理解信念：人工智能的科学理解 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

尼尔斯·尼尔森 著，王飞跃 译

图书标签:

• 人工智能
• 认知科学
• 信念
• 知识表示
• 推理
• 机器学习
• 哲学
• 心理学
• 常识推理
• 符号主义

出版社： 机械工业出版社

ISBN：9787111552130

版次：1

商品编码：12072733

品牌：机工出版

包装：精装

开本：32开

出版时间：2017-05-01

用纸：胶版纸

页数：182

编辑推荐

适读人群 ：人工智能、互联网领域从业者，职场人士、管理者，学生和大众读者
信念构成了我们对世界认知的很大一部分。我们不但有关于物体、关于文化、关于过去和关于未来的信念，而且有关于他人的信念，并且相信他们也有信念。我们利用信念去预测、去解释、去创造、去安慰、去娱乐，并把其中的一些信念称之为理论，我们在构建它们时极具创造力。量子力学理论、进化论和相对论便是例子。这些理论都是我们丰富的思想试图为观察到的现象寻找解释的产物。在本书中，尼尔斯?尼尔森教授将揭示我们的信念能为我们做什么、我们是如何持有它们的以及如何评价他们的。

内容简介

由于作者在人工智能和机器人方面的工作，让作者对人们如何知道事物这一课题产生了兴趣。为了让机器人令人满意地表现，它们必须对其居住的世界有所了解。我们知道机器人如何“知道”，因为我们造的它们。机器人具备的知识之部分由其设计者和制造者事先装好的。另一部分多少直接来自其感知装置——它们看到、读到、触到、听到什么。而且，通过对其已有知识的解释和推断，机器人还可以“制造”额外的知识。这对于人类也是一样的。可能我们的DNA把我们在进化中形成的倾向也编码成知识。但是其余部分是建筑在我们的感知和我们推理与构造理论的能力之上。故此，作者从科学推理和人工智能分析的角度剖析信念对于人工智能技术的重要性。

作者简介

尼尔斯·尼尔森（NilsJ.Nilsson） 斯坦福大学教授，1958年获斯坦福大学电气工程博士学位，在斯坦福国际咨询研究所人工智能中心工作二十多年。除了人工智能和机器学习的教学外，尼尔森教授还开展了能够应对动态世界、规划行动路线并从经验中学习的柔性机器人研究。尼尔森教授曾是《人工智能》杂志、《人工智能研究》杂志和《美国计算机学会》杂志的编委，美国人工智能学会的前任主席和会士，美国科学促进协会的会士，瑞典皇家工程科学院院士。他还是国际电气与电子工程师协会（IEEE）“神经网络先驱”奖、人工智能国际联合会（IJCAI）“卓越研究”奖和美国人工智能学会（AAAI）“杰出服务”奖的获得者。

目录

名言警句
中文版作者序
推 荐 序
译者序
前 言
致 谢
第1章 信念、知识和模型
第2章 信念为我们做什么？
第3章 信念来自何方？
第4章 评价信念
第5章 十之八九
第6章 现实与真理
第7章 科学方法
第8章 机器人信念
第9章 信念陷阱
词汇表
参考文献
延伸阅读

精彩书摘

信念、知识和模型
我们经常把信念（或信念集合）称为“理论”。我们总结日常经历的理论——关于社会的和个人的。为什么纽约市的犯罪率降下来了？为什么布斯刺杀林肯？为什么我的孩子在学校学得不好？为什么失业率如此低（或如此高）？
我们的信念组成了我们关于世界之知识的一大部分。例如，我相信我存在于一个我们称之为地球的星球上,而且我与其他上亿人共同享有她。我对各类东西都有信念，比如汽车、飞机、计算机和各种各样的工具，以及（在不同细节上）它们如何工作。我对于我生活的21世纪文化有信念：关于民主和法制、关于因特网、关于科学与技术，还有其他许多。对于其他人我有许多信念，包括家庭、朋友、同事，甚至其他还未见面的人。而且，我相信他们也有信念。给我所有的信念列个清单是不可能的。然而，所有这些信念都在，都以某种方式存在于我脑子里的某些地方——变化、生长、缩减，并在我需要它们时招之即来。
假如要列一下我的信念，我会说，“宇宙差不多140亿年了”“塞伦是俄勒冈的首都”“约翰?琼斯一般做他讲过的他要做的事情”，等等。我也可以声明我不相信什么，例如“我不相信超感官的认知能力”。而且，我可以声明我不知道什么东西，例如，“我不知道斯里兰卡的人口”。
我们经常把信念（或信念集合）称为“理论”。我们总结日常经历的理论——关于社会的和个人的。为什么纽约市的犯罪率降下来了？为什么布斯刺杀林肯？为什么我的孩子在学校学得不好？为什么失业率如此低（或如此高）？
科学家提出并争论科学理论。有说明发现于岩石中的化石的理论、有解释太阳几乎无限能量的理论、有关于地震和火山的理论、有阐述生命形式多样化的理论、有分析心理行为的理论、有讨论星球的生与死的理论，关于宇宙我们能想象的任何东西几乎都有其理论。通常，科学理论要用许多句子来描述——还充满了数学。为了补充科学家大脑里所存的，它们还被写在文章和专著中。例如，当科学家说他们“相信”量子力学，就是指他们赞同写在某些文章或书中的量子力学。一般而言，相比我们都有的关于许多事情的个人理论，科学理论可以经受更严格的检验。
除了科学文献、非虚构类作品，如历史、政治分析、传记、叙事，都意图表达作者的信念。你我可能接受其中的某些信念作为我们自己的信念。例如，你可能说你相信史蒂芬?安布罗斯（Stephen Ambrose）关于路易斯（Lewis）和克拉克（Clark）远航的故事，如《勇敢无畏》（Undaunted Courage）一书所描绘的。就是虚构小说关于世界的一些描述，我们也可能会将其加入进自己的信念中。
关于信念要说的最重要的一件事，就是它们是（或至少应该是）暂时的和可变的。例如，我关于明天天气晴朗的（基于我查询的天气预报）信念可能会随着新的天气预报的到来而有所变化。我还可能改变我的一些更基本的信念，比如我关于早期儿童教育的信念。科学和医学随着新的实验和新的理论解释而进步，这些也会带来新的或改变了的信念。
认知科学家区别各种各样的知识。信念表示的知识被称为“陈述性”的，因为信念被阐明为陈述性句子。但没有人真正知道信念是如何表示在我们的大脑之中的。哲学家和认知科学家杰瑞?福多(Jerry Fodor)认为信念在脑中是以一种叫作“心理语言(mentalese)”的“思维语言”的类句形式所表示的。然而，神经科学家、心理学家和哲学家却一直在争论我们的大脑中到底有没有这种类句的表示。对我们的目的而言，我们不必担心信念实际上是如何在脑中表示的。因为我们用句子阐明它们，所以把它们想成句子似乎也很合理——这当然受限于我们用来构造句子的语言。
认知科学家还讨论其他类型的知识。其中之一就是所谓的“程序性”1知识。程序性知识是嵌于我们的实践行动之中的，比如抡高尔夫球球杆或骑自行车。对于需要在感知与行动之间实时协调的任务，程序性知识要比陈述性知识来得更加有效。（记住了关于如何做侧手翻的一些句子之后，你能做一个吗？）类似地，计算机系统用来停车或自动降落飞机的知识也是此类程序性知识。很有可能动物关于其世界的大部分知识，比如怎样织蜘蛛网、如何迁移、怎样捕食等，都是程序性的。
程序性知识是重要的，但它局限于其启动的具体行动。我们人类比其他动物如此多才多艺的主要原因就是我们关于世界的知识中一大部分是陈述性的，因此可用来指导许多其他行动。一个极其平常的例子就可以说明这一点，我们关于锻炼可以促进健康的信念能够鼓励我们去游泳、去骑车、去慢跑。
与在不同情形下的功能同等重要的是，陈述性知识可以被讨论和辩论。在我们足以信任一个信念而去行动之前，我们可以分析或者修正它——根据自己的经历、推理，以及其他的观点和批评。正如哲学家卡尔?波普尔(Karl Popper)所言：“通过批判我们的理论，我们可以让理论替我们去死。”
信念构成了我们描述我们生活之世界的一种方式。我们还用数学方程（比如E=mc2）、各种现象的计算机模拟（比如天气）、地图，以及故事等方式。这一切的总和构成了现实的模型——一个可以触及的现实本身的替代。我们必须据此行事，因为
……

前言/序言

由于在人工智能和机器人方面的工作，让我对人们如何知道事理这一课题产生了兴趣。为了让机器人令人满意地工作，它们必须对所居住的世界有所了解。我们知道机器人如何“知道”，因为我们制造了它们。机器人具备的知识一部分是由其设计者和制造者事先装好的，另一部分则直接来自其感知装置——它们看到、读到、触到、听到的东西。而且，通过对已有知识的解释和推断，机器人还可以“制造”额外的知识。这对于人类也是一样的。可能我们的DNA把我们在进化中形成的倾向也编码成了知识，但是其余部分是形成在我们的感知、推理与构造理论的能力之上的。
对大脑的研究还没有进步到使我们能对人类本身如何知道事理之过程有一个详细解释的地步。即便如此，认知心理学家和哲学家对知识还是有许多论述。心理学家讨论不同类型的知识，特别是两类：知道如何（怎么做），他们称之为“程序性”知识；知道那个（是什么），他们称之为“陈述性”知识。知道如何骑一辆自行车是程序性的——它是嵌在大脑中的一个使骑车成为可能的程序；知道自行车有两个轮子是陈述性的——它可以被表述成一个陈述句。
关于知识研究的哲学分支称为“认识论”。哲学家也区分“如何做”的知识与“是什么”的知识。认识论主要涉及“是什么”的知识——可用陈述句（哲学家常称之为命题）表示的知识。例如，句子（或命题）“太阳是由热核反应提供燃料的”即构成一个科学知识。
那么“信念”怎么讲？将我们的信念表达为陈述句，这能构成“知识”吗？即便我们对一部分信念的坚信程度不如另一部分，但我们总认为这两部分的总和的确能构成一个人对其世界的“知识”。这是他或她所有的一切。（在人工智能中，常常称一组命题为“知识库”，虽然其中某些命题是不确定的。）某些认知科学家试图区别信念与知识。这些认知科学家声称信念不可能忠实地表述“现实”，而知识则必须做到。我认为无法决定一个（或一组）句子是否能忠实地表述“现实”，因此无法用定性的、有意义的方式来区别知识和信念。然而，对大多数人来说，“相信某事”和“知道某事”是不同的。例如，我与自己的同事，我称其为查理（Charlie），就一些事争论。我常以这样的话结束争论：“查理，我明白你相信那个。”查理就会戳着我的胸骨接下去：“我知道，但我不相信。”尽管查理认为在相信与知道之间有真实的区别，但对我而言，戳胸骨只不过表现了他的相信程度而已。
当有人说他知道某个命题。我认为这意味着他非常强烈地相信它——即便是我可能根本就不相信它。这个人可以等价地讲，强烈坚信的命题是真的。这对我也一样。我倾向于说我知道我非常相信的事情，而且我会给它们贴上真的标签。因为人们用“知道”一词来描述他们的强烈信念，他们可能认为（如查理）在知道某些事和相信某些事之间不单单只涉及信念的强度，还有更多的东西。我并不认为能有办法描述这个“更多”是什么。本书第6章将更彻底地探索“知道”和“真理”。
我们的许多信念介于坚信和不信之间。由于信念影响我们的行动，更由于我们的一些行动可能具有严重的后果，因此我认为周密地评价信念是十分重要的。第4章专门讨论评价信念的方法。我认为被称为科学方法（第7章）的各类实践为评价各种信念提供了最佳方案。像科学理论一样，我们所有的信念必须（或应当）接受变化。
本书描述了笔者关于信念的信念。这是为那些像笔者一样对形成自己关于信念的信念感兴趣的人士而写的。笔者的许多信念是有争议的，你可以不同意它们。当然，不管怎样，你只要把它们当成笔者的信念就行了。
推荐序
信念，《现代汉语词典》解释为“自己认为可以确信的看法”。据此定义可以看出，信念具有很强的主观性。人人都会有信念，但未必都考虑过信念本身的问题。本书中，尼尔斯?尼尔森教授结合自身经历，探讨了信念的产生、形成、性质、作用、影响及其评价方法，讲述了他的元信念，即他自己关于信念的信念。全书涉及科学、哲学、社会学及心理学，内容丰富，观点新颖，耐人寻味。
书中提到，人们主要通过感觉，如看、听、触、读等，给所相信的事物建立解释以及衍生结果来获取信念。而感知到的东西主要取决于人们基于信念的期望，因此人们时常“看到”所期望看到的事物，而看不到不期望的，所以眼见不一定为实。人们应该用判断性思维检验信念，而判断性思维的要素包括寻求专业人士的观点,考虑信念的解释与结果，并消除能被更可信的方案替代的解释。依据统计学，信念的强度可使用概率定量表示，即通过频率方法或主观概率估计确定。信念可在一种“贝叶斯信念网络”中进行计算，该网络中每个信念的可信度都会影响其他信念的可信度。本书中详细介绍了科学方法、科学知识的本质和科学探索的基本过程，基于科学的各种实验方法也为评价信念提供了可行的参考方案。尼尔森认为，所有存储在一个计算机系统中的陈述性信息就构成它的信念，因此机器人也有信念，如谷歌的无人驾驶车和IBM的沃森。而且，在形成有用信念的能力上，机器人与人类几乎处在同一水平上。尼尔森强调,人们的日常信念应该接受变化，如同科学理论的发展一样，应逐步完善。由于心理因素及生活方式的原因，人们容易被一些“信念陷阱”所困，而应对陷阱的最好方法，就是将信念置于他人“理由充分”的批评之下。
尼尔斯·尼尔森是人工智能学科的奠基性研究者之一，他从个人的研究背景出发，以独特的视角解读信念的内涵，论述深刻，说服力强，值得一读。
张 钹
清华大学教授，中国科学院院士

好的，这是一本探讨人工智能在不同领域应用的书籍简介： 跨越边界：计算思维与人类智能的交汇 探索智能的未来：从理论基石到实践前沿 本书深入剖析了计算思维如何重塑我们对智能的理解，并详尽考察了人工智能（AI）在当今世界各个核心领域的深刻影响与未来潜力。我们不再满足于将AI视为一种工具，而是将其视为一种催化剂，一种能够驱动科学范式、重塑社会结构并重新定义人类潜能的强大力量。本书旨在提供一个全面且细致的框架，帮助读者理解驱动当代AI系统的底层逻辑、它们面临的伦理挑战，以及它们如何正在不可逆转地改变我们的生活、工作和思考方式。 第一部分：计算基石与智能的数学本质 本部分聚焦于现代人工智能赖以建立的理论基础和数学原理。我们摒弃了对复杂算法的过度抽象描述，转而深入探讨驱动机器学习（ML）的核心概念。 1. 概率论与统计推断的回归： 现代AI并非凭空产生的魔法，而是建立在扎实的概率论基础之上。我们将回顾贝叶斯推断在不确定性处理中的核心地位，并探讨如何利用大规模数据来校准和优化这些推断模型。重点分析了最大似然估计（MLE）和最大后验概率（MAP）如何在模型训练中指导参数的优化过程。 2. 优化理论在深度学习中的角色： 深度神经网络的成功在很大程度上归功于高效的优化算法。本章详细阐述了梯度下降（Gradient Descent）及其变体——如Adam、RMSProp等——的演化历程。我们不仅描述了这些算法的工作原理，还探讨了它们在处理高维、非凸优化问题时所面临的挑战，例如鞍点问题和局部极小值的逃逸策略。此外，我们还将审视随机梯度下降（SGD）在计算效率和泛化能力之间的权衡。 3. 信息论与数据表示： 信息熵、互信息和交叉熵是量化数据复杂性和模型拟合程度的关键工具。本部分将阐述信息论如何指导特征选择和模型复杂度管理。特别关注于如何通过有效的编码和表示学习，将原始的、高维的数据（如图像、文本）转化为机器可以有效处理的低维、高意义的向量空间。 第二部分：架构革新与感知系统的突破 本部分将焦点转向驱动当代AI革命的具体模型架构，特别是那些在感知和理解世界方面取得显著成就的网络结构。 4. 卷积网络（CNNs）：视觉认知的模仿与超越： 从LeNet到ResNet和Transformer架构的演进，我们分析了CNN如何通过共享权重和局部感受野，有效地捕捉空间层级特征。本书不仅关注其在图像分类中的成功，更深入探讨了其在医学影像分析、遥感数据处理中的具体应用和局限性。我们将剖析卷积核的设计哲学及其对特征提取的决定性影响。 5. 循环网络（RNNs）与序列建模的范式转变： 尽管在某些领域已被Transformer取代，RNNs（特别是LSTM和GRU）仍然是理解时间序列数据的核心。本章详细解析了门控机制如何解决传统RNN中的梯度消失问题，以及它们在自然语言处理（NLP）早期阶段对机器翻译和语音识别的贡献。 6. Transformer架构的崛起：注意力机制的统治力： Transformer模型及其核心的自注意力（Self-Attention）机制被视为近年来NLP和CV领域最重大的架构突破。本部分将详细解构多头注意力机制如何允许模型并行地权衡输入序列中不同元素的重要性，从而实现对全局依赖关系的捕捉。我们将分析BERT、GPT等预训练模型的结构，并讨论它们如何通过大规模无监督学习，建立起强大的语言和世界知识表征。 第三部分：AI在专业领域的渗透与重塑 本部分将理论模型与实际应用场景紧密结合，展示AI技术如何深入改变关键行业的工作流程和知识生产方式。 7. 医疗诊断与个性化治疗的计算路径： 在医疗健康领域，AI正从辅助工具转变为诊断伙伴。本书探讨了AI在医学影像（如X光、MRI）的快速、精准判读中的应用，以及如何利用基因组数据和电子健康记录（EHRs）进行风险预测和药物反应建模。关键挑战包括数据的隐私保护、模型的可解释性（XAI）在临床决策中的必要性，以及如何确保算法的公平性，避免对特定人群产生系统性偏见。 8. 金融市场的量化交易与风险管理： 金融领域是计算密集型应用的前沿阵地。我们考察了AI在识别高频交易中的微小套利机会、信用评分的复杂建模，以及系统性金融风险预警方面的应用。重点分析了时间序列分析模型如何处理金融数据的非平稳性和高噪声特性，以及强化学习（RL）在动态资产组合优化中的潜力与局限。 9. 供应链优化与工业4.0的智能驱动： 制造业和物流业正通过集成AI实现效率革命。本章关注预测性维护（Predictive Maintenance）如何利用传感器数据预测设备故障，从而大幅减少停机时间。同时，探讨了强化学习在复杂调度问题（如物流路径规划、仓库自动化）中的应用，以及计算机视觉如何驱动质量控制和装配线的自动化检测。 第四部分：伦理边界、可解释性与未来治理 技术的进步必须伴随着对后果的深刻反思。本部分探讨了AI发展中不容忽视的社会、法律和哲学层面问题。 10. 模型的黑箱与可解释性（XAI）的迫切需求： 随着模型复杂度的增加，理解其决策过程变得越来越困难。本书深入探讨了可解释性AI的必要性，不仅仅是出于好奇心，更是出于对问责制和公平性的要求。我们将审视LIME、SHAP等局部和全局解释方法，并讨论如何设计内在可解释的架构，尤其是在高风险决策领域（如司法、自动驾驶）。 11. 公平性、偏见与算法歧视的根源： 训练数据中隐含的历史和社会偏见会被算法放大并固化。本章详细分析了偏见是如何渗透到数据采集、特征工程和模型评估的各个环节。我们探讨了量化公平性的不同标准（如统计均等、机会均等），并介绍了减轻模型偏见的去偏技术和后处理方法。 12. 人机共存的社会经济影响： 自动化对劳动力市场的影响是当代社会面临的核心挑战之一。本书讨论了AI驱动的技能替代效应，以及创造新角色的潜力。我们审视了关于通用人工智能（AGI）的长期讨论，但更侧重于短期内，人类与AI如何通过协同智能（Human-in-the-Loop）实现生产力的共同提升，而非简单的取代。 本书的最终目标是提供一个平衡的视角：既不夸大当前技术的局限性，也不盲目乐观于其无限潜力。它是一份为工程师、政策制定者、研究人员以及所有关注计算未来的人士准备的路线图，旨在引导我们以更审慎、更负责任的态度，迎接智能时代的到来。

评分☆☆☆☆☆

最近我对“机器学习”这个领域非常感兴趣，我一直在阅读一些入门级的书籍，但总觉得它们太过侧重于技术细节，而缺乏对更深层次的原理性阐述。当我偶然看到这本书的标题，《理解信念：人工智能的科学理解》，我脑海里立刻闪过一个念头：这本书是否会深入探讨AI在“学习”过程中，是如何“形成”某种“信念”的？比如，当一个AI被喂入大量的数据，它如何辨别哪些信息是可信的，哪些是不可信的？它又是如何基于这些信息，建立起一套自身的“世界观”或者说“信念体系”的？这听起来像是科幻小说里的桥段，但如果这本书能够用科学的方法来解析，那将是多么令人兴奋的事情！我好奇这本书会用怎样的理论框架，去解释AI的“学习”与人类的“信仰”之间的联系，或者说，AI的“理解”与人类的“信念”之间的异同。我希望这本书能够让我看到，AI的“信念”系统，是如何在冰冷的算法和海量的数据中，逐渐成型，并且能够产生类似人类那样，在一定程度上指导其行为和决策的。

评分☆☆☆☆☆

我是一个对“人工智能伦理”非常关注的读者，一直在思考，当AI的能力越来越强，甚至开始模仿人类的思维方式时，我们应该如何界定它们的“责任”和“权利”？而“信念”这个概念，似乎是理解这一切的关键。如果AI能够形成某种意义上的“信念”，那么它们是否会因此而产生“偏见”？它们所“相信”的，是否会对人类社会产生潜在的影响？这本书的标题， 《理解信念：人工智能的科学理解》，让我觉得它或许能从科学的角度，为我们提供理解这些伦理问题的基础。我期待它能深入探讨AI在处理和生成信息时，是如何受到其“信念”的驱动，以及这种驱动如何可能导致不公平或有害的结果。这本书的价值，或许在于它能让我们看到，AI的“信念”并非只是一个抽象的技术问题，而是与社会公平、人类福祉息息相关的伦理议题。我希望它能够以一种严谨而深刻的方式，帮助我们思考，在构建未来人工智能时，我们应该如何去“塑造”它们的“信念”，或者说，如何确保它们的“信念”是符合人类的价值观的。

评分☆☆☆☆☆

这本书的封面设计得很有意思，那种深邃的蓝色背景，配上简洁的白色字体，以及一个抽象的、像是大脑神经元交织的图案，一下子就抓住了我的眼球。我一直对“信念”这个概念充满好奇，总觉得它既是人类思维的基石，又充满了神秘感。尤其是在人工智能飞速发展的今天，我常常会想，机器是否也能拥有信念？它们又是如何“相信”某些事情的呢？我拿起这本书，纯粹是被它所传达出的那种探索精神所吸引，它仿佛在承诺，能带我走进一个关于理解信念的全新维度。这本书的标题，"理解信念：人工智能的科学理解"，让我联想到那些关于人工智能的科幻小说，或者是一些哲学探讨，但“科学理解”这几个字又暗示着它会以一种严谨、基于证据的方式来阐述。我期待它能像一位睿智的向导，带领我穿越那些复杂的技术术语和理论模型，去揭示人工智能在构建和处理信念时所展现出的令人惊叹的逻辑和机制。这本书的潜力，在于它能否将一个抽象的概念，用一种我能理解、甚至觉得振奋人心的方式展现出来，让我走出图书馆的时候，对“信念”这个词，对人工智能的未来，都有了更深刻、更清晰的认知。

评分☆☆☆☆☆

我一直在寻找关于“哲学与科学的交叉”的读物，尤其是那些能够探讨抽象概念在科学研究中的地位和作用的书籍。当我看到《理解信念：人工智能的科学理解》这本书时，我立刻被它所吸引。我常常在想，当我们谈论人工智能的“智能”时，我们究竟在衡量什么？“信念”作为一个如此核心的人类概念，如何在人工智能的研究中被定义和理解？这本书是否会像一个哲学侦探，用科学的工具和方法，去解构“信念”这个概念在AI领域的内涵？我期待它能探讨AI的“信念”与人类的“信念”在本质上是否有共通之处，又存在哪些根本性的差异。它或许会挑战我们对于“理解”和“相信”的固有认知，通过对AI的深入分析，反过来引发我们对人类自身信念形成过程的深刻反思。这种将哲学思辨与科学探索相结合的尝试，本身就极具吸引力，我希望这本书能为我打开一扇理解智能本质的新窗口。

评分☆☆☆☆☆

当我看到这本书的时候，我正在思考一个关于“认知偏差”的课题，我一直在寻找一些能够解释人类决策过程中那些非理性因素的资料。这本书的标题，“理解信念：人工智能的科学理解”，虽然听起来像是关于AI的，但“信念”这个词本身就包含了大量的认知心理学和社会心理学的研究范畴。我突发奇想，也许AI在处理信息、形成“判断”时，也可能会展现出一些类似于人类认知偏差的现象？或者，通过研究AI如何“理解”信念，我们反倒能更深入地理解我们自身信念的形成机制。想象一下，这本书可能会用科学的眼光，去解剖那些我们习以为常的“道理”，去探究为什么我们会对某些事物深信不疑，对另一些则嗤之以鼻。它或许会揭示，人工智能是如何通过数据、算法和模型来模拟甚至超越人类在信念形成上的某些特点，而这种模拟，对于我们反思自身思维盲点，具有何等重要的意义。我对这本书的期待，在于它能否提供一些全新的视角，帮助我跳出传统的认知框架，用一种跨学科的方式，来审视“信念”这个古老而又充满活力的概念。

评分☆☆☆☆☆

看不太懂，有点枯燥

评分☆☆☆☆☆

读了几页，我不知道这种书有什么用 几乎没有知识点 瞎白活要我说 字数特别少 但为了占页面 每页排版很少 很垃圾 这还能联合力荐

评分☆☆☆☆☆

了解人工智能，非常值得大家要克服的一本書，又有規定的時候買罪化皮套了

评分☆☆☆☆☆

送货有延迟了，看看再来追评！

评分☆☆☆☆☆

很好的一本书，值得推荐。

评分☆☆☆☆☆

非得要超过一个字吗？女……子……

评分☆☆☆☆☆

不错，还可以…………

评分☆☆☆☆☆

好书，虽然薄但内容很灵动。

评分☆☆☆☆☆

正版书，很不错，一直在京东买书