![](/c49/32/10027851663837.jpg)
出版社:1 ISBN:9787559646880 商品編碼:10027851663837 出版時間:2021-01-01 代碼:189
"![](https://img14.360buyimg.com/imgzone/jfs/t1/164481/24/13153/1048361/6051aa0eE8c3b4030/7f5e0888ac3a38c7.jpg) ![](https://img12.360buyimg.com/imgzone/jfs/t1/161782/5/13151/1047385/6051aa12E43162006/8dd444ddc6d43297.jpg) 《AI3.0》 (ArtificialIntelligence:AGuideforThinkingHumans) ![](https://img12.360buyimg.com/imgzone/jfs/t1/156898/3/16497/31983/6051aa16E349092a4/05ac5e339d9bd5c6.png) 分類:科技趨勢/人工智能 書名:《AI3.0》(ArtificialIntelligence:AGuideforThinkingHumans) 作者:【美】梅拉妮·米歇爾(MelanieMitchell) 譯者:王飛躍、李玉珂、王曉、張慧 出版時間:2021年2月 出版社:湛廬文化/四川科學技術出版社 圖書品牌:湛廬文化·財富彙 ISBN:978-7-5727-0037-8 ![](https://img30.360buyimg.com/imgzone/jfs/t1/159947/30/13639/32369/6051aa16E7503e316/6fd48730903048d6.png) 人工智能現在正深刻地影響著我們的生產與生活,甚至關繫到人類未來的前途命運,但究竟 什麼是人工智能?人工智能背後的原理是什麼?從問世到演化至今,人工智能經歷了怎樣的 歷史變遷?當下人工智能的能力邊界在哪裡?人工智能與人類智能的差異是什麼?未來人 工智能又將面對什麼樣的挑戰和機遇?關於這些疑問,《AI3.0》將為你一一揭曉答案。 《AI3.0》是書《復雜》作者、復雜前沿科學家梅拉妮?米歇爾歷經10年思考, 釐清人工智能與人類智能的全新力作。本書源自米歇爾多年來對人工智能領域發展真實狀態 的記錄,她在書中通過5個部分揭示了“現在的人工智能可以做什麼,以及在未來幾十年 我們能從它們身上期待什麼”。在描述了人工智能的發展歷史之後,作者通過對視覺識別、 遊戲與推理、自然語言處理、常識判斷這4大人工智能領域的熱門應用的發展現狀和局限 性的探究,釐清了人工智能與人類智能的關繫,書中關於人臉識別、無人駕駛、機器翻譯等 方面的案例分析都充滿了巨大的啟示!而這些,都是當下人工智能發展所面臨的困境、人工 智能想要取得突破性進展所必須重新思考的。看懂這本書,你將對人工智能領域有一個全景 式的認知。 “GEB”作者侯世達曾逐章審讀本書,並為每一頁都寫滿了意見!《AI3.0》是智能覺醒的 啟蒙,將掀起第三波人工智能熱潮!《AI3.0》所要傳達的觀點是:我們人類傾向於高估人 工智能的進步,而低估人類自身智能的復雜性。目前的人工智能與通用的、人類水平的智能 與聰明的人共同進化 還相距甚遠。我們應該感到害怕的不是智能機器,而是“愚笨”的機器,即那些沒有能力獨 立做決策的機器。相比於機器的“智能”,我們更應關注如何規避“愚笨”機器的潛在。 ![](https://img20.360buyimg.com/imgzone/jfs/t1/160867/37/5786/31238/601cab08Edee1249d/f6947591755eb322.png) 引言創造具有人類智能的機器,是一場重大的智力冒險 部分若想對未來下注,先要釐清人工智能為何仍然人類智能 01從起源到遭遇寒鼕,心智是人工智能一直無法攻克的堡壘 達特茅斯的兩個月和十個人 定義,然後必須繼續下去 與聰明的人共同進化 任何方法都有可能讓我們取得進展 符號人工智能,力圖用數學邏輯解決通用問題 感知機,依托DNN的亞符號人工智能 感知學習算法,無法重現人腦的湧現機制 學習感知機的權重和閾值 感知機是一條死胡同 泡沫破碎,進入人工智能的寒鼕 看似容易的事情其實很難 02從神經網絡到機器學習,誰都不是後的解藥 多層神經網絡,識別編碼中的簡單特征 無論有多少輸入與輸出,反向傳播學習都行得通 聯結主義:智能的關鍵在於構建一個合適的計算結構 亞符號的本質:不擅長邏輯,擅長接飛盤 機器學習,下一個智能大變革的舞臺已經就緒 03從圖靈測試到奇點之爭,我們無法預測智能將帶領我們去往何處 “貓識別機”掀起的春日狂潮 人工智能:狹義和通用,弱和強 人工智能是在模擬思考,還是真的在思考 圖靈測試:如果一臺計算機足夠像人 奇點2045,非生物智能將比所有人類智能強大10億倍 一個“指數級”寓言 摩爾定律:計算機領域的指數增長 神經工程,對大腦進行逆向工程 與聰明的人共同進化 奇點的懷疑論者和擁躉者 對圖靈測試下注 第二部分視覺識別:始終是“看”起來容易“做”起來難 04何人,何物,何時,何地,為何 看與做 深度學習:不是復雜性,而是層深 模擬大腦,從神經認知機到ConvNets ConvNets如何不將狗識別為貓 激活對像特征,通過分類模塊進行預測 不斷從訓練樣本中學習,而非預先內置正確答案 05ConvNets和ImageNet,現代人工智能的基石 構建ImageNet,解決目標識別任務的時間困境 土耳其機器人,一個需要人類智慧的工作市場 贏得ImageNet競賽,神經網絡的極大成功 ConvNets淘金熱,以一套技術解決一個又一個問題 在目標識別方面,ConvNets人類了嗎 我們離真正的視覺智能還非常遙遠 06人類與機器學習的關鍵差距 人工智能仍然無法學會自主學習 深度學習仍然離不開“你”的大數據 長尾效應常常會讓機器犯錯 機器“觀察”到的東西有時與我們截然不同 與聰明的人共同進化 有偏見的人工智能 人工智能內心的黑暗秘密以及我們如何愚弄它 07確保價值觀一致,構建值得信賴、有道德的人工智能 有益的人工智能,不斷改善人類的生活 人工智能大權衡:我們是該擁抱,還是謹慎 人臉識別的倫理困境 人工智能如何監管以及自我監管 創建有道德的機器 第三部分遊戲與推理:開發具有更接近人類水平的學習和推理能力的機器 08強化學習,重要的是學會給機器人獎勵 訓練你的機器狗 現實世界中的兩大絆腳石 09學會玩遊戲,智能究竟從何而來 深度Q學習,從更好的猜測中學習猜測 價值6.的智能體 西洋跳棋和像棋 不智能的“智能贏家”深藍 圍棋,規則簡單卻能產生無窮的復雜性 AlphaGo對戰李世石:精妙,精妙,精妙 從隨機選擇到傾向選擇,AlphaGo這樣工作 10遊戲隻是手段,通用人工智能纔是目標 理解為什麼至關重要 與聰明的人共同進化 無須人類的任何指導 對人工智能而言,人類的很多遊戲都很具挑戰性 它並不真正理解什麼是一條隧道,什麼是牆 除去思考“圍棋”,AlphaGo沒有“思考” 從遊戲到真實世界,從規則到沒有規則 第四部分自然語言:讓計算機理解它所“閱讀”的內容 11詞語,以及與它一同出現的詞 語言的微妙之處 語音識別和後的10% 分類情感 遞歸神經網絡 “我欣賞其中的幽默” “憎惡”總與“討厭”相關,“笑”也從來伴隨著“幽默” word2vec神經網絡:口渴之於喝水,就像疲倦之於喝醉 12機器翻譯,仍然不能從人類理解的角度來理解圖像與文字 編碼器遇見 機器翻譯,正在彌補人機翻譯之間的差距 迷失在翻譯之中 把圖像翻譯成句子 13虛擬助理——隨便問我任何事情 沃森的故事 如何判定一臺計算機是否會做閱讀理解 與聰明的人共同進化 “它”是指什麼? 自然語言處理中的對抗式攻擊 第五部分常識——人工智能打破意義障礙的關鍵 14正在學會“理解”的人工智能 理解的基石 預測可能的未來 理解即模擬 我們賴以生存的隱喻 抽像與類比,構建和使用我們的心智模型 15知識、抽像和類比,賦予人工智能核心常識 讓計算機具備核心直覺知識 形成抽像,理想化的願景 活躍的符號和做類比 字符串世認知 識別整個情境比識別單個物體要困難得多 “我們真的,真的相距甚遠” 結語思考6個關鍵問題,激發人工智能的潛力 問題1:自動駕駛汽車還要多久纔能普及? 問題2:人工智能會導致人類大規模失業嗎? 問題3:計算機能夠具有創造性嗎? 問題4:我們距離創建通用的人類水平AI還有多遠? 問題5:我們應該對人工智能感到多恐懼? 與聰明的人共同進化 問題6:人工智能中有哪些激動人心的問題還尚未解決? 致謝 注釋 ^_^:a8117656c4e61e0a4a72e4a5aadabe9e
^_^:d4af9d674523642731265fe44bb314ef
" |