歡迎您蒞臨天翼圖書! [ 登錄 ] [ 注冊 ]

暗知識:機器認知如何顛覆商業和社會

圖書分類: 科普
作者中文名: [美]王維嘉
ISBN: 9787508692982 商品編號: 750869298
出版日期: 2019-03-01 上架時間: 2019-05-07
出版社: 中信出版社 季度推薦:
關鍵詞: 科普 暗知識 商業
適合閱讀人群: 全員
商品評論:
已有 0 條評論我要評論

校園書店購書指南

加入收藏

加入書單

  
定價:¥58.00會員價:¥52.20

天翼觀點

一本書讀懂“暗知識”,重構知識版圖,甄別AI核心技術,掌握機器認知時代的投資、就業法則。

內容簡介

AlphaGo戰勝了世界圍棋冠軍,但無論是聶衛平還是設計AlphaGo的谷歌工程師都無法理解AlphaGo為什么這樣走棋,這就是人工智能中令人困惑的“不可解釋性”問題。作者從這個問題出發,發現了一類全新的知識——“暗知識”。 一直以來人類的知識可以分為兩類:“明知識”和“默知識”。明知識就是那些可以用語言、文字或公式清晰表達和描述的知識;默知識則是個人在感覺上能把握但無法清晰描述的知識,也即我們常說的“只可意會,不可言傳”的那類知識。今天,人工智能突然發掘出了人類既無法感受又無法表達和描述的暗知識—隱藏在海量數據中的萬事萬物間的關系。本書介紹了機器學習五大流派從數據中挖掘暗知識的方法以及各自適用的領域,尤其是神經網絡的基本工作原理和目前在商業上應用最廣泛的幾種形態。同時著重討論了暗知識對商業和社會的直接影響,比如哪些行業將面臨機器認知的顛覆,在不同行業里有哪些投資機會和陷阱。本書最后介紹了目前還沒有商業化的,但可能更深刻影響我們的一些神奇的人工智能應用,以及人工智能會在多大程度上取代人的工作,造成哪些社會問題,如何讓下一代做好準備等。

作者簡介

[美]王維嘉

中國科技大學學士和碩士,美國斯坦福大學博士。曾在斯坦福大學師從人工智能鼻祖之一、美國國家工程院院士伯納德·威德羅教授。在硅谷學習、工作、創業、投資超過30年,擁有十幾項美國基礎專利,開發了世界上第一臺手持互聯網終端,是全球移動互聯網的布道者和踐行者。目前在硅谷專注投資人工智能,每年調研全球上千家高科技創業公司,訪問世界學和研究所。曾受邀在鳳凰衛視、中國證監會、深圳市政府等就人工智能進行演講,反響強烈 。

他是硅谷風險投資公司 CEG Ventures 的創始合伙人,也是中國企業家論壇(亞布力)創始終身理事、中國企業研究所創始理事長、歐美同學會2005委員會共同創始人和第三屆理事長、中國企業家環保協會(阿拉善)創始終身會員,以及數字中國共同創始人常務理事。

圖書目錄

導讀

序言 “暗知識”和現代社會

寄語

第一章? 橫空出世——暗知識的發現?

驕傲的人類

天才的哽咽

機器發現了人類無法理解的知識

理性主義和經驗主義之爭

知識的生物學基礎——神經元連接

可表達的“明知識”

只可意會的“默知識”

既不可感受也不能表達的“暗知識”

第二章? 榨取數據——機器能學會的知識?

機器學習明知識

類推學派——機器學習默知識

機器發現暗知識

第三章? 神經網絡——萃取隱蔽相關性?

從感知器到多層神經網絡

神經網絡模型:滿是旋鈕的黑盒子

霧里下山:訓練機器模型

AlphaGo 的“上帝視角”

局部最優:沒到山底怎么辦

深度學習——化繁為簡

化整為零的卷積神經網絡

處理序列信息的循環神經網絡

AlphaGo 與強化學習

神經網絡悖論

神經網絡五大研究前沿

深度學習的局限性

第四章? 逐鹿硅谷——AI產業爭霸戰?

最 新 技 術 巨浪

AI 突破三要素

金字塔形的產業結構

產業的皇冠:算法

技術制高點:芯片

生態大戰——編程框架的使用和選擇

開源社區與 AI 生態

亂世梟雄

大衛和哥利亞

AI 的技術推動力

AI 與互聯網的三個區別

第五章? 颶風襲來——將被顛覆的行業?

自動駕駛顛覆出行——10 萬億美元的產業

醫療與健康——世界上最有經驗的醫生

智能金融將導致一大批白領、金領失業

智能時代萬物皆媒,人機協作時代已經來臨

智慧城市——“上帝視角”的城市管理

重復體力勞動者將被機器人全面替代

打通巴別塔——黑天鵝殺手級應用

全方位沖擊

第六章? 暗知識神跡——機器能否超越人類?

基于深度學習的 AI 本質

科研加速

唐詩高手

真假凡·高

下一場空戰

群體學習和光速分享

人類哪里比機器強

人機融合

第七章? “神人”與“閑人”——AI?時代的社會與倫理?

誰先失業

孩子該學什么

AI 時代的新工種

新分配制度:無條件收入還是無條件培訓

貧富懸殊解決之道:民間公益

權力再分配

是否該信任機器的決定

數據如何共享

自尊的來源

機器會產生自我意識嗎

結束語? ?人類該怎么辦

致謝?

附錄 1:一個經典的5層神經網絡LeNet-5

附錄 2:循環神經網絡RNN和長—短時記憶網絡 LSTM

附錄 3:CPU、 GPU 和 TPU

附錄 4:機器學習的主要編程框架

參考文獻

泳坛夺金481