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，这本书囊括了你想知道的一切。
- 正文
- 推荐序
- 前言
- 1 自动机的秘密
- 今天的自动机
- 并不难懂的自动机
- 2 自动驾驶汽车：挑战不可能
- 如何打造自动驾驶汽车
- 规划路径
- 路径搜索
- 导航
- 无人车挑战赛的获胜者
- 一场失败的比赛
- 3 保持在车道内行驶：自动驾驶汽车的感知
- 自动驾驶汽车中的机器学习
- 避开障碍物
- 寻找道路的边缘
- 开眼看路
- 路径规划
- 斯坦利大脑的各个部分如何相互交流
- 4 在十字路口避让：自动驾驶汽车的大脑
- 比赛
- Boss的高层次推理层
- 攻克交通堵塞
- 三层架构
- 自动驾驶汽车看到的物体
- 自动驾驶汽车：复杂的系统
- 5 网飞和推荐引擎的挑战
- 竞争者
- 如何训练分类器
- 比赛的目标
- 庞大的评分矩阵
- 矩阵分解
- 6 团队融合：网飞奖的赢家
- 第一年末
- 随时间变化的预测
- 过度拟合
- 模型混合
- 第二年
- 最后一年
- 赛后
- 7 用奖励教导计算机
- 强化学习
- 为智能体编写程序
- 智能体如何观察环境
- 用强化学习玩雅达利游戏
- 8 如何用神经网络攻克雅达利游戏
- 用作数学函数的神经网络
- 雅达利游戏神经网络的结构
- 深入研究神经网络
- 9 人工神经网络的世界观
- 国际象棋自动机“土耳其人”
- 识别图像中的物体
- 过度拟合
- ImageNet
- 卷积神经网络
- 为什么是深度神经网络？
- 数据瓶颈
- 10 深入了解深度神经网络的内部秘密
- 压缩函数
- ReLU激活函数
- 机器人之梦
- 11 能听、能说、能记忆的神经网络
- 循环神经网络
- 为图像生成字幕
- 长短时记忆网络
- 12 理解自然语言
- 攻克《危险边缘》所遇到的挑战
- 《危险边缘》挑战赛的诞生
- DeepQA
- “沃森”如何解读句子？
- 13 挖掘《危险边缘》的最佳答案
- 生成候选答案
- 查找答案
- 轻量级过滤器
- 评分
- 汇总和排名
- 调整“沃森”
- 14 用蛮力搜索找到好策略
- 树的大小
- 克劳德·香农与信息论
- “深蓝”
- 加入IBM
- 搜索与神经网络
- 西洋双陆棋程序
- 15 职业水平的围棋
- 围棋
- 神之一手
- 蒙特卡洛树搜索
- 单臂老虎机
- AlphaGo是否需要如此复杂
- 16 实时人工智能与《星际争霸》
- 《星际争霸》与人工智能
- 简化游戏
- 实用《星际争霸》机器人
- OpenAI与《DOTA2》
- 《星际争霸》机器人的未来
- 17 50年后或更遥远的未来
- 数据的普遍使用
- 致谢