深度學習:智能時代的核心驅動力量

發表時間:2019/6/14   來源:   作者:
[導讀] 全球科技巨頭紛紛擁抱深度學習,自動駕駛、AI醫療、語音識別、圖像識別、智能翻譯以及震驚世界的AlphaGo,背后都是深度學習在發揮神奇的作用。深度學習是人工智能從概念到繁榮得以實現的主流技術。經過深度學習訓練的計算機,不再被動按照指令運轉,而是像自然進化的生命那樣,開始自主地從經驗中學習。

編輯推薦

★ 【不是所有寫深度學習的書你都能讀得懂。】以堪比文學書的流暢,引領你了解人工智能井噴式發展的真相。
★ 【深度學習會擴大你的認知,人工智能不是生存威脅。】這本書所講的內容,與每個人的生活息息相關。AlphaGo、自動駕駛、語音識別、智能翻譯、AI醫療、圖像識別……你所看到的各種形式的人工智能,背后都是深度學習在發揮作用。這本書將告訴你,深度學習有哪些神奇之處,并對你產生哪些影響。
★ 【人工智能大牛作者重磅作品】世界十大AI科學家之一、美國“四院院士”(全美在世僅3位)、全球人工智能專業會議NIPS基金會主席特倫斯·謝諾夫斯基(Terrence/Terry Sejnowski)力作。
★ 【AI女神、AI教父聯袂推薦】谷歌前云AI負責人、斯坦福大學HAI研究院聯合創始人 李飛飛、AI教父杰弗里·辛頓誠摯推薦
★ 【風靡全球,多語種同步上市】風靡全球的智能時代前沿讀本,全景展示深度學習的發展與應用。被翻譯成多國語言,300萬+用戶一致好評。
★ 【想了解深度學習,讀這本就夠了。】很多信息都在傳遞AI會給我們帶來革命性的巨變,卻只點出了表象,而這本書將從AI的源頭——深度學習開始,講述這個智能時代核心驅動力量如何一步步影響科技、商業乃至整個世界的進步。



名人推薦

"特倫斯是一名杰出的神經科學家,我們于1986年共同發明了玻爾茲曼機。
——AI教父 杰弗里·辛頓

人工智能是科技王冠上的鉆石,而深度學習代表了其中一個承上啟下的重要階段。這本書有助于在我們心目中更加清晰準確地繪制人工智能的未來圖景。你可以從本書中了解到那些令人驚訝,甚至于有些擔憂的科技進展,大致了解它們背后的原理。這展現了人工智能相對于人類而言的單方面優勢。你也能看到許多真實事例,反映了人工智能相對于人類而言的“笨拙”。在現實中,這種“笨拙”的情況往往更加普遍。這些事例有時令人忍俊不禁,它恰恰體現了我們人類的大腦是多么精妙的設計。
——微軟小冰之父、微軟(亞洲)互聯網工程院副院長 李笛

特倫斯·謝諾夫斯基作為深度學習領域的先驅,帶領該領域由理論命題走向實證科學。這是一大飛躍。
——諾貝爾生理學或醫學獎得主 埃里克·坎德爾

作為深度學習領域的親歷者,以及深度學習靈魂人物的同行者,謝諾夫斯基分享了這一技術發展過程中的洞見和軼事。這本書記錄了人工智能這場狂飆運動,字里行間都能感受到作者的興奮和投入。
——互聯網之父、谷歌副總裁 文頓·瑟夫

人工智能正在覺醒,世界正在被重塑。深度學習正是這一變化背后的驅動力。特倫斯·謝諾夫斯基扎根該領域研究30年,是絕對的先驅。如果你想了解人工智能,必讀此書。
——麻省理工學院斯隆商學院教授 埃里克·布林約爾夫松


作者簡介

特倫斯·謝諾夫斯基 Terrence (Terry) Sejnowski

世界十大AI科學家之一,美國四大國家學院(國家科學院、國家醫學院、國家工程院、國家藝術與科學學院)在世僅3位的“四院院士”之一,全球AI專業會議NIPS基金會主席。

作為神經網絡的先驅,早在1986年,特倫斯就與杰弗里·辛頓共同發明了玻爾茲曼機,把神經網絡帶入到研究與應用的熱潮,將深度學習從邊緣課題變成了互聯網科技公司仰賴的核心技術,實現了人工智能井噴式的發展。

特倫斯現任美國索爾克生物研究所(美國生命科學領域成果最多的研究機構) 計算神經生物學實驗室主任,是美國政府注資50億美元“腦計劃”項目(BRAIN,the Brain Research through Advancing Innovative Neurotechnologies)領軍人物。

特倫斯同時是全球最大在線學習平臺Coursera很受歡迎課程《學習如何學習》(Learning how to learn)主理人,通過系統講解大腦認知的底層知識,讓學習者可以改變思維模式,提高學習的能力和效率。目前該課程學習人數已經超過了300萬。






目錄

推 薦 序 面對科技拐點,我們的判斷與選擇
中文版序 人工智能會放大認知能力
前 言 深度學習與智能的本質
第一部分 智能的新構想
01 機器學習的崛起
汽車新生態:無人駕駛將全面走入人們生活
自然語言翻譯:從語言到句子的飛躍
語音識別:實時跨文化交流不再遙遠
AI醫療:醫學診斷將更加準確
金融科技:利用數據和算法獲取最佳回報
深度法律:效率的提高與費用的降低
德州撲克:當機器智能學會了虛張聲勢
AlphaGo奇跡:神經科學與人工智能的協同
弗林效應:深度學習讓人類更加智能
新教育體系:每個人都需要終身學習
正面影響:新興技術不是生存威脅
回到未來:當人類智能遇到人工智能
02 人工智能的重生
看似簡單的視覺識別
計算機視覺的進步
早期人工智能發展緩慢
從神經網絡到人工智能
03 神經網絡的黎明
深度學習的起點
從樣本中學習
利用感知器區分性別
被低估的神經網絡
04 大腦式的計算
網絡模型能夠模仿智能行為
神經網絡先驅者
喬治·布爾與機器學習
利用神經科學理解大腦
大腦如何處理問題
計算神經科學的興起
05 洞察視覺系統
人眼是如何看到東西的
大腦皮層中的視覺
突觸的可塑性
通過陰影腦補立體全貌
視覺區域的層級結構
認知神經科學的誕生
第二部分 深度學習的演進
06 語音識別的突破
在嘈雜中找到你的聲音
將獨立分量分析應用于大腦
什么在操控我們的言行
07 霍普菲爾德網絡和玻爾茲曼機
約翰·霍普菲爾德的偉大之處
內容可尋址存儲器
局部最小值與全局最小值
玻爾茲曼機
赫布理論
學習識別鏡像對稱
學習識別手寫數字
無監督學習和皮層發育
08 反向傳播算法
算法的優化
語音合成的突破
神經網絡的重生
理解真正的深度學習
神經網絡的局限性
09 卷積學習
機器學習的穩步發展
卷積網絡的漸進式改進
當深度學習遇到視覺層級結構
有工作記憶的神經網絡
生成式對抗網絡
應對現實社會的復雜性
10 獎勵學習
機器如何學會下棋
大腦的獎勵機制
用“感知-行動”框架提高績效
學習如何翱翔
學習如何歌唱
人工智能的可塑性
更多需要被解決的問題
11 火爆的NIPS
為什么NIPS如此受歡迎
誰擁有最多數據,誰就是贏家
為未來做準備
第三部分 人類,智能與未來
12 智能時代
21世紀的生活
未來的身份認證
社交機器人的崛起
機器已經會識別人類面部表情
新技術改變教育方式
成為更好的學習者
訓練你的大腦
智能商業
13 算法驅動
用算法把復雜問題簡單化
理解、分析復雜系統
大腦的邏輯深度
嘗試所有可能的策略
14 芯片崛起
神經形態芯片
視網膜芯片
神經形態工程
摩爾定律的終結
15 信息科學
用字節丈量世界
用數學思維解決通信難題
預測是如何產生的
深度理解大腦
大腦的操作系統
生物學與計算科學
人工智能能擁有媲美人類大腦的操作系統
16 生命與意識
視覺意識
視覺感知的過程
視覺感知的時機
視覺感知的部位
視覺搜索的機理
創造意識比理解意識更容易
17 進化的力量
大自然比我們聰明
認知科學的興起
不能把語言問題只留給語言學家
難預測的行為規律
神經網絡的寒冬
從深度學習到通用人工智能
18 深度智能
遺傳密碼
每個物種都有智能
進化的起源
人類終將解決智能難題
"



序言

面對科技拐點,我們的判斷與選擇
李笛
微軟小冰之父、微軟(亞洲)互聯網工程院副院長
在近年來陸續出版的、解讀人工智能技術與趨勢的許多書籍中,這是一本不可多得的好書。它的閱讀過程令人愉悅,涉及的知識深度又比較恰當。因此,即使是不具備相關領域知識背景的讀者,也能夠輕松地讀完它。人們完全可以利用“碎片時間”來研讀這本30多萬字的大作,從而集中了解到與人工智能相關的技術分支、組織人物與重要事件。在人工智能熱度很高的當下,這本書的價值在于,幫助讀者建立一種相對貼近事實的科學觀。
讀者可以把這本書當作一本有關人工智能的簡明歷史來看待。人工智能是科技王冠上的鉆石,而深度學習代表了其中一個承上啟下的重要階段。深度學習脫胎于科學家們六十多年前開始的人工智能研究,其自身的概念形成,到落地開花,則只有十多年的光景。與過去相比,深度學習極大地推進了人工智能各個分支課題的發展速度;與未來相比,我們今天所取得的一切成果,都是非常粗糙的,注定會被更好的成果取代。因此,了解深度學習,就如同站在一個關鍵的節點上向時間河流的上下游看,一覽無遺。
我相信,不同的人會從這本書中得到不同的收獲。總體而言,這本書有助于在我們心目中更加清晰準確地繪制人工智能的未來圖景。從某種意義上說,所有的過去亦都昭示了未來,但我更建議讀者以最輕松的心態來閱讀它。因為這樣,能夠讓讀者以更加客觀公正的視角去檢閱人類與機器的能力短板與優長——你可以從本書中了解到那些令人驚訝,甚至于有些擔憂的科技進展,大致了解它們背后的原理。這展現了人工智能相對于人類而言的單方面優勢。另一方面,你也能看到許多真實事例,反映了人工智能相對于人類而言的“笨拙”。科學與科學幻想涇渭分明。在現實中,這種“笨拙”的情況往往更加普遍。這些事例有時令人忍俊不禁,它恰恰體現了我們人類的大腦是多么精妙的設計。
事實上,在我看來,當下最令人彷徨不定的,并不是人工智能有多么“強大”或有多么“笨拙”,而是我們已處在一個科技的拐點,需要由我們每個人對未來的走向做出抉擇。這是一個非常具有現實意義的話題。雖然深度學習是這個拐點的主要推動力之一,但它并不需要為我們的困擾承擔責任:
 選擇權的困擾:一輛無人汽車行駛在道路上,假設突然面臨必然要發生的車禍,它應當向左撞向一個無辜的老人,還是向右撞向一個無辜的壯年?
 決策權的困擾:一個系統可以基于人類個體不具備的廣泛即時的大數據,用任何人無法企及的速度,迅速做出某個決策。這樣的洞察和決策力,應該掌握在誰的手中?
 工作權的困擾:一項基于人工智能的技術可以比人類以更好的質量和速度去完成某項生產。這項技術應該歸屬于工廠主來代替工人,還是應該歸屬于工人來幫助工廠主更好地完成工作?前者會帶來失業,而后者有望帶來更高的工作效率。
 社會層面的困擾:一個面向情感的人工智能機器人幫助一個人解決孤單,卻使他主動減少了與他人的社交溝通。這種陪伴究竟是在幫他解決問題,還是制造了更多的問題?
 技術濫用的困擾:一項技術可以幫助任何人打造與他們高度相似的語音,制造出來的聲音,令他的家人也難辨真假。這樣的技術會不會被別有用心的人用于犯罪,例如詐騙電話?
不知不覺間,這些看似遙遠的事,突然間已變成我們必須要面對的現實情況,而我們也已經在上述一些場景中做出了初步的抉擇。其中一個關鍵因素是,人們常常對人工智能的“智商”印象深刻,但往往忽略了:人工智能系統化的優勢之一在于“大規模的并發”。因此,任何一種以上技術應用的場景,只要乘以巨大的人口,都會帶來很大的影響。相對而言,在圍棋游戲中贏過人類,其實是最不需要擔憂的了。
在微軟,我們最近成立了與人工智能及倫理相關的組織,力圖在當前的框架內去發現盡量多的問題,盡可能在早期就避免問題的發生。微軟在人工智能領域的技術和產品線很廣泛,因此我們做過的抉擇也相對較多。這些抉擇往往決定了我們在有能力的情況下,主動放棄去做什么。
這意味著克制與敬畏之心。例如:微軟小冰在兩年前推出擬人的全雙工語音電話技術(Full Duplex)時,我們就制定了該產品的倫理規則,不允許在用戶不知情的情況下,讓小冰偽裝成真人去撥打電話。我們也不使用微軟小冰的技術去從事呼叫中心的外呼業務,因為它存在被濫用為垃圾廣告電話的風險——盡管這些往往意味著巨大的商業價值。今天,在中國、美國、日本、印度和印度尼西亞,微軟小冰擁有近7億人類用戶,如果她在對話的時候努力誘導人們去購買某種商品,顯然會帶來可觀的收入預期。但誰會愿意和一個一心想著如何誘導你買東西的人成為知己呢?
這種克制,不僅僅是一兩家企業的責任。它依賴于整個社會對人工智能,特別是深度學習相關技術的了解。對技術的了解越普遍,也就越能幫助企業更好地運用手中的技術,進而幫助我們每一個人獲得更好的生活,享受人工智能為我們帶來的價值。
在我看來,這就是這本書所具有的現實意義。它并非教科書,而是一本面向未來的歷史書。它揭示了人工智能有望給世界、給人類帶來的巨大改變,遠超我們現在所能想象到的全雙工語音、人臉識別、情感計算甚至是自動駕駛。換句話說,基于我們現在的技術和產品水平,相信許多人已能在腦海中比較清晰地勾勒出,自己在馬路上與一輛并沒有司機駕駛的汽車相遇的場景。但與人工智能即將展現的偉大圖景相比,這些都不值一提。



文摘

不久之前,人們還常說,計算機視覺的辨別能力尚不如一歲大的孩子。如今看來,這句話要改寫了。計算機不僅能和大多數成年人一樣識別圖片中的物體,在馬路上駕駛汽車的安全性還高過16 歲的青少年。更神奇的是,如今的計算機不再是被動按照指令識別和駕駛,而是像自然界的生命由數百萬年前開始進化那樣,自主地從經驗中學習。是數據的井噴促成了這一技術進步。如果說數據是新時代的石油,那么學習算法就是從中提取信息的煉油廠;信息積累成知識;知識深化成理解;理解演變為智慧。歡迎來到深度學習的新世界。
深度學習是機器學習的一個分支,它根植于數學、計算機科學和神經科學。深度網絡從數據中學習,就像嬰兒了解周圍世界那樣,從睜開眼睛開始,慢慢獲得駕馭新環境所需的技能。深度學習的起源可以追溯到20 世紀50 年代人工智能的誕生。關于如何構建人工智能,當時存在兩種不同的觀點:一種觀點主張基于邏輯和計算機程序,曾主宰人工智能的研究和應用數十年;另一種觀點則主張直接從數據中學習,經歷了更長時間的摸索才逐漸成熟。
20 世紀,計算機技術還不夠成熟,而且按照現在的標準,數據存儲成本十分高昂,用邏輯程序來解決問題更加高效。熟練的程序員需要為每個不同的問題編寫不同的程序,問題越大,相應的程序也就越復雜。如今,計算機能力日趨強大,數據資源也變得龐大且豐富,使用學習算法解決問題比以前更快、更準確,也更高效。此外,同樣的學習算法還能用來解決許多不同的難題,這遠比為每個問題編寫不同的程序更加節省人力。
投稿 打印文章 轉寄朋友 留言編輯 收藏文章
說說你的看法
查看所有評論>>最新評論 [0 條]
  期刊推薦
1/1
轉寄給朋友
朋友的昵稱:
朋友的郵件地址:
您的昵稱:
您的郵件地址:
郵件主題:
推薦理由:

寫信給編輯
標題:
內容:
您的昵稱:
您的郵件地址:
 

怎样买彩票