阅读 | Book

风之影

January 1, 2022

值班的一天看完的，前面节奏缓慢，进入了故事后就开始手不释卷，主角追寻的故事主角和主角自身间或重叠。可惜的是我在作者揭晓最大谜底前几十个字才想出了这一点，所幸的是没有懵懂到答案揭晓。让我困惑的是克拉拉这个角色，最后收尾还黑了一下，难道是我没看懂前面的暗示吗？

图解HTTP

December 16, 2021
  • 适合想简单了解的，真想搞清楚细节，还是老老实实去阅读 [[HTTP权威指南]]
  • Outline
    • 第1章 了解Web及网络基础
    • 第2章 简单的HTTP协议
    • 第3章 HTTP报文内的HTTP信息
    • 第4章 返回结果的HTTP状态码
      • 4.1 状态码告知从服务端返回的请求结果
      • 4.2 2XX成功
      • 4.3 3XX重定向
      • 4.4 4XX客户端错误
      • 4.5 5XX服务器错误
    • 第5章 与HTTP协作的WEB服务器
      • 5.1 用单台虚拟主机实现多个域名
      • 5.2 通信数据转发程序：代理、网关、隧道
        • 5.2.1 代理
          • 透明代理：转发请求或响应时，不对报文做任何加工的代理类型
      • 5.3 保存资源的缓存
    • 第6章 HTTP首部
      • HTTP报文首部
      • 字段
      • HTTP/1.1 通用首部字段
      • 请求首部字段
      • 响应首部字段
      • 实体首部字段
      • 为Cookie服务的首部字段
      • 其他首部字段
    • 第7章 确保WEB安全的HTTPS
      • HTTP 的缺点
      • HTTP + 加密 + 认证 + 完整性保护 = HTTPS
    • 第8章 确认访问用户身份的认证
      • 何为认证
      • BASIC 认证
      • DIGEST 认证
      • SSL 客户端认证
      • 基于表单认证
    • 第9章 基于HTTP的功能追加协议
      • 基于HTTP的协议
      • 消除HTTP瓶颈的SPDY
      • 使用浏览器进行券双工通信的 WebSocket
      • 期盼已久的HTTP/2.0
      • Web服务器管理文件的 WedDAV
    • 第10章 构建WEB内容的技术
      • HTML
      • 动态HTML
      • Web应用
      • 数据发布的格式及语言
    • 第11章 WEB的攻击技术
      • 针对Web的攻击技术
      • 因输出值转义不完全引发的安全漏洞
      • 因设置或设计上的缺陷引发的安全漏洞
      • 因会话管理疏忽引发的安全漏洞
      • 其他安全漏洞

如何创造可信的AI

December 16, 2021

Ernest Davis

  • Rebooting AI: Building Artificial Intelligence We Can Trust
  • AI 太火，媒体功不可没。过火了自然也有人挑出来泼冷水，这本书就是。勉强作为业内人士，基本认可这本书关于当下的AI无法通往强人工智能。
  • 作者认为AI的出路在于自己定义的可信AI：基于推理、常识性价值和良好工程实践的人工智能。对此，我的态度是 talk is cheap, show me the code.
  • talk 当然也有价值，只是对作者的观点我有质疑。作者的诸多列举并非创见，业内很多人也意识到这些问题，并试图做出贡献。但是很难，这些人人都知道的问题，为什么至今没人解决？因为太难而无从下手。甚至有没有实际推进都令人怀疑。
  • 现在深度学习被认为是低垂的果实，我不同意。如果我们不对强人工智能有偏执的追求，现有的这些技术迭代不是也很激动人心？这些贡献之所以被低估，还是在于人们过早地期待了强人工智能，这点整个行业也有过错，有意或者无意地传递了错误的认知
  • 我其实很难想象强人工智能来临的时代，那时候任何一个工人可以被金属零件加上软件所替代，金融资本可以无限制地转化为人力，这不恐怖吗？不过我们这一代人并不用担心这个问题，因为可预见的未来这都不会发生。
  • 与其关心强人工智能毁灭人类，不如关心气候问题，关心能源问题，探索星辰大海，探索人心幽秘。

Outline #

  • 第1章 AI 该往何处走
    • 真的有可信的AI么
    • 狭义AI与广义AI
      • 领域专精的AI与通用AI
    • 理想与现实之间的鸿沟 Chasm
      • 轻信坑
      • 虚幻进步坑
      • 鲁棒坑
    • 如何跨越AI鸿沟：搞清楚AI技术的利害关系，为什么当前的系统为什么解决不了问题；找到新策略
  • 第2章 当下 AI 的9个风险
    • 机器人有暴力倾向吗
    • 机器也会犯错
    • 当下AI的9个风险
      • [[算法霸权]]
  • 第3章 深度学习的好与坏
    • 人工智能-机器学习-深度学习
    • 什么是深度学习：分层模式识别+学习
    • 深度学习的三个核心问题
      • 贪婪的：需要大量数据
      • 不透明的：可解释性问题
      • 脆弱的：
    • 深度学习是一个“美好”的悲剧
      • 爬上再高的大树，也无法抵达地球 [[quote]]
  • 第4章 计算机若真有那么聪明，为什么还不会阅读
    • Talk to Books 无法回答一切问题
    • 人是怎样阅读的
    • 搜索引擎和语音虚拟助手的困惑
    • 计算机不会阅读的三大原因
    • 常识很重要
  • 第5章 哪里有真正的机器人管家
    • 从扫地机器人到机器人管家
    • 机器人管家必备的四个能力
      • 定位
      • 运动控制
      • 态势感知
      • 复杂场景采取行动的能力
    • 认知模型和深度理解才是关键
  • 第6章 从认知科学中获得的11个启示
    • 11个启示
      • 没有银弹
      • 认识大量利用内部表征
      • 抽象和概括在认知中发挥着至关重要的作用
      • 认知系统是高度结构化的
      • 即便是看似简单的认知，有时也需要多种工具
      • 人类思想和语言是由成分组成的
      • 对世界的鲁棒理解，既需要自上而下的信息，也需要自下而上的信息
      • 概念嵌于理论之中
      • 因果关系是理解世界的基础
      • 我们针对逐个的人和事件进行跟进
      • 复杂的认知生物体并非白板一块
    • 为机器赋予常识
  • 第7章 常识，实现深度理解的关键
    • 建立常识库的三种方法
    • 知识表征
    • 通用人工智能应具备的常识
    • 推理能力
      • 人类所有的知识都是不确定、不精确和不完整的 [[quote]] [[Bertrand Russell]]
    • 常识，深度理解的关键
  • 第8章 创造可信的AI
    • 优秀的工程实践
    • 用深度理解取代深度学习
    • 赋予机器道德价值观
    • 重启AI
  • 后记