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。
7.5497 评价豆瓣读书
免费试读

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。5 人
  2. 更令人惊讶的是,玻尔兹曼机需要一定的“睡眠”才能学习。它的学习算法有两个阶段。在第一阶段,即“清醒”阶段,随着输入和输出模式被钳制到期望的映射,网络中的单元被多次更新以达到平衡,每对单元都为1的次数所占的百分比会被记录下来。在第二阶段,即“睡眠”阶段,输入和输出单元被释放,每对单元在自由运行状态中都为1的次数百分比也被记录下来。然后,每个连接强度按照清醒和睡眠阶段一致率之间的差异,按比例进行更新(见方框7.2)。睡眠阶段的计算是为了确定钳制的相关性中哪个部分是由外部原因造成的。在不去除内部产生的相关性的情况下,该网络会加强内部活动模式,并学习忽略外部的影响,这是二联性精神病(folie à deux)的网络版本。有趣的是,极度的睡眠剥夺会导致人体处于妄想的状态,4 人
  3. 多巴胺神经元构成了控制大脑中动机的核心系统,所有成瘾药物都是通过增加多巴胺的分泌水平起作用4 人
  4. 事实上,在我看来,当下最令人彷徨不定的,并不是人工智能有多么“强大”或有多么“笨拙”,而是我们已处在一个科技的拐点,需要由我们每个人对未来的走向做出抉择。这是一个非常具有现实意义的话题。虽然深度学习是这个拐点的主要推动力之一,但它并不需要为我们的困扰承担责任:•选择权的困扰:3 人
  5. 深度学习是机器学习的一个分支,它根植于数学、计算机科学和神经科学。3 人
  6. 计算机视觉的进步是通过关注特征而非像素来实现的。3 人
  7. 正确的选择是正面为数字“8”,背面为棕色的卡片。在最初的研究中,只有10% 的受试者给出了正确的答案。但是,当给这项逻辑测试加上了熟悉的背景信息时,大多数受试者都能很快找出正确答案(见图3–2)。3 人
  8. 时间差分学习算法中存在两个参数:学习速率α和折扣因子γ(见方框10.1)。某些昆虫具有很高的学习速率,比如蜜蜂,在一次访问后就可以学会将花与奖励联系起来。但哺乳动物的学习速率较低,往往要尝试多次。折扣因子(discount factor)也在很大的范围内变化。当γ= 0时,学习算法是贪婪的,仅仅基于是否能立刻获得奖励做出决定;但是当γ= 1时,所有未来奖励都具有相等的权重。在一个经典的实验中,被测试的幼童可以选择是立刻吃掉手里的一颗棉花糖,还是等待15分钟再吃,到时候就能再得到一颗棉花糖。年龄是一个强有力的预测因子,年龄较小的孩子无法延迟满足感。如果认为有必要,我们可以在短期内做出带来负面回报的选择,以交换在遥远的将来所期望获得的更丰厚的奖励。3 人
  9. 2050年,人工智能会拥有能和我们大脑相媲美的操作系统。3 人
  10. 史上充斥着煽动者,当他们在想象力方面的匮乏被暴露出来,最终就会难逃被抛弃的命运。幸运的是,大脑存在的时间比语言要长很多,如果我们依赖于早在语言出现之前就进化出来的那部分大脑,肯定会从中受益。3 人

喜欢这本书的人也喜欢