《暗知识》读后感
2500年前最有智慧的希腊哲人苏格拉底终其一生得出一个结论：“我唯一知道的是我什么都不知道。”
德国哲学家维特根斯坦认为人类有史以来几乎所有的哲学辩论都源于语言的模糊不清，因而没有任何意义。他认为在世界中只有事实有意义，在语言中只有那些能够判断真伪的论断才能反映事实。他的结论是：我的语言受限，因而我们的世界受限。
人类获得知识的行为就是认知。过去我们对世界的认识局限主要来自观察能力。所有认知的基础都是记忆。
对世界认识的第二局限来自解释能力。所谓解释能力就是发现事物间的因果关系或者相关性并能表达出来。
在过去芯片集成度低时，我们只能模仿很少的神经元。现在由于集成度在提高，我们可以模仿很多的神经元，当很多神经元被组成多层的网络时，我们就叫它深度学习。所以人工智能、机器学习、神经网络和深度学习的关系，其实就像一个洋葱一样，一层包裹一层，最外面的是人工智能，往里一点是机器学习，再往里是神经网络，最深层就是深度学习。
如果有办法把传感器信号不经过人类感官直接输入大脑，人类大脑也能和机器一样发现数据间复杂隐蔽的相关性吗，大脑能处理高分辨率的外界信息吗？我们可以合理地推测出大脑的进化应该和感官相匹配。如果感官只能提供低分辨率信息，大脑处理高分辨率信息的能力就是一种浪费，这种功能要么不可能演化出来，要么即使偶然变异出来也会被进化无情地消灭。
算法是AI引擎的设计，算力是引擎的马力，数据是引擎的燃料。
自2012年以来，在AI训练运行中所使用的计算能力呈指数级增长，每3.5个月增长一倍。2012-2018年，这个指标已经增长了30万倍以上。具体说就是2018年谷歌的AphaGo Zero比2012 年ImageNet大赛获胜的AlexNet快了30万倍。
数据的增加基于传感器或存储器越来越便宜，几乎所有传感器和存储器的成本都是由芯片成本决定的。当芯片集成度提高，芯片需求量增大时，传感器和存储器的成本会大幅度下降，更多的传感器会产生更多的数据。
我们如何判断一家AI创业公司的价值呢？首先，应该看是否能够拿到别人拿不到的数据。做到这一点很难，你能拿到的数据别人通常也能拿到。如果不能独占数据，那就要看有多大先发优势。如果进入一个行业早，通过快速迭代，让自己的模型在这个行业中变得有用，就可以得到更多的数据和资源，后进者即使拿到同样的数据，模型质量差也打不进去。其次，要看该企业对所进入行业的独到理解和业务开发、落地能力。当然如果能够针对本行业在算法上有突破，就能够大大提高进入壁垒。
互联网是to C（对用户）的生意，AI是to B（对企业）的生意。AI中to C的生意都会被现有互联网巨头吸纳，创业者的机会在于to B。
自动驾驶将使自己买车并且独享变得极为不经济，共享出行将成为最经济的选择。
每一辆共享汽车的使用将会至少减少5辆私家车。所以在旧金山等美国大城市，年轻人买车的比例开始明显下降。自动驾驶的共享出行成本将是私家车的10%，到2030年私家车将降低到今天的20%，美国汽车总保有量将从2.5亿辆降至5 000万辆，石油的总需求量将从每天1亿桶降至7000万桶，这一切将为美国家庭每年节约1万亿美元。未来拥有车辆的方式可能有两种：第一种是自己优先使用，当自己不用时放出去为别人服务；第二种是自己买车作为投资加入一个共享出行的组织。
自动驾驶将是中国今后10~20年面临的最大的一个全球性产业机会。
中国的汽车产业的短板在于发动机和自动变速箱等，但电动汽车恰恰同时跨越了这几个短板。自动驾驶的核心硬件主要是各类传感器，例如GPS、声呐、毫米波雷达和激光雷达，这些电子零部件都能够在中国生产。所以强大的电子制造能力将成为中国最大的优势。
由于未来战争前端主要是自动化和自主化武器在拼搏。所以需要的血肉之躯会越来越少，一个人可以协调操控大批自主化武器。作为传统的作战第一线的“士兵”将消失，每个作战人员都是一个指挥员， 所以未来的趋势不是“单兵化”而是“单官化”。
自主化武器将让后台操纵人员不用对每个具体结果负责任。而且随着自主化武器任务的日益复杂，后台操纵人员也越来越多，每个人只是完成一个任务的一小部分。这使人们对这种“杀戮”变得心安理得。