当前位置: 100md首页 > 电子书籍 > 资料下载2021 > 未分类2
编号:45461
深度学习：智能时代的核心驱动力量.pdf
http://www.100md.com 2020年12月21日
第1页
第6页
第20页
第21页
第48页

    参见附件(16295KB，369页)。

    深度学习 智能时代的核心驱动力量作为深度学习领域的通识作品，本书以恢弘的笔触，通过3个部分全景展现了深度学习的发展、演变与应用，首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。

    本书特色

    【深度学习会扩大你的认知，人工智能不是生存威胁。】这本书所讲的内容，与每个人的生活息息相关。AlphaGo、自动驾驶、语音识别、智能翻译、AI医疗、图像识别……你所看到的各种形式的人工智能，背后都是深度学习在发挥作用。这本书将告诉你，深度学习有哪些神奇之处，并对你产生哪些影响。

    【人工智能大牛作者重磅作品】世界十大AI科学家之一、美国“四院院士”(全美在世仅3位)、全球人工智能专业会议NIPS基金会主席特伦斯·谢诺夫斯基(Terrence/Terry Sejnowski)力作。

    【AI女神、AI教父联袂推荐】谷歌前云AI负责人、斯坦福大学HAI研究院联合创始人 李飞飞、AI教父杰弗里·辛顿诚挚推荐。

    【想了解深度学习，请读这一本。】很多信息都在传递AI会给我们带来革命性的巨变，却只点出了表象，而这本书将从AI的源头——深度学习开始，讲述这个智能时代核心驱动力量如何一步步影响科技、商业乃至整个世界的进步。

    内容简介

    全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。

    本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者，利用大数据和不断增强的计算能力，终于在神经网络算法上取得重大突破，实现了人工智能井喷式的发展。

    作者简介

    特伦斯·谢诺夫斯基 Terrence (Terry) Sejnowski

    世界十大AI科学家之一，美国四大国家学院(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)在世仅3位的“四院院士”之一，全球AI专业会议NIPS基金会主席。

    作为神经网络的先驱，早在1986年，特伦斯就与杰弗里·辛顿共同发明了玻尔兹曼机，把神经网络带入到研究与应用的热潮，将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术，实现了人工智能井喷式的发展。

    特伦斯现任美国索尔克生物研究所(美国生命科学领域成果*多的研究机构) 计算神经生物学实验室主任，是美国政府注资50亿美元“脑计划”项目(BRAIN，the Brain Research through Advancing Innovative Neurotechnologies)领军人物。

    特伦斯同时是全球*大在线学习平台Coursera*受欢迎课程《学习如何学习》(Learning how to learn)主理人，通过系统讲解大脑认知的底层知识，让学习者可以改变思维模式，提高学习的能力和效率。目前该课程学习人数已经超过了300万。

    原文

    不久之前，人们还常说，计算机视觉的辨别能力尚不如一岁大的孩子。如今看来，这句话要改写了。计算机不仅能和大多数成年人一样识别图片中的物体，在马路上驾驶汽车的安全性还高过16 岁的青少年。更神奇的是，如今的计算机不再是被动按照指令识别和驾驶，而是像自然界的生命由数百万年前开始进化那样，自主地从经验中学习。是数据的井喷促成了这一技术进步。如果说数据是新时代的石油，那么学习算法就是从中提取信息的炼油厂；信息积累成知识；知识深化成理解；理解演变为智慧。欢迎来到深度学习的新世界。

    深度学习是机器学习的一个分支，它根植于数学、计算机科学和神经科学。深度网络从数据中学习，就像婴儿了解周围世界那样，从睁开眼睛开始，慢慢获得驾驭新环境所需的技能。深度学习的起源可以追溯到20 世纪50 年代人工智能的诞生。关于如何构建人工智能，当时存在两种不同的观点：一种观点主张基于逻辑和计算机程序，曾主宰人工智能的研究和应用数十年；另一种观点则主张直接从数据中学习，经历了更长时间的摸索才逐渐成熟。

    20 世纪，计算机技术还不够成熟，而且按照现在的标准，数据存储成本十分高昂，用逻辑程序来解决问题更加高效。熟练的程序员需要为每个不同的问题编写不同的程序，问题越大，相应的程序也就越复杂。如今，计算机能力日趋强大，数据资源也变得庞大且丰富，使用学习算法解决问题比以前更快、更准确，也更高效。此外，同样的学习算法还能用来解决许多不同的难题，这远比为每个问题编写不同的程序更加节省人力。

    本书的初稿是我在太平洋西北地区徒步旅行，并思索了近几十年来人工智能领域的显著变化之后写出来的。这本书讲了一个一小群研究人员挑战AI 研究建制派的故事，这些建制派在当时拥有更充足的资金支持，并被看作“唯一的主导力量”，他们大大低估了这些问题的难度，并且所依赖的对智能的直觉，后来被证明是有误导性的。

    地球上的生命充满了无数奥秘，但*具挑战性的也许是智能的本质。自然界充斥着各种形式的智能，从微小的细菌到复杂的人类智能，每种智能都适应了它在自然界中的位置。人工智能也将以多种形式出现，并在智能族谱中占据特殊的位置。随着基于深度神经网络的机器智能日渐成熟，它可以为生物智能提供一个新的概念框架。

    这是一本关于深度学习的过去、现在和未来的指南。不过本书并不是对该领域发展历史的全面梳理，而是记录了这一领域重要概念的进步及其背后研究群体的个人观点。人类的记忆并不可靠，对故事的每次复述都会导致记忆的偏差，这个过程叫作“重整记忆”。这本书中的故事延续了40 多年，尽管有些对我来说依然历历在目，就像昨天刚发生的一样，但我很清楚，那些故事在我的记忆中不断被复述时，有些细节已经悄悄地被改写了。

    本书有两个相互交织的主题：人类智能是如何进化的，以及人工智能会如何演变。这两种智能之间的巨大差异在于，人类智能的进化经历了数百万年的时间，而人工智能在*近几十年才发展起来。尽管对于文化演变来说，这个速度仍然是快得出奇，但是过于谨小慎微可能并不是个正确的选择。

    我们该如何谈论人工智能

    曾经，人工智能在人们心目中的形象大多停留在《星球大战》等科幻片中，但AlphaGo的面世，让人们真正意识到，人工智能，真的来了。

    但是，人工智能究竟是如何走到现在的，它进化的路线究竟是什么样，同时它将走向什么方向？很多人可能并不了解。

    特伦斯·谢诺夫斯基作为深度学习领域的先驱及奠基者，回答这一问题，是最合适不过了。他所写的《深度学习：智能时代的核心驱动力量》一书，可以看作是人工智能的发展简史。

    著名作家尤瓦尔·赫拉利在《今日简史》中写道，人们普遍认为，机器学习将改变几乎所有的工作，从制作酸奶到教授瑜伽都无法幸免。我们有充分的理由相信这次情况不同，机器将会真正让整个情况彻底改变。

    我们可以看几个例子。比如贷款审核员，他们评估借款人的信用好坏，是通过分析对方的面部表情、声调、手部动作甚至体味来识别生化模式。而人工智能只要搭配适当的传感器，绝对可能把这些工作做得比人类更精确可靠。比如现在的测谎仪，在测谎方面就已经超过了大多数人，不是吗？

    所以，尤瓦尔·赫拉利指出，在过去几十年中，在神经科学和行为经济学等领域的研究，让科学家能够“破解”人类，更清楚地了解人类究竟是如何做出各种决定的。事实证明，我们从选择食物到选择伴侣，都不是出于什么神秘难解的自由意志，而是数十亿神经元在瞬间计算各种可能性的结果。过去大受赞赏的“人类直觉”，其实只是“辨识模式”罢了。

    而谢诺夫斯基正是推动神经网络学习的先驱。出身生物学的谢诺夫斯基，对神经网络抱有坚定的信心，并幸运地遇到了他的搭档杰弗里·辛顿。两人在此领域坚持了下来，一干就是几十年。

    谢诺夫斯基和辛顿合作研究出了一种新型神经网络模型，叫“玻尔兹曼机”，打破了阻碍一代人研究多层网络模式的僵局，证明了基于大脑式计算的全新方法是可行的，最终为深度学习的发展奠定了基础。

    但深度学习是数据密集型的，在当时的计算机条件下，人工智能无法取得重大突破。直到30年之后，计算机开始变得足够快，同时也可以获得大量可利用的数据，这让深度学习实现了重大突破，并且在当前的人工智能领域占据主导地位。

    深度学习:智能时代的核心驱动力量截图