新書推薦：
《
古今名人写给孩子的家书
》
售價：NT$
356.0
《
馆窥——我的图书馆之旅（公共编）
》
售價：NT$
510.0
《
广东藏书印谱
》
售價：NT$
1326.0
《
明末清初西洋汉语词典三种
》
售價：NT$
2448.0
《
女士品茶
》
售價：NT$
383.0
《
《最美故宫》
》
售價：NT$
6620.0
《
《淮南子》中的“治道” （ 壹卷“经典与解释”论丛）
》
售價：NT$
367.0
《
GDPR和生物银行：跨欧洲的个人权利、公共利益和研究监管
》
售價：NT$
449.0
|
| 編輯推薦： |
在学习AI的道路上可能积累了很多的无法理解，包括但不限于概念、算法原理、数学实现细节等方面。你可能初入AI，便陷入了机器学习、深度学习、NPL、ChatGPT、AI、AIGC、LM等的包围，
分不清谁是谁、哪跟哪，突然不知道AI应从何学起、如何学起。那么，你不应该错过这本书。
|
| 內容簡介： |
本书始终围绕着人工智能（AI）的本质及原理进行讲解，循序渐进地探索了机器学习、深度学习、强化学习以及大模型等AI的核心原理。
它们的技术根基可以进一步回溯到统计概率论、线性代数、微积分、最优化理论等学科，而本书将生硬的基础数学原理通过客观世界娓娓道来，帮助读者克服学习AI的障碍，让复杂的理论变得易于消化，让抽象的概念变得具体可感。
无论你是人工智能领域的新人，抑或是有一定经验的研究者，本书能成为你探索AI世界的得力助手。
|
| 關於作者： |
|
汪建：崇尚技术自由，崇尚思想自由。目前就职于广东电信AI中心，负责AI研发及研发管理相关工作。超十年AI一线研发经验，致力于研发各种AI能力并赋能到业务系统中。擅长算法、NLP、CV、架构、大数据等领域技术。平时喜欢看书、运动、写作、绘画。
|
| 目錄：
|
推荐序
前言
第1章 生命与智能 ◆1
1.1 生命的起源 2
1.2 人类智能的出现 3
1.3 人脑的结构 5
第2章 人工智能学科 ◆9
2.1 何为智能 9
2.2 何为人工智能 10
2.3 弱/强人工智能 11
2.4 人工智能发展史 12
2.5 三大学派 20
第3章 图灵机与计算机 ◆23
3.1 图灵机 24
3.2 计算机 30
第4章 现实世界的模型 ◆47
4.1 概念、理论与模型 47
4.2 数学模型理论 50
4.3 对现实世界建模 55
4.4 模型与算法 60
第5章 不确定世界的模型 ◆62
5.1 复杂的世界 62
5.2 不确定性是常态 63
5.3 以概率描述随机 65
5.4 概率思维 67
5.5 贝叶斯定理 69
5.6 概率分布 72
第6章 如何寻找复杂模型的最优解 ◆81
6.1 什么是最优解 81
6.2 人工智能与最优化 82
6.3 最优化建模流程 84
6.4 模型三要素 85
6.5 无约束的最优化 86
6.6 有约束的最优化 98
第7章 向量与矩阵抽象万物 ◆105
7.1 现实世界的数字化 105
7.2 空间与向量 109
7.3 向量抽象万物 111
7.4 矩阵与张量 118
第8章 机器学习 ◆120
8.1 机器学习是什么 120
8.2 机器学习与人工智能 121
8.3 机器学习的本质 123
第9章 机器学习如何辨别事物 ◆135
9.1 二分类与多分类 135
9.2 分类的实现方式 136
9.3 机器学习分类算法 138
第10章 机器学习如何捕捉关系 ◆149
10.1 自然规律的发现 149
10.2 机器学习中的变量关系 151
10.3 回归的原理 152
10.4 欠拟合与过拟合 156
10.5 常用的回归算法 158
第11章 机器学习如何无师自通 ◆161
11.1 无监督学习 161
11.2 无监督学习类型 162
11.3 聚类 163
11.4 降维 167
11.5 关联规则 168
11.6 异常检测 171
11.7 监督学习与无监督学习 172
第12章 机器学习如何自己学会
玩游戏 ◆173
12.1 人类与环境的交互 173
12.2 强化学习 174
12.3 马尔可夫决策过程 177
12.4 Q学习训练过程 179
12.5 Q学习玩游戏例子 182
第13章 神经网络及其学习机制 ◆187
13.1 模拟大脑 188
13.2 感知机模型 189
13.3 引入梯度下降 191
13.4 多层感知机 193
13.5 神经网络的训练 194
13.6 激活函数 202
第14章 深度学习“大力出奇迹” ◆206
14.1 什么是深度学习 207
14.2 自动特征提取 208
14.3 卷积神经网络 209
14.4 循环神经网络 227
14.5 变换器神经网络 232
第15章 机器如何理解人类的语言 ◆245
15.1 人类语言复杂性 246
15.2 语言如何建模 247
15.3 词向量 249
15.4 让机器具有理解能力 253
15.5 自然语言处理 256
15.6 NLP为什么难 258
第16章 机器如何看见世界 ◆261
16.1 计算机视觉 261
16.2 一切皆像素 266
16.3 学习识别图像 268
16.4 缺乏概念与知识 269
第17章 ChatGPT是如何工作的 271
17.1 ChatGPT介绍 271
17.2 大语言模型 273
17.3 语言模型的发展 275
17.4 大语言模型的使用 276
17.5 涌现能力 279
17.6 核心网络架构 280
17.7 大语言模型的“大” 282
17.8 海量语料库 283
17.9 “单字接龙”游戏 284
17.10 预训练 微调 286
17.11 人类反馈强化学习 287
17.12 从GPT-1到GPT-4 290
第18章 如何让机器成为绘画师 ◆292
18.1 自动编码器 293
18.2 变分自动编码器 294
18.3 生成对抗网络 297
18.4 扩散模型 300
18.5 语言图像关系模型 303
18.6 稳定扩散模型 307
|
| 內容試閱：
|
随着大模型掀起的新一轮人工智能滔天巨浪，以ChatGPT为代表的大模型产品正以惊人的速度渗透着我们生活的方方面面，从工作到娱乐，从学习到社交，几乎无孔不入。对于多数普通民众来说，初次被人工智能（Artificial Intelligence，AI）所震撼估计是2016年阿尔法狗（AlphaGo）的横空出世，AlphaGo击败围棋世界冠军让我们觉得机器的整体智力很快就会超越人类。此后人工智能沉寂了一段时间，直到2022年年底ChatGPT的出现，再次吸引了全球民众的眼球，一个具备很高智能的机器人正在与这个世界对话。那么，下一个让我们震撼的人工智能事件又会是什么呢？
实际上，人工智能并非是近些年才有的新鲜事物，早在1956年就被正式提出，至今已经发展了68年了。人工智能的发展虽然十分曲折却也波澜壮阔，在人工智能被提出来后，它的前景吸引了很多人投身该领域，但却在发展过程中经历了多个“寒冬”。好在“寒冬”并没有彻底浇灭人工智能的火苗，而是在每个“寒冬”阶段都向前迈一步。
人工智能就是人工地去制造智能。想要创造出像人一样的智能就必须先深入理解智能，而人类的智能就藏在大脑中，所以创造智能最好的路径就是彻底弄清人类大脑中每部分的组成及运作机制，这样就可以制造一个“大脑”来实现人类的智能。但这种方式并非主流的方法，因为我们的大脑实在是太复杂了，甚至可以说比整个宇宙还复杂，当前人类对我们自己大脑的认知还是太浅了。然而这堵墙并没有挡住人类前进的脚步，既然无法彻底搞清大脑，那就去模拟吧！实际上智能就是一种“输入—输出”模型，通过某一种输入来产生一种输出。通过构建某种人工智能算法来实现输入到输出的映射或生成，这样就成功模拟出智能了，这也是当前主流的人工智能实现方式。
人工智能的运作原理是什么？我相信大多数人都会产生这种好奇心。十年前，正是这种好奇心让我走上了人工智能的研究道路。我现在依然清晰地记得刚接触到人工智能时自己内心的好奇与兴奋，纵使当时AI还没达到如今“大模型”的震撼效果，但机器学习和深度学习的各种神奇的AI算法已经深深地吸引了我，于是我决定一定要弄清人工智能这个黑盒子里面装的到底是什么。此后在多年的时间里我研究了人工智能领域主要的论文和书籍，并且一直从事人工智能的研发工作，对人工智能的原理机制有了深层次的理解。身处人工智能时代，理解人工智能的运作机制是十分有必要的，知道一个事物和知道一个事物如何运作是完全不一样的，后者能让我们思考得更深，走得更远。
回溯我的学习经历，我深感在AI领域前行不易。面对晦涩难懂的理论、纷繁复杂的算法，可以说是充满了挑战与困惑。从最初对基本概念的迷茫，到逐渐理解复杂算法背后的原理，每一步都充满了坎坷。犹记得初次接触机器学习时，面对浩瀚如海的数学公式和专业术语，我犹如迷路的旅者在繁星点点的知识天空下茫然四顾。有时卡在某些知识点上毫无头绪且久久不得其意，这是一种对知识求而不得的无力感。人工智能的很多知识都是环环相扣且背后都是由数学驱动的，就好比我要理解卷积神经网络识别图像的原理，那就会涉及图像处理、卷积运算和神经网络，而图像处理又涉及矩阵运算，神经网络又涉及函数、偏导数和梯度下降等，最终我们都不得不回归到更基础的数学原理上。这个过程就像在攀登一座高山，通往顶峰的道路层层叠叠且蜿蜒曲折，每一步都充满艰辛。不过当我们在山顶回头看时，总能看到更壮丽的风景。
我相信，在探索人工智能之旅中我所遇到的困难和疑惑，也是所有初学者所面临的共同的问题。于是我萌生了一个念头：撰写一本能够帮助大家循序渐进地探索人工智能原理的书籍。这本书要由表及里地、深入浅出地讲解人工智能的原理，而且要将生硬的基础数学原理通过客观世界有理有据地引入进行讲解。这本书应该就是一个高级智能体，将人工智能的奥秘娓娓道来！它将帮助读者克服学习人工智能的障碍，让复杂的理论变得易于消化，让抽象的概念变得具体可感。
亲爱的读者，无论你是人工智能领域的新人，抑或是有一定经验的研究者，我都由衷地希望本书能成为你探索人工智能世界的得力助手。在这本《炉边夜话—深入浅出话AI》中，我将与你分享一段奇妙的旅程，一段探索机器学习、深度学习、强化学习以及大模型人工智能交织而成的智慧宇宙之旅。这些领域虽看似庞杂且深奥，但它们的技术根基可以回溯到统计概率论、线性代数、微积分、最优化理论等学科。正是这些基石支撑起了人工智能算法的框架，赋予了各种神经网络智能能力。在探索的过程中或许你会遇到困难，但请记住每一次挑战都是成长的机会。
下面详细介绍本书的内容脉络。
人类的智能是如何形成的？从RNA和蛋白质开始，单细胞逐步到多细胞后才慢慢进化并汇聚成脊髓，最后才发展出了大脑。人脑不断进化变成非常复杂的“三磅宇宙”，这个小宇宙中的秘密至今人类都无法完全解开。但我们已经知道它的基础组成结构就是神经网络结构，数百上千亿的神经元通过互相连接而产生超级大脑。人类没有停止过对大脑的模拟，因此很久以前就提出了“人工智能”的概念，它要完成的任务是创造出人一样的智能，现如今人工智能已经发展成一门炙手可热的学科。然而要实现人工智能就离不开计算机，而计算机的理论基础则是图灵机，研究人工智能就必须了解计算机的工作原理。计算机的微观世界就是成群的逻辑电路，它们能够执行现实世界复杂的模型运算。我们要将现实世界装进计算机就需要一些建模方法，通常基于数学进行建模。在明确规则的情况下我们可以直接用数学描述，而当规则无法确定时则通过数据驱动数学模型来解决。我们身处于一个异常复杂的世界，很多事情都是不确定的，此时就要通过概率思维来解决。我们的世界很多现象也符合一定的概率分布，比如正态分布、均匀分布和伯努利分布等。
我们再回到人工智能的核心问题，基于数学对智能建模后实际上最终都还是要回归到寻找最优解的问题上，所以可以说人工智能本质上就是一个最优化过程。那么要怎么才能找到最优解呢？此时就要分无约束和有约束两种情况进行分析。无约束的情况下我们采取万能的梯度下降法来寻找最优解，从倾斜度概念开始逐步引出曲面斜率，接着引申到导函数及梯度等概念，最终推导出为什么梯度下降法能往最优解方向移动。从最简单的一维到二维，再到三维以上的多维空间。在有约束的情况下我们通常采用拉格朗日函数来进行求解，此外本书详细讲解了数学家是如何推导出拉格朗日函数的。
人工智能模型的输入是一个向量，那么就涉及对现实世界的向量化。实际上我们能通过向量来抽象万物，包括时序型数据、文本数据、图片数据、声音数据、视频数据等。有了输入后就需要机器学习算法来对接这些输入，机器学习包括了监督学习、无监督学习和强化学习三大类。监督学习能够实现对事物的分类，包括常见的朴素贝叶斯、K近邻、决策树、逻辑回归和支持向量机。此外监督学习也能够实现对关系的捕捉，包括线性回归、多项式回归、支持向量回归和决策树回归。无监督学习则能实现聚类、降维、关联规则、异常检测等功能，无监督学习就像是无师自通一样。强化学习是通过与环境交互而不断根据反馈信息作调整的一种学习，就像是自己学会某个能力一样。
然而，深度学习才是本轮大模型AI浪潮的推动者。深度学习充分向我们展示了“暴力美学”，真正做到了“大力出奇迹”的效果。深度学习其实就是多层的神经网络，那么就要回归到神经网络算法上。神经网络其实就是当前最成功的大脑模拟方式，从最早的感知机模型发展到多层感知机，在引入梯度下降后不断扩展成更深更宽的神经网络结构，最终成就了深度学习。深度学习主要的网络结构包括卷积神经网络、循环神经网络和变换器神经网络，其中卷积神经网络主要用于处理图像，循环神经网络用于处理序列数据，而变换器神经网络则是大模型的基础。
人类语言异常复杂，机器学习为了处理人类语言而建立了自然语言处理学科分支。为了让机器看见又建立了计算机视觉学科分支，实际就是对图像进行处理和识别，图像就是一连串的像素。
再来看看大模型的绝对主角—ChatGPT。它是AI浪潮的引领者，后来又不断冒出类似ChatGPT的对话模型，统称为大语言模型。大语言模型具备独有的涌现能力，它通过大的模型、大的参数和大的算力来实现一个能力超强的大语言模型能力。然而大道至简，看似复杂的大语言模型却是一个简单的“单字接龙”游戏。当然如果要从工程上实现大语言模型则要通过“预训练 微调”的方式，再加上人类反馈强化学习，这些我们都在书中深入浅出地进行了讲解。除了大语言模型外，还有一类大模型能生成画家级别的图像，而这仅仅只需我们用言语描述清楚要生成的图画内容即可。机器绘画师的实现原理包括自动编码器、变分自动编码器、生成对抗网络、扩散模型、稳定扩散模型等。
只要紧跟书中的步伐就一定能参透大模型的奥秘。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
