深度学习 Terrence Sejnowski

作者简介 · · · · · ·

特伦斯·谢诺夫斯基 Terrence (Terry) Sejnowski

世界十大AI科学家之一，美国四大国家学院（国家科学院、国家医学院、国家工程院、国家艺术与科学学院）在世仅3位的“四院院士”之一，全球AI专业会议NIPS基金会主席。

作为神经网络的先驱，早在1986年，特伦斯就与杰弗里·辛顿共同发明了玻尔兹曼机，把神经网络带入到研究与应用的热潮，将深度学习从边缘课题变成了互联网科技公司仰赖的核心技术，实现了人工智能井喷式的发展。

特伦斯现任美国索尔克生物研究所(美国生命科学领域成果最多的研究机构) 计算神经生物学实验室主任，是美国政府注资50亿美元“脑计划”项目（BRAIN，the Brain Research through Advancing Innovative Neurotechnologies）领军人物。

特伦斯同时是全球最大在线学习平台Coursera最受欢迎课程《学习如何学习》（Learning how to learn）主理人，通过系统讲解大脑认知的底层知识，让学习者可以改变思维模式，提高学习的能力和效率。目前该课程学习人数已经超过了300万。

目录 · · · · · ·

推荐序面对科技拐点，我们的判断与选择
中文版序人工智能会放大认知能力
前言深度学习与智能的本质
第一部分智能的新构想
01 机器学习的崛起
汽车新生态：无人驾驶将全面走入人们生活
自然语言翻译：从语言到句子的飞跃
语音识别：实时跨文化交流不再遥远
AI医疗：医学诊断将更加准确
金融科技：利用数据和算法获取最佳回报
深度法律：效率的提高与费用的降低
德州扑克：当机器智能学会了虚张声势
AlphaGo奇迹：神经科学与人工智能的协同
弗林效应：深度学习让人类更加智能
新教育体系：每个人都需要终身学习
正面影响：新兴技术不是生存威胁
回到未来：当人类智能遇到人工智能
02 人工智能的重生
看似简单的视觉识别
计算机视觉的进步
早期人工智能发展缓慢
从神经网络到人工智能
03 神经网络的黎明
深度学习的起点
从样本中学习
利用感知器区分性别
被低估的神经网络
04 大脑式的计算
网络模型能够模仿智能行为
神经网络先驱者
乔治·布尔与机器学习
利用神经科学理解大脑
大脑如何处理问题
计算神经科学的兴起
05 洞察视觉系统
人眼是如何看到东西的
大脑皮层中的视觉
突触的可塑性
通过阴影脑补立体全貌
视觉区域的层级结构
认知神经科学的诞生
第二部分深度学习的演进
06 语音识别的突破
在嘈杂中找到你的声音
将独立分量分析应用于大脑
什么在操控我们的言行
07 霍普菲尔德网络和玻尔兹曼机
约翰·霍普菲尔德的伟大之处
内容可寻址存储器
局部最小值与全局最小值
玻尔兹曼机
赫布理论
学习识别镜像对称
学习识别手写数字
无监督学习和皮层发育
08 反向传播算法
算法的优化
语音合成的突破
神经网络的重生
理解真正的深度学习
神经网络的局限性
09 卷积学习
机器学习的稳步发展
卷积网络的渐进式改进
当深度学习遇到视觉层级结构
有工作记忆的神经网络
生成式对抗网络
应对现实社会的复杂性
10 奖励学习
机器如何学会下棋
大脑的奖励机制
用“感知-行动”框架提高绩效
学习如何翱翔
学习如何歌唱
人工智能的可塑性
更多需要被解决的问题
11 火爆的NIPS
为什么NIPS如此受欢迎
谁拥有最多数据，谁就是赢家
为未来做准备
第三部分人类，智能与未来
12 智能时代
21世纪的生活
未来的身份认证
社交机器人的崛起
机器已经会识别人类面部表情
新技术改变教育方式
成为更好的学习者
训练你的大脑
智能商业
13 算法驱动
用算法把复杂问题简单化
理解、分析复杂系统
大脑的逻辑深度
尝试所有可能的策略
14 芯片崛起
神经形态芯片
视网膜芯片
神经形态工程
摩尔定律的终结
15 信息科学
用字节丈量世界
用数学思维解决通信难题
预测是如何产生的
深度理解大脑
大脑的操作系统
生物学与计算科学
人工智能能拥有媲美人类大脑的操作系统
16 生命与意识
视觉意识
视觉感知的过程
视觉感知的时机
视觉感知的部位
视觉搜索的机理
创造意识比理解意识更容易
17 进化的力量
大自然比我们聪明
认知科学的兴起
不能把语言问题只留给语言学家
难预测的行为规律
神经网络的寒冬
从深度学习到通用人工智能
18 深度智能
遗传密码
每个物种都有智能
进化的起源
人类终将解决智能难题