大话机器智能：一书看透AI的底层运行逻辑

9.2.6 关于未来的预测

9.2.5 通用人工智能会出现吗

9.2.4 人工智能电车难题

9.2.3 机器人会统治人类吗

9.2.2 人工智能之不能

9.2.1 人类和计算机的区别

9.2 不可预知的未来

9.1.6 会生长的技术树

9.1.5 变闲了还是变忙了

9.1.4 人机关系在重构

9.1.3 人机合作是新常态

9.1.2 人工智能会不会抢走人类的工作

9.1.1 一个充满想象的未来

9.1 可预见的未来

第9章 未来会变成什么样子

8.4 结语

8.3.3 人是安全的一部分

8.3.2 安全是平衡问题

8.3.1 红蓝对抗

8.3 如何构建防御体系

8.2.5 网络安全攻击

8.2.4 设备互联与智能汽车

8.2.3 眼见不一定为实

8.2.2 数据投毒和模型安全

8.2.1 对抗样本的博弈

8.2 人工智能与算法安全

8.1.2 大数据下的隐私计算

8.1.1 大数据“杀熟”是怎么回事

8.1 大数据与隐私计算

第8章 人工智能下的隐私与安全

7.5 结语

7.4.3 开源就是免费吗

7.4.2 如何进行大规模协作

7.4.1 网络协议该不该公开

7.4 软件代码共享的好处

7.3.2 第二阶段：资源云化

7.3.1 第一阶段：数据大集中

7.3 无处不在的计算资源

7.2.3 故障是不可避免的

7.2.2 不可兼得的CAP定理

7.2.1 举足轻重的三篇论文

7.2 如何完成协作计算

7.1.3 计算机芯片

7.1.2 今非昔比的算力

7.1.1 计算的演进

7.1 不断提升的计算能力

第7章 海量运算背后的技术

6.5 结语

6.4.3 计算机如何与人对话

6.4.2 计算机如何打游戏

6.4.1 计算机如何下围棋

6.4 场景是算法的综合应用

6.3.4 强化学习：黑森林蛋糕的秘密

6.3.3 循环神经网络：如何模拟记忆功能

6.3.2 卷积神经网络：让计算机“看”到世界

6.3.1 人工神经网络：模拟人脑的思考

6.3 深度学习算法

6.2 机器会不会思考

6.1.2 萌芽、复苏、增长和爆发

6.1.1 从浅层学习到深度学习

6.1 不断演进的人工智能

第6章 模拟大脑的神经网络

5.4 结语

5.3 没有完美的算法

5.2.6 时间序列

5.2.5 降维

5.2.4 聚类

5.2.3 分类

5.2.2 回归

5.2.1 常见的学习方法

5.2 机器学习算法

5.1.3 算法的含义

5.1.2 定规则和学规则

5.1.1 归纳与推演

5.1 机器学习是什么

第5章 机器是如何学习的

4.4 结语

4.3.3 记忆与理解

4.3.2 时间与空间

4.3.1 经验与数据

4.3 大数据改变了什么

4.2.4 数据可视化

4.2.3 数据分析

4.2.2 数据加工

4.2.1 数据收集

4.2 数据处理的流程和方法

4.1.2 大数据到底有多大

4.1.1 数据是描绘世界的新方式

4.1 大数据概述

第4章 大数据处理与挖掘

3.6 结语

3.5.4 欠拟合和过拟合

3.5.3 模型的泛化能力

3.5.2 人工智能如何处理噪声

3.5.1 信息越多结果就越准确吗

3.5 信息里的噪声

3.4.3 可以被公开的密钥

3.4.2 墙边盛开的花朵

3.4.1 语言是一套密码系统

3.4 信息的加密与解密

3.3.3 信息不对称与囚徒困境

3.3.2 哈夫曼和有效编码

3.3.1 互联网与信息交换

3.3 信息是如何交换的

3.2.4 信息的熵

3.2.3 重复的信息没有价值

3.2.2 一条信息的价值

3.2.1 香农与信息论

3.2 用信息丈量世界

3.1.3 知识是对信息的总结和提炼

3.1.2 信息是用来消除不确定性的

3.1.1 数据是一组有意义的符号

3.1 数据、信息、知识

第3章 如何获得有用信息

2.6 结语

2.5.4 精准预测的挑战

2.5.3 数据表达的局限

2.5.2 被选数据的骗局

2.5.1 相关性不等于因果性

2.5 如何正确解读数据

2.4.2 会欺骗的视觉设计

2.4.1 未披露的数据

2.4 数据呈现的误导

2.3.2 辛普森悖论

2.3.1 被平均的工资

2.3 数据处理的悖论

2.2.2 选择性偏差

2.2.1 幸存者偏差

2.2 数据收集的偏差

2.1 小心数据的陷阱

第2章 数据代表真相吗

1.8 结语

1.7.3 每个人都懂贝叶斯

1.7.2 朴素贝叶斯有多“朴素”

1.7.1 什么是贝叶斯定理

1.7 经验和实践如何共存

1.6.2 停时理论

1.6.1 女士品茶

1.6 如何验证假设

1.5.2 蒙特卡洛方法

1.5.1 大数定律的概念和意义

1.5 生活中的大数定律

1.4.3 蒙提霍尔的三门问题

1.4.2 同一天生日的概率是多少

1.4.1 猜拳是不是碰运气

1.4 直觉和错觉

1.3.4 用概率击败庄家

1.3.3 概率与异常值

1.3.2 如何合理分配赌金

1.3.1 试验能得出什么规律

1.3 概率的威力

1.2.5 随机不是均匀

1.2.4 正态分布是什么

1.2.3 随机性与随机过程

1.2.2 科学研究与模型

1.2.1 猜测上帝的游戏

1.2 随机世界

1.1.3 统计思维的诞生

1.1.2 人工智能的破题思路

1.1.1 加百子的答案

1.1 解题最重要的是思路

第1章 世界充满不确定性

前言

作者简介

版权信息

封面

封面

版权信息

作者简介

前言

第1章 世界充满不确定性

1.1 解题最重要的是思路

1.1.1 加百子的答案

1.1.2 人工智能的破题思路

1.1.3 统计思维的诞生

1.2 随机世界

1.2.1 猜测上帝的游戏

1.2.2 科学研究与模型

1.2.3 随机性与随机过程

1.2.4 正态分布是什么

1.2.5 随机不是均匀

1.3 概率的威力

1.3.1 试验能得出什么规律

1.3.2 如何合理分配赌金

1.3.3 概率与异常值

1.3.4 用概率击败庄家

1.4 直觉和错觉

1.4.1 猜拳是不是碰运气

1.4.2 同一天生日的概率是多少

1.4.3 蒙提霍尔的三门问题

1.5 生活中的大数定律

1.5.1 大数定律的概念和意义

1.5.2 蒙特卡洛方法

1.6 如何验证假设

1.6.1 女士品茶

1.6.2 停时理论

1.7 经验和实践如何共存

1.7.1 什么是贝叶斯定理

1.7.2 朴素贝叶斯有多“朴素”

1.7.3 每个人都懂贝叶斯

1.8 结语

第2章 数据代表真相吗

2.1 小心数据的陷阱

2.2 数据收集的偏差

2.2.1 幸存者偏差

2.2.2 选择性偏差

2.3 数据处理的悖论

2.3.1 被平均的工资

2.3.2 辛普森悖论

2.4 数据呈现的误导

2.4.1 未披露的数据

2.4.2 会欺骗的视觉设计

2.5 如何正确解读数据

2.5.1 相关性不等于因果性

2.5.2 被选数据的骗局

2.5.3 数据表达的局限

2.5.4 精准预测的挑战

2.6 结语

第3章 如何获得有用信息

3.1 数据、信息、知识

3.1.1 数据是一组有意义的符号

3.1.2 信息是用来消除不确定性的

3.1.3 知识是对信息的总结和提炼

3.2 用信息丈量世界

3.2.1 香农与信息论

3.2.2 一条信息的价值

3.2.3 重复的信息没有价值

3.2.4 信息的熵

3.3 信息是如何交换的

3.3.1 互联网与信息交换

3.3.2 哈夫曼和有效编码

3.3.3 信息不对称与囚徒困境

3.4 信息的加密与解密

3.4.1 语言是一套密码系统

3.4.2 墙边盛开的花朵

3.4.3 可以被公开的密钥

3.5 信息里的噪声

3.5.1 信息越多结果就越准确吗

3.5.2 人工智能如何处理噪声

3.5.3 模型的泛化能力

3.5.4 欠拟合和过拟合

3.6 结语

第4章 大数据处理与挖掘

4.1 大数据概述

4.1.1 数据是描绘世界的新方式

4.1.2 大数据到底有多大

4.2 数据处理的流程和方法

4.2.1 数据收集

4.2.2 数据加工

4.2.3 数据分析

4.2.4 数据可视化

4.3 大数据改变了什么

4.3.1 经验与数据

4.3.2 时间与空间

4.3.3 记忆与理解

4.4 结语

第5章 机器是如何学习的

5.1 机器学习是什么

5.1.1 归纳与推演

5.1.2 定规则和学规则

5.1.3 算法的含义

5.2 机器学习算法

5.2.1 常见的学习方法

5.2.2 回归

5.2.3 分类

5.2.4 聚类

5.2.5 降维

5.2.6 时间序列

5.3 没有完美的算法

5.4 结语

第6章 模拟大脑的神经网络

6.1 不断演进的人工智能

6.1.1 从浅层学习到深度学习

6.1.2 萌芽、复苏、增长和爆发

6.2 机器会不会思考

6.3 深度学习算法

6.3.1 人工神经网络：模拟人脑的思考

6.3.2 卷积神经网络：让计算机“看”到世界

6.3.3 循环神经网络：如何模拟记忆功能

6.3.4 强化学习：黑森林蛋糕的秘密

6.4 场景是算法的综合应用

6.4.1 计算机如何下围棋

6.4.2 计算机如何打游戏

6.4.3 计算机如何与人对话

6.5 结语

第7章 海量运算背后的技术

7.1 不断提升的计算能力

7.1.1 计算的演进

7.1.2 今非昔比的算力

7.1.3 计算机芯片

7.2 如何完成协作计算

7.2.1 举足轻重的三篇论文

7.2.2 不可兼得的CAP定理

7.2.3 故障是不可避免的

7.3 无处不在的计算资源

7.3.1 第一阶段：数据大集中

7.3.2 第二阶段：资源云化

7.4 软件代码共享的好处

7.4.1 网络协议该不该公开

7.4.2 如何进行大规模协作

7.4.3 开源就是免费吗

7.5 结语

第8章 人工智能下的隐私与安全

8.1 大数据与隐私计算

8.1.1 大数据“杀熟”是怎么回事

8.1.2 大数据下的隐私计算

8.2 人工智能与算法安全

8.2.1 对抗样本的博弈

8.2.2 数据投毒和模型安全

8.2.3 眼见不一定为实

8.2.4 设备互联与智能汽车

8.2.5 网络安全攻击

8.3 如何构建防御体系

8.3.1 红蓝对抗

8.3.2 安全是平衡问题

8.3.3 人是安全的一部分

8.4 结语

第9章 未来会变成什么样子

9.1 可预见的未来

9.1.1 一个充满想象的未来

9.1.2 人工智能会不会抢走人类的工作

9.1.3 人机合作是新常态

9.1.4 人机关系在重构

9.1.5 变闲了还是变忙了

9.1.6 会生长的技术树

9.2 不可预知的未来

9.2.1 人类和计算机的区别

9.2.2 人工智能之不能

9.2.3 机器人会统治人类吗

9.2.4 人工智能电车难题

9.2.5 通用人工智能会出现吗

9.2.6 关于未来的预测