logo
分类于: 互联网 云计算&大数据 人工智能 职场办公

简介

智能机器如何思考: 深度神经网络的秘密

智能机器如何思考: 深度神经网络的秘密 8.4分

资源最后更新于 2020-03-29 04:57:31

作者:〔美〕肖恩·格里什

译者:张羿

出版社:出版社中信出版社

出版日期:2019-06

ISBN:9787521705461

文件格式: pdf

标签: 科普 互联网 人工智能 机器学习 智能 新经济

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。

想要: 点击会收藏到你的 我的收藏,可以在这里查看

已收: 表示已经收藏

Tips: 注册一个用户 可以通过用户中心得到电子书更新的通知哦

目录

  1. 引文
  2. 推荐序
  3. 前言
  4. 1 自动机的秘密
  5. 长笛演奏者
  6. 今天的自动机
  7. 钟摆的摆动
  8. 并不难懂的自动机
  9. 2 自动驾驶汽车:挑战不可能
  10. 沙漠中的百万美元竞赛
  11. 如何打造自动驾驶汽车
  12. 规划路径
  13. 路径搜索
  14. 导航
  15. 无人车挑战赛的获胜者
  16. 一场失败的比赛
  17. 3 保持在车道内行驶:自动驾驶汽车的感知
  18. 第二次无人车挑战赛
  19. 自动驾驶汽车中的机器学习
  20. 斯坦利的架构
  21. 避开障碍物
  22. 寻找道路的边缘
  23. 开眼看路
  24. 路径规划
  25. 斯坦利大脑的各个部分如何相互交流
  26. 4 在十字路口避让:自动驾驶汽车的大脑
  27. 城市挑战赛
  28. 感知抽象
  29. 比赛
  30. Boss的高层次推理层
  31. 攻克交通堵塞
  32. 三层架构
  33. 自动驾驶汽车看到的物体
  34. 自动驾驶汽车:复杂的系统
  35. 自动驾驶汽车的轨迹
  36. 5 网飞和推荐引擎的挑战
  37. 百万美元大奖
  38. 竞争者
  39. 如何训练分类器
  40. 比赛的目标
  41. 庞大的评分矩阵
  42. 矩阵分解
  43. 第一年结束
  44. 6 团队融合:网飞奖的赢家
  45. 缩小竞争者之间的差距
  46. 第一年末
  47. 随时间变化的预测
  48. 过度拟合
  49. 模型混合
  50. 第二年
  51. 最后一年
  52. 赛后
  53. 7 用奖励教导计算机
  54. DeepMind玩雅达利游戏
  55. 强化学习
  56. 教导智能体
  57. 为智能体编写程序
  58. 智能体如何观察环境
  59. 经验金块
  60. 用强化学习玩雅达利游戏
  61. 8 如何用神经网络攻克雅达利游戏
  62. 神经信息处理系统
  63. 近似,而非完美
  64. 用作数学函数的神经网络
  65. 雅达利游戏神经网络的结构
  66. 深入研究神经网络
  67. 9 人工神经网络的世界观
  68. 人工智能的奥秘
  69. 国际象棋自动机“土耳其人”
  70. 神经网络中的误导
  71. 识别图像中的物体
  72. 过度拟合
  73. ImageNet
  74. 卷积神经网络
  75. 为什么是深度神经网络?
  76. 数据瓶颈
  77. 10 深入了解深度神经网络的内部秘密
  78. 计算机生成图片
  79. 压缩函数
  80. ReLU激活函数
  81. 机器人之梦
  82. 11 能听、能说、能记忆的神经网络
  83. 对机器而言,“理解”意味着什么?
  84. 深度语音识别系统
  85. 循环神经网络
  86. 为图像生成字幕
  87. 长短时记忆网络
  88. 对抗数据
  89. 12 理解自然语言
  90. 是宣传噱头,还是人工智能研究的福音?
  91. IBM的“沃森”
  92. 攻克《危险边缘》所遇到的挑战
  93. 浩如烟海的知识
  94. 《危险边缘》挑战赛的诞生
  95. DeepQA
  96. 问题分析
  97. “沃森”如何解读句子?
  98. 13 挖掘《危险边缘》的最佳答案
  99. 地下室基准
  100. 生成候选答案
  101. 查找答案
  102. 轻量级过滤器
  103. 证据检索
  104. 评分
  105. 汇总和排名
  106. 调整“沃森”
  107. 重新审视DeepQA
  108. “沃森”有智能吗?
  109. 14 用蛮力搜索找到好策略
  110. 通过搜索玩游戏
  111. 数独
  112. 树的大小
  113. 分支因子
  114. 游戏中的不确定性
  115. 克劳德·香农与信息论
  116. 评价函数
  117. “深蓝”
  118. 加入IBM
  119. 搜索与神经网络
  120. 西洋双陆棋程序
  121. 搜索的局限
  122. 15 职业水平的围棋
  123. 计算机围棋
  124. 围棋
  125. 通过抽样走子来建立直觉
  126. 神之一手
  127. 蒙特卡洛树搜索
  128. 单臂老虎机
  129. AlphaGo是否需要如此复杂
  130. AlphaGo的局限
  131. 16 实时人工智能与《星际争霸》
  132. 构建更好的游戏机器人
  133. 《星际争霸》与人工智能
  134. 简化游戏
  135. 实用《星际争霸》机器人
  136. OpenAI与《DOTA2》
  137. 《星际争霸》机器人的未来
  138. 17 50年后或更遥远的未来
  139. 人工智能起起伏伏的发展过程
  140. 如何复制这本书中的成功
  141. 数据的普遍使用
  142. 下一步去向何方
  143. 致谢