研究 AI， 几个月前顺便在书店买了这本《李飞飞自传》， 最近才读完。

读之前， 我以为是讲技术的书， 没想到开篇那一张文笔之细腻让我误以为是科幻大师描写未来场景， 直到读完整本书， 还是被一个计算机科学家的人文气息所则服。

这本书不会让你从技术维度上理解深度神经网络的实现原理， 但是你读完后会知道， 从视觉分类思考起点到数据即智能的发展过程中， 一个科学家从零思考的珍贵过程。 这也是我一直推崇的思考和学习方法， 很多技术同学感叹某个项目的技术复杂和工程细节， 其实任何原理和任何优秀的开源项目， 回归到原点后， 那最初的原理都非常简单质朴。 关键是我们要读很多书， 多思考以后， 能 ‘发现’ 那个朴素的原理。

下面是一些书中的摘抄笔记， 但是很抱歉的是， 在一次‘一个字符引发的技术 bug 血案’的冲动下， 我格式化了磁盘， 能找到的只有下面这两段话， 但是我觉得依然非常有记录的价值：

数据对于 AI 大模型来说， 就像是大自然环境和大脑一样， 大脑之所以聪明， 是因为受到大自然这个‘数据’的不断磨砺而成的， 所以我们要创造硅基智能的关键在于数据， 而不仅仅是算法， 这种反计算机确定性算法的想法， 确实很有人文气息和灵感。

神经网络与 ImageNet 对世界的呈现是天然的契合。 回顾过去， 杨立昆的网络与笔记识别相得益彰。 他的网络对笔记进行分析， 从最小的像素簇到笔触的纹理， 再到完整的数字， 在每个分析尺度上都发现了有意义的模式。 这是从数据中自发产生的感知流畅性， 自然而然地形成了意识的层次。 而在加州大学伯克利分校的实验室里， 我们看到了更深层次的理念。 神经网络一直都能进行物体识别， 但直到现在， 它们才具备了实现目标所需的计算能力。