主编推荐语
图灵奖得主、深度学习三巨头之一、卷积神经网络之父杨立昆自述。
内容简介
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——这个历史上的时刻发生的故事。
目录
- 版权信息
- 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
- 杨立昆的成功经验
- 人工智能的本质
- 人工智能的应用
- 人工智能的局限性
- 以批判性思维持续学习
- 敢言的杨立昆
- 坦诚直率的分享
- 丰富的阅读体验
- 到底是不是炼金术？
- 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
- 寻找根据x预测y的函数f（x）
- 减少错误
- 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
- 瓦普尼克公式
- 布尔函数的眩晕
- 一些可能函数的例子
- 正则化：调节模型的容量
- 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
- 简单细胞
- 复杂细胞和池化
- 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
- 什么是卷积网络
- 目标检测、定位、分割和识别
- 基于卷积网络的语义分割
- 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
- 自动驾驶系统的三个阶段
- 自主性与混合系统
- 完全自主驾驶还有多远
- 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
- 脸书的丑闻
- 新闻源
- 脸书和媒体的未来
- 新脸书
- 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
- 自主智能体的体系结构
- 深度学习和推理：动态网络
- 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
评分及书评
给这本书评了5.0杨立昆科学之路读后感杨立昆是深度学习领域的重要贡献者，对这门学科的繁荣发展起到了关键作用。他与辛顿几乎同时提出了神经网络中的反向传播算法，这一创新极大地促进了神经网络的发展。此外，他所设计的 LeNet 是第一个真正意义上的深度神经网络模型，为后来的研究奠定了坚实基础。LeNet 的提出直接启发了 2012 年 ImageNet 竞赛的冠军 AlexNet，使得深度学习开始受到广泛关注。鉴于他的杰出贡献，杨立昆与辛顿、约书亚在 2018 年共同荣获了图灵奖。值得一提的是，辛顿还在 2024 年与另一位神经网络领域的先驱一同获得了诺贝尔物理学奖，这使得神经网络和深度学习为更多人所熟知。本书以深入浅出的方式讲解了神经网络的诸多知识，对于希望深入了解神经网络和深度学习的读者来说，无疑是一本值得推荐的佳作。
出版方
中信出版集团
中信出版社，成立于1988年，隶属于中国中信集团公司，是全国中央级出版社。2008年改制为中信出版股份有限公司。 中信出版集团满怀激情，关注思想、关注理念、关注人物、关注资讯、关注时尚，为读者提供最前沿的思想与最优秀的学习实践，通过有价值的、有享受的阅读，倡导与展示新的文化主流，启动一个“大众阅读时代”。
