雅书

内容简介：

任何足够先进的技术初看都与魔法无异。

自动驾驶汽车已经在很多国家上路，网飞的算法能主动预测你喜欢的电影，DeepMind的计算机程序通关了雅达利游戏，AlphaGo在古老的围棋领域攻克了人类智能的防线。

这一切是如何发生的?智能机器究竟如何思考?

在这本书中，作者用几乎人人都能读懂的语言展示了人工智能领域的前沿成果，深入解读了感知算法、强化学习、智能体、卷积神经网络、深度语音识别、图片识别等科技巨头纷纷拥抱的概念，正是它们让当今的机器如此智能。

DARPA和ImageNet的挑战赛给未来播撒了怎样的种子?

网飞的电影推荐为什么如此准确?

人工智能怎么打DOTA?

AlphaGo除了下围棋还会做别的吗?

神经网络如何做到能听、能说、能记忆?

我们为什么要不断制造能复制人类智力和行为的机器?

这本书将为你打开机器学习与神经网络的黑匣子，让你看懂“魔法”背后的机制。关于自动驾驶汽车、网飞算法、会玩游戏的人工智能以及AlphaGo，这本书几乎囊括了你想知道的一切。

作者简介：

肖恩•格里什(Sean Gerrish)

谷歌前工程专家，普林斯顿大学的机器学习博士，机器学习极客。

曾在高频交易机构泰莎科技担任工程师，并在谷歌担任机器学习和数据科学团队的工程专家。

目  录：

推荐序 IX

前言 XIII

1 自动机的秘密

长笛演奏者 003

今天的自动机 005

钟摆的摆动007

这本书中的自动机 008

2 自动驾驶汽车：挑战不可能

沙漠中的百万美元竞赛 015

如何打造自动驾驶汽车 017

规划路径 021

路径搜索 022

导航025

无人车挑战赛的获胜者 028

一场失败的比赛 031

3 保持在车道内行驶：自动驾驶汽车的感知

第二次无人车挑战赛 035

自动驾驶汽车中的机器学习 037

斯坦利的架构 038

避开障碍物 040

寻找道路的边缘 043

开眼看路 045

路径规划 047

斯坦利大脑的各个部分如何相互交流 049

4 在十字路口避让：自动驾驶汽车的大脑

城市挑战赛 055

感知抽象 057

比赛 059

老板的高层次推理层 061

攻克交通堵塞 068

三层架构 071

对自动驾驶汽车看到的物体进行分类 076

自动驾驶汽车是复杂的系统 077

自动驾驶汽车的轨迹 078

5 网飞和推荐引擎的挑战

百万美元大奖 083

竞争者 084

如何训练分类器 085

比赛的目标 089

庞大的评分矩阵 091

矩阵分解 096

第一年结束 102

6 团队融合：网飞奖的赢家

缩小竞争者之间的差距 107

第一年末 108

随时间变化的预测 111

过度拟合 114

模型混合 115

第二年 119

最后一年 120

赛后 124

7 用奖励教导计算机

DeepMind玩雅达利游戏 129

强化学习 132

教导智能体 134

为智能体编写程序 36

智能体如何观察环境 140

经验金块 141

用强化学习玩雅达利游戏 148

8 如何用神经网络攻克雅达利游戏

神经信息处理系统 153

近似，而非完美 153

用作数学函数的神经网络 155

雅达利游戏神经网络的结构 161

深入研究神经网络 170

9 人工神经网络的世界观

人工智能的奥秘 175

国际象棋自动机“土耳其人” 177

神经网络中的误导 179

识别图像中的物体 180

过度拟合 183

ImageNet 185

卷积神经网络 188

为什么是“深度”网络? 194

数据瓶颈 197

10 深入了解深度神经网络的内部秘密

计算机生成图片 203

压缩函数 204

ReLU激活函数 207

机器人之梦 211

11 能听、能说、能记忆的神经网络

对机器而言，“理解”意味着什么? 221

深度语音识别 222

循环神经网络 223

为图像生成字幕 230

长短时记忆网络 233

对抗数据 235

12 理解自然语言

宣传噱头还是人工智能研究的福音? 239

IBM的沃森 240

攻克《危险边缘》所遇到的挑战 241

浩如烟海的知识 242

《危险边缘》挑战赛的诞生 245

DeepQA 247

问题分析 249

“沃森”如何解读句子 252

13 挖掘《危险边缘》的最佳答案

地下室基准 261

生成候选答案 263

查找答案 266

轻量级过滤器 269

证据检索 270

评分 274

汇总和排名 277

调整“沃森” 281

重新审视DeepQA 282

沃森有智能吗? 283

14 用蛮力搜索找到好策略

通过搜索玩游戏 289

数独 290

树的大小 294

分支因子 297

游戏中的不确定性 297

克劳德•香农与信息论 302

评价函数 303

“深蓝” 308

加入IBM 310

搜索与神经网络 311

西洋双陆棋程序 313

搜索的局限 315

15 职业水平的围棋

计算机围棋 319

围棋 321

通过抽样走子来建立直觉 324

神之一手 330

蒙特卡洛树搜索 333

单臂老虎机 337

AlphaGo是否需要如此复杂 339

AlphaGo的局限 341

16 实时人工智能与《星际争霸》

构建更好的游戏机器人 345

《星际争霸》与人工智能 346

简化游戏 348

实用《星际争霸》机器人 351

OpenAI与《DOTA 2》 354

《星际争霸》机器人的未来 357

17 50年后或更遥远的未来

人工智能起起伏伏的发展过程 363

如何复制这本书中的成功 364

数据的普遍使用 368

下一步去向何方 369

致谢 373

注释 375