買這商品的人也買了...
-
$219統計學習理論基礎 -
$300人工智能算法 捲1 基礎算法 -
特徵工程不再難:資料科學新手也能輕鬆搞定! (Feature Engineering Made Easy: Identify unique features from your dataset in order to build powerful machine learning systems)$520$405 -
$351人工智能算法 捲2 受大自然啟發的算法 -
$568金融中的機器學習 -
利用 Python 實現概率、統計及機器學習方法(原書第2版)$714$678 -
$861精通機器學習算法 -
$356強化學習演算法入門 -
$504深度學習的理論基礎與核心算法 -
輕量又漂亮的 Python Web 框架 - Streamlit AI 時代非學不可$690$545 -
高級計量經濟分析及 Stata 應用$594$564 -
巧用 AI 大模型輕松學會 Python 金融數據分析$534$507 -
$594算法交易 : 制勝策略與原理 (珍藏版) -
量化金融原理與實踐(微課視頻版)$359$341 -
$327因果推斷計量經濟學 -
$611LangGraph 實戰:構建新一代 AI 智能體系統 -
機器學習 — 從線性回歸到大模型$312$296 -
概率機器學習 基礎篇$1,014$963 -
使用 FastAPI 建構生成式AI服務|開發理解豐富脈絡的生成式 AI 應用 (Building Generative AI Services with Fastapi: A Practical Approach to Developing Context-Rich Generative AI Applications)$880$695 -
從零開始讀懂線性代數$474$450 -
$418剪映專業版新攻略:AI 操作 + 音頻特效 + 轉場特效 + 視頻制作 -
$414風險管理:數據驅動與AI賦能 第3版 -
$594StatQuest 圖解神經網絡與深度學習 (全彩) -
$948線性代數不難【下冊】:幾何直覺構建 + Manim 動畫開悟 + Python 應用實踐 + AI 助學賦能 -
量子計算與金融$348$330
商品描述
本書從一個反直覺的問題出發——為什麼越“聰明”的AI,越容易在現實世界裏犯低級錯誤?由此引出人工智能當前最關鍵,也最容易被忽視的核心瓶頸:世界模型的缺失。作者通過大量源自真實生活與產業實踐的故事,從洗衣機維修、無人配送、組織管理、家庭場景到教育與制造業,層層拆解AI 在“身體經驗、社會理解與情境判斷”上的結構性斷層,解釋為什麼數據、算力與算法並不足以讓機器真正“懂世界”。本書並不試圖渲染技術焦慮,而是幫助讀者建立一套更清醒的認知框架,包括AI 擅長什麼,不擅長什麼,我們又該如何與它協作而非誤用它。這是一本寫給普通讀者的前沿AI 科普讀物,適合經常使用DeepSeek 等各類AI 助手的普通用戶,對人工智能未來發展感興趣的大學生與職場人士,教育、科技、產品、管理等領域的從業者,希望“理性看懂AI”,而非被營銷敘事裹挾的讀者。
目錄大綱
序章 沈默、燙傷與路口:AI 還不懂的世界
第1 章 為什麼AI 機器人連杯子都拿不穩——被忽略的世界模型缺口
1.1 AI“常識”的五個斷層… 9
1.2 AI 為什麼搭不起世界模型的“腳手架”? 16
1.3 AI 的五類結構性錯誤及其根源 19
1.4 為AI 註入世界模型的三大基石 26
間章 當AI 開始“疼”的那一天
第2 章 為什麼你摔一次跟頭,比AI 讀一萬本書還管用?
2.1 你活在由大腦編織的“預測”裏 41
2.2 嬰兒的“勺子實驗室” 43
2.3 司機的“道路博弈論” 48
2.4 疼痛、代價、文化,成為鍛造直覺的三重熔爐 54
2.5 面對AI 的“無菌房”困境,中國方案為何是可能的出路? 60
第3 章 70 年失敗史,AI 為什麼就是學不會常識?
3.1 規則主義的黃昏 66
3.2 連接主義的迷茫 71
3.3 深度學習的幻象 77
3.4 語言鏡像廳裏的模型 83
第4 章 讓AI 開始“預見世界”的JEPA
4.1 一鍋熱油照見的AI 鴻溝 93
4.2 JEPA,世界模型的預測引擎 95
4.3 JEPA 的“分身術”與中國特色 104
4.4 世界模型從“智能模仿”到“智能本質” 117
間章 世界模型就像教孩子過馬路
第5 章 Sora 真的懂世界嗎?
5.1 Sora 的“視覺煉金術” 128
5.2 繁榮下的斷裂 132
5.3 中國的“非常規路徑”與世界模型的“窄門” 136
5.4 從視覺煉金術到因果物理學的思想實驗推演 144
第6 章 行動智能的難題:為什麼現實世界比語言世界殘酷得多?
6.1 為什麼機器人“學不會”害怕?155
6.2 數據如何餵養出不同的“害怕”?158
6.3 家庭場景中的感知失效與風險放大 162
6.4 當機器人“大腦”上雲 165
6.5 現實世界的第一堂“代價課” 170
第7 章 世界模型的中國樣本:教育、養老與工廠現場
7.1 湘西山區課堂 180
7.2 當機器人聽見“不用管我”時,該害怕什麼?184
7.3 專用模型如何馴服“物理怪物”?190
7.4 世界模型的“中國路徑” 194
第8 章 世界模型的能力與邊界
8.1 當機器人第一次灑湯時,誰替它“疼”?202
8.2 當機器人面對“快要倒的椅子”時,為何“不怕”?205
8.3 你的世界模型真的“不怕”嗎?208
8.4 AI 現在還不敢“害怕”的三件事 212
第9 章 當AI 開始“算卦”,我們該怕什麼?
9.1 當AI 自信地說“你不行”時,誰在害怕?219
9.2 三個無法撤回的瞬間 222
9.3 誰給AI 的權力“上鎖”? 225
9.4 如何讓AI 學會“害怕”?229
9.5 何時值得放手?233
第10 章 你的AI 職業護城河在哪裏?
10.1 三種正在形成的職業新物種 240
10.2 護城河不是調參,是定義代價 244
10.3 今天就開始的三個“戰備動作” 248
10.4 你的場景,就是AGI 的終局 251
後記 當AI 開始“心疼”那個杯子
