作品简介

任何足够先进的技术初看都与魔法无异。

自动驾驶汽车已经在很多国家上路,网飞的算法能主动预测你喜欢的电影,DeepMind的计算机程序通关了雅达利游戏,AlphaGo在古老的围棋领域攻克了人类智能的防线。

这一切是如何发生的?智能机器究竟如何思考?

在这本书中,作者用人人 都能读懂的语言展示了人工智能领域的前沿成果,深入解读了感知算法、强化学习、智能体、卷积神经网络、深度语音识别、图片识别等科技巨头纷纷拥抱的概念,正是它们让当今的机器如此智能。

 DARPA和ImageNet的挑战赛给未来播撒了怎样的种子?

 网飞的电影推荐为什么如此准确?

 人工智能怎么打DOTA?

 AlphaGo除了下围棋还会做别的吗?

 神经网络如何做到能听、能说、能记忆?

 我们为什么要不断制造能复制人类智力和行为的机器?

这本书将为你打开机器学习与神经网络的黑匣子,让你看懂“魔法”背后的机制。关于自动驾驶汽车、网飞算法、会玩游戏的人工智能以及AlphaGo,这本书囊括了你想知道的一切。

肖恩·格里什(Sean Gerrish)

谷歌前工程专家、普林斯顿大学的机器学习博士、机器学习极客。

他曾在高频交易机构泰莎科技担任工程师,并在谷歌担任机器学习和数据科学团队的工程专家。

作品目录

  • 引文
  • 推荐序
  • 前言
  • 1 自动机的秘密
  • 长笛演奏者
  • 今天的自动机
  • 钟摆的摆动
  • 并不难懂的自动机
  • 2 自动驾驶汽车:挑战不可能
  • 沙漠中的百万美元竞赛
  • 如何打造自动驾驶汽车
  • 规划路径
  • 路径搜索
  • 导航
  • 无人车挑战赛的获胜者
  • 一场失败的比赛
  • 3 保持在车道内行驶:自动驾驶汽车的感知
  • 第二次无人车挑战赛
  • 自动驾驶汽车中的机器学习
  • 斯坦利的架构
  • 避开障碍物
  • 寻找道路的边缘
  • 开眼看路
  • 路径规划
  • 斯坦利大脑的各个部分如何相互交流
  • 4 在十字路口避让:自动驾驶汽车的大脑
  • 城市挑战赛
  • 感知抽象
  • 比赛
  • Boss的高层次推理层
  • 攻克交通堵塞
  • 三层架构
  • 自动驾驶汽车看到的物体
  • 自动驾驶汽车:复杂的系统
  • 自动驾驶汽车的轨迹
  • 5 网飞和推荐引擎的挑战
  • 百万美元大奖
  • 竞争者
  • 如何训练分类器
  • 比赛的目标
  • 庞大的评分矩阵
  • 矩阵分解
  • 第一年结束
  • 6 团队融合:网飞奖的赢家
  • 缩小竞争者之间的差距
  • 第一年末
  • 随时间变化的预测
  • 过度拟合
  • 模型混合
  • 第二年
  • 最后一年
  • 赛后
  • 7 用奖励教导计算机
  • DeepMind玩雅达利游戏
  • 强化学习
  • 教导智能体
  • 为智能体编写程序
  • 智能体如何观察环境
  • 经验金块
  • 用强化学习玩雅达利游戏
  • 8 如何用神经网络攻克雅达利游戏
  • 神经信息处理系统
  • 近似,而非完美
  • 用作数学函数的神经网络
  • 雅达利游戏神经网络的结构
  • 深入研究神经网络
  • 9 人工神经网络的世界观
  • 人工智能的奥秘
  • 国际象棋自动机“土耳其人”
  • 神经网络中的误导
  • 识别图像中的物体
  • 过度拟合
  • ImageNet
  • 卷积神经网络
  • 为什么是深度神经网络?
  • 数据瓶颈
  • 10 深入了解深度神经网络的内部秘密
  • 计算机生成图片
  • 压缩函数
  • ReLU激活函数
  • 机器人之梦
  • 11 能听、能说、能记忆的神经网络
  • 对机器而言,“理解”意味着什么?
  • 深度语音识别系统
  • 循环神经网络
  • 为图像生成字幕
  • 长短时记忆网络
  • 对抗数据
  • 12 理解自然语言
  • 是宣传噱头,还是人工智能研究的福音?
  • IBM的“沃森”
  • 攻克《危险边缘》所遇到的挑战
  • 浩如烟海的知识
  • 《危险边缘》挑战赛的诞生
  • DeepQA
  • 问题分析
  • “沃森”如何解读句子?
  • 13 挖掘《危险边缘》的最佳答案
  • 地下室基准
  • 生成候选答案
  • 查找答案
  • 轻量级过滤器
  • 证据检索
  • 评分
  • 汇总和排名
  • 调整“沃森”
  • 重新审视DeepQA
  • “沃森”有智能吗?
  • 14 用蛮力搜索找到好策略
  • 通过搜索玩游戏
  • 数独
  • 树的大小
  • 分支因子
  • 游戏中的不确定性
  • 克劳德·香农与信息论
  • 评价函数
  • “深蓝”
  • 加入IBM
  • 搜索与神经网络
  • 西洋双陆棋程序
  • 搜索的局限
  • 15 职业水平的围棋
  • 计算机围棋
  • 围棋
  • 通过抽样走子来建立直觉
  • 神之一手
  • 蒙特卡洛树搜索
  • 单臂老虎机
  • AlphaGo是否需要如此复杂
  • AlphaGo的局限
  • 16 实时人工智能与《星际争霸》
  • 构建更好的游戏机器人
  • 《星际争霸》与人工智能
  • 简化游戏
  • 实用《星际争霸》机器人
  • OpenAI与《DOTA2》
  • 《星际争霸》机器人的未来
  • 17 50年后或更遥远的未来
  • 人工智能起起伏伏的发展过程
  • 如何复制这本书中的成功
  • 数据的普遍使用
  • 下一步去向何方
  • 致谢
展开全部