科学之路

科学之路

人、机器与未来,当机器思考时,人类会怎样?

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。
7.7279 评价豆瓣读书
¥61.60¥48.99
今日特价截止至:2024-12-23 02:00:00了解详情

作品简介

“图灵奖”得主、“深度学习三巨头”之一、“卷积神经网络之父”……由于在人工智能领域的突出贡献,杨立昆被中国计算机科学界和企业界所熟知。

杨立昆的科学之路,谱写了一段关于勇气的宣言。他为了知识本身求学,而不是文凭,他用自己的经历,证明了通过激烈的考试竞争进入名校不是科学成功的窄门。他广泛阅读,为他科学思维的形成奠定了坚实的理论基础。他特立独行,做自己感兴趣的事情,即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期,他寂寞地坚持,终于取得了举世瞩目的成就。

人工智能正在颠覆人类社会,未来机器能思考吗?杨立昆的这部著作,讲述正是人工智能在我们面前崛起——这个历史上仅有的时刻发生的故事。

杨立昆是法国人,名字原文为Yann Le Cun,姓氏为Le Cun,因在美国常被误缩写为Y.L.Cun,于是把LeCun合写在一起。中文译名原为扬·勒丘恩,华人AI圈一直亲切地称他为“杨乐康”,他本人听闻后,干脆自己给自己取了中文名字——杨立昆。

他被誉为“卷积神经网络之父”,2019年3月,因在人工智能深度学习方面的贡献获得2018年度图灵奖。此外,他还获得了2014年IEEE神经网络先锋奖(Neural Network Pioneer Award)、2015年IEEE PAMI杰出研究奖和2016年Lovie终身成就奖。他为卷积神经网络(CNN,Convolutional Neural Networks)和图像识别领域做出了重要贡献,以手写字体识别、图像压缩和人工智能硬件等主题发表过190多份论文,研发了很多关于深度学习的项目,并且拥有14项相关的美国专利。研究领域包括人工智能、机器学习、机器感知、移动机器人学和计算神经学。

作品目录

  1. 本书赞誉
  2. 人工智能的崛起时刻
  3. 所有努力都是为了提升概率
  4. 在无人区创新
  5. 从科学思考到科学思维
  6. 以批判性思维持续学习
  7. 杨立昆的科学之路
  8. 让历史告诉未来
  9. 探求未知的科学精神
  10. 中文版自序 科研的魅力
  11. 前言 我的科学之路
  12. 第一章 人工智能呼啸而来
  13. 1.人工智能无处不在
  14. 2.人工智能艺术家
  15. 3.索菲亚:类人生物还是虚张声势
  16. 4.飞速迭代的人工智能
  17. 5.让机器学会学习
  18. 6.技术混搭
  19. 7.我们应该如何定义人工智能
  20. 8.人工智能的未来
  21. 9.算法的广阔天空
  22. 第二章 人工智能和我的学术生涯
  23. 1.永恒的追求:让机器拥有智能
  24. 2.传统智能难以复制
  25. 3.人类与人工智能的“战争”
  26. 4.神经流派的崛起
  27. 5.遭遇寒冬
  28. 6.狂热的疯子
  29. 7.被兴趣激发的人
  30. 8.卓有成效的阅读
  31. 9.我的偶像
  32. 10.“你认识一个叫杨立昆的人吗?”
  33. 11.梯度反向传播的运用
  34. 12.神圣之地
  35. 13.贝尔实验室的岁月
  36. 14.职业与信念
  37. 15.深度学习的阴谋
  38. 16.卷积网络的春天
  39. 第三章 机器的初级训练
  40. 1.从海兔得到的启发
  41. 2.监督学习
  42. 3.随机近似
  43. 4.数学家的题外话
  44. 5.伽利略和比萨斜塔
  45. 6.图像识别
  46. 7.感知器的创新
  47. 8.25像素的网格
  48. 9.区分字母C和D
  49. 10.泛化原理
  50. 11.感知器的局限性
  51. 12.特征提取器
  52. 第四章 机器学习的方法
  53. 1.成本函数
  54. 2.找到谷底
  55. 3.实践中的梯度下降
  56. 4.随机梯度
  57. 5.多个谷底的困扰
  58. 6.机器学习的原理
  59. 7.模型的选择
  60. 8.奶牛和三名科学家
  61. 9.奥卡姆剃刀原理
  62. 10.机器训练方案
  63. 11.最佳折中方案
  64. 12.人类的教训
  65. 第五章 完成更复杂的任务
  66. 1.贡献度分配
  67. 2.连续神经元
  68. 3.我的分层学习机
  69. 4.赛跑
  70. 5.数学的美妙之处
  71. 6.多层结构的益处
  72. 7.打破异议
  73. 8.多层网络的魅力
  74. 第六章 人工智能的支柱
  75. 1.2012年的重磅炸弹
  76. 2.视觉系统的信息处理
  77. 3.有远见的东京科学家
  78. 4.科学界方法之争
  79. 5.卷积网络全貌
  80. 第七章 深度学习的应用
  81. 1.图像辨识
  82. 2.内容嵌入和相似度测量
  83. 3.语音识别
  84. 4.语音克隆
  85. 5.语言的理解和翻译
  86. 6.智能预测
  87. 7.人工智能与科学
  88. 8.自动驾驶汽车
  89. 9.大型应用程序的架构:虚拟助手
  90. 10.医学影像与医学
  91. 11.从传统搜索算法到强化学习
  92. 第八章 我在脸书的岁月
  93. 1.与脸书结缘
  94. 2.脸书的人工智能研究实验室
  95. 3.科学的突破与产品的开发
  96. 4.用技术实现信息过滤
  97. 5.技术、平台与媒体
  98. 6.对带标签数据的渴求
  99. 7.图灵奖与我的新身份
  100. 第九章 前景与挑战
  101. 1.探究智能和学习的基础
  102. 2.机器学习的局限性
  103. 3.强化学习的局限性
  104. 4.有待开发的学习新范式
  105. 5.有限的预测能力
  106. 6.人是如何学习的
  107. 7.如何训练预测系统
  108. 8.多重预测和潜在变量
  109. 9.赋予机器预测能力
  110. 10.系统智能接近人类智能任重而道远
  111. 11.集成电路创新的爆炸式增长
  112. 12.人工智能的未来
  113. 第十章 隐忧与未来
  114. 1.人工智能将改变社会和经济
  115. 2.人工智能创新的生态系统
  116. 3.谁将从革命中受益
  117. 4.军事失控的风险
  118. 5.危险警报:人工智能的滥用
  119. 6.如何解释人工智能
  120. 7.理解人类智能
  121. 8.大脑只是一部机器吗
  122. 9.所有模型都是错的
  123. 10.担忧的声音
  124. 11.人工智能并不万能
  125. 12.大脑的学习机制
  126. 13.机器能否产生意识
  127. 14.语言在思维中的作用
  128. 15.机器会有情感吗
  129. 16.机器人想要获得权力吗
  130. 17.价值观的统一
  131. 18.新的疆界
  132. 19.智力科学
  133. 结语
  134. 术语表
  135. 致谢
载入中