吃饭睡觉打游戏，未来世界都可以交给人工智能吗？

1

最近有一部电影很火，史蒂文·斯皮尔伯格导演的《头号玩家》，豆瓣评分高达8.9，IMBD评分7.9分。

斯皮尔伯格导演打造了一个存在于20145年的让人目不暇接的游戏世界，并将其与现实世界打通。在这个VR游戏“绿洲”的虚幻世界里，有着比现实世界更精彩刺激的体验，但同时还有着和现实世界相似的爱恨情仇、英雄与小人。

“绿洲”像是现实世界的投影，但它不是所谓的“水中月”、“镜中花”，它实实在在地与现实相连接，这也是很多并不是游戏玩家的观众，也能够理解并从观影中获得乐趣的原因之一。

在“绿洲”之中，主人公帕西法尔有队友、有喜欢的女生，有明确的目标，有偶遇的贵人，也有不断对其干扰威胁的反派。游戏世界似乎比现实生活要纯粹，目标既定，规则明了，是非分明。而视觉效果和游戏体验又远远大过真实世界。

在电影结束部分（不涉及剧透），正义战胜了邪恶，主人公帕西法尔宣布“绿洲”游戏每周会关闭两天，让人们回归到所谓的真实的生活之中，这个时候，镜头切到了帕西法尔和她喜欢的女孩萨曼莎·库克亲热的镜头。

不知道导演是否在暗示，未来世界里，除了吃饭睡觉繁衍后代，人类的绝大部分时间是可以在游戏生活中度过——那里及时现实生活的投影，又是一个更美妙绝伦的世界。

人类在地球上生存时间越长，人口密度也越来越大。以城市为例，高楼像热带雨林般向上生长，楼与楼之间的间隔越来越小，人类开始最大化地利用地上空间，从古代对于飞行的渴望到如今生活在“天空之城”里，人类已经将欲求放在头顶之上很久了。

而当地上的空间也不能再满足人类的时候，虚拟空间是否能够成为新的出口？

2

其实我们已经和虚拟世界相处很多年了。

电子游戏在早期进入中国市场后，被媒体狠批为“电子毒品”，青少年沉迷游戏的新闻铺天盖地，让电子游戏成为社会的洪水猛兽，这个标签一贴就是二十余年。如今 Generation Z 世代的兴起让人们重新开始认识电子游戏本身存在的意义。

虽然电子游戏没能很早地全民化，但像社交网络、社区迅速被人们所接纳。线上线下的人际关系纠缠在一起，对话穿梭在两个世界之中，而人们也已经习以为常。尽管网络与现实中是完全两套、甚至多套完全不同的话语体系，但并不影响人们的正常交往。

只是就目前的情况而言，社交媒体更多地是服务于现实世界，人们依然将其当做一个工具使用而不是一个完整的世界来生活。

然而，现实世界里的人际交流也越来越被虚拟化。比如粉丝与偶像的关系，追星在线上与线下都在进行，但是线上的打榜与线下给粉丝的送礼，前者就是虚拟的后者就是真实的吗？这种情感的链接似乎其本身就是一种基于某种似虚似实的本体之上。

再比如，网络世界中的自我和现实生活中的自我，究竟哪一个才是真正的自我呢？网络世界妙语连珠段子横飞，现实世界里可能内向寡言，网络世界里自称200斤的死肥宅，出现在漫展上确实婀娜多姿的美少女。这两种状态都是“我”，还是其中一种，才是真正的“我”？

3

伴随着虚拟世界被同时讨论的，还有人工智能。

人工智能已经成为影视剧中的热门议题。从过去相对于简单的概念性、与机器人、克隆人混合讨论，到如今产出的像《西部世界》、《银翼杀手》等这样设计科技、人性、哲学等多角度的深度探讨，再到阿尔法狗打败李世石，人工智能离我们又远又近。

许知远和王小川聊到人工智能，提到了一本阿西莫夫的科幻小说，《最后的问题》。

“这本小说里，人类竭尽全力去构建一台机器，把我们的能量放进去，把我们的只是放进去，这个机器变成一个问答机。你问它问题，它能够给你答案……有人问机器，根据热力学第二定律，宇宙会耗散，耗散之后，这个世界死寂之后是什么。机器说，我还不知道答案，没想出来……宇宙完蛋后，人类把机器放到异次元空间，在那里保证它还有能量，机器有一天突然说，想明白了，我知道答案了，要有光。”

说到这里，王小川笑了。最后的问题，成了最初的一句话。

人工智能究竟是什么，它和虚拟世界、未来世界捆绑在一起后，让很多人都知道它，甚至都还会讨论它，可是却从来没有一个较为清楚的认知。回到当下人工智能被讨论的热度上后，王小川说“过度自信”与“过度自卑”，可能也是在于没有一个清楚的认知。

今天我们推出的课程是，机器学习与人工智能初级。这个课程内容有20课时，比普通workshop多出一倍，外加每周一小时的office hour答疑和lab session实操。它像《头号玩家》一样，没有游戏经验的观众也能看懂，没有编程、统计学基础的同学也能从0上手。

本课程中，劳伦斯伯克利国家实验室科学家将带领同学们从简单而又强大的传统回归模型，到炙手可热的人工智能技术，走过机器学习的各个黄金发展阶段，体验学习到人类是如何一步一步，并创造出更高效的机器学习的规则，训练出更精准的机器。

· 导师介绍 ·

Q. Z

ViaX科研教育理工科导师

Lawrence Berkeley 国家实验室科学家

· 课程产出 ·

• 课程中你将会掌握核心技术：

如何高效精准的处理数据

如何建立机器学习的模型

如何训练机器

如何制作人工智能

• 你也将会掌握基础技能

Python, R 编程

统计学原理

线性代数基础

• 你还将获得：

导师签发的课程证明；

基于学生个人兴趣，4人一组，完成一个机器学习的项目。产出项目报告。选出最优秀的项目组推荐参加国际会议，展示论文结果。

部分Workshop学员产出

· 课程安排 ·

LESSON1-2

A brief history of Modern Machine Learning

What is Predictive modeling? (Case study)

What is Artificial Intelligence? (Case study)

LESSON3-4

Data processing and analysis I (transformation, missing, removing, binning)

Data processing and analysis II (splitting, resampling, tuning)

Case Study: Cell Segmentation

LESSON5-6

Measuring model performance (Metrics, Trade-off)

Linear regression and Penalization regression

Case Study: predict credit score

LESSON7-8

Support Vector Machine

K-Nearest Neighbors

Case Study: species classification

LESSON9-10

Regression Tree

Random Forest

LESSON11-12

Linear classification models

Non-Linear classification models

Case Study: predicting successful application

LESSON13-14

Traditional Neural Network

Train a Neural Network

LESSON15-16

Deep Neural Network

ImageNet Challenge

Convolutional Neural Network

LESSON17-18

Recursive Neural Network

Optimizing a deep network

Intro to Final Projects

LESSON19-20

硅谷知名IT公司 数据科学家讲座

Presentation of final projects