豆瓣评论

  • 贾里
    通篇较为浅显,涉及技术部分可跳过,因为简化太多了。翻译一塌糊涂,亮点在两篇序言上。不过通过阅读这本书,基本上至少可以知道人工智能的“当前科学理解”是怎样的。不要对人工智能太乐观,也无须太过悲观,因为当前的人工智能仍然停留在工具的阶段,知其然而不知其所以然,AI 4.0可能要在脑科学揭开人类如何形成概念的谜底之后才能爆发,而那时候才能说得上发展强人工智能。04-07
  • 南柯一梦
    科普性质的书,大部分内容陆续关注过。关于符号推理方面的东西倒是了解不多。感觉少了心理学和神经科学的进展呀04-10
  • 逐梦的孩子
    自学机器学习的时候看的,对我这种门外汉来说,是个很好的科普书05-01
  • armman
    好书的两个显著标准:1 书名根本不重要,内容足以支撑一切;2 我想要看作者的所有作品;06-16
  • Kuaibun
    水分太多。估计十几页就够了03-21
  • 冰与火的誓言
    人工智能集大成之作 内容丰富 深入浅出 如果只推荐一本ai相关 绝对是这本03-13
  • 白色的蓝
    很好的科普+发展史。也算是另一个方面了解了神经系统和脑科学。03-27
  • Rosecanoe
    很不错的书,能感受到作者对读者的贴心,帮助get到了一些计算机黑话(叉腰)。PS:比起研究AI,我对研究人的兴趣好像更大些(挠头)。11-12
  • C
    和侯世达一样,米歇尔也已经out of fashion了,如果你想从这本书里得到AI或者深度学习领域的最新理念,出门右转并感谢这条评论帮你节省的时间。01-26
  • 刺幻者
    通俗易懂地总结和分析了人工智能领域的发展历程、既有成果、缺憾问题和前景方向,有很多观点具有启发性,尤其是其中提到的问题确实是AI现在的软肋,比如迁移学习能力、对常识和抽象概念的理解力等。03-23
  • Rachel.ZZZ
    人工智能应对不同领域的发展状况,算法与思维方式,数据收集方式。仍需解决的问题,是否需要担忧,中规中矩,入门可以。 期待过高。03-16
  • 叶梓涛
    没想到是侯世达的学生的作品,是我找到的最清晰的关于AI内容的科普和祛魅,至少让我简单理解了何为卷积神经网络,递归神经网络,自然语言处理的基础Transformer其中的encoder和decoder,至少在很多地方能够帮助自己做了很多的祛魅,问题可能就是对我来说还不能理解类似Q-Learning和深度强化学习这样的算法,但我觉得其中打开的一扇门很适合通向例如侯世达例如其他的内容。04-07
  • 诺坎普的朝圣者
    作者很详细的介绍了人工智能从提出到至今发展的历程和取得的成果。深度学习,卷积神经网络,虚拟现实,语音助理,自动驾驶,alphago等等之前耳熟能详的词语终于彻底了解了是怎么回事。内容也不太难,深度也合适,很棒的一本书。04-08
  • BlaCk
    又是一本偏商业的综述。有几章像是深度学习的简略教程,但我认为有必要 - 相反,脱离技术而对人工智能夸夸其谈是可耻的,这一点值得警惕。04-27
  • hx
    非常实在 清晰明了 基本上只是大数据匹配和模式挖掘02-18