智能机器如何思考(深度神经网络的秘密)(精)

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。

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。

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