块数据4.0：人工智能时代的激活数据学 PDF 超清版

块数据4.0：人工智能时代的激活数据学 电子书封面

读者评价

紧跟时代的作品，对了解科技发展方向还是有帮助的
可能由于在数据方面知识的欠缺，感觉并不吸引自己看下去，没有 Big Data 将大数据使用场景描述的清楚，也没有专业书籍将原理技术描述的透彻。 看了25%后弃掉了
超数据时代的几个趋势 1. 预测性趋势：用数据看未来；2.模糊性趋势：用概率来表达；3.复杂性趋势：用数据来跨界； 预测性比较好理解，模糊性和复杂性值得注意，事物本身存在模糊性，而数据本身也具有生长性，接受错误和混杂，从概率和趋势理解事物 事物是普遍联系的——当哲学上的命题被数据表达出来

内容介绍

本书提出的数据学是以充分发挥人机群体智能为核心，综合运用数据科学、生命科学和社会学提出的海量数据存储、处理的解决方案。数据学将颠覆传统的思式，为大数据领域的探索研究提供一个崭新的视角。

数据学对类脑计算领域的研究，将推动率、低功耗的高性能计算技术的发展，高性能计算技术将为人工智能的推广与应用带来新一轮的春天。数据学基于“块数据”的思维观，为数据跨领域的共享开放提供了新的数据观和现实可行的路径，将人工智能突破“条数据”领域，向更广泛的领域释放价值。

目录

• 绪 论 大数据时代的解决方案 001
• 第一章 超数据时代的数据拥堵
• 节 小数据时代、大数据时代和超数据时代 012
• （一）小数据时代 012
• （二）大数据时代 016
• （三）超数据时代 021
• 第二节 奇点来临：数据大爆炸 026
• （一）数据连接型社会：数据量化世界 026
• （二）数据大爆炸：海量、复杂与失控 032
• （三）数据失真、数据依赖与数据 035
• 第三节 数据拥堵与数据治理 038
• （一）数据拥堵的由来 038
• （二）从生命周期视角思考数据拥堵 040
• （三）数据拥堵的治理范式 044
• 第二章 数据学：基于块数据理论的解决方案
• 节 复杂理论与块数据 052
• （一）复杂性的涌现 052
• （二）块数据的数据观 055
• （三）数据学与数据科学 058
• 第二节 数据学的提出 061
• （一）数据学的由来 061
• （二）数据学的理论框架 062
• （三）数据学的时代价值 068
• 第三节 数据学与数据机理 071
• （一）数据搜索：智能感知 071
• （二）关联：智能聚合 072
• （三）自：智能决策 074
• （四）热点减量化：智能筛选 076
• （五）群体智能：智能碰撞 077
• 第三章 数据搜索：智能感知
• 节 智能感知与交互 082
• （一）生物感知 082
• （二）机器感知 085
• （三）交互识别 088
• 第二节 搜索引擎：连接人与信息 091
• （一） 从“寻物”到“搜数” 091
• （二）谷歌搜索：让流动的信息产生智能 095
• （三）搜索引擎的工作原理 098
• 第三节 搜索引擎到人工智能的演进 103
• （一）全局化范围搜索 103
• （二）智能化目标识别 106
• （三）无界化协同感知 110
• 第四章 关联：智能聚合
• 节 人脑信息的处理与 118
• （一）对象感知 118
• （二）情景关联 120
• （三）信息 122
• 第二节 智能数据处理 124
• （一）大数据处理模式 124
• （二）数据处理局限 127
• （三）基于人脑模式的数据关联 129
• 第三节 数据：构建新型数据关系 134
• （一）降维去噪 135
• （二）关联识别 140
• （三）重构 144
• 第五章 自：智能决策
• 节 脑认知与类脑计算 154
• （一） 神经元与神经网络 154
• （二）从学习到决策 157
• （三）人脑智能决策对机器学习的启示 163
• 第二节 让机器像人一样思考 166
• （一）从“深蓝”到“阿尔法元” 166
• （二）构造人工神经网络 169
• （三）深度学习驱动机器智能决策 171
• 第三节 智能判断与决策 175
• （一）提取特征 175
• （二）构建模型 177
• （三）决策输出 181
• 第六章 热点减量化：智能筛选
• 节 遗忘，是为了更好的记忆 187
• （一）人脑的记忆存储极限 187
• （二）记忆的选择性封存 192
• （三）遗忘也是一种学习 196
• 第二节 删除，数据取舍之道 199
• （一）数字记忆是生物记忆的延伸 199
• （二）数字存储下的信息失控 203
• （三）数字记忆与信息取舍 206
• 第三节 筛选，选择优决策 210
• （一）数据匹配与简约 210
• （二）优化算力配置 214
• （三）选择优算法 218
• 第七章 群体智能：智能碰撞
• 节 头脑风暴：发现好想法和做出好决策 226
• （一）创造力是发现好想法的源泉 226
• （二）群体合作与互动 228
• （三）群体决策与判断 230
• 第二节 群体学习：从个体智能到群体智能 234
• （一）个体智能的局限 234
• （二）从生物群体到机器人群体 237
• （三）群体机器人的行为协作 242
• 第三节 群体空间：人脑智慧和机器智能的交互 244
• （一）人机优势互补 244
• （二）机器智能进阶 246
• （三）人机社会化协作 250
• 第八章 数据学的应用场景
• 节 数据学下的自动驾驶 258
• （一）智能驾驶新一轮工业革命 258
• （二）数据学在无人驾驶中的应用场景 261
• （三）数据学为智能驾驶提供理论依据 264
• 第二节 数据学下的城市大脑 267
• （一）城市大脑：城市的数据智能中枢 267
• （二）数据学优化城市大脑的系统应用 269
• （三）数据学让城市大脑更智慧 273
• 第三节 数据学下的影像 274
• （一）人工智能赋能影像 274
• （二）数据学在影像中的应用策略 276
• （三）数据学提升影像价值 280
• 第四节 数据学下的智能语音 282
• （一）智能语音交互：进阶的交互模式 282
• （二）智能语音技术提升的路径选择 284
• （三）数据学开启语音交互新时代 287
• 第九章 云脑时代：开启数字文明新纪元
• 节 驱动云脑时代的“三驾马车” 294
• （一）数据驱动 294
• （二）计算驱动 297
• （三）场景驱动 301
• 第二节 区块链：人工智能任性发展的“保险阀” 303
• （一）哲学视域下的人工智能风险 303
• （二）区块链与秩序互联网 309
• （三）区块链人工智能时代新 312
• 第三节 数权法与数字文明新时代 315
• （一）云脑时代的制度安排与法律规制 315
• （二）数权法构建数字文明新秩序 319
• （三）构建网络空间人类命运共同体 322
• 参考文献 327
• 术语索引 341
• 后 记 349