作品简介

“图灵奖”得主、“深度学习三巨头”之一、“卷积神经网络之父”由于在人工智能领域的突出贡献,杨立昆被中国计算机科学界和企业界所熟知。

杨立昆的科学之路,谱写了一段关于勇气的宣言。他为了知识本身求学,而不是文凭,他用自己的经历,证明了通过激烈的考试竞争进入名校不是科学成功的窄门。他广泛阅读,为他科学思维的形成奠定了坚实的理论基础。他特立独行,做自己感兴趣的事情,即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期,他寂寞地坚持,终于取得了举世瞩目的成就。

人工智能正在颠覆人类社会,未来机器能思考吗?杨立昆的这部著作,讲述正是人工智能在我们面前崛起——这个历史上仅有的时刻发生的故事。

杨立昆是法国人,名字原文为Yann Le Cun,姓氏为Le Cun,因在美国常被误缩写为Y.L.Cun,于是把LeCun合写在一起。中文译名原为扬·勒丘恩,华人AI圈一直亲切地称他为“杨乐康”,他本人听闻后,干脆自己给自己取了中文名字——杨立昆。

他被誉为“卷积神经网络之父”,2019年3月,因在人工智能深度学习方面的贡献获得2018年度图灵奖。此外,他还获得了2014年IEEE神经网络先锋奖(Neural Network Pioneer Award)、2015年IEEE PAMI杰出研究奖和2016年Lovie终身成就奖。他为卷积神经网络(CNN,Convolutional Neural Networks)和图像识别领域做出了重要贡献,以手写字体识别、图像压缩和人工智能硬件等主题发表过190多份论文,研发了很多关于深度学习的项目,并且拥有14项相关的美国专利。研究领域包括人工智能、机器学习、机器感知、移动机器人学和计算神经学。

作品目录

  • 本书赞誉
  • 人工智能的崛起时刻
  • 所有努力都是为了提升概率
  • 在无人区创新
  • 从科学思考到科学思维
  • 以批判性思维持续学习
  • 杨立昆的科学之路
  • 让历史告诉未来
  • 探求未知的科学精神
  • 中文版自序 科研的魅力
  • 前言 我的科学之路
  • 第一章 人工智能呼啸而来
  • 1.人工智能无处不在
  • 2.人工智能艺术家
  • 3.索菲亚:类人生物还是虚张声势
  • 4.飞速迭代的人工智能
  • 5.让机器学会学习
  • 6.技术混搭
  • 7.我们应该如何定义人工智能
  • 8.人工智能的未来
  • 9.算法的广阔天空
  • 第二章 人工智能和我的学术生涯
  • 1.永恒的追求:让机器拥有智能
  • 2.传统智能难以复制
  • 3.人类与人工智能的“战争”
  • 4.神经流派的崛起
  • 5.遭遇寒冬
  • 6.狂热的疯子
  • 7.被兴趣激发的人
  • 8.卓有成效的阅读
  • 9.我的偶像
  • 10.“你认识一个叫杨立昆的人吗?”
  • 11.梯度反向传播的运用
  • 12.神圣之地
  • 13.贝尔实验室的岁月
  • 14.职业与信念
  • 15.深度学习的阴谋
  • 16.卷积网络的春天
  • 第三章 机器的初级训练
  • 1.从海兔得到的启发
  • 2.监督学习
  • 3.随机近似
  • 4.数学家的题外话
  • 5.伽利略和比萨斜塔
  • 6.图像识别
  • 7.感知器的创新
  • 8.25像素的网格
  • 9.区分字母C和D
  • 10.泛化原理
  • 11.感知器的局限性
  • 12.特征提取器
  • 第四章 机器学习的方法
  • 1.成本函数
  • 2.找到谷底
  • 3.实践中的梯度下降
  • 4.随机梯度
  • 5.多个谷底的困扰
  • 6.机器学习的原理
  • 7.模型的选择
  • 8.奶牛和三名科学家
  • 9.奥卡姆剃刀原理
  • 10.机器训练方案
  • 11.最佳折中方案
  • 12.人类的教训
  • 第五章 完成更复杂的任务
  • 1.贡献度分配
  • 2.连续神经元
  • 3.我的分层学习机
  • 4.赛跑
  • 5.数学的美妙之处
  • 6.多层结构的益处
  • 7.打破异议
  • 8.多层网络的魅力
  • 第六章 人工智能的支柱
  • 1.2012年的重磅炸弹
  • 2.视觉系统的信息处理
  • 3.有远见的东京科学家
  • 4.科学界方法之争
  • 5.卷积网络全貌
  • 第七章 深度学习的应用
  • 1.图像辨识
  • 2.内容嵌入和相似度测量
  • 3.语音识别
  • 4.语音克隆
  • 5.语言的理解和翻译
  • 6.智能预测
  • 7.人工智能与科学
  • 8.自动驾驶汽车
  • 9.大型应用程序的架构:虚拟助手
  • 10.医学影像与医学
  • 11.从传统搜索算法到强化学习
  • 第八章 我在脸书的岁月
  • 1.与脸书结缘
  • 2.脸书的人工智能研究实验室
  • 3.科学的突破与产品的开发
  • 4.用技术实现信息过滤
  • 5.技术、平台与媒体
  • 6.对带标签数据的渴求
  • 7.图灵奖与我的新身份
  • 第九章 前景与挑战
  • 1.探究智能和学习的基础
  • 2.机器学习的局限性
  • 3.强化学习的局限性
  • 4.有待开发的学习新范式
  • 5.有限的预测能力
  • 6.人是如何学习的
  • 7.如何训练预测系统
  • 8.多重预测和潜在变量
  • 9.赋予机器预测能力
  • 10.系统智能接近人类智能任重而道远
  • 11.集成电路创新的爆炸式增长
  • 12.人工智能的未来
  • 第十章 隐忧与未来
  • 1.人工智能将改变社会和经济
  • 2.人工智能创新的生态系统
  • 3.谁将从革命中受益
  • 4.军事失控的风险
  • 5.危险警报:人工智能的滥用
  • 6.如何解释人工智能
  • 7.理解人类智能
  • 8.大脑只是一部机器吗
  • 9.所有模型都是错的
  • 10.担忧的声音
  • 11.人工智能并不万能
  • 12.大脑的学习机制
  • 13.机器能否产生意识
  • 14.语言在思维中的作用
  • 15.机器会有情感吗
  • 16.机器人想要获得权力吗
  • 17.价值观的统一
  • 18.新的疆界
  • 19.智力科学
  • 结语
  • 术语表
  • 致谢
展开全部