出版社: 中信出版社
副标题: 智能时代的核心驱动力量
原作名: The Deep Learning Revolution
译者: 姜悦兵
出版年: 2019-2
页数: 400
定价: 88
装帧: 精裝(有2020年6月5印本)
ISBN: 9787508698359
内容简介 · · · · · ·
全球科技巨头纷纷拥抱深度学习,自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo,背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机,不再被动按照指令运转,而是像自然进化的生命那样,开始自主地从经验中学习。
本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者,亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者,利用大数据和不断增强的计算能力,终于在神经网络算法上取得重大突破,实现了人工智能井喷式的发展。
作为深度学习领域的通识作品,本书以恢弘的笔触,通过3个部分全景展现了深度学习的发展、演变与应用,首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升,并前瞻性地预测了智能时代的商业图景。
作者简介 · · · · · ·
特伦斯·谢诺夫斯基 Terrence (Terry) Sejnowski
世界十大AI科学家之一,美国四大国家学院(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)在世仅3位的“四院院士”之一,全球AI专业会议NIPS基金会主席。
作为神经网络的先驱,早在1986年,特伦斯就与杰弗里·辛顿共同发明了玻尔兹曼机,把神经网络带入到研究与应用的热潮,将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术,实现了人工智能井喷式的发展。
特伦斯现任美国索尔克生物研究所(美国生命科学领域成果最多的研究机构) 计算神经生物学实验室主任,是美国政府注资50亿美元“脑计划”项目(BRAIN,the Brain Research through Advancing Innovative Neurotechnologies)领军人物。
特伦斯同时是全球最大在线...
特伦斯·谢诺夫斯基 Terrence (Terry) Sejnowski
世界十大AI科学家之一,美国四大国家学院(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)在世仅3位的“四院院士”之一,全球AI专业会议NIPS基金会主席。
作为神经网络的先驱,早在1986年,特伦斯就与杰弗里·辛顿共同发明了玻尔兹曼机,把神经网络带入到研究与应用的热潮,将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术,实现了人工智能井喷式的发展。
特伦斯现任美国索尔克生物研究所(美国生命科学领域成果最多的研究机构) 计算神经生物学实验室主任,是美国政府注资50亿美元“脑计划”项目(BRAIN,the Brain Research through Advancing Innovative Neurotechnologies)领军人物。
特伦斯同时是全球最大在线学习平台Coursera最受欢迎课程《学习如何学习》(Learning how to learn)主理人,通过系统讲解大脑认知的底层知识,让学习者可以改变思维模式,提高学习的能力和效率。目前该课程学习人数已经超过了300万。
目录 · · · · · ·
中文版序 人工智能会放大认知能力
前 言 深度学习与智能的本质
第一部分 智能的新构想
01 机器学习的崛起
汽车新生态:无人驾驶将全面走入人们生活
· · · · · · (更多)
中文版序 人工智能会放大认知能力
前 言 深度学习与智能的本质
第一部分 智能的新构想
01 机器学习的崛起
汽车新生态:无人驾驶将全面走入人们生活
自然语言翻译:从语言到句子的飞跃
语音识别:实时跨文化交流不再遥远
AI医疗:医学诊断将更加准确
金融科技:利用数据和算法获取最佳回报
深度法律:效率的提高与费用的降低
德州扑克:当机器智能学会了虚张声势
AlphaGo奇迹:神经科学与人工智能的协同
弗林效应:深度学习让人类更加智能
新教育体系:每个人都需要终身学习
正面影响:新兴技术不是生存威胁
回到未来:当人类智能遇到人工智能
02 人工智能的重生
看似简单的视觉识别
计算机视觉的进步
早期人工智能发展缓慢
从神经网络到人工智能
03 神经网络的黎明
深度学习的起点
从样本中学习
利用感知器区分性别
被低估的神经网络
04 大脑式的计算
网络模型能够模仿智能行为
神经网络先驱者
乔治·布尔与机器学习
利用神经科学理解大脑
大脑如何处理问题
计算神经科学的兴起
05 洞察视觉系统
人眼是如何看到东西的
大脑皮层中的视觉
突触的可塑性
通过阴影脑补立体全貌
视觉区域的层级结构
认知神经科学的诞生
第二部分 深度学习的演进
06 语音识别的突破
在嘈杂中找到你的声音
将独立分量分析应用于大脑
什么在操控我们的言行
07 霍普菲尔德网络和玻尔兹曼机
约翰·霍普菲尔德的伟大之处
内容可寻址存储器
局部最小值与全局最小值
玻尔兹曼机
赫布理论
学习识别镜像对称
学习识别手写数字
无监督学习和皮层发育
08 反向传播算法
算法的优化
语音合成的突破
神经网络的重生
理解真正的深度学习
神经网络的局限性
09 卷积学习
机器学习的稳步发展
卷积网络的渐进式改进
当深度学习遇到视觉层级结构
有工作记忆的神经网络
生成式对抗网络
应对现实社会的复杂性
10 奖励学习
机器如何学会下棋
大脑的奖励机制
用“感知-行动”框架提高绩效
学习如何翱翔
学习如何歌唱
人工智能的可塑性
更多需要被解决的问题
11 火爆的NIPS
为什么NIPS如此受欢迎
谁拥有最多数据,谁就是赢家
为未来做准备
第三部分 人类,智能与未来
12 智能时代
21世纪的生活
未来的身份认证
社交机器人的崛起
机器已经会识别人类面部表情
新技术改变教育方式
成为更好的学习者
训练你的大脑
智能商业
13 算法驱动
用算法把复杂问题简单化
理解、分析复杂系统
大脑的逻辑深度
尝试所有可能的策略
14 芯片崛起
神经形态芯片
视网膜芯片
神经形态工程
摩尔定律的终结
15 信息科学
用字节丈量世界
用数学思维解决通信难题
预测是如何产生的
深度理解大脑
大脑的操作系统
生物学与计算科学
人工智能能拥有媲美人类大脑的操作系统
16 生命与意识
视觉意识
视觉感知的过程
视觉感知的时机
视觉感知的部位
视觉搜索的机理
创造意识比理解意识更容易
17 进化的力量
大自然比我们聪明
认知科学的兴起
不能把语言问题只留给语言学家
难预测的行为规律
神经网络的寒冬
从深度学习到通用人工智能
18 深度智能
遗传密码
每个物种都有智能
进化的起源
人类终将解决智能难题
· · · · · · (收起)
原文摘录 · · · · · ·
喜欢读"深度学习"的人也喜欢的电子书 · · · · · ·
喜欢读"深度学习"的人也喜欢 · · · · · ·
深度学习的书评 · · · · · · ( 全部 18 条 )
> 更多书评 18篇
以下书单推荐 · · · · · · ( 全部 )
- 【书】所谓知识的另一种 (自娱者小五)
- 37°暖书单(二) (37°暖)
- 好奇心日报的推荐书单2019 (Dao里个Dao)
- 腾讯研究院2019新春书单 (窦某)
- 深度学习与人工智能 (lyb)
谁读这本书? · · · · · ·
二手市场
· · · · · ·
订阅关于深度学习的评论:
feed: rss 2.0
1 有用 漂流在外的蘑菇 2019-05-19 10:21:58
有技巧地厚积薄发
2 有用 ABC 2019-06-24 00:07:46
跳过算法的描述,算是不错的deep mind科普了,毕竟数学不是谁都能看懂的,否则自己也不用崇拜数学家了。 从科普的角度看,好好读一下第1和3部分就好。第2部分相关的算法,没有数学基础的话翻翻了解一下概念和演进历程就好。科普如果把重点放在科,普也会感到挫败😂
7 有用 armman 2019-06-07 17:34:49
虽然作者比较牛 但是把基本的概念说得不够彻底把原理讲的不够通俗 功力深厚体现不出来啊
3 有用 Yanhaoo 2019-04-26 19:36:48
本来是当科普读物看的,但是科普程度一般,还充斥着作者无限的个人经历,与本文核心并无关心,纯属凑数
0 有用 俗女老王 2019-03-30 21:14:08
个人记忆串起了学科历史和行业历史
0 有用 兢兢业业咖啡豆 2024-10-18 19:21:49 四川
作为一个想了解一下AI的业余学习者,这本确实不太适合作为科普书籍。
0 有用 远远 2024-10-16 16:13:10 瑞典
做为科普书也太难了,好多地方看不懂,但是作者很好的阐释了DL为什么只能在西方产生,对于大脑逆向工程的前提是深厚的生物研究和数学基础,新科物理诺奖得主辛顿的爷爷是数学家布尔,而布尔代数是现在计算机系统的基础~everything connects to everything else
0 有用 💕 2024-09-03 20:34:31 湖南
精英日课S2 学习一个深度算法
0 有用 Jimmy47 2024-08-10 16:29:49 黑龙江
得到听书 1. 人工智能领域的研究从1956年至今,一共遭遇了三次危机,三次危机之后,也迎来了三次浪潮,我们现在正在经历人工智能的第三次浪潮; 2. 人工智能领域的研究者一开始分成两派:设计派和学习派,科学家们逐渐发现,通过模仿人类大脑学习的过程,更能解决人工智能领域的问题; 3. 我们对人工智能的理解不足,对于脑科学的理解不足,芯片技术的发展受限,都有可能成为人工智能领域接下来遇到的挑战。
0 有用 Shylock_ 2024-07-06 11:50:05 湖北
对于新手来说看得意义不大,多是从生物学角度解释机器学习,需要一定背景,不推荐看。第4本机器学习的书