●導讀
序言“暗知識”和現代社會
寄語
章橫空出世——暗知識的發現
驕傲的人類
天纔的哽咽
機器發現了人類無法理解的知識
理性主義和經驗主義之爭
知識的生物學基礎—連接
可表達的“明知識”
隻可意會的“默知識”
既不可感受也不能表達的“暗知識”
第二章榨取數據——機器能學會的知識
機器學習明知識
類推學派——機器學習默知識
機器發現暗知識
第三章神經網絡——萃取隱蔽相關性
從感知器到多層神經網絡
神經網絡模型:滿是旋鈕的黑盒子
霧裡下山:訓練機器模型
AlphaGo的“上帝視角”
局部最優:沒到山底怎麼辦
深度學習——化繁為簡
化整為零的卷積神經網絡
處理序列信息的循環神經網絡
AlphaGo與強化學習
神經網絡悖論
神經網絡五大研究前沿
深度學習的局限性
第四章逐鹿硅谷——AI產業爭霸戰
最新技術巨浪
AI突破三要素
金字塔形的產業結構
產業的皇冠:算法
技術制高點:芯片
生態大戰——編程框架的使用和選擇
開源社區與AI生態
亂世梟雄
大衛和哥利亞
AI的技術推動力
AI與互聯網的三個區別
第五章颶風襲來——將被顛覆的行業
自動駕駛顛覆出行——10的產業
醫療與健康——世界上最有經驗的醫生
智能金融將導致一大批白領、金領失業
智能時代萬物皆媒,人機協作時代已經來臨
智慧城市——“上帝視角”的城市管理
重復體力勞動者將被機器人全面替代
打通巴別塔——黑天鵝殺手級應用
全方位衝擊
第六章暗知識神跡——機器能否超越人類
基於深度學習的AI本質
科研加速
唐詩高手
真假凡·高
下一場空戰
群體學習和光速分享
人類哪裡比機器強
人機融合
第七章“神人”與“閑人”——AI時代的社會與倫理
誰先失業
孩子該學什麼
AI時代的新工種
新分配制度:無條件收入還是無條件培訓
貧富懸殊解決之道:民間公益
權力再分配
是否該信任機器的決定
數據如何共享
自尊的來源
機器會產生自我意識嗎
結束語人類該怎麼辦
致謝
附錄1:一個經典的5層神經網絡LeNet-5
附錄2:循環神經網絡RNN和長-短時記憶網絡LSTM
附錄3:CPU、GPU和TPU
附錄4:機器學習的主要編程框架
參考文獻
內容簡介
AlphaGo戰勝了世界圍棋優選,但無論是聶衛平還是設計AlphaGo的谷歌工程師都無法理解AlphaGo為什麼這樣走棋,這就是人工智能中令人困惑的“不可解釋性”問題。作者從這個問題出發,發現了一類全新的知識——“暗知識”。
一直以來人類的知識可以分為兩類:“明知識”和“默知識”。明知識就是那些可以用語言、文字或公式清晰表達和描述的知識;默知識則是個人在感覺上能把握但無法清晰描述的知識,也即我們常說的“隻可意會,不可言傳”的那類知識。今天,人工智能突然發掘出了人類既無法感受又無法表達和描述的暗知識—隱藏在海量數據中的萬事萬物間的關繫。本書介紹了機器學習五大流派從數據中挖掘暗知識的方法以及各自適用的領域,尤其是神經網絡的基本工作原理和目前在商業上應用很廣泛的幾種形態。同時著重討論了暗知識對商業和社會的直接影響,比如哪些行業將面臨機器認知的顛覆,在不同行業裡有哪些投資機會和陷阱。本......