技术“小白”和技术“大咖”都爱读的机器学习指南！微软CTO作序，谷歌工程总监、美国人工智能协会院士推荐。

书名：智能机器如何思考

定价：69.00元

作者：肖恩格里什

出版社：中信出版集团

出版日期：2019-07

页码：406

装帧：精装

开本：32开

ISBN：9787521705461

1.这是一本技术“小白”和技术“大咖”都爱读的机器学习指南。谷歌前工程专家、机器学习极客肖恩·格里什的重磅作品。

2.“神经网络”是新一波人工智能热潮的推动引擎。围绕这一前沿工具展开的对话，推动着自动驾驶汽车、网飞的推荐算法、AlphaGo，甚至会打DOTA游戏的人工智能的发展，任何想要参与这一时代对话的人都应该读读这本书。

3.作者用通俗的类比和鼓舞人心的故事，厘清了许多神秘而前卫的新概念：感知算法、强化学习、卷积神经网络、语音识别、图片识别等。掌握这些概念，你才能更好地判断，哪些关于人工智能的言论值得相信，哪些说得天花乱坠的谬论应该被抛弃，这本书将助力你的AI创业与投资之路。

4.微软CTO凯文·斯科特亲笔作序、谷歌工程总监雷·库兹韦尔、美国人工智能协会院士佩德罗·多明戈斯、谷歌研究科学家凯文·墨菲、微软亚洲研究院副院长潘天佑、驭势科技CEO吴甘沙鼎力推荐！

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、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。

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

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

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

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

ImageNet185

卷积神经网络188

为什么是“”网络？194

数据瓶颈197

10深入了解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

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

DeepQA247

问题分析249

“沃森”如何解读句子252

13挖掘《危险边缘》的佳答案

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DeepQA282

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IBM310

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《DOTA2》354

《星际争霸》机器人的未来357

1750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

肖恩·格里什（SeanGerrish）

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。

鉴于当前围绕机器学习和人工智能的对话颇为活跃，并且这些技术可能对我们的未来产生影响，任何想要参与这场对话的人都应该尽可能地学习。这本书可以帮助你更好地判断哪些言论值得相信，哪些说得天花乱坠的谬论应该被抛弃。

凯文？斯科特（KevinScott）

微软CTO，计算机科学家

在当今人工智能的发展背景下，这本书令人愉快且充满洞见，作者用几乎任何人都能读懂的语言厘清了许多复杂而重要的概念。

雷？库兹韦尔（RayKurzweil）

未来学家，奇点大学创始人，谷歌工程总监

如果你对时下一些人工智能应用——从AlphaGo到自动驾驶汽车——取得的阶段性成功感到好奇，这本迷人的书就很适合你阅读。

佩德罗？多明戈斯（PedroDomingos）

美国人工智能协会院士，《算法》作者

在过去10年中，神经网络取得了突破性的进展。从微软亚洲研究院在ImageNet图像识别挑战赛中使用的ResNet（残差网络），到DeepMind的AlphaGo围棋算法，它们都依赖于神经网络的发展与完善。可以说，神经网络就是这一波人工智能研究与设计的推动引擎。这本书用通俗的语言和鼓舞人心的故事，向我们阐释了这些智能机器究竟是如何感知与思考的，并描绘了我们终将和这些智能体共处的未来。

潘天佑博士

微软亚洲研究院副院长

初中时我看《变形金刚》，萌生出一种极强的冲动——用硬纸板把一个三维的、能变形的“汽车人”复现出来。可惜，限于当时的知识结构和时间缺口，我始终不得要领。如今，人工智能和机器学习一如当年的“汽车人”，我相信更多的人有类似我当初的冲动，可惜大多数人看不懂“西瓜书”和“花书”，谢诺夫斯基的《学习》虽然易懂，却不是从一个系统整体去看“汽车人”的。这本书恰好弥补了这一缺憾，它既有可读性又有系统性，读来酣畅淋漓，令人豁然开朗。

吴甘沙

驭势科技联合创始人、CEO