当前位置:当前位置:主页 > 计算机电子书 > 人工智能 > 机器 pdf电子书
暗知识:机器认知如何颠覆商业和社会

暗知识:机器认知如何颠覆商业和社会 PDF 完整全格式版

  • 更新:2020-08-27
  • 大小:31.9 MB
  • 类别:机器
  • 作者:王维嘉
  • 出版:中信出版社
  • 格式:PDF

  • 资源介绍
  • 学习心得
  • 相关内容

暗知识:机器认知如何颠覆商业和社会》是由中信出版社出版的一本关于机器方面的书籍,作者是王维嘉,主要介绍了关于机器、人工智能方面的知识内容,目前在机器类书籍综合评分为:7.7分。

书籍介绍

“AlphaGo”战胜了世界围棋,但无论是聂卫平还是设计AlphaGo的谷歌工程师都无法理解AlphaGo为什么这样走棋,这就是人工智能中令人困惑的“不可解释性”问题。作者从这个问题出发,发现了一类全新的知识——“暗知识”。

一直以来人类的知识可以分为两类:“明知识”和“默知识”。明知识就是那些可以用语言、字或公式清晰表达和描述的知识;默知识则是个人在感觉上能把握但无法清晰描述的知识,也即我们常说的“只可意会,不可言传”的那类知识。今天,人工智能突然发掘出了人类既无法感受又无法表达和描述的暗知识—隐藏在海量数据中的万事万物间的关系。

本书介绍了机器学习五大流派从数据中挖掘暗知识的方法以及各自适用的领域,尤其是神经网络的基本工作原理和目前在商业上应用广泛的几种形态。同时着重讨论了暗知识对商业和社会的直接影响,比如哪些行业将面临机器认知的颠覆,在不同行业里有哪些投资机会和陷阱。本书后介绍了目前还没有商业化的,但可能更深刻影响我们的一些的人工智能应用,以及人工智能会在多大程度上取代人的工作,造成哪些社会问题,如何让下一代做好准备等。

这是人工智能的国民读本。人工智能是继互联网后的又一科技革命浪潮,与我们每个人的未来命运休戚相关,不应该是少数人的专利。王维嘉博士用“暗知识”这把钥匙,为我们开启了人工智能时代的大门,让人工智能不再高冷,轻松易读,通透易懂。赶紧打开这本书,让我们一起拥抱人工智能

目录

  • 序言 “暗知识”和现代社会
  • 寄语
  • 第一章  横空出世——暗知识的发现 
  • 骄傲的人类
  • 天才的哽咽
  • 机器发现了人类无法理解的知识
  • 理性主义和经验主义之争
  • 知识的生物学基础——神经元连接
  • 可表达的“明知识”
  • 只可意会的“默知识”
  • 既不可感受也不能表达的“暗知识”
  • 第二章  榨取数据——机器能学会的知识 
  • 机器学习明知识
  • 类推学派——机器学习默知识
  • 机器发现暗知识
  • 第三章  神经网络——萃取隐蔽相关性 
  • 从感知器到多层神经网络
  • 神经网络模型:满是旋钮的黑盒子
  • 雾里下山:训练机器模型
  • AlphaGo 的“上帝视角”
  • 局部最优:没到山底怎么办
  • 深度学习——化繁为简
  • 化整为零的卷积神经网络
  • 处理序列信息的循环神经网络
  • AlphaGo 与强化学习
  • 神经网络悖论 
  • 神经网络五大研究前沿
  • 深度学习的局限性
  • 第四章  逐鹿硅谷——AI产业争霸战 
  • 最新技术巨浪
  • AI 突破三要素
  • 金字塔形的产业结构
  • 产业的皇冠:算法
  • 技术制高点:芯片
  • 生态大战——编程框架的使用和选择
  • 开源社区与 AI 生态
  • 乱世枭雄
  • 大卫和哥利亚
  • AI 的技术推动力
  • AI 与互联网的三个区别
  • 第五章  飓风袭来——将被颠覆的行业 
  • 自动驾驶颠覆出行——10 万亿美元的产业
  • 医疗与健康——世界上最有经验的医生
  • 智能金融将导致一大批白领、金领失业
  • 智能时代万物皆媒,人机协作时代已经来临
  • 智慧城市——“上帝视角”的城市管理
  • 重复体力劳动者将被机器人全面替代
  • 打通巴别塔——黑天鹅杀手级应用
  • 全方位冲击
  • 第六章  暗知识神迹——机器能否超越人类 
  • 基于深度学习的 AI 本质
  • 科研加速
  • 唐诗高手
  • 真假凡·高
  • 下一场空战
  • 群体学习和光速分享
  • 人类哪里比机器强
  • 人机融合
  • 第七章  “神人”与“闲人”——AI 时代的社会与伦理 
  • 谁先失业
  • 孩子该学什么
  • AI 时代的新工种
  • 新分配制度:无条件收入还是无条件培训
  • 贫富悬殊解决之道:民间公益
  • 权力再分配
  • 是否该信任机器的决定
  • 数据如何共享
  • 自尊的来源
  • 机器会产生自我意识吗
  • 结束语   人类该怎么办
  • 致谢 
  • 附录 1:一个经典的5层神经网络LeNet-5
  • 附录 2:循环神经网络RNN和长—短时记忆网络 LSTM
  • 附录 3:CPU、 GPU 和 TPU
  • 附录 4:机器学习的主要编程框架
  • 参考文献

资源获取

网友留言