任何足夠先進的技術初看都與魔法無異。
自動駕駛汽車已經在很多國家上路，網飛的演算法能主動預測你喜歡的電影，DeepMind的計算機程式通關了雅達利遊戲，AlphaGo在古老的圍棋領域攻克了人類智慧的防線。
這一切是如何發生的？智慧型機器究竟如何思考？
在這本書中，作者用幾乎人人都能讀懂的語言展示了人工智慧領域的前沿成果，深入解讀了感知演算法、強化學習、智慧體、卷積神經網路、深度語音辨識、圖片識別等科技巨頭紛紛擁抱的概念，正是它們讓當今的機器如此智慧。
DARPA和ImageNet的挑戰賽給未來播撒了怎樣的種子？
網飛的電影推薦為什麼如此準確？
人工智慧怎麼打DOTA？
AlphaGo除了下圍棋還會做別的嗎？
神經網路如何做到能聽、能說、能記憶？
我們為什麼要不斷製造能複製人類智力和行為的機器？
這本書將為你打開機器學習與神經網路的黑匣子，讓你看懂“魔法”背後的機制。關於自動駕駛汽車、網飛演算法、會玩遊戲的人工智慧以及AlphaGo，這本書幾乎囊括了你想知道的一切。
目錄
推薦序 IX
前言 XIII
1 自動機的秘密
長笛演奏者 003
今天的自動機 005
鐘擺的擺動007
這本書中的自動機 008
2 自動駕駛汽車：挑戰不可能
沙漠中的百萬美元競賽 015
如何打造自動駕駛汽車 017
規劃路徑 021
路徑搜索 022
導航025
無人車挑戰賽的獲勝者 028
一場失敗的比賽 031
3 保持在車道內行駛：自動駕駛汽車的感知
第二次無人車挑戰賽 035
自動駕駛汽車中的機器學習 037
斯坦利的架構 038
避開障礙物 040
尋找道路的邊緣 043
開眼看路 045
路徑規劃 047
斯坦利大腦的各個部分如何相互交流 049
4 在十字路口避讓：自動駕駛汽車的大腦
城市挑戰賽 055
感知抽象 057
比賽 059
老闆的高層次推理層 061
攻克交通堵塞 068
三層架構 071
對自動駕駛汽車看到的物體進行分類 076
自動駕駛汽車是複雜的系統 077
自動駕駛汽車的軌跡 078
5 網飛和推薦引擎的挑戰
百萬美元大獎 083
競爭者 084
如何訓練分類器 085
比賽的目標 089
龐大的評分矩陣 091
矩陣分解 096
第一年結束 102
6 團隊融合：網飛獎的贏家
縮小競爭者之間的差距 107
第一年末 108
隨時間變化的預測 111
過度擬合 114
模型混合 115
第二年 119
最後一年 120
賽後 124
7 用獎勵教導電腦
DeepMind玩雅達利遊戲 129
強化學習 132
教導智能體 134
為智慧體編寫程式 36
智慧體如何觀察環境 140
經驗金塊 141
用強化學習玩雅達利遊戲 148
8 如何用神經網路攻克雅達利遊戲
神經資訊處理系統 153
近似，而非完美 153
用作數學函數的神經網路 155
雅達利遊戲神經網路的結構 161
深入研究神經網路 170
9 人工神經網路的世界觀
人工智慧的奧秘 175
國際象棋自動機“土耳其人” 177
神經網路中的誤導 179
識別圖像中的物體 180
過度擬合 183
ImageNet 185
卷積神經網路 188
為什麼是“深度”網路？ 194
資料瓶頸 197
10 深入瞭解深度神經網路的內部秘密
電腦生成圖片 203
壓縮函數 204
ReLU啟動函數 207
機器人之夢 211
11 能聽、能說、能記憶的神經網路
對機器而言，“理解”意味著什麼？ 221
深度語音辨識 222
迴圈神經網路 223
為圖像生成字幕 230
長短時記憶網路 233
對抗數據 235
12 理解自然語言
宣傳噱頭還是人工智慧研究的福音? 239
IBM的沃森 240
攻克《危險邊緣》所遇到的挑戰 241
浩如煙海的知識 242
《危險邊緣》挑戰賽的誕生 245
DeepQA 247
問題分析 249
“沃森”如何解讀句子 252
13 挖掘《危險邊緣》的最佳答案
地下室基準 261
生成候選答案 263
查找答案 266
羽量級篩檢程式 269
證據檢索 270
評分 274
匯總和排名 277
調整“沃森” 281
重新審視DeepQA 282
沃森有智能嗎？ 283
14 用蠻力搜索找到好策略
通過搜索玩遊戲 289
數獨 290
樹的大小 294
分支因數 297
遊戲中的不確定性 297
克勞德•香農與資訊理論 302
評價函數 303
“深藍” 308
加入IBM 310
搜索與神經網路 311
西洋雙陸棋程式 313
搜索的局限 315
15 職業水準的圍棋
電腦圍棋 319
圍棋 321
通過抽樣走子來建立直覺 324
神之一手 330
蒙特卡洛樹搜索 333
單臂老虎機 337
AlphaGo是否需要如此複雜 339
AlphaGo的局限 341
16 即時人工智慧與《星際爭霸》
構建更好的遊戲機器人 345
《星際爭霸》與人工智慧 346
簡化遊戲 348
實用《星際爭霸》機器人 351
OpenAI與《DOTA 2》 354
《星際爭霸》機器人的未來 357
17 50年後或更遙遠的未來
人工智慧起起伏伏的發展過程 363
如何複製這本書中的成功 364
資料的普遍使用 368
下一步去向何方 369
致謝 373
注釋 375
作者介紹
肖恩•格里什（Sean Gerrish）
穀歌前工程專家，普林斯頓大學的機器學習博士，機器學習極客。
曾在高頻交易機構泰莎科技擔任工程師，並在穀歌擔任機器學習和資料科學團隊的工程專家。
