相關商品
商品簡介
作者簡介
目次
商品簡介
任何足夠先進的技術初看都與魔法無異。
自動駕駛汽車已經在很多國家上路，網飛的算法能主動預測你喜歡的電影，DeepMind的計算機程序通關了雅達利遊戲，AlphaGo在古老的圍棋領域攻克了人類智能的防線。
這一切是如何發生的？智能機器究竟如何思考？
在這本書中，作者用人人都能讀懂的語言展示了人工智能領域的前沿成果，深入解讀了感知算法、強化學習、智能體、卷積神經網絡、深度語音識別、圖片識別等科技巨頭紛紛擁抱的概念，正是它們讓當今的機器如此智能。
DARPA和ImageNet的挑戰賽給未來播撒了怎樣的種子？
網飛的電影推薦為什麼如此準確？
人工智能怎麼打DOTA？
AlphaGo除了下圍棋還會做別的嗎？
神經網絡如何做到能聽、能說、能記憶？
我們為什麼要不斷製造能複製人類智力和行為的機器？
這本書將為你打開機器學習與神經網絡的黑匣子，讓你看懂“魔法”背後的機制。關於自動駕駛汽車、網飛算法、會玩遊戲的人工智能以及AlphaGo，這本書囊括了你想知道的一切。
自動駕駛汽車已經在很多國家上路，網飛的算法能主動預測你喜歡的電影，DeepMind的計算機程序通關了雅達利遊戲，AlphaGo在古老的圍棋領域攻克了人類智能的防線。
這一切是如何發生的？智能機器究竟如何思考？
在這本書中，作者用人人都能讀懂的語言展示了人工智能領域的前沿成果，深入解讀了感知算法、強化學習、智能體、卷積神經網絡、深度語音識別、圖片識別等科技巨頭紛紛擁抱的概念，正是它們讓當今的機器如此智能。
DARPA和ImageNet的挑戰賽給未來播撒了怎樣的種子？
網飛的電影推薦為什麼如此準確？
人工智能怎麼打DOTA？
AlphaGo除了下圍棋還會做別的嗎？
神經網絡如何做到能聽、能說、能記憶？
我們為什麼要不斷製造能複製人類智力和行為的機器？
這本書將為你打開機器學習與神經網絡的黑匣子，讓你看懂“魔法”背後的機制。關於自動駕駛汽車、網飛算法、會玩遊戲的人工智能以及AlphaGo，這本書囊括了你想知道的一切。
作者簡介
肖恩·格裡什（Sean Gerrish）
穀歌前工程專家、機器學習極客。
他曾在高頻交易機構泰莎科技擔任工程師，並在穀歌擔任機器學習和數據科學團隊的工程專家。
他擁有普林斯頓大學的機器學習博士學位。
穀歌前工程專家、機器學習極客。
他曾在高頻交易機構泰莎科技擔任工程師，並在穀歌擔任機器學習和數據科學團隊的工程專家。
他擁有普林斯頓大學的機器學習博士學位。
目次
推薦序 10
前言 12
1 自動機的秘密 16
長笛演奏者 16
今天的自動機 17
鐘擺的擺動 19
這本書中的自動機 20
2 自動駕駛汽車和“DARPA無人車挑戰賽” 23
沙漠中的百萬美元競賽 23
如何打造自動駕駛汽車 24
規劃路徑 28
路徑搜索 29
導航 32
無人車挑戰賽的獲勝者 34
一場失敗的比賽 36
3 保持在車道內行駛：自動駕駛汽車的感知 38
第二次無人車挑戰賽 38
自動駕駛汽車中的機器學習 40
斯坦利的架構 40
避開障礙物 42
尋找道路的邊緣 44
開眼看路 46
路徑規劃 48
斯坦利大腦的各個部分如何相互交流 49
4 在十字路口避讓：自動駕駛汽車的大腦 52
城市挑戰賽 52
感知抽象 53
比賽 56
老闆的高層次推理層 56
攻克交通堵塞 64
三層架構 65
對自動駕駛汽車看到的物體進行分類 69
自動駕駛汽車是複雜的系統 70
自動駕駛汽車的軌跡 71
5 網飛和推薦引擎的挑戰 72
百萬美元大獎 72
競爭者 73
如何訓練分類器 74
比賽的目標 77
龐大的評分矩陣 78
矩陣分解 82
第一年結束 87
6 團隊融合：網飛獎的贏家 89
縮小競爭者之間的差距 89
第一年末 90
隨時間變化的預測 92
過度擬合 94
模型混合 95
第二年 98
最後一年 99
賽後 102
7 用獎勵教導計算機 104
DeepMind玩雅達利遊戲 104
強化學習 106
教導智能體 108
為智能體編寫程序 111
智能體如何觀察環境 114
經驗金塊 114
用強化學習玩雅達利遊戲 119
8 如何用神經網絡攻克雅達利遊戲 122
神經信息處理系統 122
近似，而非完美 122
用作數學函數的神經網絡 124
雅達利遊戲神經網絡的結構 130
深入研究神經網絡 138
9 人工神經網絡的世界觀 141
人工智能的奧秘 141
國際象棋自動機“土耳其人” 142
神經網絡中的誤導 144
識別圖像中的物體 145
過度擬合 147
IMAGENET 149
卷積神經網絡 151
為什麼是“深度”網絡？ 156
數據瓶頸 159
10 深入瞭解深度神經網絡的內部秘密 161
計算機生成圖片 161
壓縮函數 162
ReLU激活函數 164
機器人之夢 167
11 能聽、能說、能記憶的神經網絡 173
對機器而言，“理解”意味著什麼？ 173
深度語音識別 173
循環神經網絡 174
為圖像生成字幕 180
長短時記憶網絡 183
對抗數據 185
12 理解自然語言 187
宣傳噱頭還是人工智能研究的福音? 187
IBM的沃森 187
攻克《危險邊緣》所遇到的挑戰 188
浩如煙海的知識 189
《危險邊緣》挑戰賽的誕生 192
DEEPQA 193
問題分析 195
沃森如何解讀句子 197
13 挖掘《危險邊緣》的最佳答案 204
地下室基準 204
生成候選答案 206
查找答案 207
輕量級過濾器 210
證據檢索 211
評分 214
匯總和排名 217
調整沃森 220
重新審視DEEPQA 220
沃森有智能嗎？ 221
14 用蠻力搜索找到好策略 224
通過搜索玩遊戲 224
數獨 225
樹的大小 229
分支因子 232
遊戲中的不確定性 232
克勞德•香農 236
評價函數 237
深藍 241
加入IBM 242
搜索與神經網絡 244
西洋雙陸棋程序TD-GAMMON 245
搜索的局限 247
15 職業水平的圍棋 248
計算機圍棋 248
圍棋 249
通過抽樣走子來建立直覺 252
神之一手 258
蒙特卡羅樹搜索 261
單臂老虎機 264
ALPHAGO是否需要如此複雜？ 266
ALPHAGO的局限 268
16 實時人工智能與《星際爭霸》 270
構建更好的遊戲機器人 270
《星際爭霸》與人工智能 271
簡化遊戲 272
實用《星際爭霸》機器人 274
OpenAI與《DOTA 2》 277
《星際爭霸》機器人的未來 280
17 50年後或更遙遠的未來 282
人工智能起起伏伏的發展過程 282
如何複製這本書中的成功 283
數據的普遍使用 286
下一步去向何方 286
參考文獻 288
前言 12
1 自動機的秘密 16
長笛演奏者 16
今天的自動機 17
鐘擺的擺動 19
這本書中的自動機 20
2 自動駕駛汽車和“DARPA無人車挑戰賽” 23
沙漠中的百萬美元競賽 23
如何打造自動駕駛汽車 24
規劃路徑 28
路徑搜索 29
導航 32
無人車挑戰賽的獲勝者 34
一場失敗的比賽 36
3 保持在車道內行駛：自動駕駛汽車的感知 38
第二次無人車挑戰賽 38
自動駕駛汽車中的機器學習 40
斯坦利的架構 40
避開障礙物 42
尋找道路的邊緣 44
開眼看路 46
路徑規劃 48
斯坦利大腦的各個部分如何相互交流 49
4 在十字路口避讓：自動駕駛汽車的大腦 52
城市挑戰賽 52
感知抽象 53
比賽 56
老闆的高層次推理層 56
攻克交通堵塞 64
三層架構 65
對自動駕駛汽車看到的物體進行分類 69
自動駕駛汽車是複雜的系統 70
自動駕駛汽車的軌跡 71
5 網飛和推薦引擎的挑戰 72
百萬美元大獎 72
競爭者 73
如何訓練分類器 74
比賽的目標 77
龐大的評分矩陣 78
矩陣分解 82
第一年結束 87
6 團隊融合：網飛獎的贏家 89
縮小競爭者之間的差距 89
第一年末 90
隨時間變化的預測 92
過度擬合 94
模型混合 95
第二年 98
最後一年 99
賽後 102
7 用獎勵教導計算機 104
DeepMind玩雅達利遊戲 104
強化學習 106
教導智能體 108
為智能體編寫程序 111
智能體如何觀察環境 114
經驗金塊 114
用強化學習玩雅達利遊戲 119
8 如何用神經網絡攻克雅達利遊戲 122
神經信息處理系統 122
近似，而非完美 122
用作數學函數的神經網絡 124
雅達利遊戲神經網絡的結構 130
深入研究神經網絡 138
9 人工神經網絡的世界觀 141
人工智能的奧秘 141
國際象棋自動機“土耳其人” 142
神經網絡中的誤導 144
識別圖像中的物體 145
過度擬合 147
IMAGENET 149
卷積神經網絡 151
為什麼是“深度”網絡？ 156
數據瓶頸 159
10 深入瞭解深度神經網絡的內部秘密 161
計算機生成圖片 161
壓縮函數 162
ReLU激活函數 164
機器人之夢 167
11 能聽、能說、能記憶的神經網絡 173
對機器而言，“理解”意味著什麼？ 173
深度語音識別 173
循環神經網絡 174
為圖像生成字幕 180
長短時記憶網絡 183
對抗數據 185
12 理解自然語言 187
宣傳噱頭還是人工智能研究的福音? 187
IBM的沃森 187
攻克《危險邊緣》所遇到的挑戰 188
浩如煙海的知識 189
《危險邊緣》挑戰賽的誕生 192
DEEPQA 193
問題分析 195
沃森如何解讀句子 197
13 挖掘《危險邊緣》的最佳答案 204
地下室基準 204
生成候選答案 206
查找答案 207
輕量級過濾器 210
證據檢索 211
評分 214
匯總和排名 217
調整沃森 220
重新審視DEEPQA 220
沃森有智能嗎？ 221
14 用蠻力搜索找到好策略 224
通過搜索玩遊戲 224
數獨 225
樹的大小 229
分支因子 232
遊戲中的不確定性 232
克勞德•香農 236
評價函數 237
深藍 241
加入IBM 242
搜索與神經網絡 244
西洋雙陸棋程序TD-GAMMON 245
搜索的局限 247
15 職業水平的圍棋 248
計算機圍棋 248
圍棋 249
通過抽樣走子來建立直覺 252
神之一手 258
蒙特卡羅樹搜索 261
單臂老虎機 264
ALPHAGO是否需要如此複雜？ 266
ALPHAGO的局限 268
16 實時人工智能與《星際爭霸》 270
構建更好的遊戲機器人 270
《星際爭霸》與人工智能 271
簡化遊戲 272
實用《星際爭霸》機器人 274
OpenAI與《DOTA 2》 277
《星際爭霸》機器人的未來 280
17 50年後或更遙遠的未來 282
人工智能起起伏伏的發展過程 282
如何複製這本書中的成功 283
數據的普遍使用 286
下一步去向何方 286
參考文獻 288
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。