科学之路

术语表

结语

19 智力科学

18 新的疆界

17 价值观的统一

16 机器人想要获得权力吗

15 机器会有情感吗

14 语言在思维中的作用

13 机器能否产生意识

12 大脑的学习机制

11 人工智能并不万能

10 担忧的声音

9 所有模型都是错的

8 大脑只是一部机器吗

7 理解人类智能

6 如何解释人工智能

5 危险警报：人工智能的滥用

4 军事失控的风险

3 谁将从革命中受益

2 人工智能创新的生态系统

1 人工智能将改变社会和经济

第十章 隐忧与未来

12 人工智能的未来

11 集成电路创新的爆炸式增长

10 系统智能接近人类智能任重而道远

9 赋予机器预测能力

8 多重预测和潜在变量

7 如何训练预测系统

6 人是如何学习的

5 有限的预测能力

4 有待开发的学习新范式

3 强化学习的局限性

2 机器学习的局限性

1 探究智能和学习的基础

第九章 前景与挑战

7 图灵奖与我的新身份

6 对带标签数据的渴求

5 技术、平台与媒体

4 用技术实现信息过滤

3 科学的突破与产品的开发

2 脸书的人工智能研究实验室

1 与脸书结缘

第八章 我在脸书的岁月

11 从传统搜索算法到强化学习

10 医学影像与医学

9 大型应用程序的架构：虚拟助手

8 自动驾驶汽车

7 人工智能与科学

6 智能预测

5 语言的理解和翻译

4 语音克隆

3 语音识别

2 内容嵌入和相似度测量

1 图像辨识

第七章 深度学习的应用

5 卷积网络全貌

4 科学界方法之争

3 有远见的东京科学家

2 视觉系统的信息处理

1 2012年的重磅炸弹

第六章 人工智能的支柱

8 多层网络的魅力

7 打破异议

6 多层结构的益处

5 数学的美妙之处

4 赛跑

3 我的分层学习机

2 连续神经元

1 贡献度分配

第五章 完成更复杂的任务

12 人类的教训

11 最佳折中方案

10 机器训练方案

9 奥卡姆剃刀原理

8 奶牛和三名科学家

7 模型的选择

6 机器学习的原理

5 多个谷底的困扰

4 随机梯度

3 实践中的梯度下降

2 找到谷底

1 成本函数

第四章 机器学习的方法

12 特征提取器

11 感知器的局限性

10 泛化原理

9 区分字母C和D

8 25像素的网格

7 感知器的创新

6 图像识别

5 伽利略和比萨斜塔

4 数学家的题外话

3 随机近似

2 监督学习

1 从海兔得到的启发

第三章 机器的初级训练

16 卷积网络的春天

15 深度学习的阴谋

14 职业与信念

13 贝尔实验室的岁月

12 神圣之地

11 梯度反向传播的运用

10 “你认识一个叫杨立昆的人吗？”

9 我的偶像

8 卓有成效的阅读

7 被兴趣激发的人

6 狂热的疯子

5 遭遇寒冬

4 神经流派的崛起

3 人类与人工智能的“战争”

2 传统智能难以复制

1 永恒的追求：让机器拥有智能

第二章 人工智能和我的学术生涯

9 算法的广阔天空

8 人工智能的未来

7 我们应该如何定义人工智能

6 技术混搭

5 让机器学会学习

4 飞速迭代的人工智能

3 索菲亚：类人生物还是虚张声势

2 人工智能艺术家

1 人工智能无处不在

第一章 人工智能呼啸而来

前言 我的科学之路

中文版自序 科研的魅力

探求未知的科学精神

让历史告诉未来

杨立昆的科学之路

以批判性思维持续学习

从科学思考到科学思维

在无人区创新

所有努力都是为了提升概率

人工智能的崛起时刻

本书赞誉

信息的自由流动就是进步的动力

版权信息

封面

封面

版权信息

信息的自由流动就是进步的动力

本书赞誉

人工智能的崛起时刻

所有努力都是为了提升概率

在无人区创新

从科学思考到科学思维

以批判性思维持续学习

杨立昆的科学之路

让历史告诉未来

探求未知的科学精神

中文版自序 科研的魅力

前言 我的科学之路

第一章 人工智能呼啸而来

1 人工智能无处不在

2 人工智能艺术家

3 索菲亚：类人生物还是虚张声势

4 飞速迭代的人工智能

5 让机器学会学习

6 技术混搭

7 我们应该如何定义人工智能

8 人工智能的未来

9 算法的广阔天空

第二章 人工智能和我的学术生涯

1 永恒的追求：让机器拥有智能

2 传统智能难以复制

3 人类与人工智能的“战争”

4 神经流派的崛起

5 遭遇寒冬

6 狂热的疯子

7 被兴趣激发的人

8 卓有成效的阅读

9 我的偶像

10 “你认识一个叫杨立昆的人吗？”

11 梯度反向传播的运用

12 神圣之地

13 贝尔实验室的岁月

14 职业与信念

15 深度学习的阴谋

16 卷积网络的春天

第三章 机器的初级训练

1 从海兔得到的启发

2 监督学习

3 随机近似

4 数学家的题外话

5 伽利略和比萨斜塔

6 图像识别

7 感知器的创新

8 25像素的网格

9 区分字母C和D

10 泛化原理

11 感知器的局限性

12 特征提取器

第四章 机器学习的方法

1 成本函数

2 找到谷底

3 实践中的梯度下降

4 随机梯度

5 多个谷底的困扰

6 机器学习的原理

7 模型的选择

8 奶牛和三名科学家

9 奥卡姆剃刀原理

10 机器训练方案

11 最佳折中方案

12 人类的教训

第五章 完成更复杂的任务

1 贡献度分配

2 连续神经元

3 我的分层学习机

4 赛跑

5 数学的美妙之处

6 多层结构的益处

7 打破异议

8 多层网络的魅力

第六章 人工智能的支柱

1 2012年的重磅炸弹

2 视觉系统的信息处理

3 有远见的东京科学家

4 科学界方法之争

5 卷积网络全貌

第七章 深度学习的应用

1 图像辨识

2 内容嵌入和相似度测量

3 语音识别

4 语音克隆

5 语言的理解和翻译

6 智能预测

7 人工智能与科学

8 自动驾驶汽车

9 大型应用程序的架构：虚拟助手

10 医学影像与医学

11 从传统搜索算法到强化学习

第八章 我在脸书的岁月

1 与脸书结缘

2 脸书的人工智能研究实验室

3 科学的突破与产品的开发

4 用技术实现信息过滤

5 技术、平台与媒体

6 对带标签数据的渴求

7 图灵奖与我的新身份

第九章 前景与挑战

1 探究智能和学习的基础

2 机器学习的局限性

3 强化学习的局限性

4 有待开发的学习新范式

5 有限的预测能力

6 人是如何学习的

7 如何训练预测系统

8 多重预测和潜在变量

9 赋予机器预测能力

10 系统智能接近人类智能任重而道远

11 集成电路创新的爆炸式增长

12 人工智能的未来

第十章 隐忧与未来

1 人工智能将改变社会和经济

2 人工智能创新的生态系统

3 谁将从革命中受益

4 军事失控的风险

5 危险警报：人工智能的滥用

6 如何解释人工智能

7 理解人类智能

8 大脑只是一部机器吗

9 所有模型都是错的

10 担忧的声音

11 人工智能并不万能

12 大脑的学习机制

13 机器能否产生意识

14 语言在思维中的作用

15 机器会有情感吗

16 机器人想要获得权力吗

17 价值观的统一

18 新的疆界

19 智力科学

结语

术语表