内容简介 · · · · · ·
这是一部对人工智能充满敬畏之心的匠心之作，由《深入理解Java虚拟机》作者耗时一年完成，它将带你从奠基人物、历史事件、学术理论、研究成果、技术应用等5个维度全面读懂人工智能。
本书以时间为主线，用专业的知识、通俗的语言、巧妙的内容组织方式，详细讲解了人工智能这个学科的全貌、能解决什么问题、面临怎样的困难、尝试过哪些努力、取得过多少成绩、未来将向何方发展，尽可能消除人工智能的神秘感，把阳春白雪的人工智能从科学的殿堂推向公众面前。
作者简介 · · · · · ·
周志明，Java技术、机器学习和企业级开发技术专家，现任远光软件研究院院长，人工智能博士在读，著有畅销书本书。
开源技术的积极倡导者和推动者，对计算机科学和相关的多个领域都有深刻的见解，尤其是人工智能、Java技术和敏捷开发等领域。曾受邀在InfoQ和IBMDeveloperWorks等网站撰写技术专栏。
著作颇丰，著有《深入理解Java虚拟机》《深入理解OSGi》，翻译了《Java虚拟机规范》等著作。其中《深入理解Java虚拟机》第1版出版于2011年，已经出至第2版，累计印刷超过30次，不仅销量好，而且口碑更好，是中文计算机图书领域公认的、难得一见的佳作。
目录 · · · · · ·
原文摘录 · · · · · · ( 全部 )
-
辛顿确实曾经表示误差反向传播并不是自然界生物大脑中存在的训练机制，也不相信人类大脑是通过生物方式完成求导，通过梯度来调节神经元权重和激活阈值的。从辛顿的成长经历里我们就知道他对模仿人类大脑工作原理有多么的执着。目前已有许多脑科学的研究证实，大脑皮层中普遍存在一种称为“微皮层柱”（Cortical Minicolumn）的柱状结构，它像一颗胶囊一般把数百个神经元封装在一起，每个微皮层柱里的神经元都记录、处理相同特征的同一种信号。由此看来，人类大脑并不是像经典神经网络一样由神经元直接连接的简单分层结构，而是具有更高的内部复杂性；先由神经元组成“微皮层柱”，再由“微皮层”柱组成“皮层柱”（Cortical Column），由小到大逐步复杂化。 (查看原文) —— 引自章节：第7章 深度学习时代 / 244 -
这个发现不仅令休伯尔和威泽尔分享了1981年的诺贝尔医学奖，还激发了人们对于神经系统的进一步思考：信息从“视觉细胞”到“中枢神经”再到“大脑”的流动过程，或许是一个分层迭代、逐级抽象的过程。这里的关键词有两个，一个是“抽象”，一个是“迭代”，从原始信号输人开始，先做低级的抽象，逐渐向高级抽象迭代。人类自己可以感知的逻辑思维层面，总是使用高度抽象的概念，可是人类的感知器官，接触的都是低级的具体的事物，通俗一点来说，我们的视网膜感知到的是像素的颜色、亮度等信息，但我们大脑中思考的是具体的物体和对象。假如我看见一位朋友，要判断出他是一名熟悉的人的话，很可能的神经活动是如上图所示这样的。 ●从原始信号被摄入开始一瞳孔摄入像素。 ●接着做初步处理一大脑皮层某些细胞发现边缘和方向。 ●然后抽象一大脑判定，眼前的物体的形状，是人形的，有基本的五官特征。 ●最后进一步抽象一大脑进一步判定该物体是一幅人脸，确定具体是哪一位朋友。 在50年代的这个神经生理学的发现，促成了计算机人工智能在半个世纪后（2006年）的突破性进展。现代科学已经基本确定了人的视觉系统的信息处理的确是分级的，从最低级像素提取边缘特征，再到稍高层次的形状或者目标的部分等，再到更高层的整体目标，以及目标的行为和其他特征的联想等。换句话说，高层的特征是低层特征的组合提炼，从低层到高层的特征表示越来越抽象，越来越能表现出认知的意图。抽象层面越高，存在的可能猜测就越少，就越利于分类。其实不仅仅是图像的模式识别，人类大部分的认知都很符合这样的规律，譬如语言，单词集合和句子的对应是多对一的，句子和语义的对应又是多对一的，语义和意图的对应还是多对一的，这也是一个层级体系。敏感的读者也许已经猜想到人类认知过程与深度学习之间可能出现的共通点了，即“分层迭代、逐级抽象”。 在深度学习之前的统计学习方法，包括浅层的神... (查看原文) —— 引自章节：第7章 深度学习时代 / 244
> 全部原文摘录
喜欢读"智慧的疆界"的人也喜欢的电子书 · · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
喜欢读"智慧的疆界"的人也喜欢 · · · · · ·
智慧的疆界的书评 · · · · · · ( 全部 14 条 )
生锈发条
非常棒的人工智能发展史介绍
作为接触过一些机器学习的内容、调过一些库的人，看起这本书来，有那么一丢丢觉得奇怪，并不那么机器学习。 以前并不知道人工智能有三大主要流派：符号主义、连接主义、行为主义。神奇的是，这仨流派我都过多或少接触过，只是并不知道这个体系是这样划分的。最近看书越发觉得缺...
(展开)
Arete_Lz
狂欢背后：AI曲折发展史
这篇书评可能有关键情节透露
早期探索阶段 本质问题： 数学问题是否都能简化为寻找对应算法解决的问题？这个问题是图灵在1935年给自己立下的艰巨挑战。 图灵机： "图灵机"这种虚拟的计算机器实际上是一种理想中的计算模型，它的基本思想是用机械操作来模拟人们用纸笔进行数学运算的过程。通俗地讲，图灵把"... (展开)
> 更多书评 14篇
论坛 · · · · · ·
在这本书的论坛里发言
以下书单推荐 · · · · · · ( 全部 )
- 【书】所谓知识的另一种 (自娱者小五)
- 深度学习与人工智能 (lyb)
- 补一下科学知识(目前属于我的书) (斯宾诺莎的镜片)
- 我的科普类电子书 (wizard)
- Fashion (greatabel)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
- 在豆瓣转让 有2845人想读，手里有一本闲着?
订阅关于智慧的疆界的评论:
feed: rss 2.0
0 有用 xiao 2022-04-06 08:47:34
用循序渐进，简单易懂的语音介绍了人工智能的历史，发展概要，以及核心方法论，推荐入门阅读。但整个领域实在发展太快，有些内容已经需要订正，扣一星。
0 有用 Haas 2021-11-29 21:25:37
写毕业论文期间的插曲，好久没有一口气读完一本书了。人工智能的发展历史涉及到信息学科、心理学、哲学、生物学和数学等多个交叉学科，经历了两次低谷，如今处于深度学习的风口，而机器学习在高校的科研中已经是一个巨大的泡沫了，那些博导似乎不明白“天下没有免费的午餐”的道理，只知道输入与输出，“我有一堆数据，你做一个网络来预测一下…”
0 有用 之何 2022-01-31 17:30:08
最好的人工智能科普！牛年最后一天一气呵成，抬头发现天都黑了～
0 有用 重金属海王星 2022-03-02 11:48:23
2022年NO.31 感谢书友赠书。 关于人工智能以前只是多少从跟图灵相关的书籍里多多少少了解过一点，这本书比较通俗又详细的梳理了人工智能的前世今生，从历史和各个科学家的经历着手，穿插比较硬核的人工智能算法的原理，看得出来已经尽量通俗易懂了（但是我一个四则运算也要求助计算器的人类要理解微积分和函数真是太难了，幸好所占篇幅很少），连续性和阅读趣味性比较兼顾，对想要了解相关知识的文科生还是很友好的。
0 有用 wc888 2021-11-28 23:15:20
综述科普写地很不错
0 有用 littlepocket 2024-05-08 12:33:28 上海
#202440 #20240508 非常适合对人工智能不了解/只有基础了解的人看，用很浅显易懂又风趣地方式介绍了人工智能发展及应用历史，虽然函数和模型是真的看不懂，但不妨碍这本书可以帮助我们更好地了解人工智能发展的历史、分支演变情况、以及涉及的相关领域等。
0 有用 cellylty 2024-05-03 08:04:20 重庆
我阅读的关于人工智能的第二本书，我认为非常详细，涉及到具体技术的内容不多，我没读懂那部分也不会影响我对整体框架的了解。
0 有用 风影 2024-04-30 22:15:03 湖南
人工智能领域的神作，没成想是2018年出版的。虽然读到的时间已经晚了整整六年，但除了没有涉及近期比较火的大模型之外，其内容用现实的眼光来看一点也不过时，甚至在将来也会是常读常新。
0 有用 六月 2024-04-29 00:54:32 广东
专业，同时不失平实
0 有用 van！ 2024-04-26 22:48:27 陕西
数学的内容自动跳过，清醒地认识了自己的智商。