深度学习:智能时代的核心驱动力量

深度学习:智能时代的核心驱动力量

深度学习会扩大你的认知,人工智能不是生存威胁

暂无评价综合评分的显示会考虑用户真实性等多项因素,每部作品出现综合评分的时间不定。
7.6260 评价豆瓣读书
免费试读
¥52.80¥29.99
仲夏夜 静读时截止至:2019-07-23 00:00:00了解详情

作品简介

全球科技巨头纷纷拥抱深度学习,自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo,背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机,不再被动按照指令运转,而是像自然进化的生命那样,开始自主地从经验中学习。本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者,亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者,利用大数据和不断增强的计算能力,终于在神经网络算法上取得重大突破,实现了人工智能井喷式的发展。作为深度学习领域的通识作品,本书以恢弘的笔触,通过3个部分全景展现了深度学习的发展、演变与应用,首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升,并前瞻性地预测了智能时代的商业图景。

特伦斯·谢诺夫斯基(TerrenceSejnowski),世界十大AI科学家之一,美国四大国家学院(国家科学院、国家医学院、国家工程院、国家艺术与科学学院)在世仅3位的“四院院士”之一,全球AI专业会议NIPS基金会主席。

作为神经网络的先驱,早在1986年,特伦斯就与杰弗里·辛顿共同发明了玻尔兹曼机,把神经网络带入到研究与应用的热潮,将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术,实现了人工智能井喷式的发展。

特伦斯现任美国索尔克生物研究所(美国生命科学领域成果最多的研究机构)计算神经生物学实验室主任,是美国政府注资50亿美元“脑计划”项目(BRAIN,theBrainResearchthroughAdvancingInnovativeNeurotechnologies)领军人物。

特伦斯同时是全球最大在线学习平台Coursera最受欢迎课程《学习如何学习》(Learninghowtolearn)主理人,通过系统讲解大脑认知的底层知识,让学习者可以改变思维模式,提高学习的能力和效率。目前该课程学习人数已经超过了300万。

作品目录

载入中

热门划线

  1. 自动驾驶汽车的不同之处就在于,当一辆汽车遇到罕见事件时,相应的学习体验会被传递给所有其他自动驾驶汽车,这是一种集体智能。3 人
  2. 依赖关系2 人
  3. snow-covered2 人
  4. AlphaGo只在一个相当狭窄的领域同时展现出了晶体智力和流体智力,但在这个领域,它表现出了令人惊讶的创造力。专业知识的获取也是基于在狭窄领域的学习。我们都是语言领域的专家,每天都在使用语言。2 人
  5. 计算机视觉的进步是通过关注特征而非像素来实现的。2 人
  6. 在视觉皮层内部,神经元呈多层次排列结构。随着感官信息在皮层间层层传递,对世界的呈现也变得越来越抽象。几十年来,随着神经网络模型层数的增加,其性能也在不断提高,直到最终达到了一个临界点,让我们能够解决在20世纪80年代只能幻想却无法解决的问题。深度学习可以自动找出能区分图像中不同物体的优质特征的过程,这就是今天的计算机视觉比5年前好得多的原因。2 人
  7. 在1953年一个结果对所有哺乳动物都成立的经典实验中,斯蒂芬·库夫勒(见图5–2,左)记录了活猫的视网膜输出神经元对光斑刺激的放电响应。他在报告中写道,当光斑作用于某些输出神经元的中心区域时,会出现放电增加的现象,而当光斑作用于另一些输出神经元的中心区域时,却出现了放电减少的现象。然而,在中心的外沿区域的表现恰恰相反:给光中心带有撤光外沿,撤光中心带有给光外沿(见图5–3)。神经节细胞对光斑模式的反应被称为“感受野”(receptive field)特性。2 人
  8. 霍普菲尔德网络2 人
  9. 玻尔兹曼机2 人
  10. 杰弗里·辛顿和他在多伦多大学的学生们训练了一个带有三层隐藏单元的玻尔兹曼机,能够对手写邮政编码进行非常准确的分类(见图7–6)。由于玻尔兹曼网络具有反馈和前馈连接,因此可以反向运行网络,钳制其中一个输出单元,并生成与钳制输出单元相对应的输入模式(见图7–7)。这种生成性网络能捕获训练集的统计结构,而它们生成的样本也会继承这些属性。就好像这些网络进入了睡眠状态,网络最高层的活动在输入层产生了梦境一般的状态序列。2 人

喜欢这本书的人也喜欢