人工不智能
首先直接抛结论：人工智能想要完全取代人类还有很长一段路要走，我们现在对人工智能的恐慌完全是过度想象。
在可预见的未来里，人工智能并不会导致大面积的失业。而我们现在的人过度依赖计算机算法，反而带来了更多的社会问题。人们经常说计算机改变了世界，而本书的作者会告诉你计算机并没有改变什么，社会还是这个社会，计算机并没有解决我们的社会问题。
通过三部分来解读
- 高估人工智能会产生什么样的社会问题
- 自动驾驶有多难
- 看清现阶段人工智能社会化应用的根本矛盾
一、高估人工智能会产生什么样的社会问题
现在有一种情绪被称为技术沙文主义（原指极端的、不合理的、过分的爱国主义，因此也是一种民族主义。如今的含义也囊括其他领域，主要指盲目热爱自己所处的团体，并经常对其他团体怀有恶意与仇恨），认为一切社会问题都可以用技术来解决。
例子：给中小学生发放课本，如何确保每个人都拿到课本？美国有好几个洲的学生没有教材可用。
教育本质上是因人而异的、混乱的、动态的系统，而公共教育系统是一个统一的，标准化的，最好是不变的系统。比尔盖茨和梅琳达基金会在推广的共同核心课程系统，类似于中国全国统一性教学大纲和标准化考试，但却遭到了抵制（不民主，不同学区的水平差异大，应试教育负面影响大），因此美国的公共教育非常混乱。盖茨是想把教育问题当作工程问题来解决，而工程问题本质上是数学，是要在一个定义良好的环境里，用定义良好的参数来描写一个定义良好的问题。而教育问题有着更多复杂性的社会问题，恰恰不能定义良好。
因此，计算机善于解决工程问题，而解决不了社会问题，这也是为什么计算机技术发展那么多年，美国的基础教育几乎没有发生任何进步。
二、自动驾驶有多难
结论：现阶段所有的人工智能都有一个根本的弱点。这个弱点就是它们高度依赖数据，都是对过去经验的总结，它们没有办法预测“没见过”的事情，因此应用场景有限。
国际汽车工程师学会弄了一个标准，把自动驾驶汽车一共分为五个级别：
- 0：没有自动驾驶
- 1：某种时候某种程度提供辅助，如自动刹车，保持车道
- 2：有的时候可以自己开，但要人盯着(特斯拉)
- 3：不用盯着车可以自己开，但要是车发出信号，需要接管驾驶
- 4：在某些环境和条件下实现自动驾驶，人可以睡觉
- 5：完全自动驾驶，不管什么天气和路况
截至此时此刻，任何一家公司的自动驾驶技术都没有超过二级。而有些专家认为，五级自动驾驶是一个永远都达不到的目标。因为人工智能处理不了意外（鸭子，鸟，塑料袋，石头）。
- 计算机只关心物体的运动趋势，估算出速度，预测路线，跟车的路线是否有冲突
- 路边指示牌的识别，图像识别技术很难
- 除安全问题外，还有道德问题（撞墙还是撞小学生？），经济学问题（二八法则，你花20%的时间就能解决80%的问题，剩下80%的时间解决20%的问题。2%的数据能训练出80%的问题，剩下的20%的问题，用98%的数据也未必能解决）
- 数据模型不能推广，各地区国家法规不一样
- 人工智能时代的商业帝国一定是数据帝国，算法都是现成的，真正值钱的是数据。谁掌握了数据，谁的自动驾驶技术才有市场。（不能促进商业平等）
三、看清现阶段人工智能社会化应用的根本矛盾
从美国司法制度说起。中国犯罪是根据罪行来量刑，惩罚力度跟你是什么样的人没关系，而美国法官在判刑时会看是什么样的人，平时表现良好可以轻判，指导思想是犯人将来再次犯罪的可能性大小。
以前是根据法官的主观判断，并不靠谱，现在用算法来判断，但算法预测的是概率，就存在被冤枉的情况
只要用过去的经验去预测未来就一定会有这个矛盾，产生经验的是一批人，要被影响的是另一批人，相当于新人要为前人犯的过错买单，这是一切基于经验的本质缺陷
算法可以根本不考虑种族，但种族就隐藏在数据之中（黑人总体再犯罪率高，黑人打高分的比例就必然高。每个分数代表的人群中被冤枉的比例是固定的，那既然黑人总体打高分的比例高，那么其中被冤枉的黑人就一定更多）
丑小鸭定理说，一切分类都是主观的，有分类就会有歧视，此事古难全
技术确实能让事情更有效率，但写程序的是人，录入数据的是人，使用系统的还是人，如果解决不了人的问题，技术终究解决不了真正的社会问题
