《深度学习：智能时代的核心驱动力量》是一本引人入胜、见解独到的书籍。作者深入浅出地介绍了深度学习这一技术在当今全球科技巨头和各个领域的应用，从自动驾驶、AI医疗、语音识别、图像识别到智能翻译，以及震惊世界的AlphaGo的背后实现，都离不开深度学习这一神奇的技术。深度学习作为人工智能的核心技术之一，通过模仿自然进化的生命学习方式，让经过训练的计算机具备了自主从经验中学习的能力。这本书不仅详细解释了深度学习的原理和算法，还深入探讨了它对于人工智能发展的重要意义。无论是对于科技爱好者还是对于想要了解人工智能的普通读者，这本书都是必读之作。
深度学习：智能时代的核心驱动力量 电子书封面
读者评价
对人工智能深度学习这一新的跨学科领域的脉络有了大致的了解，里边的专业概念已经尽可能简明了，但门外汉如我理解上还是有困难。进化比人类聪明多了，但人类上下求索的努力也是瑰丽的历程。本书注重AI研究历史和理论脉络（读库近期也有一篇讲算法的，貌似更简洁一些。本书作者大佬因为在领域中太熟络有时候有点絮絮叨叨），21 lessons偏重探讨infotech+biotech对人类社会的颠覆性影响
1.作者在深度学习领域的研究历程。内容广而不深。 2.深度学习的应用超前于理论。类似人类尚未能解释大脑的学习以及意识的机理。 3.深度学习理论的发展是否有助于解释人脑，甚至是其他生物的进化学习过程？
内容介绍
全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。
本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者，利用大数据和不断增强的计算能力，终于在神经网络算法上取得重大突破，实现了人工智能井喷式的发展。
作为深度学习领域的通识作品，本书以恢弘的笔触，通过3个部分全景展现了深度学习的发展、演变与应用，首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。
目录
- 推荐 序 面对科技拐点，我们的判断与选择
- 中文版序 人工智能会放大认知能力
- 前 言 深度学习与智能的本质
- 第一部分智能的新构想
- 01 机器学习的崛起
- 汽车新生态：无人驾驶将全面走入人们生活
- 自然语言翻译：从语言到句子的飞跃
- 语音识别：实时跨文化交流不再遥远
- AI医疗：医学诊断将更加准确
- 金融科技：利用数据和算法获取最佳回报
- 深度法律：效率的提高与费用的降低
- 德州扑克：当机器智能学会了虚张声势
- AlphaGo奇迹：神经科学与人工智能的协同
- 弗林效应：深度学习让人类更加智能
- 新教育体系：每个人都需要终身学习
- 正面影响：新兴技术不是生存威胁
- 回到未来：当人类智能遇到人工智能
- 02 人工智能的重生
- 看似简单的视觉识别
- 计算机视觉的进步
- 早期人工智能发展缓慢
- 从神经网络到人工智能
- 03 神经网络的黎明
- 深度学习的起点
- 从样本中学习
- 利用感知器区分性别
- 被低估的神经网络
- 04 大脑式的计算
- 网络模型能够模仿智能行为
- 神经网络先驱者
- 乔治·布尔与机器学习
- 利用神经科学理解大脑
- 大脑如何处理问题
- 计算神经科学的兴起
- 05 洞察视觉系统
- 人眼是如何看到东西的
- 大脑皮层中的视觉
- 突触的可塑性
- 通过阴影脑补立体全貌
- 视觉区域的层级结构
- 认知神经科学的诞生
- 第二部分深度学习的演进
- 06 语音识别的突破
- 在嘈杂中找到你的声音
- 将独立分量分析应用于大脑
- 什么在操控我们的言行
- 07 霍普菲尔德网络和玻尔兹曼机
- 约翰·霍普菲尔德的伟大之处
- 内容可寻址存储器
- 局部最小值与全局最小值
- 玻尔兹曼机
- 赫布理论
- 学习识别镜像对称
- 学习识别手写数字
- 无监督学习和皮层发育
- 08 反向传播算法
- 算法的优化
- 语音合成的突破
- 神经网络的重生
- 理解真正的深度学习
- 神经网络的局限性
- 09 卷积学习
- 机器学习的稳步发展
- 卷积网络的渐进式改进
- 当深度学习遇到视觉层级结构
- 有工作记忆的神经网络
- 生成式对抗网络
- 应对现实社会的复杂性
- 10 奖励学习
- 机器如何学会下棋
- 大脑的奖励机制
- 用“感知-行动”框架提高绩效
- 学习如何翱翔
- 学习如何歌唱
- 人工智能的可塑性
- 更多需要被解决的问题
- 11 火爆的NIPS
- 为什么NIPS如此受欢迎
- 谁拥有最多数据，谁就是赢家
- 为未来做准备
- 第三部分人类，智能与未来
- 12 智能时代
- 21世纪的生活
- 未来的身份认证
- 社交机器人的崛起
- 机器已经会识别人类面部表情
- 新技术改变教育方式
- 成为更好的学习者
- 训练你的大脑
- 智能商业
- 13 算法驱动
- 用算法把复杂问题简单化
- 理解、分析复杂系统
- 大脑的逻辑深度
- 尝试所有可能的策略
- 14 芯片崛起
- 神经形态芯片
- 视网膜芯片
- 神经形态工程
- 摩尔定律的终结
- 15 信息科学
- 用字节丈量世界
- 用数学思维解决通信难题
- 预测是如何产生的
- 深度理解大脑
- 大脑的操作系统
- 生物学与计算科学
- 人工智能能拥有媲美人类大脑的操作系统
- 16 生命与意识
- 视觉意识
- 视觉感知的过程
- 视觉感知的时机
- 视觉感知的部位
- 视觉搜索的机理
- 创造意识比理解意识更容易
- 17 进化的力量
- 大自然比我们聪明
- 认知科学的兴起
- 不能把语言问题只留给语言学家
- 难预测的行为规律
- 神经网络的寒冬
- 从深度学习到通用人工智能
- 18 深度智能
- 遗传密码
- 每个物种都有智能
- 进化的起源
- 人类终将解决智能难题
作者是深度学习领域的领军人物，本书可以算是作者写的人工智能简史，涉及到作者参与的一些项目，作者跟许多业内知名科学家都有学术交往。 书中涉及到一些人工智能算法的基本原理，没学过高数、没有编程基础的读者恐怕是比较难看懂的。不过看不懂可以跳过去，至少一些学术发展的故事还是挺有意思的。
对于一个普通大众而言，2016无疑是人工智能元年：阿尔法狗（AlphaGO）对战韩国围棋界18次世界冠军获得者李世石。其后，2017年，阿尔法狗化生Master横扫网络围棋服务器，5月，阿尔法狗连胜柯洁三场。就从那个时候，我身边不少患有中年焦虑症的朋友又有了新的焦虑：人工智能这么厉害，还需要我们这些人干什么？ 然而，如果当我们真的了解人工智能，或许就如《深度学习》作者所说的，人工智能（神经网络学习）元年要回溯到20世纪50年代，这时候，你是否会重新去思考人工智能的未来呢？ 作为深度学习先驱及奠基者 ，作者指出：神经网络学习的重大突破每30年就会发生一次。而这三个节点分别为：1.20世纪50年代引入感知器；2.20世纪80年代学习多层感知器算法；3.2010年开始兴起深度学习。其中每一个阶段都经历了一段繁荣期，在短时期内取得飞跃性的进展，随后便是较长时期的缓慢发展。 所以，有鉴于新媒体习惯和热衷于营造焦虑、制造风口，言必谈深度学习、AI、Python，《深度学习》无疑是解毒丸：深度学习或许已经在改变我们的生活，但它不是爆点，不可能一下子把你给赶走，也不可能一下子点石成金。关键是，我们要学会了解过去，畅想未来。