智能机器如何思考

　　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
　查看完整　　

　　肖恩•格里什（Sean Gerrish）谷歌前工程专家，普林斯顿大学的机器学*，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。

　　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？
　查看完整　　

　　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
　　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
^ 收 起　　

　　肖恩•格里什（Sean Gerrish）谷歌前工程专家，普林斯顿大学的机器学*，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。

　　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。
^ 收 起