展开全部

主编推荐语

这本书像一架望远镜,带你看向机器主导的未来。

内容简介

AlphaGo战胜了世界围棋冠军,但无论是聂卫平还是设计AlphaGo的谷歌工程师都无法理解AlphaGo为什么这样走棋,这就是人工智能中令人困惑的“不可解释性”问题。作者从这个问题出发,发现了一类全新的知识——“暗知识”。

一直以来人类的知识可以分为两类:“明知识”和“默知识”。明知识就是那些可以用语言、文字或公式清晰表达和描述的知识;默知识则是个人在感觉上能把握但无法清晰描述的知识,也即我们常说的“只可意会,不可言传”的那类知识。今天,人工智能突然发掘出了人类既无法感受又无法表达和描述的暗知识—隐藏在海量数据中的万事万物间的关系。

本书介绍了机器学习五大流派从数据中挖掘暗知识的方法以及各自适用的领域,尤其是神经网络的基本工作原理和目前在商业上应用最广泛的几种形态。同时着重讨论了暗知识对商业和社会的直接影响,比如哪些行业将面临机器认知的颠覆,在不同行业里有哪些投资机会和陷阱。

本书最后介绍了目前还没有商业化的,但可能更深刻影响我们的一些神奇的人工智能应用,以及人工智能会在多大程度上取代人的工作,造成哪些社会问题,如何让下一代做好准备等。

目录

  • 版权信息
  • 导读
  • 序言 “暗知识”和现代社会
  • 寄语
  • 第一章 横空出世——暗知识的发现
  • 骄傲的人类
  • 天才的哽咽
  • 机器发现了人类无法理解的知识
  • 理性主义和经验主义之争
  • 知识的生物学基础——神经元连接
  • 可表达的“明知识”
  • 只可意会的“默知识”
  • 既不可感受也不能表达的“暗知识”
  • 第二章 榨取数据——机器能学会的知识
  • 机器学习明知识
  • 符号学派——机器自己摸索出决策逻辑
  • 贝叶斯学派——机器从结果推出原因的概率
  • 类推学派——机器学习默知识
  • 机器发现暗知识
  • 联结学派
  • 进化学派
  • 第三章 神经网络——萃取隐蔽相关性
  • 从感知器到多层神经网络
  • 神经网络模型:满是旋钮的黑盒子
  • 雾里下山:训练机器模型
  • AlphaGo的“上帝视角”
  • 局部最优:没到山底怎么办
  • 深度学习——化繁为简
  • 化整为零的卷积神经网络
  • 降低运算量就是降低成本
  • 卷积神经网络是怎样工作的
  • 卷积神经网络能做哪些事
  • 处理序列信息的循环神经网络
  • 为什么需要循环神经网络
  • 循环神经网络背后的直觉
  • 循环神经网络的神奇应用
  • AlphaGo与强化学习
  • 神经网络悖论
  • 神经网络五大研究前沿
  • 非监督学习
  • 增量学习和连续学习
  • 生成对抗网络
  • 迁移学习
  • 学习如何学习
  • 深度学习的局限性
  • 第四章 逐鹿硅谷——AI产业争霸战
  • 最新技术巨浪
  • AI突破三要素
  • 金字塔形的产业结构
  • 产业的皇冠:算法
  • 技术制高点:芯片
  • 生态大战——编程框架的使用和选择
  • 张量对象
  • 对张量的运算
  • 运算流程图和程序优化
  • 自动求导器
  • 针对GPU的线性代数运算优化
  • 开源社区与AI生态
  • 乱世枭雄
  • 大卫和哥利亚
  • AI的技术推动力
  • 算法
  • 算力
  • 数据
  • AI与互联网的三个区别
  • 第五章 飓风袭来——将被颠覆的行业
  • 自动驾驶颠覆出行——10万亿美元的产业
  • 自动驾驶传感器
  • 自动驾驶分级
  • 电动车和自动驾驶
  • 谁是明天的诺基亚
  • 谁胜出?底特律还是硅谷
  • 颠覆供应链
  • 合纵连横
  • 共享颠覆出行
  • 运输和物流
  • 中国的机会
  • 关于自动驾驶的六种预测
  • 医疗与健康——世界上最有经验的医生
  • 医学影像
  • 发现新药
  • 诊断与监测
  • 健康管理
  • 医疗语音助理
  • 智能金融将导致一大批白领、金领失业
  • 银行
  • 保险
  • 证券
  • 智能时代万物皆媒,人机协作时代已经来临
  • 自动化写作
  • 辅助写作
  • 传感器新闻
  • 个性化新闻
  • 智慧城市——“上帝视角”的城市管理
  • 智能交通
  • 安防
  • 预测管理
  • 重复体力劳动者将被机器人全面替代
  • 打通巴别塔——黑天鹅杀手级应用
  • 全方位冲击
  • 制造业
  • 批发零售业
  • 法律
  • 广告营销
  • 房地产
  • 政府和公用事业
  • 国防军事
  • 旅游
  • 教育
  • 农业
  • 第六章 暗知识神迹——机器能否超越人类
  • 基于深度学习的AI本质
  • 数据之间相关性的发现和记忆
  • 海量记忆基础上的细微差别的识别
  • 科研加速
  • 唐诗高手
  • 真假凡·高
  • 下一场空战
  • 新型自主性武器的开发
  • 电池容量是野战机器人的瓶颈
  • 军用技术将落后于民用技术
  • 大规模协同作战的演进
  • 军事组织的混成化、单官化和扁平化
  • 军事组织从以武器为中心转向以数据为中心
  • 战役的机器参谋部
  • AI武器的伦理
  • 群体学习和光速分享
  • 人类哪里比机器强
  • 人机融合
  • 通过连接到云端提升语言能力
  • 逝者“还魂”
  • 第七章 “神人”与“闲人”——AI时代的社会与伦理
  • 谁先失业
  • 孩子该学什么
  • AI时代的新工种
  • 新蓝领工种
  • 新白领工种
  • 新粉领工种
  • 女性的优势
  • 新分配制度:无条件收入还是无条件培训
  • 贫富悬殊解决之道:民间公益
  • 权力再分配
  • 是否该信任机器的决定
  • 数据如何共享
  • 自尊的来源
  • 机器会产生自我意识吗
  • 结束语 人类该怎么办
  • 致谢
  • 附录1:一个经典的5层神经网络LeNet-5
  • 附录2:循环神经网络RNN和长-短时记忆网络LSTM
  • 循环神经网络RNN
  • LSTM:记忆增强版RNN
  • LSTM背后的核心
  • 附录3:CPU、GPU和TPU
  • 附录4:机器学习的主要编程框架
  • 参考文献
展开全部

评分及书评

4.5
48个评分
  • 用户头像
    给这本书评了
    5.0
    一本书了解人工智能

    关于人工智能,如果只读一本书,这一本就够了。书的标题是《暗知识》,看似晦涩,但不要被它吓住了。你肯定听说过 “暗物质”。什么是暗物质?我们把宇宙中既无法感知又无法描述的物质称为暗物质。相应地,本书作者王维嘉博士,把人类既无法感知又无法描述的知识,称为 “暗知识”。那到底什么是暗知识呢?书中有这样一个例子:警犬能够通过毒品的气味来追踪毒品。而人类对这种气味,是既无法感知又无法描述的。那么这种气味本身,以及对它的使用,对人来说就是暗知识。人工智能(AI)最擅长的,就是发现并利用海量数据之间的关系(暗知识),并根据人的需求,对其中的关系进行处理。这是人类自身根本无法企及的。比如 AlphaGo、人脸识别等等应用。当然,人工智能所涉及到的应用远远不止这些。想知道它们的工作原理吗?书中有更有意思的描述。本书语言通俗易懂,没有专业性很强的算式。而且你会发现像 “卷积神经网络”,“循环神经网络” 等唬人的黑科技名词,真正的工作原理,远没有那么 “黑”。除了下棋 AI 还能做什么?目前,AI 早已深深地嵌入到了我们的生活中。像天猫、滴滴、美团等,背后都是 AI 在做算法支持。自动驾驶汽车会越来越普及。了解自动驾驶汽车的工作原理,你会进一步理解为什么要发展 5G。也会了解,目前很火的自动驾驶汽车行业,现状和发展瓶颈,以及新的机会在哪里。由于机器学习的速度远远快于人类,在疾病的诊断,特别是医疗影像的识别方面,会极大提高准确性,并且为医生节省更多的时间。有了 AI 的支持,新药的研发时间和成本也会极大地降低。除此之外,像金融、写作、艺术,甚至战争等人类认为机器无法超越的方面,AI 都可以大展拳脚,而且可以 “完胜” 人类。关于这些,书中有着非常详尽且开脑洞的论述。那么人类将何去何从,人类就只能成为闲人,并臣服于机器了吗?答案是否定的。AI 擅长的是记忆和识别,但它在推理、想象等高级智能方面,和人的差距还相去甚远。人机融合,让机器给人赋能,才是未来的发展方向。AI 正在全方位的影响着我们的现在以及未来。我们的工作、生活会变成什么样?整个社会甚至权力结构会向哪个方向演化?这些都是我们不曾遇到过的大问题。这本书就是一架 “望远镜”。通过它,你会更加接近未来,预先洞见未来,提前思考未来。让未来,为你而来。

      转发
      评论
      用户头像
      给这本书评了
      4.0
      人工智能入门读物

      世纪之交时曾流行一种说法:不懂计算机、外语和驾驶技术的人将成为 21 世纪的文盲。而在不久的将来,人工智能很可能成为检验文盲的新标尺。这本书只需要高中文凭就可以看懂。推荐入门读物。

        转发
        2
        用户头像
        给这本书评了
        5.0

        一直以来人类的知识可以分为两类:“明知识” 和 “默知识”。明知识就是那些可以用语言、文字或公式清晰表达和描述的知识;默知识则是个人在感觉上能把握但无法清晰描述的知识,也即我们常说的 “只可意会,不可言传” 的那类知识。今天,人工智能突然发掘出了人类既无法感受又无法表达和描述的暗知识 — 隐藏在海量数据中的万事万物间的关系。本书介绍了机器学习五大流派从数据中挖掘暗知识的方法以及各自适用的领域,尤其是神经网络的基本工作原理和目前在商业上应用最广泛的几种形态。同时着重讨论了暗知识对商业和社会的直接影响,比如哪些行业将面临机器认知的颠覆,在不同行业里有哪些投资机会和陷阱。本书最后介绍了目前还没有商业化的,但可能更深刻影响我们的一些神奇的人工智能应用,以及人工智能会在多大程度上取代人的工作,造成哪些社会问题,如何让下一代做好准备等。

          转发
          评论
        • 查看全部14条书评

        出版方

        中信出版集团

        中信出版社,成立于1988年,隶属于中国中信集团公司,是全国中央级出版社。2008年改制为中信出版股份有限公司。 中信出版集团满怀激情,关注思想、关注理念、关注人物、关注资讯、关注时尚,为读者提供最前沿的思想与最优秀的学习实践,通过有价值的、有享受的阅读,倡导与展示新的文化主流,启动一个“大众阅读时代”。