《智能時代》沿襲深入淺出、既專業又通俗的文字風格，以歷史眼光講述人類歷次技術發展歷程，對即將到來的智能時代的產業變革有深入獨到的見解，面對新技術浪潮的挑戰與機遇，打破現有認知束縛，如何成為2%的人，是合上書後我們真正要思考的。小編精心整理的《智能時代》讀後感，希望對大家能有幫助。
《智能時代》讀後感（一）
這本書內容比較淺，基本屬於講故事、走馬觀花的那種。作者文筆、見識、閲歷是很牛，本書沒有體現出來。
唯一覺得亮點的地方在於，以前不太知道大數據和人工智能具體關係，這本書簡單地講解了一下。
機器智能，傳統上來説是指機器能夠像人一樣思考，去解決問題，而由於人類解決問題並非是在當下的場景下學會解決當下那個場景的問題，有很多時候是應用了其他方面的知識來解決這個問題，所以在遷移能力這方面，機器要學會“人”的思考很難。那麼大數據是怎麼與機器智能相聯繫的呢？另一條發展機器智能的方法，就完全摒棄了“像人思考”這一條路，而是直接對準“解決問題”這一終極目標。比如説翻譯，以前的思路是讓機器理解各種語法，現在則不需要機器去理解語法，而是直接去“學習”十幾萬句用語，用量變來抵達質變。也就是説，當見識過越來越多的用語時，翻譯的準確性也會不斷提高。
《智能時代》讀後感（二）
標題來自書本序言，出自混沌大學創始人李善友教授之手，在此借用。
總的來講，本書主要內容是在探討基於大數據的機器智能是如何發展的、將如何影響人們生活的方方面面以及如何應對。
大數據給世界帶來的改變很深刻，最深刻的是思維方式的轉變——從因果論的機械思維到相關性的相關性思維。這裏轉變的不只是解決問題的手段——如今我們有能力在全集上分析問題，也終於有能力在全集的基礎上精準刻畫羣體側面畫像，轉變的還有看待問題的`方法——我們不再是“小心假設，大膽求證”，而是“減少假設，數據自明”。這種轉變實際上使得機器智能具備了成為公共設施的基礎——不必要所有人都懂機器智能是如何工作的，對於使用者來説只需要明白有這樣一個工具可以在數據全集上找到恰當的結論即可。因此，這會迅速引起一場商業革命。
實際上，這場革命已經開始：在書本中已經列舉了包括酒吧、冰箱製造商在內的傳統行業利用大數據的手段改善經營狀況。但是，還有更多的行業在探索如何將數據有效整合起來探索新的模式——首先是數據的獲取問題，尋找有效的獲取數據的方法可能不是一拍腦袋就想得到的；其次，如何從這些數據中發現價值依然需要一個指導方向；最後，如何利用數據發現的規則設計更合理的模式。
書中另外一個精彩內容是最後一章——論述了智能革命帶來的正面影響和負面衝擊。我認為作者實際上是問了這樣一個問題：智能革命大大解放了生產力，大大促進了生產，只需要更少的人就能夠養活全世界，那麼剩下的人怎麼辦？作者通過論述第一、二、三次工業革命的歷史進程，得出來的結論不容樂觀——只有通過時間的作用才能使革命帶來的巨大的生產力解放得到釋放。我們很不幸地處於這個歷史進程，我們也很幸運地處於這個歷史進程。
所以整本書，可以説是一本科普的書，讀完全書能對當下最時髦的概念——大數據、機器智能、區塊鏈等有進一步的理解，尤其是大數據。但是我覺得更像是一本宣傳鼓動的書——因為他描繪了兩個世界，一種是參與到革命的進程中，跟上歷史的車輪向前，另一種則是抗拒革命，被歷史拋棄——這兩者之間的差別，不可以雲泥計。至於事實上是否真的會有這麼嚴重，這個就仁者見仁了，只不過歷史告訴我們，至少前三次是這樣的，如果抱有懷疑，最好祈禱太陽底下會有新鮮事。
至於革命已經發生，這是毋庸置疑的。當然，這是讀本書之前就已經知道了的。實際上，很多人都已經知道——置身在一個全社會都在討論大數據的環境下，很難不去想大數據會如何影響世界。本書的效用只是在於讓讀者知道這個過程是如何的不可抗拒。
《智能時代》讀後感（三）
人工智能是未來10年可期有大發展的領域，也是我們從事數據行業的職業願景。看我這本書，更加堅定這是一個可期，有意思的方向。下面是我讀這本書的過程中，產生的對於數據分析和應用的一些理解和總結。
基本思路
經典思路：目前在做數據分析時，採用的是傳統的邏輯推理的分析的思路。先提出問題，再通過嚴謹的邏輯推理進行驗證，解釋商業問題。
新思路：嘗試使用相關性進行數據挖掘分析；就是數據挖掘的一些技術，比如聚類、決策樹、隨機森林等高級統計模型。這種思路做出的東西，一般而言是技術門檻較高、解決經典思路無法解答的問題，也符合當前流行的大數據思維、人工智能思維。新思路的處理問題邏輯，先有相關性分析，找出導致問題的相關性因素，然後再解釋背後的商業邏輯。
適用範圍
經典思路：符合人腦的思維模式，由A—>B—>C的邏輯順序。在解決小而美的獨立case時，效率高。比如，“為什麼今天某個頁面的轉化率突然升高啦”這類的問題，通過邏輯推理，一步一步下鑽，可以很快定位原因。
新思路
這是AlphaGo下圍棋是採用的思路，決策next move是因為next move對最終贏得棋局概率最高。這是一種結果導向的思維，將智能問題變成了數據問題。AlphaGo不需要知道如何佈局，只關注每一次的落子都在提高最終勝利的概率。這種思路可以解決目標明確且影響因素眾多的決策問題。
文萃咖
