有一类名为XX简史的书，一直比较热门，受广大读者喜欢。
代表有霍金所著科普类的《时间简史》，以色列作家尤瓦尔·赫拉利的社会人文类的《人类简史》，还有无需关注作者，只要关注内容的历史类的《极简欧洲史》等。
有的薄薄小册子，有的厚厚大部头。有的烧脑，有的轻松。
昨晚，我又花了两个小时不到，读完了《人工智能简史》，其内容算是人工智能领域的通识。有些逸闻趣事阅读轻松，但是里面也有很多技术要点，真正理解起来比较困难，例如：图灵完备。
结合昨晚读的《人工智能简史》，给大家分享一下自己读简史的心得。
第一层阅读：获得广度信息
科普通识类简史的信息量，往往是一个领域，或几个相关领域的知识网络，面很宽。是一个主题的所有重要信息的铺陈，信息来自从不同资料的分类整理，并一定结构化。
你可以找到按时间线梳理的大事记，按分支整理的各种学术理论。从这里获得的信息（不是知识）维度多比较全面。你能得到一个比较系统性的认知。
而且，作者会整理出一些有意思的信息，这是读者在非简史类的书里得不到的综合整理信息。
开创人工智能领域的几个关键人物，冯诺依曼，图灵，麦卡锡，明斯基，西蒙，纽厄尔。其学术师承往上追溯的话，都会追溯到一个共同的“祖师爷”-弗里德里希·莱布尼茨，戈特弗里德·莱布尼茨（微积分的独立发明者）的父亲---这个就是《人工智能简史》作者梳理出的一个有趣的信息。
第二层次：获取连接信息
学术性的简史会对知识、理论的流派或分支做全面介绍，你可能会从单一的书籍里得某个理论的深入详解，但是你可能不知道，它在一个大的知识体系架构里的位置。
就像一个思维导图一样，只有知识被结构化，图谱化，你才能更好的理解。以前零散的、分散的认知，在一个整体结构下被梳理，并说明彼此之间的特点和勾连关系。
你会发现，那些流行的重要的理论、学术前沿的关键术语，其实是散落在整个知识树上不同的分支，不同层次的东西。然后，你可以问google问百度，深度地学习和了解你感兴趣的方向。
机器学习和计算机视觉就是不同的人工智能分支，但是它们的实现都可以用到卷积神经网络技术。
第三层次：提出自己的问题
前两层阅读最多让你获得一定的信息或知识，但是它还无法沉淀到自己的认识体系，成为自己的知识。除非你深入思考，形成自己的见解。
如何形成自己的见解？最简单的方法就是提出自己的问题。然后，在书中寻找答案，思考消化整合理解。
在《人工智能简史》里作者设想到，要能为人工智能初始化良知。类似于”人之初，性本善“。让人工智能以程序的方式，初始化进去被预先定义的”良知“，类似于阿西莫夫的机器人三定律。
弱人工智能的定义是“会学习，能解决实际问题”。那么强人工智能的关键就是，前面还加六个字”有本性，会思考“，这个性本善需要初始化到人工智能里。
那么我的问题是：这个本性，如何能编码化，或者可被定义出来？
带着这个问题，可能又要重新翻翻这本简史，寻找知识之间的关系了，形成自己的理解了。
