《暗知识:机器认知如何颠覆商业和社会》[美]王维嘉
贝壳书屋

《暗知识:机器认知如何颠覆商业和社会》[美]王维嘉 电子书下载

经济 admin A+ A- 该资源由用户: 凝洁来了 上传  举报不良内容

书名:《暗知识:机器认知如何颠覆商业和社会》[美]王维嘉

《暗知识:机器认知如何颠覆商业和社会》[美]王维嘉  .jpg

斯坦福大学电气工程系的王维嘉博士是斯坦福大学人工智能的创始人之一,也是美国国家工程院教授伯纳德·韦德罗教授。 Wang Weijia博士是数字信号处理,人工智能,移动网络专家,在可穿戴计算和移动互联网领域拥有12项美国发明专利。曾任太平洋贝尔光纤宽带设计,蜂窝数据公司移动数据架构师,英特尔Express可穿戴计算高级研究员;他在硅谷成立了公司,以开发世界上第一个基于TCP / IP无线网络的无线互联网终端。

他还是硅谷风险投资公司CEG Ventures的创始执行合伙人。他参与了多个中国顶级企业家组织的建立,是中国企业家论坛的创始董事,数字中国/中国IT互联网峰会的创始执行董事,2005年欧盟委员会第三任主席,是AA的创始人,也是阿拉善企业家。生态协会是该协会的第三位副主席。深圳市政府互联网高级顾问,深圳市“忠实人士”。

AlphaGo击败了World Go,但Nie Weiping和设计AlphaGo的Google工程师都无法理解AlphaGo为何如此玩。这是人工智能中令人困惑的“无法解释的”问题。作者从这个问题开始,发现了一种新型的知识-“黑暗知识”。

人类知识一直被分为两类:“清晰知识”和“沉默知识”。知识是可以用单词,单词或公式清楚地表达和描述的知识;隐性知识是个人可以掌握但不能清晰描述的知识,即我们常说的“只有可以理解,不能说”。如今,人工智能突然发现了人类无法感知,无法表达和描述的黑暗知识,即隐藏在海量数据中的所有事物之间的关系。

本书介绍了五个主要的机器学习流派,它们从数据及其各自的应用领域中挖掘暗知识,尤其是神经网络的基本工作原理以及在商业中广泛使用的几种形式。同时,它侧重于黑暗知识对企业和社会的直接影响,例如哪些行业将面临机器认知的颠覆,以及不同行业中存在哪些投资机会和陷阱。本书介绍了尚未商业化但可能会更深地影响我们的人工智能应用,以及人工智能将在多大程度上取代人们的工作,引起了哪些社会问题以及如何为下一代做准备。等待。

这是全国性的人工智能读者。人工智能是继互联网之后的另一场技术革命浪潮。这与我们每个人的未来命运密切相关。它不应该是少数专利。王伟佳博士利用“黑暗知识”的钥匙打开了人工智能时代的大门,使人工智能不再冷漠,易于阅读,易于理解。打开这本书,让我们拥抱人工智能

导读

序言 “暗知识”和现代社会

寄语

第一章 横空出世——暗知识的发现

骄傲的人类

天才的哽咽

机器发现了人类无法理解的知识

理性主义和经验主义之争

知识的生物学基础——神经元连接

可表达的“明知识”

只可意会的“默知识”

既不可感受也不能表达的“暗知识”

第二章 榨取数据——机器能学会的知识

机器学习明知识

类推学派——机器学习默知识

机器发现暗知识

第三章 神经网络——萃取隐蔽相关性

从感知器到多层神经网络

神经网络模型:满是旋钮的黑盒子

雾里下山:训练机器模型

AlphaGo 的“上帝视角”

局部最优:没到山底怎么办

深度学习——化繁为简

化整为零的卷积神经网络

处理序列信息的循环神经网络

AlphaGo 与强化学习

神经网络悖论

神经网络五大研究前沿

深度学习的局限性

第四章 逐鹿硅谷——AI产业争霸战

最新技术巨浪

AI 突破三要素

金字塔形的产业结构

产业的皇冠:算法

技术制高点:芯片

生态大战——编程框架的使用和选择

开源社区与 AI 生态

乱世枭雄

大卫和哥利亚

AI 的技术推动力

AI 与互联网的三个区别

第五章 飓风袭来——将被颠覆的行业

自动驾驶颠覆出行——10 万亿美元的产业

医疗与健康——世界上最有经验的医生

智能金融将导致一大批白领、金领失业

智能时代万物皆媒,人机协作时代已经来临

智慧城市——“上帝视角”的城市管理

重复体力劳动者将被机器人全面替代

打通巴别塔——黑天鹅杀手级应用

全方位冲击

第六章 暗知识神迹——机器能否超越人类

基于深度学习的 AI 本质

科研加速

唐诗高手

真假凡·高

下一场空战

群体学习和光速分享

人类哪里比机器强

人机融合

第七章 “神人”与“闲人”——AI时代的社会与伦理

谁先失业

孩子该学什么

AI 时代的新工种

新分配制度:无条件收入还是无条件培训

贫富悬殊解决之道:民间公益

权力再分配

是否该信任机器的决定

数据如何共享

自尊的来源

机器会产生自我意识吗

结束语 人类该怎么办

致谢

附录 1:一个经典的5层神经网络LeNet-5

附录 2:循环神经网络RNN和长—短时记忆网络 LSTM

附录 3:CPU、 GPU 和 TPU

附录 4:机器学习的主要编程框架

参考文献

尊敬的读者:
欢迎您访问我们的网站。本站的初衷是为大家提供一个共享学习资料、交换知识的平台。每位用户都可以将文件上传至网盘并分享。
然而,随着用户上传的资料增多,我们发现部分不宜或版权问题的书籍被分享到了本站。 为此,我们已经关闭了分享入口,并进行了多次书籍审查,但仍有部分内容未能彻底审查到位。
在此,我们恳请广大读者与我们共同监督,如发现任何不宜内容,请 点击此处 进行举报,我们会第一时间处理并下架相关内容。
希望我们能共建一个文明社区!感谢您的理解与支持!

直接下载

贝壳书屋 © All Rights Reserved.  
关于我们| 联系我们| 留言|