《人工智能通识教程》

AI 是什么（第 1 章，p.2）：书中的定义是致力于开发能模拟和扩展人类认知能力的智能系统。作者强调它不是人类智能的复制品：

值得注意的是，虽然人工智能常被称为机器智能，但它不是人类智能在机器上的简单复制，而是一种可能超越人类认知局限的新型智能形式。

第 1 章 1.1 节，p.2

AI 常被分成三个阶段：弱人工智能只做特定任务，强人工智能在各领域像人一样，超人工智能全面超越人类。目前大多数系统都是弱人工智能（p.3）。

七个“不等于”（第 1 章，p.3—8）：本章先把 AI 和几个常被混为一谈的概念分开，结论有七条：

• 自主意识不是理解 AI 的基础。现有系统没有自主意识，要分清科幻想象和技术现实。
• 自动化不是 AI。地铁售票机、自动咖啡机只是按预设指令执行；真正的 AI 能在没有明确指示时从数据中学会任务。作者说，市面上很多“智能咖啡壶”其实是高级自动化。
• 脑机接口不是 AI，只是应用中会结合 AI。
• AI 只是机器人技术的一部分，负责感知和决策；稳定的双足行走靠的是控制技术。
• 专家系统是“上一代人工智能的代表”，不是现代 AI 的基础。
• 机器学习和深度学习才是核心。
• Python 不等于 AI。

相比之下，真正的人工智能系统超越了人类预设指令的范畴，能够在缺乏明确指示的情况下，通过学习数据来掌握任务的模式并独立完成任务。

第 1 章 1.1.2 节，p.5

人工智能的核心在于算法和工程技能，而非它所依赖的特定编程语言。

第 1 章 1.1.7 节，p.8

谁定义“伤害”（第 1 章，p.3—4）：讲到阿西莫夫的“机器人三原则”时，作者指出一个更深的问题：

可见，谁拥有定义“伤害”与“益处”的权力，谁便能在智能决策体系中占据主导地位，进而可能引导技术向有利于自身而非全人类的方向发展。

第 1 章 1.1.1 节，p.4

三大流派（第 1 章，p.8—12）：符号主义认为智能是符号上的推理，追求可解释、可控，知识图谱是它的现代形态；连接主义模拟神经元之间的连接，大模型是它的成果；行为主义认为智能是在环境中试错、适应的能力，用奖惩指导学习，这是强化学习的源头。三派不是对立的，正趋向融合。

符号主义的局限可以用莫拉维克悖论说明：

对计算机来说，执行逻辑推理等人类高阶认知任务相对简单，执行类似一岁婴儿的感知和行动能力等低阶感知任务却异常艰难，甚至是不可能的。

第 1 章 1.2.2 节，p.11

智能的本质在于一个“知错能改”的进化循环，智能体通过不断地尝试错误和接收反馈来积累经验，进而更好地适应其所处的环境。

第 1 章 1.2.3 节，p.12

推理、知识、学习（第 1 章，p.12—15）：书用三个关键词串起三次浪潮。第一次（1956 年起）靠推理，以“逻辑理论家”为代表，因算力和资金不足进入第一次寒冬；第二次（20 世纪 80 年代）靠知识，专家系统兴起，因开发维护成本高、商业价值有限进入第二次低谷；第三次靠学习，从 2006 年深度置信网络、2012 年 AlexNet 到 2017 年 Transformer、2022 年 ChatGPT。

与前两次浪潮相比，第一次浪潮将智能的核心聚焦于推理能力，第二次将其归结为知识的积累与运用，而此次，智能则被赋予新的定义——学习。

第 1 章 1.3.1 节，p.14

生成式 AI（第 1 章，p.15—17）：生成式 AI 难在可能性太多：用 1000 个常用字写一篇 100 字的文章，组合数是 10 的 300 次方，远超宇宙中的原子数。它和以往以智能导航为代表的决策支持系统不同，擅长创意类任务、能跨领域整合知识，但并没有取代后者。

生成式人工智能的出现并非取代了之前的人工智能技术，而是极大地扩展了人工智能的应用范围和能力。

第 1 章 1.3.2 节，p.17

本章按金融、医疗、制造、教育、文娱传媒、交通物流、零售、信息技术与通信八个行业，列了大量 2024 年前后的企业实例，时效性很强，笔记只记几条思路。

从单点到全流程（第 2 章，p.24）：生成式 AI 兴起前，AI 应用以决策支持为核心，如风控、推荐、人脸识别；之后扩展到多模态内容创作，在广度上从单个场景扩展到整个业务流程。作者也有克制的判断，例如医疗：

目前，人工智能在医疗服务中的应用主要集中在特定节点的关键环节

第 2 章 2.2 节，p.28

留给人的工作（第 2 章，p.34）：讲到 AI 帮教师写大纲、做课件时，书中说：

人工智能不仅能够进行个性化调整和修改，还能显著节省教师的时间，使教师可以将更多的精力投入师生沟通、学生关怀和互动设计等更具创造性、情感性和社交性的工作中。

第 2 章 2.4.3 节，p.34

对个人的意义（第 2 章，p.55—56）：作者把生成式 AI 比作“新时代的个人计算机”，建议个人关注六件事：必备技能、行业洞察、技能储备、职业规划、跨行业的创新思维、终身学习，同时保持批判性思维。

数据智能（第 3 章，p.58—64）：作者从三个角度讲“数据智能”。认识论：人的感知有限，认知是主动构建的。模型论：人靠模型思考，从牛顿定律到“三观”都是模型。数学：模型要靠数学精确表达。三者对应数据智能的三要素：数据、学习、模型，也对应它的三重局限。

从认识论的角度，我们知道感知是有限的；从模型论的角度，我们知道所有模型都是简化的；从数学的角度，我们知道并非所有问题都是可计算的。

第 3 章 3.1.4 节，p.64

需要注意的是，信息通常是我们所需要的，数据则是我们所拥有的。

第 3 章 3.2 节，p.64

四类任务（第 3 章，p.67—71）：本章用一个“宠物识别”的例子贯穿全章。分类：判断是猫还是狗。回归：用体重预测狗的年龄，输出连续数值。标注：给一段视频打 5—10 个互相关联的标签，或判断“苹果”指水果还是公司。聚类：把 8 条没有标签的宠物数据按相似性分成 3 组，分别像猫、中型犬、大型犬。

需要注意的是，聚类结果不会给出这些组的具体标签（如“猫”或“中型犬”），它只是根据数据的相似性将它们分组。

第 3 章 3.3.2 节，p.71

四种学习方法（第 3 章，p.71—72）：监督学习用带标签的样本，而打标签“通常耗时且成本高昂”；无监督学习在没有标签的数据中找结构；半监督学习用少量有标签加大量无标签的数据；强化学习在与环境的交互中靠奖惩学习，例如机器人每次抓对物体就得到奖励。

五步流程（第 3 章，p.72—76）：①数据探索和问题转化，作者认为“问题转化”最难，例如把“如何提高客户满意度”转化为“基于历史客户数据，预测客户可能不满意的原因或时间点”；②数据准备，核心是特征工程，即用哪些特征、怎样表示，例如把竖瞳、爪子可伸缩、喵喵叫都编码为 1；③模型搭建和训练；④用没见过的测试集评估，看准确率、精确率、召回率；⑤部署后持续监控，数据变了就重新训练。

模型、策略、算法（第 3 章，p.76—81）：模型是表达方式，例如线性回归 y=wx+b，房子越大租金越高就是一种线性关系；策略是评估标准，即损失函数，目标是在没见过的新数据上表现好。书中用树叶讲过拟合和欠拟合：过拟合的模型认定树叶边缘必须有锯齿，把光滑的新树叶判为“不是树叶”；欠拟合的模型只学到“绿色的就是树叶”，把整棵树判为树叶。算法负责找到使损失最小的参数，最常用的是梯度下降，就像沿着等高线最陡的方向一步步走下山。

步长是算法自己学习不出来的，它必须由外界指定。

第 3 章 3.3.5 节，p.81

模型提供了问题的表达方式，策略确定了评估标准，算法则是达成目标的实际途径。

第 3 章 3.3.5 节，p.81

新在哪里（第 4 章，p.83—85）：传统机器学习要人工设计特征，比如专门写程序去提取猫狗的眼睛、耳朵形状；深度学习用多层神经网络直接从原始像素中学到由浅到深的特征。

最显著的区别在于特征工程：传统机器学习需要人工设计和选择特征，而深度学习能够自动学习和提取特征，大大减少了对人工干预的需求。

第 4 章 4.1.2 节，p.85

2018 年图灵奖授予本吉奥、辛顿、杨立昆，三人在冷门领域坚持了几十年。书中引辛顿的话：

如果你真的想了解一个非常复杂的装置，比如大脑，那么最好的方法就是自己去构建一个。

第 4 章 4.1.3 节，p.85

神经网络简史（第 4 章，p.86—93）：书用人类进化作比。“古猿时代”：1943 年的 M-P 神经元模型，1957 年的感知机，后者解决不了异或（XOR）这类问题，70 年代进入寒冬。“智人时代”：80 年代的 Hopfield 网络、反向传播、卷积神经网络和循环神经网络。卷积层像眼睛识别轮廓和纹理；LSTM 用门控决定记住什么、忘掉什么，像听故事时抓主线。“觉醒期”：2006 年深度置信网络，2012 年 AlexNet 在 ImageNet 比赛上把错误率从 26.2% 降到 15.3%。之后是蓬勃发展期。

殊途同归（第 4 章，p.94—97）：计算机视觉和自然语言处理两条线，都从规则走到统计、再走到深度学习：

从早期的理论探索，到后期统计方法的广泛应用，再到深度学习的革命性突破，最终都归于 Transformer 架构。

第 4 章 4.3 节，p.94

注意力怎样工作（第 4 章，p.97—100）：人看一个场景，不会从左到右扫描，而是先看重点，比如先看到动物的脸，判断是狼。注意力机制就是给不同信息分配不同权重。在“A dog ate the food because it was hungry.”里，模型能结合全句判断 it 指的是 dog。书中用把法语“Je suis étudiant”译成英语“I am a student”的例子，一层层打开 Transformer：编码器负责理解原文，解码器负责逐词生成，生成 student 时回头关注 étudiant，保证原文信息不丢。

我们可以将 Transformer 比作一个高效的积木系统，这个系统不仅允许我们搭建小型结构，还能轻松扩展到巨型建筑。

第 4 章 4.4.1 节，p.100

预训练大模型（第 4 章，p.101—104）：核心思想是“先预训练，再微调”。用法有三种：只用它生成的词嵌入当特征；微调，如 LoRA 只加少量低秩矩阵；直接写提示词，不改参数。书中建议，简单任务用提示词就够，复杂任务再微调。闭源模型门槛低、长期按量计费；开源模型门槛高、灵活、透明。

AlphaFold（第 4 章，p.104—107）：本章以 AlphaFold 收尾。蛋白质结构决定功能，传统实验方法耗时数周到数月，AlphaFold 几分钟就能预测一个结构。作者也列出它的局限：难以预测动态结构，预测结果仍要实验验证。

AlphaFold 改变了研究范式，让研究人员可以将更多精力投入数据的分析和应用上。

第 4 章 4.5.3 节，p.107

模型和产品（第 5 章，p.109—112）：大语言模型（LLM）是预训练大模型中主要用文本训练的一支。

我们可以将这种关系类比为：ChatGPT 是接待人员，GPT 是幕后工作人员。

第 5 章 5.1.2 节，p.111

token 和向量（第 5 章，p.114—118）：处理文本的第一步是把它切成 token，例如“我喜欢猫和狗”切成我、喜欢、猫、和、狗 5 个 token；第二步是把每个 token 变成一串数字，即向量。为什么要变成数字？“我生病了”和“我今天感觉不太舒服”字面完全不同，意思却相近，靠字符串匹配认不出来，变成向量就能计算相似度。书中举了一个 7 维的例子：cat 在“猫科”这一维取 0.9，dog 在这一维几乎为零。

因此，我们可以说：万物皆向量。

第 5 章 5.2.1 节，p.116

Query、Key、Value（第 5 章，p.119—121）：书中用“我喜欢猫和狗”解析“喜欢”这个词来讲注意力的三个角色。Query 代表当前关注的词“喜欢”；每个词的 Key 是拿来比对的特征，例如“猫”的 Key 包含宠物类别、动物类型这类特征；Value 是实际要用的语义内容。计算分三步：拿 Query 和每个 Key 比相似度，化成权重（书中示例为 0.1、0.2、0.3、0.1、0.3），再按权重把各个 Value 加起来。结果偏重“猫”和“狗”，也就是说，“喜欢”的含义由上下文决定。

训练和推理（第 5 章，p.123—124）：GPT 是只用解码器、从左往右一个个预测下一个 token 的模型。它的记忆分两种：长时记忆在参数里，训练完就不变；短时记忆靠这次输入的上下文。

短时记忆：主要通过输入的上下文实现，允许模型在对话或长文本生成中保持连贯性。

第 5 章 5.2.2 节，p.124

规模和数据（第 5 章，p.124—128）：作者认为各模型的基础原理几乎相同，差别主要在工程上。规模带来两样东西：性能提升和能力涌现，即训练时没专门设计的能力在用的时候表现出来；书中说参数过百亿时开始明显，但涌现并非必然。作者认为数据比算力更重要：原始数据中真正能用的往往不到 10%。

算力虽然昂贵，但通过资金投入可以解决，优质数据的获取和处理则更具挑战性。

第 5 章 5.3.2 节，p.125—126

能力分三层：语言表达，所有模型都擅长；知识存储，伴随“幻觉”问题；推理，属于涌现能力，需要更大的模型。

模型在学习语言规律的过程中，顺便掌握了语言中蕴含的知识。

第 5 章 5.3.3 节，p.127

三种用法（第 5 章，p.128—136）：提示工程最基础；微调好比闭卷考试，把新知识练进参数里，适合法律、医学这类专业场景；检索增强生成（retrieval-augmented generation，RAG）好比开卷考试，先从资料库里检索相关段落，再让模型据此回答，能显著减少幻觉。书中给了一个 RAG 用的提示词模板，要求模型答不出时如实说明、不得编造、用中文回答。

怎么看排行榜（第 5 章，p.136）：客观题测试可能被“刷题”，人工评测主观、覆盖面窄，用模型当裁判又带着模型自己的偏见。

评估结果通常只能作为参考，而不是绝对标准。

第 5 章 5.5.1 节，p.136

用相机作比（第 6 章，p.140—141）：书中把提示词（prompt）称为“LLM 的编程语言”。作者认为，输出不如意，多半是使用者的问题：

使用大语言模型的过程与使用相机拍照极为相似。即使使用最先进的相机摄影，拍摄出来的效果也可能不尽如人意，问题通常出在操作不当或摄影技巧不够娴熟，而不是相机本身性能不足。

第 6 章 6.1.2 节，p.141

文字接龙（第 6 章，p.141—143）：以“今天天气不错，我决定”为例，模型先把句子切成 token，用注意力处理，然后预测下一个词：“去”70%，“停”20%，“站”10%，选一个，再接着预测，直到句子完整。

通过上述分析，我们可以看出大语言模型生成内容的过程类似于进行一场“概率预测与文字接龙”的游戏。

第 6 章 6.1.3 节，p.142

大语言模型就如同一位助手，我们则是它的管理者。

第 6 章 6.1.3 节，p.143

三种能力和它们的限制（第 6 章，p.143—158）：书从应用角度讲对话、创作、推理三种能力，每种都讲限制和用法。几条实用的建议：

• 多轮对话：书中说明，多轮对话的能力其实由调用模型的工具实现，模型能记住的长度有限。建议每段对话集中一个主题；在关键节点让模型总结前几轮；追问时重申关键条件，例如“预算是每天 100～200 欧元”；输入尽量精简。
• 意图和情感分析：基于统计模式的推断，“并非基于真正的理解”，讽刺、隐喻、双关容易出错，敏感场景不要完全依赖。
• 文本分析和润色：长文本要分段；输入有错时模型可能照着错；夫妻间说“等周末咱们好好算算账”，模型很难判断是算收支还是追究超支。
• 推理：结果并非百分之百正确，要多角度验证。

书中有一条校对提示词，可以直接拿来用：

你是一位资深的编辑，请帮助校对以下内容，完成纠错和润色工作。请在校对时注意检查文章的格式、排版、语句通顺度、语法、词汇使用、语义连贯性、逻辑性等方面。发现问题时请校正错误、改善措辞、增加衔接、调整结构等，确保文章语言流畅、结构清晰，没有错漏字和错误。

第 6 章 6.2.2 节，p.155

先设定角色（第 6 章，p.160—162）：提问是一个循环：写提示词，看答案，不满意就改提示词再问。写提示词的第一步是设定角色，它能缩小回答范围，也能调整语气。同样问“人工智能对社会的影响”，设定为儿童教育专家，回答温和易懂；设定为企业高管，偏重决策；设定为社会学家，偏学术和批判。

四层（第 6 章，p.162—169）：设定角色后，提示词分四层往上加（见题图）。

• 基本指令：问题型（“什么是机器学习？”）、关键词型、命令型（“解释深度学习的基本原理”）、举例型。只有这一层时，回答容易宽泛。
• 输出设定：限制领域（“仅从法律角度分析”）、长度（“将回答控制在 300 字以内”）、时间（“基于 2015 年至 2020 年的数据”）；风格（“将解释以对话的形式呈现”）；格式（表格、Markdown、JSON）。
• 输入数据：数据格式要统一，用分隔符（例如 '''）把指令和数据分开；给一两个示例或模板，模型就能照着做；也可以上传文件或给参考文献。
• 上下文背景信息：任务的背景和动机、目标受众是谁、相关的历史情况。例如策划编程马拉松活动时说明去年的情况：“由于时间安排紧凑，部分团队未能按时完成项目”。

在编写提示词的过程中，从简单的基本指令出发，逐步增加输出设定、输入数据和上下文背景信息，使提示词变得更加清晰和全面。

第 6 章 6.4.3 节，p.169

思维链、思维树、任务拆解（第 7 章，p.171—177）：思维链（chain of thought，CoT）让模型一步步推理，不急着下结论。用法有两种：自己把步骤写进提示词，例如改公众号文章时先说“列出点赞高的公众号文章的特点和标准”，再说“根据特点和标准，提出修改建议，要求同时描述分析过程”；或者只要求模型输出思考过程。思维树（tree of thoughts，ToT）让模型在每个决策点展开几个选项，例如规划三城旅行时，书中的关键句是“请像一棵树一样，在每个决策点上展开不同的选项”。任务拆解是把大任务分成可以独立完成的小任务，例如把研究报告拆成选题、查文献、搭结构、检查语言四步，每步一句提示词。

简而言之，思维链侧重于逻辑推理的连贯性，而任务拆解更注重任务操作的简化和可执行性。

第 7 章 7.1.2 节，p.176

结构化框架（第 7 章，p.177—186）：书中重点介绍 LangGPT，它用 Markdown 标题把提示词分成块：# Role（角色），## Profile（简介），## Skills（技能），## Goals（目标），## Constraints（必须遵守的规则，例如不胡说、不编造事实），## OutputFormat（输出格式），## Workflow（工作步骤），## Example（示例），## Initialization（开场）。好处是结构清楚，写起来像填空。书中还介绍了 CO-STAR（上下文、目标、风格、语气、受众、回复）和 CRISPE（能力与角色、洞察、指令、个性、多样本试验），并另列 11 个框架。有一个用提示词优化提示词的例子值得一记：让模型给一段提示词打 1—10 分，提出改进建议并说明理由，再输出改进后的完整版本。

人坐主驾（第 7 章，p.186—188）：

在使用大语言模型的过程中，人类坐稳主驾驶位，大语言模型始终坐副驾，人类与大语言模型的关系应当是主导与协作的平衡。

第 7 章 7.3.1 节，p.186

作者认为写提示词的关键能力有两项：会提问和能判断。会提问，要懂模型的原理、懂所在领域、会设计结构；能判断，是因为提示词写得再好，输出也可能有偏差。

人们常常关注如何更好地提问，却忽略了判断大语言模型输出的重要性。

第 7 章 7.3.2 节，p.188

先拆流程，再分工（第 7 章，p.188—189）：书中以读一本书为例，把人机协作拆成六步，每步写明谁做什么：模型总结全书主题和结构，人浏览目录、前言加以核对；模型提供背景，人用可靠来源查证；模型推荐章节，人决定读哪章；模型解释疑难，人做笔记并核实；模型给出多角度分析和反例，人批判地检验；模型出复习题，人作答并对照可靠资料。

用在学习上（第 7 章，p.190—210）：书中按学习的六个环节（信息搜集、计划制订、内容获取、知识内化、技能巩固、效果评估）演示用法。其中“知识内化”的追问顺序可以通用：先请模型解释概念，再“请举一个具体的案例”，再“请举一个生活类比”，然后请它整理成结构化总结或思维导图，最后“请提出深入问题，来激发我更多的思考”。书中还给了论文写作的 6 个提示词模板，例如润色时要求“使用表格呈现原文和修改后的每一句的对比，并使用粗体标注修改的地方，同时解释修改的原因”。

大语言模型可以提供参考，但不能替代人类判断。

第 7 章 7.3.1 节，p.187

本章大半篇幅是 Stable Diffusion WebUI 和 ComfyUI 的操作教程，笔记只记原理。

冲击谁（第 8 章，p.213）：作者认为受冲击最大的是从事重复劳动的中低端创作者；对高端创作者，AI 是提效工具。

在传统绘画技能的基础上，选择合适的绘画工具，掌握提示词工程，学会与 AI 绘画系统有效对话，将是未来的艺术创作者的必备技能。

第 8 章 8.1.1 节，p.213

GAN：对抗（第 8 章，p.214—217）：生成对抗网络由生成器和判别器组成。生成器把随机噪声变成图像，判别器拿真图和生成图训练自己分辨真假，生成器再根据判别器的反馈改进，力求骗过它。作者认为，判别器只判断生成图和已有图像是否同类，所以 GAN 的输出偏向模仿。

扩散模型：去噪（第 8 章，p.217—219）：书中用墨水滴进水里作比。训练时，把清晰图像一步步加噪声，直到完全变成噪声，再训练一个网络预测每一步加了什么噪声；生成时反过来，从一张纯噪声图开始一步步去噪。

扩散模型生成图像时则逆向执行这个过程，它从一张完全随机的噪声图像开始，通过多次迭代，逐步减少噪声，添加图像细节，最终生成一幅清晰且逼真的图像，如图 8.7 所示。

第 8 章 8.1.2 节，p.217

当数据集足够大时，模型受到整体数据分布的约束，生成的图像并不是某个特定的原始图像，而是符合一定规律的分布，这些规律反映了真实世界的特征，如大海通常是蓝色的、人有两只耳朵、鸟有羽毛等。

第 8 章 8.1.2 节，p.219

几个实用的概念（第 8 章，p.221—250）：Stable Diffusion 由三部分组成：把提示词变成向量的文本编码器、在潜空间里反复去噪的图像信息生成器、把结果变回图像的解码器。用的时候，大模型决定画风（书中说“选择大模型就是选择风格”）；采样步数通常 20—30 步，再多收益递减；随机种子相同就能复现同一张图；图生图时，“重绘幅度”越大越不参考原图。

所谓的文生图，并不是不需要图，而是需要一张空白的噪声图像，让采样器在这张空白的噪声图像上完成去噪，最后生成一张清晰的图片。

第 8 章 8.3.2 节，p.248

视频和音频生成两节写得简略，偏展望。

AI 没有觉醒（第 9 章，p.263—266）：2022 年，谷歌工程师布莱克·莱莫因认为 LaMDA“越来越像一个真正的人”，公开部分内容后被解雇。作者认为这是人类把机器拟人化：大脑会自动补全不完整的图形，面对 AI 时也会补上它没有的“人性”。

正如演员可以完美扮演角色，但并不意味着他就是那个角色。

第 9 章 9.1.1 节，p.265

自然语言界面（第 9 章，p.265—267）：人机界面从命令行到图形界面、触摸界面，再到自然语言界面（language user interface，LUI），用户直接说日常语言就能操作电脑。作者称之为“认知融合”：不懂编程的人也能和 AI 互动，知识不再是少数人的特权。

手机在偷听吗（第 9 章，p.267—269）：刚和朋友聊过一款奶茶，打开外卖软件就看到推荐。作者逐一分析：麦克风窃听成本高、可能违法；通过加速度传感器捕捉声波振动在技术上可行，但数据质量差；更常见的原因是大数据推送，加上“视网膜效应”，即关注什么就更容易注意到什么。

实际上，大数据基于概率统计技术，通过分析海量数据发现行为规律，进行预测和推送。这种方式虽不涉及私密对话，但其准确性常让用户产生手机窃听的错觉。

第 9 章 9.2.1 节，p.269

版权、偏见、责任、隐私（第 9 章，p.269—273）：AI 生成内容归谁所有，法律上还没有明确答案；模仿特定艺术家风格是否侵权，传统的“实质性相似”标准变得模糊。书中提到美国版权局的指南（含 AI 内容的作品要有人类输入并披露 AI 的使用）和北京互联网法院的 AI 声音侵权案。伦理方面举了几个真实事件：亚马逊的简历筛选系统因训练数据来自男性主导的行业而歧视女性；2018 年 Uber 自动驾驶汽车撞死行人，责任该由谁承担；剑桥分析公司滥用社交平台用户数据。

从替代到协作（第 9 章，p.273—275）：作者认为最新的 AI 对白领的影响大于蓝领，但它更多是在重塑工作方式。

AI 并不仅仅是单纯地替代人类工作，更是重塑了工作方式。

第 9 章 9.2.4 节，p.273

这意味着在未来的工作环境中，终身学习将不再是选择，而是生存的必要条件。

第 9 章 9.2.4 节，p.274

智能体（第 9 章，p.275—278）：作者认为 PC 时代的技术形态是软件，互联网时代是网页应用，移动互联网时代是 App，人工智能时代是智能体（Agent）。他归纳出智能体的五个模块：感知（获取文字、图像、声音等信息）、定义（规定目标、规则和权限，作者称之为核心）、记忆（短期记对话，长期记知识和偏好）、规划（拆解任务、反思调整）、行动（调用工具，或在物理世界里动手）。