What Computers Still Can't Do pdf epub mobi txt 电子书 下载 2026

简体网页||繁体网页

☆☆☆☆☆

出版者:The MIT Press

作者:Hubert L. Dreyfus

出品人:

页数:429

译者:

出版时间:1992-10-30

价格:USD 41.00

装帧:Paperback

isbn号码:9780262540674

丛书系列:

图书标签:

• AI
• 计算机
• 人工智能
• 哲学
• 计算机科学
• 科学哲学
• 计算科学
• 认知科学
• 人工智能
• 计算机科学
• 科技发展
• 局限性
• 智能技术
• 算法
• 未来技术
• 技术边界
• 计算能力
• 机器学习

《数字时代的伦理回响：技术、人性与未来秩序的交织》 一、 引言：在比特与灵魂之间寻找平衡 自阿尔法狗战胜人类顶尖棋手，到生成式人工智能席卷创意产业，我们正处在一个技术奇点日益临近的时代。然而，这场由硅基智能驱动的革命，远非单纯的工程学胜利。它更深刻地触及了人类文明的基石：我们如何定义智能、创造力、隐私乃至存在的意义？ 本书并非技术指南，也非对现有计算能力的颂歌。相反，它是一场深入的哲学探问与社会批判，旨在审视那些在光鲜的技术进步背后，被我们匆忙掩盖的伦理盲点与社会断裂。我们不再追问“计算机能做什么”，而是严肃地聚焦于“在计算机能做的一切面前，人类的责任和局限性何在”。 本书将围绕三个核心支柱展开：自主性与控制的边界、算法治理与社会公平、以及数字化生存下的人类主体性重塑。我们致力于构建一个思辨的框架，用以导航这个日益被代码定义的世界，确保技术的发展服务于人类的福祉，而非反噬我们赖以生存的社会结构与精神内核。 --- 二、 结构与核心议题 本书共分为五大部分，每一部分都建立在前一部分的讨论基础之上，层层递进，直至构建起一个全面的伦理图谱。 第一部分：控制的幻觉与算法的黑箱（The Illusion of Control and the Algorithmic Black Box） 本部分着重探讨现代计算系统的核心运作逻辑及其对人类决策权力的侵蚀。我们探讨了“黑箱决策”现象的社会后果。当复杂的深度学习模型开始主导信贷审批、司法量刑乃至医疗诊断时，其决策过程的不可解释性构成了对传统问责制（Accountability）的根本挑战。 我们深入剖析了“可解释性人工智能”（XAI）的局限性，认为单纯的技术透明度无法解决根本的信任危机。如果机器的决策逻辑超越了人类的认知范畴，那么人类是否还拥有真正的“最终决定权”？这部分内容着重对比了工业时代对机械工具的控制范式与信息时代对智能系统的依赖范式之间的本质区别。我们提出，当控制权从工具的操作者手中转移到系统设计者和数据拥有者手中时，民主监督机制如何失效。 第二部分：数据的生命周期与隐私的消亡（Data Lifecycle and the End of Privacy） 在数字时代，数据不再是信息的载体，而是新的生产资料和权力媒介。本章对“数据即石油”的类比进行了批判性审视。我们关注的重点是“被动采集”与“后果性隐私”。 我们考察了跨设备追踪、行为预测建模如何形成一个无孔不入的“数字孪生体”，这个虚拟的自我比本体拥有更强的预测力和干预力。本书详细讨论了“情境隐私”（Contextual Integrity）理论在Web 3.0环境下的瓦解。隐私的损失并非一次性的，而是在每一次服务接入、每一个用户界面交互中，通过细微的、看似无害的让步累积而成的。我们探讨了“去匿名化”技术对传统数据保护法规的嘲弄，并分析了大数据监控资本主义下，个人信息如何被转化为对群体行为的精确干预。 第三部分：智能的去中心化与创造力的商品化（Decentralization of Intelligence and the Commodification of Creativity） 生成式模型（Generative Models）的崛起引发了关于“原创性”和“作者身份”的深刻危机。本部分探讨了当机器能够以前所未有的速度和规模生成文本、图像和音乐时，人类创造力的独特性如何被稀释。 我们批判了将创造性劳动简化为“提示工程”（Prompt Engineering）的趋势，认为这种简化忽视了人类创作背后的体验、痛苦、文化沉淀和非线性思维过程。本书引入了“意义的生产”与“内容的生成”之间的区别，论证了尽管AI可以高效地生成内容，但其意义的赋予和价值的判断仍旧依赖于人类的社会场域。此外，我们还分析了知识产权在新型内容生产模式下面临的法律困境，以及这如何加剧了文化领域的马太效应。 第四部分：算法治理与新的不平等（Algorithmic Governance and New Inequalities） 技术的进步并未带来预期的社会公平，反而常常加剧了既有的结构性偏见。本章聚焦于算法歧视（Algorithmic Bias）的社会根源与技术表征。我们认为，偏见并非凭空产生，而是“训练数据”中人类历史遗留的偏见、不平等和刻板印象在数学模型中的固化与放大。 本书深入分析了在招聘、信贷、警务等关键社会领域，偏见如何通过算法的“客观性外衣”披上合法性外衣，从而使得被歧视者更难申诉、更难被看见。我们探讨了数字鸿沟的演变，指出新一代鸿沟不再仅仅是接入互联网的能力，而是“理解与驾驭算法”的能力差异，这形成了一种新的、难以察觉的精英阶层。治理的挑战在于，如何对一个自我优化的、不断进化的系统进行有效的、前瞻性的监管。 第五部分：重塑人类主体性：在连接的洪流中寻找意义（Reshaping Subjectivity: Finding Meaning in the Torrent of Connection） 本书的最后部分将目光投向个体存在的深处。当我们的认知负荷被外部智能系统分流，当我们的情感需求被社交算法精准投喂时，“自我”的概念正在发生怎样的变化？ 我们审视了“注意力经济”对人类专注力、深度阅读能力和内省能力的慢性损害。本书呼吁进行一场“认知抵制”（Cognitive Resistance），即有意识地选择退出某些被过度连接的系统，以重建心智的自主空间。这并非是对技术的彻底拒绝，而是在人与机器的共存中，为“慢思考”、“非效率决策”和“纯粹的闲暇”保留必要的生态位。 最终，本书试图提供一种审慎的乐观主义：技术是强大的放大器，它放大了我们的效率，但也放大了我们的缺陷。真正的挑战不在于阻止技术的前进，而在于在它的推进过程中，坚守那些定义我们为人、定义我们文明的核心价值——同理心、责任感和对未知、不完美事物的欣赏。 --- 三、 结语：对未来的审慎期许 《数字时代的伦理回响》旨在成为一本引导深度思考的读物，它不提供简单的技术修正方案，而是要求读者直面技术进步所带来的哲学困境。我们所面临的，不是关于“工具”的讨论，而是关于“世界构建方式”的根本性选择。只有清晰地界定我们不希望技术触及的领域，我们才能更明智地引导它走向我们期望的方向。

评分☆☆☆☆☆

德雷福斯是大陆传统的现象这一哲学家，他在兰德公司做了一个研究报告，把60年代的人工智能比喻成炼金术，这本书就是来自于这个报告。 书中对人工智能的尖锐质疑，有些看来由于人工智能学科的发展，已经需要重新审视，有些已经证明了哲学家的正确性，还有一些，主要是牵涉到现象...

评分☆☆☆☆☆

德雷福斯是大陆传统的现象这一哲学家，他在兰德公司做了一个研究报告，把60年代的人工智能比喻成炼金术，这本书就是来自于这个报告。 书中对人工智能的尖锐质疑，有些看来由于人工智能学科的发展，已经需要重新审视，有些已经证明了哲学家的正确性，还有一些，主要是牵涉到现象...

评分☆☆☆☆☆

德雷福斯是大陆传统的现象这一哲学家，他在兰德公司做了一个研究报告，把60年代的人工智能比喻成炼金术，这本书就是来自于这个报告。 书中对人工智能的尖锐质疑，有些看来由于人工智能学科的发展，已经需要重新审视，有些已经证明了哲学家的正确性，还有一些，主要是牵涉到现象...

评分☆☆☆☆☆

德雷福斯是大陆传统的现象这一哲学家，他在兰德公司做了一个研究报告，把60年代的人工智能比喻成炼金术，这本书就是来自于这个报告。 书中对人工智能的尖锐质疑，有些看来由于人工智能学科的发展，已经需要重新审视，有些已经证明了哲学家的正确性，还有一些，主要是牵涉到现象...

评分☆☆☆☆☆

德雷福斯是大陆传统的现象这一哲学家，他在兰德公司做了一个研究报告，把60年代的人工智能比喻成炼金术，这本书就是来自于这个报告。 书中对人工智能的尖锐质疑，有些看来由于人工智能学科的发展，已经需要重新审视，有些已经证明了哲学家的正确性，还有一些，主要是牵涉到现象...

评分☆☆☆☆☆

《What Computers Still Can't Do》这本书，可以说是一次对“智能”概念的彻底解构与重塑。我一直对人工智能充满兴趣，但这本书让我看到了这项技术背后隐藏的巨大哲学难题。作者并没有简单地批判人工智能，而是以一种极其客观和深入的方式，分析了计算机在处理那些与人类情感、直觉、创造力相关的任务时所遇到的瓶颈。我尤其被书中关于“理解”的定义所吸引。我们人类的理解，往往是基于我们的生活经验、文化背景以及对他人的同理心。而计算机的“理解”，更多的是一种模式识别和数据关联，它缺乏真正意义上的共情能力。书中举例的那些看似简单的人类对话，背后蕴含的丰富情感和潜台词，是目前人工智能难以企及的。作者的论述严谨而富有逻辑，让我对人工智能的局限性有了更清晰的认识。这本书不仅仅是一本技术书籍，更是一次对人类智慧本质的深刻探索。它提醒我们，在追求技术进步的同时，也要珍视那些使我们之所以为人的独特品质。

评分☆☆☆☆☆

阅读《What Computers Still Can't Do》的过程，就像是在进行一场思想的深度探险。我从来没有想过，一本关于计算机的书籍，能够如此深刻地触及人类存在的意义和价值。作者以一种极其审慎而又充满洞察力的笔触，剥开了人工智能光鲜外表下的层层局限。我尤其印象深刻的是关于“意图”和“目标”的讨论，计算机虽然可以被设定目标并执行指令，但它本身并没有“意图”或“渴望”。这种内在驱动力的缺失，使得它在面对复杂、模糊甚至充满矛盾的人类情境时，往往显得捉襟见肘。书中通过对“理解”这个概念的多维度剖析，让我意识到，我们人类的理解不仅仅是信息的匹配和处理，更包含了背景知识、文化语境、甚至是潜意识的联想。计算机在这方面，仍然远远无法与人类匹敌。那些看似微不足道的“常识”，却构成了人类智能的基石，也正是计算机最难突破的瓶颈。这本书并没有贩卖焦虑，而是提供了一种更理性、更深刻的视角来看待人工智能的发展。它鼓励我们去欣赏和捍卫人类的独特性，那些无法被算法量化和复制的创造力、同情心和直觉。这本书的语言风格也非常吸引人，文字优美，论证清晰，能够带领读者一同走进一个关于智能的全新认知领域。

评分☆☆☆☆☆

这本《What Computers Still Can't Do》简直是一次思想的启迪之旅。我之前一直对人工智能的快速发展感到惊叹，但这本书让我看到了这项技术更深层次的局限性，以及那些人类独有的、难以被机器复制的特质。作者并没有简单地将计算机的能力与人类的能力进行对比，而是深入探讨了这些差异背后所涉及的认知科学、哲学以及心理学原理。我尤其对书中关于“创造力”和“情感”的讨论印象深刻。计算机可以生成看似新颖的内容，但它缺乏人类艺术家那种源于生活体验、情感共鸣和独立思考的创造力。同样，计算机可以模拟情感的表达，但它无法真正“感受”情感，也无法理解情感的微妙之处。作者的分析鞭辟入里，论据充分，通过生动的案例，让我深刻体会到，人类的智慧是多元化的，它不仅仅是计算和逻辑，更包含了直觉、想象力和同理心。这本书让我对人工智能的发展有了更理性、更审慎的态度，也让我更加珍视人类自身的独特价值。

评分☆☆☆☆☆

读完《What Computers Still Can't Do》后，我感觉自己的思维方式被彻底颠覆了。这本书不仅仅是一本关于计算机局限性的技术手册，更像是一次深刻的哲学探讨，它迫使我去重新审视那些我们习以为常的“智能”概念。作者并没有简单地列举计算机做不到的事情，而是深入剖析了这些局限性背后的原因，从认知科学、心理学到语言学，多角度地揭示了人类思维的复杂与精妙。我尤其被关于“常识”的讨论所吸引，书中生动地描绘了计算机在理解并运用那些我们人类不假思索就能掌握的日常知识时所面临的巨大挑战。例如，一个孩子能够轻易理解“把东西放进冰箱，然后关上门”，但要让计算机准确无误地执行这个指令，却需要极其复杂的算法和大量的上下文信息。作者用一系列引人入胜的案例，如围棋大师和AI的对弈，以及自然语言处理的瓶颈，来阐述人工智能在某些领域虽然取得了令人瞩目的成就，但在真正的理解和创造力方面，依然存在难以逾越的鸿沟。这本书让我意识到，我们对“智能”的定义可能过于狭隘，而人类的智慧，尤其是那些与情感、直觉、同理心紧密相连的方面，是目前计算机科学难以企及的。它不是对AI发展的否定，而是提醒我们在追求技术进步的同时，也要珍视和深入理解人类自身的独特性，以及那些赋予我们生命意义的非计算性特质。这本书的叙述方式也极其出色，引人入胜，逻辑严谨，即使是对于非技术背景的读者，也能轻松理解并从中获得深刻的启发。

评分☆☆☆☆☆

《What Computers Still Can't Do》这本书，可以说是一次对人类智能和机器智能的深度对话。我过去对人工智能的认知，很大程度上停留在其强大的计算能力和数据处理能力上，但这本书让我看到了更为根本的局限性。作者以一种极其冷静且深刻的视角，探讨了计算机在“理解”和“意识”这两个关键领域所面临的巨大挑战。我尤其被书中对“常识”的讨论所吸引，那些我们人类不假思索就能获得的知识和经验，恰恰是人工智能最难逾越的障碍。计算机可以通过大量的训练数据来学习模式，但它缺乏真正意义上的因果推理能力，也难以理解那些隐藏在语言和情境背后的丰富含义。作者的论证严谨而富有启发性，让我重新审视了人类智慧的多维度性和复杂性。这本书并非对人工智能发展的否定，而是提醒我们在追求技术进步的同时，也要深刻理解并捍卫人类自身的独特性，那些使我们之所以为人的，无法被算法量化的创造力、同情心和情感。

评分☆☆☆☆☆

我最近读完的《What Computers Still Can't Do》，给我留下了极其深刻的印象，它以一种令人耳目一新的方式，探讨了人工智能发展的终极边界。这本书并非简单罗列计算机的不足，而是深入挖掘了这些不足背后的认知和哲学根源。我一直对“机器能否真正拥有情感”这个问题感到好奇，而这本书在这方面提供了极其详尽且发人深省的分析。作者认为，情感并非简单的计算和反馈，而是与生物体、社会互动以及主观体验紧密相连的复杂现象。计算机可以通过模拟表情或语言来“表达”情感，但它无法真正“体验”情感，更无法基于情感做出具有真正意义的判断。书中对“常识”的讨论更是让我看到了人工智能在理解我们所处世界的复杂性和微妙性方面的巨大挑战。我们人类从小到大，通过无数次的实践和互动，积累了大量难以言说的“常识”，这些常识构成了我们认知世界的基础，而这些恰恰是目前的人工智能模型所难以企及的。作者的论证清晰有力，案例生动形象，让我在阅读过程中不断产生共鸣和思考。这本书让我重新审视了人类智能的独特性，并对人工智能的未来发展有了更理性、更审慎的认识。

评分☆☆☆☆☆

《What Computers Still Can't Do》这本书，可以说彻底改变了我对人工智能的看法。我曾以为，随着技术的发展，人工智能终将能够模拟甚至超越人类的智慧，但这本书以其严谨的论证和丰富的案例，向我展示了事实并非如此。作者并没有回避人工智能的巨大成就，而是将其置于一个更广阔的框架下进行审视，从而揭示了其内在的局限性。我特别着迷于书中关于“意识”和“自我认知”的讨论，这些人类独有的特质，是目前任何一种人工智能模型都无法企及的。计算机可以处理海量数据，进行复杂的计算，但它无法真正“感受”喜悦、悲伤，也无法拥有“自我”的意识。作者通过对“理解”的深入剖析，让我认识到，人类的理解并非简单的逻辑推理，而是包含着情感、经验和文化等多重维度的复杂过程。那些我们视为理所当然的“常识”，恰恰是人工智能最难以跨越的鸿沟。书中对“创造力”的探讨也让我茅塞顿开，计算机可以生成看似新颖的内容，但这种生成是否等同于人类的原创性，还是一个值得深思的问题。这本书不仅提供了关于人工智能技术边界的深刻见解，更引发了我对人类智慧本质的哲学思考。它是一本值得反复阅读，并从中汲取智慧的书籍。

评分☆☆☆☆☆

《What Computers Still Can't Do》这本书给我带来的震撼，不仅仅是对当前人工智能技术边界的认识，更是对人类意识和智能本质的重新思考。作者并没有沉溺于技术细节的堆砌，而是巧妙地将前沿的计算机科学理论与深邃的哲学思辨相结合，勾勒出一幅关于“智能”的宏大图景。我特别欣赏书中对于“创造力”和“情感”的探讨，这些往往是衡量人工智能是否真正“智能”的关键所在，也是目前计算机科学最难以逾越的难关。书中举例的艺术家创作、音乐作曲，以及人类之间微妙的情感交流，都展示了计算机在模拟这些高度主观和非线性过程时的力不从心。我曾一度认为，随着算法的不断优化和算力的爆炸式增长，计算机迟早会超越人类在所有领域的表现，但这本书让我看到，人工智能的“学习”和人类的“理解”之间，存在着本质的区别。机器学习虽然能够从海量数据中提取模式，但它缺乏真正的因果推理能力，也难以捕捉到那些隐藏在表象之下的深层含义。作者通过对“通用人工智能”的深入分析，指出了其实现过程中所面临的理论和实践的双重困境。这本书让我重新认识到，人类的智慧并非仅仅是信息处理的效率，更包含了对世界的深刻洞察、对自身情感的理解以及与他人建立连接的能力。它是一本能够激发深度思考的书籍，无论是对于技术爱好者还是普通读者，都能从中获得宝贵的见解，并对未来人工智能的发展方向产生更审慎的判断。

评分☆☆☆☆☆

《What Computers Still Can't Do》这本书，彻底颠覆了我之前对人工智能几乎无所不能的刻板印象。作者以一种极其专业却又引人入胜的方式，揭示了人工智能在模仿和复制人类某些高级认知功能时所面临的根本性困境。我尤其被书中关于“意图”和“动机”的分析所打动。人类的行为往往是由复杂的意图和动机驱动的，而计算机的行动则完全基于预设的算法和目标。这种内在驱动力的缺失，使得计算机在面对需要灵活应变、甚至违反常规的复杂情境时，显得捉襟见肘。书中对“理解”的深度剖析，让我意识到，人类的理解不仅仅是对信息的处理，更包含了情感、价值观以及对他人的同理心。计算机可以处理大量的文本信息，但它无法真正“理解”文本背后所蕴含的情感和意义。作者的论证逻辑严密，案例丰富，让我对人工智能的边界有了更清晰的认识，也对人类自身的智慧和价值有了更深刻的理解。这本书是一次思想的盛宴，它促使我重新思考“智能”的真正含义。

评分☆☆☆☆☆

读完《What Computers Still Can't Do》之后，我感觉自己对人工智能的理解又上升到了一个全新的高度。这本书并没有停留在对现有技术的赞美，而是以一种更加前瞻和批判性的视角，深入探讨了人工智能在未来可能面临的根本性挑战。作者在书中多次强调了“意识”和“主观体验”的重要性，这些都是目前计算机科学难以逾越的障碍。计算机可以进行高效的计算，可以学习海量的数据，但它无法像人类一样“感知”世界，也无法拥有真正的“自我意识”。书中对“常识”的精彩阐述，让我深刻体会到，人类的智慧不仅仅是逻辑推理，更包含着大量我们习以为常却难以用语言表达的知识和经验。这些“隐性知识”，是人工智能最难习得的，也是区分人类智能与机器智能的关键所在。作者的分析鞭辟入里，论据充分，让我对人工智能的未来发展，有了更加清晰和审慎的认识。这本书不仅仅是一本技术书籍，更是一次关于人类智能本质的深刻哲学探讨，它让我更加珍视人类自身独特的智慧和创造力。

评分☆☆☆☆☆

其中一个很妙的比喻：计算机智能取得的初步成功和之后遇到的巨大瓶颈的模式不断重复，如果这点成功也算进展的话，就好比一个人爬到树上也算登月的一大进展了。

评分☆☆☆☆☆

其中一个很妙的比喻：计算机智能取得的初步成功和之后遇到的巨大瓶颈的模式不断重复，如果这点成功也算进展的话，就好比一个人爬到树上也算登月的一大进展了。

评分☆☆☆☆☆

其中一个很妙的比喻：计算机智能取得的初步成功和之后遇到的巨大瓶颈的模式不断重复，如果这点成功也算进展的话，就好比一个人爬到树上也算登月的一大进展了。

评分☆☆☆☆☆

其中一个很妙的比喻：计算机智能取得的初步成功和之后遇到的巨大瓶颈的模式不断重复，如果这点成功也算进展的话，就好比一个人爬到树上也算登月的一大进展了。

评分☆☆☆☆☆

其中一个很妙的比喻：计算机智能取得的初步成功和之后遇到的巨大瓶颈的模式不断重复，如果这点成功也算进展的话，就好比一个人爬到树上也算登月的一大进展了。