暗知識 機器認知如何顛覆商業(yè)和社會 作者：[美]王維嘉 出版時間：2019年版 內(nèi)容簡介 “AlphaGo”戰(zhàn)勝了世界圍棋，但無論是聶衛(wèi)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(fā)，發(fā)現(xiàn)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、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(fā)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(shù)據(jù)中的萬事萬物間的關(guān)系。 本書介紹了機器學習五大流派從數(shù)據(jù)中挖掘暗知識的方法以及各自適用的領域，尤其是神經(jīng)網(wǎng)絡的基本工作原理和目前在商業(yè)上應用廣泛的幾種形態(tài)。同時著重討論了暗知識對商業(yè)和社會的直接影響，比如哪些行業(yè)將面臨機器認知的顛覆，在不同行業(yè)里有哪些投資機會和陷阱。本書后介紹了目前還沒有商業(yè)化的，但可能更深刻影響我們的一些的人工智能應用，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。 這是人工智能的國民讀本。人工智能是繼互聯(lián)網(wǎng)后的又一科技革命浪潮，與我們每個人的未來命運休戚相關(guān)，不應該是少數(shù)人的專利。王維嘉博士用“暗知識”這把鑰匙，為我們開啟了人工智能時代的大門，讓人工智能不再高冷，輕松易讀，通透易懂。趕緊打開這本書，讓我們一起擁抱人工智能 目錄 導讀 序言 “暗知識”和現(xiàn)代社會 寄語 *章? 橫空出世——暗知識的發(fā)現(xiàn)? 驕傲的人類 天才的哽咽 機器發(fā)現(xiàn)了人類無法理解的知識 理性主義和經(jīng)驗主義之爭 知識的生物學基礎——神經(jīng)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(shù)據(jù)——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(fā)現(xiàn)暗知識 第三章? 神經(jīng)網(wǎng)絡——萃取隱蔽相關(guān)性? 從感知器到多層神經(jīng)網(wǎng)絡 神經(jīng)網(wǎng)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*優(yōu)：沒到山底怎么辦 深度學習——化繁為簡 化整為零的卷積神經(jīng)網(wǎng)絡 處理序列信息的循環(huán)神經(jīng)網(wǎng)絡 AlphaGo 與強化學習 神經(jīng)網(wǎng)絡悖論 神經(jīng)網(wǎng)絡五大研究前沿 深度學習的局限性 第四章? 逐鹿硅谷——AI產(chǎn)業(yè)爭霸戰(zhàn)? *新技術(shù)巨浪 AI 突破三要素 金字塔形的產(chǎn)業(yè)結(jié)構(gòu) 產(chǎn)業(yè)的皇冠：算法 技術(shù)制高點：芯片 生態(tài)大戰(zhàn)——編程框架的使用和選擇 開源社區(qū)與 AI 生態(tài) 亂世梟雄 大衛(wèi)和哥利亞 AI 的技術(shù)推動力 AI 與互聯(lián)網(wǎng)的三個區(qū)別 第五章? 颶風襲來——將被顛覆的行業(yè)? 自動駕駛顛覆出行——10 萬億美元的產(chǎn)業(yè) 醫(yī)療與健康——世界上*有經(jīng)驗的醫(yī)生 智能金融將導致一大批白領、金領失業(yè) 智能時代萬物皆媒，人機協(xié)作時代已經(jīng)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(zhì) 科研加速 唐詩高手 真假凡·高 下一場空戰(zhàn) 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(yè) 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(quán)力再分配 是否該信任機器的決定 數(shù)據(jù)如何共享 自尊的來源 機器會產(chǎn)生自我意識嗎 結(jié)束語? ?人類該怎么辦 致謝? 附錄 1：一個經(jīng)典的5層神經(jīng)網(wǎng)絡LeNet-5 附錄 2：循環(huán)神經(jīng)網(wǎng)絡RNN和長—短時記憶網(wǎng)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