●前言
第1章 世界充滿不確定性
1.1 解題最重要的是思路
1.1.1 加百子的答案
1.1.2 人工智能的破題思路
1.1.3 統計思維的誕生
1.2 隨機世界
1.2.1 猜測上帝的遊戲
1.2.2 科學研究與模型
1.2.3 隨機性與隨機過程
1.2.4 正態分布是什麼
1.2.5 隨機不是均勻
1.3 概率的威力
1.3.1 試驗能得出什麼規律
1.3.2 如何合理分配賭金
1.3.3 概率與異常值
1.3.4 用概率擊敗莊家
1.4 直覺和錯覺
1.4.1 猜拳是不是踫運氣
1.4.2 同一天生日的概率是多少
1.4.3 蒙提霍爾的三門問題
1.5 生活中的大數定律
1.5.1 大數定律的概念和意義
1.5.2 蒙特卡洛方法
1.6 如何驗證假設
1.6.1 女士品茶
1.6.2 停時理論
1.7 經驗和實踐如何共存
1.7.1 什麼是貝葉斯定理
1.7.2 樸素貝葉斯有多“樸素”
1.7.3 每個人都懂貝葉斯
1.8 結語
第2章 數據代表真相嗎
2.1 小心數據的陷阱
2.2 數據收集的偏差
2.2.1 幸存者偏差
2.2.2 選擇性偏差
2.3 數據處理的悖論
2.3.1 被平均的工資
2.3.2 辛普森悖論
2.4 數據呈現的誤導
2.4.1 未披露的數據
2.4.2 會欺騙的視覺設計
2.5 如何正確解讀數據
2.5.1 相關性不等於因果性
2.5.2 被選數據的騙局
2.5.3 數據表達的局限
2.5.4 精準預測的挑戰
2.6 結語
第3章 如何獲得有用信息
3.1 數據、信息、知識
3.1.1 數據是一組有意義的符號
3.1.2 信息是用來消除不確定性的
3.1.3 知識是對信息的總結和提煉
3.2 用信息丈量世界
3.2.1 香農與信息論
3.2.2 一條信息的價值
3.2.3 重復的信息沒有價值
3.2.4 信息的熵
3.3 信息是如何交換的
3.3.1 互聯網與信息交換
3.3.2 哈夫曼和有效編碼
3.3.3 信息不對稱與囚徒困境
3.4 信息的加密與解密
3.4.1 語言是一套密碼繫統
3.4.2 牆邊盛開的花朵
3.4.3 可以被公開的密鑰
3.5 信息裡的噪聲
3.5.1 信息越多結果就越準確嗎
3.5.2 人工智能如何處理噪聲
3.5.3 模型的泛化能力
3.5.4 欠擬合和過擬合
3.6 結語
第4章 大數據處理與挖掘
4.1 大數據概述
4.1.1 數據是描繪世界的新方式
4.1.2 大數據到底有多大
4.2 數據處理的流程和方法
4.2.1 數據收集
4.2.2 數據加工
4.2.3 數據分析
4.2.4 數據可視化
4.3 大數據改變了什麼
4.3.1 經驗與數據
4.3.2 時間與空間
4.3.3 記憶與理解
4.4 結語
第5章 機器是如何學習的
5.1 機器學習是什麼
5.1.1 歸納與推演
5.1.2 定規則和學規則
5.1.3 算法的含義
5.2 機器學習算法
5.2.1 常見的學習方法
5.2.2 回歸
5.2.3 分類
5.2.4 聚類
5.2.5 降維
5.2.6 時間序列
5.3 沒有完美的算法
5.4 結語
第6章 模擬大腦的神經網絡
6.1 不斷演進的人工智能
6.1.1 從淺層學習到深度學習
6.1.2 萌芽、復蘇、增長和爆發
6.2 機器會不會思考
6.3 深度學習算法
6.3.1 人工神經網絡：模擬人腦的思考
6.3.2 卷積神經網絡：讓計算機“看”到世界
6.3.3 循環神經網絡：如何模擬記憶功能
6.3.4 強化學習：黑森林蛋糕的秘密
6.4 場景是算法的綜合應用
6.4.1 計算機如何下圍棋
6.4.2 計算機如何打遊戲
6.4.3 計算機如何與人對話
6.5 結語
第7章 海量運算背後的技術
7.1 不斷提升的計算能力
7.1.1 計算的演進
7.1.2 今非昔比的算力
7.1.3 計算機芯片
7.2 如何完成協作計算
7.2.1 舉足輕重的三篇論文
7.2.2 不可兼得的CAP定理
7.2.3 故障是不可避免的
7.3 無處不在的計算資源
7.3.1 第一階段：數據大集中
7.3.2 第二階段：資源雲化
7.4 軟件代碼共享的好處
7.4.1 網絡協議該不該公開
7.4.2 如何進行大規模協作
7.4.3 開源就是免費嗎
7.5 結語
第8章 人工智能下的隱私與安全
8.1 大數據與隱私計算
8.1.1 大數據“殺熟”是怎麼回事
8.1.2 大數據下的隱私計算
8.2 人工智能與算法安全
8.2.1 對抗樣本的博弈
8.2.2 數據投毒和模型安全
8.2.3 眼見不一定為實
8.2.4 設備互聯與智能汽車
8.2.5 網絡安全攻擊
8.3 如何構建防御體繫
8.3.1 紅藍對抗
8.3.2 安全是平衡問題
8.3.3 人是安全的一部分
8.4 結語
第9章 未來會變成什麼樣子
9.1 可預見的未來
9.1.1 一個充滿想像的未來
9.1.2 人工智能會不會搶走人類的工作
9.1.3 人機合作是新常態
9.1.4 人機關繫在重構
9.1.5 變閑了還是變忙了
9.1.6 會生長的技術樹
9.2 不可預知的未來
9.2.1 人類和計算機的區別
9.2.2 人工智能之不能
9.2.3 機器人會統治人類嗎
9.2.4 人工智能電車難題
9.2.5 通用人工智能會出現嗎
9.2.6 關於未來的預測
9.3 結語
本書以有趣的案例和深入淺出的語言，直擊AI的底層運行邏輯與核心原理，勾勒人工智能的全貌，以便讀者掌握AI技術要點，打通AI的各種技術壁壘，釐清不易察覺的“認知錯誤”，從而更好地認識正在運轉的神秘AI世界。本書共9章，邏輯上分為三部分。第1—3章是人工智能的基礎理論，通過生動、有趣的講解，讓讀者知道支撐AI的基礎學科如何起作用：如何基於統計學和概率論找到應對不確定性的有效方法與解題思路；如何基於數據統計的基礎知識與原理避開數據“陷阱”，給出謹慎的主觀結論；如何從數學視角理解信息的處理模型。第4—7章討論人工智能的核心技術——數據、算法、算力，詳細介紹大數據是如何處理的，如何通過機器學習算法和深度學習算法讓機器正確認識數據間的關聯與規律，以及如何通過算力整合與軟件協作實現更高效的智能。第8—9章探討一些人工智能安全話題——大數據“殺熟”、隱私計算、深度偽造技術、對抗樣本攻擊、數據投毒攻擊、攻防等
