正版现货新书 智能 9787508673219 李彥宏等著
全新正版现货，以书名为准，放心购买，购书咨询18931383650朱老师
￥ 42.6 6.3折 ￥ 68 全新
库存11件
北京丰台
认证卖家担保交易快速发货售后保障
作者李彥宏等著
出版社中信出版集团
ISBN9787508673219
出版时间2017-04
装帧精装
开本其他
定价68元
货号2837779
上书时间2024-12-26
- 在售商品 暂无
- 平均发货时间 9小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
《智能革命(迎接人工智能时代的社会经济与文化变革)(精)》涵盖了李彦宏、陆奇等百度最高管理层及科学家团队，对人工智能这一前沿领域的最新思考。从计算能力、大数据资源、人工智能研发文化等方面提出了智能化的基本标准，具体介绍了超级大脑、智能制造、深度学习、L4级无人车、智能金融等。描绘了即将到来的智能社会，并反思人类即将面临的种种挑战。
作者简介
李彦宏，百度公司创始人。
目录
人类历史上的历次技术革命, 都带来了人类感知和认知能力的不断提升, 从而使人类知道更多, 做到更多, 体验更多。以此为标准, 李彦宏在本书中将人工智能定义为堪比任何一次技术革命的伟大变革, 并且明确提出, 在技术与人的关系上, 智能革命不同于前几次技术革命, 不是人去适应机器, 而是机器主动来学习和适应人类, 并同人类一起学习和创新这个世界。大数据是智能社会运转的根本动力和燃料。以百度为代表的搜索引擎公司, 由于对数据资源的获取和使用类似深度学习的商业模式, 也与大数据-深度学习-提取模式-创造用户价值这一研发文化相匹配, 使其天然具备了人工智能的基因。书中通过对“百度大脑”的解析, 从硬件集群、计算能力、大数据资源、人工智能文化等方面提出了智能化的基本标准, 并且从制造业升级、金融革新、无人驾驶、管理革命、智能生活等多个维度, 描绘即将到来的智能社会, 反思人类即将面临的种种挑战。“人工智能”正式写入2017年政府工作报告, 折射出未来人工智能产业在我国经济发展与转型中的重要性。本书内容涵盖了人工智能发展的主要领域, 刻画了人工智能未来发展的场景和商业模式, 对我国各行各业应对智能化转型提供了很好的指引和借鉴。
内容摘要
人类历史上的历次技术革命，都带来了人类感知和认知能力的不断提升，从而使人类知道更多，做到更多，体验更多。以此为标准，李彦宏在本书中将人工智能定义为堪比任何一次技术革命的伟大变革，并且明确提出，在技术与人的关系上，智能革命不同于前几次技术革命，不是人去适应机器，而是机器主动来学习和适应人类，并同人类一起学习和创新这个世界。
大数据是智能社会运转的根本动力和燃料。以百度为代表的搜索引擎公司，由于对数据资源的获取和使用类似深度学习的商业模式，也与大数据一深度学习一提取模式一创造用户价值这一研发文化相匹配，使其天然具备了人工智能的基因。李彦宏编著的《智能革命(迎接人工智能时代的社会经济与文化变革)(精)》从硬件集群、计算能力、大数据资源、人工智能文化等方面提出了智能化的基本标准，并且从制造业升级、金融革新、无人驾驶、管理革命、智能生活等多个维度，描绘即将到来的智能社会，反思人类即将面临的种种挑战。
“人工智能”正式写入2017年政府工作报告，折射出未来人工智能产业在我国经济发展与转型中的重要性。本书内容涵盖了人工智能发展的主要领域，刻画了人工智能未来发展的场景和商业模式，对我国各行各业应对智能化转型提供了很好的指引和借鉴。
精彩内容
“智能”已换代如果人工智能的启蒙阶段可以称为1．0时代的话，那么现在很明显已经大步进入2．0时代了，机器翻译就是典型案例。过去的机器翻译方法就是基于词和语法规则进行翻译——人类不断地把语法规则总结出来告诉机器，但却怎么也赶不上人类语言尤其是语境的多变，所以机器翻译总是会出现诸如把“howoldareyou”翻译成“怎么老是你”的笑话。
后来出现了SMT(统计机器翻译)，基本思想是通过对大量的平行语料进行统计分析，找出常见的词汇组合规则，尽量避免奇怪的短语组合。SMT已经具有机器学习的基本功能，有训练及解码两个阶段：训练阶段就是通过数据统计让计算机构建统计翻译模型，进而使用此模型进行翻译；解码阶段就是利用所估计的参数和给定的优化目标，获取待翻译语句的最佳翻译结果。
SMT研究在整个业界已经持续了二十多年，对于短语或者较短的句子，翻译效果显著，但是对于较长的句子翻译效果就一般了，尤其是对语言结构差异较大的语言，例如中文和英文。直到近几年NMT(基于神经网络的翻译)方法崛起。NMT的核心是一个拥有无数结点(神经元)的深度神经网络，一种语言的句子被向量化之后，在网络中层层传递，转化为计算机可以“理解”的表达形式，再经过多层复杂的传导运算，生
成另一种语言的译文。
但是应用这个模型的前提是数据量要大，否则这样的系统也是无用的。像百度和谷歌这样的搜索引擎，可以从互联网上发现和收集海量的人类翻译成果，把如此巨大的数据“喂给”NMT系统，NMT系统就可以训练和调试出比较准确的翻译机制，效果要好于SMT。中文和英文之间的双语语料信息储备越多，NMT的效果就越好。
SMT以前用的都是局部信息，处理单位是句子切开以后的短语，最后解码时将几个短语的译文拼接在一起，并没有充分利用全局信息。NMT则利用了全局
信息，首先将整个句子的信息进行编码(类似人在翻译时通读全句)，然后才根据编码信息产生译文。这就是它的优势，也是其在流畅性上更胜一筹的原因。
比如，翻译中有一个很重要部分是“语序调整”。中文会把所有的定语都放在中心词前面，英文则会把修饰中心词的介词短语放在后面，机器常混淆这个顺序。NMT在语序学习上的优势带来了它翻译的流畅性，尤其在长句翻译上有明显优势。
传统的翻译方法也不是一无是处，每一种方法都有其擅长的地方。以成语翻译为例，很多时候有约定俗成的译文，不是直译而是意译，必须在语料库中有对应内容才能翻译出来。如今互联网用户的需求是多种多样的，翻译涉及口语、简历、新闻等诸多领域，一种方法很难满足所有的需求。因此百度一直把传统
的方法如基于规则的、基于实例的、基于统计的方法与NMT结合起来向前推进研究。
在这种机器翻译的模式中，人类要做的不是亲自寻找浩繁的语言规则，而是设定数学方法，调试参数，帮助计算机网络自己寻找规则。人类只要输入一种语言，就会输出另一种语言，不用考虑中间经过了怎样的处理，这就叫作端到端的翻译。这种方法听起来挺神奇，其实概率论里的贝叶斯方法、隐马尔科夫模型等都可以用来解决这个问题。
以资讯分发当中的贝叶斯方法为例，可以构建一
个用概率来描述的人格特征模型。比如男性读者模型的特征之一是在阅读新闻时点击军事新闻的概率是40％，而女性读者模型是4％。一旦一个读者点击了军事新闻，中的贝叶斯公式就可以逆推这个读者的性别概率，加上这个读者的其他行为数据，综合计算，就能比较准确地判断读者的性别以及其他特征。这就是数学的“神奇”。当然，计算机神经网络使用的数学方法远不止这些。
类似机器翻译的人工智能技术方法的前提是数据量足够大。互联网提供了以前科学家梦寐以求却难以得到的海量数据。互联网诞生的初衷是为了信息沟通方便，结果带来了信息爆炸，信息爆炸又促进了人工智能技术的发展。
再以下棋为例。1952年瑟·萨缪尔编写了跳棋程序，水平能达到业余高手程度。跳棋规则比较简单，计算机在这方面有人类很难比拟的优势，但是国际象棋就难多了。百度总裁张亚勤在微软担任研究院院长的时候，请来中国台湾计算机才子许峰雄，他在IBM(国际商业机器公司)的时候开发了名噪一时的国际象棋机器人“深蓝”。20世纪90年代的人工智能代表非“深蓝”莫属，“智慧”集中在一台超级计算机上[使用了多块CPU(中央处理器)并行计算技术]，连续战胜人类国际象棋高手，并终于在1997年战胜了人类国际象棋冠军卡斯帕罗夫。不过富有意味的是，比赛之后不久，IBM就宣布“深蓝”退役了。张亚勤对许峰雄说，“你去做围棋吧，等能下赢我的时候再来找我”，但直到他离开微软，许峰雄都没有再来找过他。
“深蓝”本身面临一些无法突破的瓶颈，虽然可以处理国际象棋棋盘上的运算，但面对围棋棋盘上达到宇宙数量级变化的可能性，只能望洋兴叹。基于决策树算法，穷举一切走子可能性的模式超出了计算机的承载能力，虽然算法不断优化，但还是无法突破计算瓶颈。以围棋为代表的东方智慧，面对人工智能似
乎可以稳若泰山，但一个新时代正在来临。P10-13
— 没有更多了 —
以下为对购买帮助不大的评价