掉的工作。无论是为了美,为了好奇心,为了其他原因产生的兴趣,这些兴趣都有可能达到更高层次,在这些层次里,人类才可以创造出机器不能替代的价值。

主动挑战极限:像楼天城那样喜欢并主动接受一切挑战,在挑战中完善自我。如果人类不在挑战自我中提高,也许真有可能全面落伍于智能机器。
从实践中学习( Learning by doing):面向实际问题和综合性、复杂性问题,将基础学习和应用实践充分结合,而不是先学习再实践。边学习一边实践的方法,有些像现代职业体育选手的以赛代练,对个人素质的要求更高,效果也更好。
关注启发式教育,培养创造力和独立解决问题的能力:被动的、接受命令式的工作大部分都可以由机器来替代。人的价值更多会体现在

人的独特性会体现出来:思考、创造、沟通、情感交流;人与人的依恋、归属感和协作精神;好奇、热情、志同道合的驱动力。根本不是计算能力和文书处理能力,而是人的综合感悟和对世界的想象力,才是人和机器人最大的差别和竞争力。创造者的个性化才是产品的价值所在”。

放眼各垂直领域,金融行业可以说是全球大数据积累最好的行业。银行、保险、证券等业务本来就是基于大规模数据开展的,这些行业很早就开始了自动化系统的建设,并极度重视数据本身的规范化、数据采据存储的集中化、数据共享的平台化。
需求层面,金融行业有着各垂直领域里最迫切的自动化和智能化的需求，而基于深度学习的现代人工智能技术正好可以满足这些需要。

自动驾驶技术可以非常容易地将家庭用车模式转变为共享用车的模式。自动驾驶汽车随叫随到,每个家庭不需长期有自己的车辆,也不需要购置停车场地。通过基于自动驾驶的分享经济，中国可以大幅减少汽车的保有量，从根本上解决交通堵塞和汽车尾气污染等问题。

五秒钟准则
一项本来由人从事的工作,如果人可以在5秒钟以内对工作中需要思考和决策的问题做出相应的决定,那么,这项工作就有非常大的可能被人工智能技术全部或部分取代。

其间,伊藤穰一曾说:“宏观角度来看,我们无法否认人们因‘新技术总会导致人们失业而恐慌,但随着新技木的发展，某些领域又会诞生新的工作。…

大数据往往混合了来自多个数据源的多维度信息。
聚合更多数据源，增加数据维度，这是提高数据价值的好办法。

前两次人工智能热潮是学术研究主导的,而这次人工智能是现实商业需求主导的。
前两次人工智能热潮多是市场宣传层面的,而这次人工智能热潮是是商业模式层面的。
前两次人工智能热潮多是学术界在劝说、游说政府和投资人投钱,而这次人工智能热潮多是投资人主动向热点领域的学术项目和创业项目投钱。
前两次人工智能热潮更多是提出问题而这次人工智能热潮更多是解决问题。