马斯克书单丨他说AI是在"召唤恶魔"，却亲手给这本书写下了推荐语

2014 年 10 月，麻省理工学院。

马斯克在一场论坛上被问到人工智能，他停了一下，说出了后来被引用了无数次的那句话：

"我们在召唤恶魔。"

他把 AI 比作一个拿着五角星和圣水、以为自己能控制恶魔的人。全场安静。第二天，全世界的科技媒体都在转这句话。

一年后，2015 年 12 月，这个说 AI 是恶魔的人，掏钱联合创办了 OpenAI。

而在同一段时间里，他还做了另一件事——一件小得几乎没人注意的事。

他给一本教科书写了推荐语。

那本书叫《深度学习》。1000 多页，封面是一幅色彩斑驳、像梦境一样的画。中国读者按封面给它起了个亲切的外号：花书。

马斯克写下的那句话，今天还印在这本书的介绍页上：

"由该领域三位专家撰写，《深度学习》是这个主题上唯一一本全面的著作。"

一个造火箭的人，为一本满是数学公式的教科书站台。这件事本身，就值得我们坐下来想一想。

为什么是他，为什么是这本书

要理解马斯克为什么推荐这本书，得先理解他的学习方式。

马斯克造火箭的故事被讲过一万遍：他没有航天工程背景，SpaceX 起步时，他做的事情是买书、读书、缠着行业里的老工程师问问题，把火箭一层一层拆到最底层的物理和成本。这就是他后来反复宣传的"第一性原理"——不接受任何二手结论，一直挖到基本事实为止。

所以当 AI 成为他最焦虑的东西时，他做的事情完全一致：不去读那些讲"AI 将如何改变世界"的畅销书，而是直接去读那本讲清楚它到底是怎么运作的的书。

这里还有一层很有意思的交集。

这本书的第一作者叫伊恩·古德费洛（Ian Goodfellow）。2016 年 3 月，就在这本书出版前后，古德费洛离开谷歌大脑，加入了 OpenAI——那家马斯克刚刚联合创办的机构。后来他去了苹果，做机器学习总监。

第二作者约书亚·本吉奥（Yoshua Bengio），是深度学习三巨头之一，2018 年图灵奖得主。第三作者亚伦·库维尔（Aaron Courville），蒙特利尔大学教授。

三个人写的这本书，2016 年由 MIT 出版社出版。而在此之前，微软的纳德拉据说因为这本书对本吉奥印象太深，直接把他请去做了微软的机器学习顾问。塔勒布评价说，这本书"把数学讲清楚了，又没有迷失在细节里"。

一本教科书能让马斯克、纳德拉、塔勒布这类完全不同象限的人同时开口称赞，这在出版史上不太常见。

这本书里最精彩的几件事

一、它开篇讲的不是代码，是"表示"

书的第一章有一个例子，我认为是全书最值钱的一页。

假设你要把散布在平面上的两类点分开。如果你用普通的横纵坐标（笛卡尔坐标）去描述这些点，你需要一条复杂的曲线才能分开它们；但如果你换成极坐标——用"离原点多远、偏了多少角度"来描述同一批点——一条直线就搞定了。

点没有变，问题没有变，只是描述方式变了，难度就塌了。

这就是深度学习的全部秘密所在。它的核心不是"更聪明的算法"，而是让机器自己一层一层地找到越来越好的"表示"：第一层从像素里找边缘，第二层从边缘里找轮廓，第三层从轮廓里找出零件，再往上，才出现"这是一张脸"。

书里那句总结堪称优雅：让计算机从经验中学习，用简单的概念搭建复杂的概念，而这些概念层级叠得很深——所以叫"深度"。

二、GAN 诞生在一家酒吧里

古德费洛最出名的成就，不在这本书里，而是在这本书写作期间发生的一件事。

2014 年，蒙特利尔，一群博士生在酒吧里给同学办送别会。喝到中途，话题拐到一个当时非常头疼的问题上：怎么让机器自己"生成"一张逼真的照片？桌上的人各说各的方案，古德费洛突然想到一个思路——干嘛非要一个网络单打独斗，为什么不让两个网络互相斗？一个负责造假，一个负责鉴假，谁都想赢，就会把对方越逼越强。

同桌的人觉得这不靠谱。他回家，那天晚上就把代码写完了。

第一次跑，就成了。

这就是 GAN，生成对抗网络。杨立昆后来称它是"过去二十年机器学习领域最酷的想法"。今天你在网上看到的所有 AI 绘画、AI 换脸、AI 修图的技术源头，都能追到那个晚上的那张桌子。

我特别喜欢这个故事的原因是：它的核心不是一个更复杂的技术，而是一个更简洁的念头。 让对手成为你的老师。这个想法放在数学之外的任何地方，都同样成立。

三、它非常诚实地讲"为什么会失败"

大多数技术畅销书讲的是"AI 能做什么"。这本书用了大量篇幅讲另一件事：它为什么做不到、怎么就崩了。

过拟合——模型把训练数据背下来了，一遇到新情况就傻；优化困难——训练过程会卡在奇怪的地方出不来；泛化能力的边界——它其实并不"理解"，它只是在见过的分布里插值。

这种诚实非常珍贵。因为今天绝大部分关于 AI 的恐慌和绝大部分关于 AI 的吹捧，都来自同一个原因：不知道它的边界在哪。

马斯克一边警告 AI 危险、一边推荐这本书，逻辑其实是通的：他要人们看清那条边界，而不是继续在想象里跟一个模糊的怪物搏斗。

四、它免费

这本书有官方免费在线版，任何人都可以读。中文版由人民邮电出版社在 2017 年引进，就是那本被无数人放在书架上的"花书"。

一本被首富、首席执行官、图灵奖得主同时推荐的书，你不需要花一分钱就能开始读。这件事本身就挺震撼。

我们普通人，能从中拿到什么

先说实话：这本书不好读。它有大量的线性代数、概率论、信息论。如果你完全没有数学基础，硬啃前三章就会放弃。

但我依然强烈建议你打开它，因为你能拿到三样东西，跟你会不会推导公式无关。

第一样，是对 AI 的"祛魅"。

读过第一部分你就会明白，那个让所有人焦虑或狂喜的东西，本质上是一套非常聪明的统计与优化机器。它没有意图，没有欲望，它在做的事情是在极高维的空间里，一步一步往下滚。祛魅之后你不会更轻视它——你会更准确地害怕它，也更准确地使用它。

在人人都在用 AI 的今天，"准确地理解它的能力边界"已经是一项硬通货。

第二样，是"表示决定难度"这个思维武器。

前面那个坐标系的例子，可以套在你工作的每一天上。

一个团队吵了三个月的问题，往往不是因为大家不努力，而是因为这个问题被描述错了。换一个描述方式——把"怎么提升转化率"换成"用户在哪一步觉得不值"——很多死结会自己散开。

读这本书最大的收益，可能不是学会深度学习，而是养成一个习惯：卡住的时候，先怀疑问题的描述方式，再怀疑自己的努力程度。

第三样，是马斯克式的学习姿态。

一个已经在造火箭、造车、发卫星的人，在面对一个新领域时，选择去读那本最难、最基础、最不讨好读者的书。不是听播客，不是看解读，不是刷短视频。

这个姿态，可能比这本书里任何一个公式都更值得学。

这本书适合谁

程序员、数据分析师、算法工程师。 不用多说，这是本行的圣经，配合免费在线版随时查。

产品经理和技术管理者。 你不必读完全书，但第一部分和第二部分的前几章能让你在跟算法团队开会时，不再被术语牵着走。

理工科大学生。 这是打底的书。啃过它，后面所有的论文和框架你都能自己读懂。

认真关心 AI 时代的普通读者。 建议先读第一章和引言，二十几页，把"深度学习到底是什么"这件事搞明白。这二十几页的价值，超过一百条短视频。

不适合谁： 想找一本轻松有趣的 AI 故事书的人。那本书不是这本，请去读《人工智能简史》一类的作品，读完再回来读它。

最后

我们这个时代最奇怪的现象之一是：一项正在重塑所有人生活的技术，绝大多数人对它的理解只停留在"很厉害"和"很可怕"这两个形容词上。

而马斯克，这个一边警告它、一边投资它、一边自己造它的人，给出的建议朴素得有点无趣：

去读那本三个专家写的、唯一一本讲全了的书。

他没有说它好读。他只说了它全面。

有的时候，最诚实的推荐语，就是最有力的那一句。

今日金句

点没有变，问题也没有变，只是描述方式变了，难度就塌了。

大部分对 AI 的恐慌和大部分对 AI 的吹捧，来自同一个原因：不知道它的边界在哪。

卡住的时候，先怀疑问题的描述方式，再怀疑自己的努力程度。