深度學習：智能時代的核心驅動力量

定　價：￥88.00

作　者：	[美]特倫斯·謝諾夫斯基（Terrence Sejnowski）著
出版社：	中信出版集團
叢編項：	深度學習
標　簽：	暫缺

購買這本書可以去

ISBN：	9787508698359	出版時間：	2019-02-01	包裝：	精裝
開本：	大32開	頁數(shù)：		字數(shù)：

內容簡介

　　全球科技巨頭紛紛擁抱深度學習，自動駕駛、AI醫(yī)療、語音識別、圖像識別、智能翻譯以及震驚世界的AlphaGo，背后都是深度學習在發(fā)揮神奇的作用。深度學習是人工智能從概念到繁榮得以實現(xiàn)的主流技術。經過深度學習訓練的計算機，不再被動按照指令運轉，而是像自然進化的生命那樣，開始自主地從經驗中學習。本書作者特倫斯·謝諾夫斯基是全球人工智能十大科學家之一、深度學習先驅及奠基者，親歷了深度學習在20世紀70年代到90年代的寒冬。但他和一眾開拓者，利用大數(shù)據(jù)和不斷增強的計算能力，終于在神經網(wǎng)絡算法上取得重大突破，實現(xiàn)了人工智能井噴式的發(fā)展。作為深度學習領域的通識作品，本書以恢弘的筆觸，通過3個部分全景展現(xiàn)了深度學習的發(fā)展、演變與應用，首次以親歷者視角回溯了深度學習浪潮在過去60年間的發(fā)展脈絡與人工智能的螺旋上升，并前瞻性地預測了智能時代的商業(yè)圖景。

作者簡介

　　特倫斯·謝諾夫斯基Terrence （Terry）Sejnowski 世界十大AI科學家之一，美國四大國家學院（國家科學院、國家醫(yī)學院、國家工程院、國家藝術與科學學院）在世僅3位的“四院院士”之一，全球AI專業(yè)會議NIPS基金會主席。作為神經網(wǎng)絡的先驅，早在1986年，特倫斯就與杰弗里·辛頓共同發(fā)明了玻爾茲曼機，把神經網(wǎng)絡帶入到研究與應用的熱潮，將深度學習從邊緣課題變成了互聯(lián)網(wǎng)科技公司仰賴的核心技術，實現(xiàn)了人工智能井噴式的發(fā)展。特倫斯現(xiàn)任美國索爾克生物研究所（美國生命科學領域成果*多的研究機構）計算神經生物學實驗室主任，是美國政府注資50億美元“腦計劃”項目（BRAIN，the Brain Research through Advancing Innovative Neurotechnologies）領軍人物。特倫斯同時是全球*大在線學習平臺Coursera*受歡迎課程《學習如何學習》（Learning how to learn）主理人，通過系統(tǒng)講解大腦認知的底層知識，讓學習者可以改變思維模式，提高學習的能力和效率。目前該課程學習人數(shù)已經超過了300萬。

圖書目錄

推薦序面對科技拐點，我們的判斷與選擇
中文版序人工智能會放大認知能力
前言深度學習與智能的本質

第一部分智能的新構想

01 機器學習的崛起

汽車新生態(tài)：無人駕駛將全面走入人們生活
自然語言翻譯：從語言到句子的飛躍
語音識別：實時跨文化交流不再遙遠
AI醫(yī)療：醫(yī)學診斷將更加準確
金融科技：利用數(shù)據(jù)和算法獲取*佳回報
深度法律：效率的提高與費用的降低
德州撲克：當機器智能學會了虛張聲勢
AlphaGo奇跡：神經科學與人工智能的協(xié)同
弗林效應：深度學習讓人類更加智能
新教育體系：每個人都需要終身學習
正面影響：新興技術不是生存威脅
回到未來：當人類智能遇到人工智能

02 人工智能的重生

看似簡單的視覺識別
計算機視覺的進步
早期人工智能發(fā)展緩慢
從神經網(wǎng)絡到人工智能

03 神經網(wǎng)絡的黎明

深度學習的起點
從樣本中學習
利用感知器區(qū)分性別
被低估的神經網(wǎng)絡

04 大腦式的計算

網(wǎng)絡模型能夠模仿智能行為
神經網(wǎng)絡先驅者
喬治·布爾與機器學習
利用神經科學理解大腦
大腦如何處理問題
計算神經科學的興起

05 洞察視覺系統(tǒng)

人眼是如何看到東西的
大腦皮層中的視覺
突觸的可塑性
通過陰影腦補立體全貌
視覺區(qū)域的層級結構
認知神經科學的誕生

第二部分深度學習的演進

06 語音識別的突破

在嘈雜中找到你的聲音
將獨立分量分析應用于大腦
什么在操控我們的言行

07 霍普菲爾德網(wǎng)絡和玻爾茲曼機

約翰·霍普菲爾德的偉大之處
內容可尋址存儲器
局部*小值與全局*小值
玻爾茲曼機
赫布理論
學習識別鏡像對稱
學習識別手寫數(shù)字
無監(jiān)督學習和皮層發(fā)育

08 反向傳播算法

算法的優(yōu)化
語音合成的突破
神經網(wǎng)絡的重生
理解真正的深度學習
神經網(wǎng)絡的局限性

09 卷積學習

機器學習的穩(wěn)步發(fā)展
卷積網(wǎng)絡的漸進式改進
當深度學習遇到視覺層級結構
有工作記憶的神經網(wǎng)絡
生成式對抗網(wǎng)絡
應對現(xiàn)實社會的復雜性

10 獎勵學習

機器如何學會下棋
大腦的獎勵機制
用“感知-行動”框架提高績效
學習如何翱翔
學習如何歌唱
人工智能的可塑性
更多需要被解決的問題

11 火爆的NIPS

為什么NIPS如此受歡迎
誰擁有*多數(shù)據(jù)，誰就是贏家
為未來做準備

第三部分人類，智能與未來

12 智能時代

21世紀的生活
未來的身份認證
社交機器人的崛起
機器已經會識別人類面部表情
新技術改變教育方式
成為更好的學習者
訓練你的大腦
智能商業(yè)

13 算法驅動

用算法把復雜問題簡單化
理解、分析復雜系統(tǒng)
大腦的邏輯深度
嘗試所有可能的策略

14 芯片崛起

神經形態(tài)芯片
視網(wǎng)膜芯片
神經形態(tài)工程
摩爾定律的終結

15 信息科學

用字節(jié)丈量世界
用數(shù)學思維解決通信難題
預測是如何產生的
深度理解大腦
大腦的操作系統(tǒng)
生物學與計算科學
人工智能能擁有媲美人類大腦的操作系統(tǒng)

16 生命與意識

視覺意識
視覺感知的過程
視覺感知的時機
視覺感知的部位
視覺搜索的機理
創(chuàng)造意識比理解意識更容易

17 進化的力量

大自然比我們聰明
認知科學的興起
不能把語言問題只留給語言學家
難預測的行為規(guī)律
神經網(wǎng)絡的寒冬
從深度學習到通用人工智能

18 深度智能

遺傳密碼
每個物種都有智能
進化的起源
人類終將解決智能難題