漫话人工智能：从二进制到未来智能社会
正版保障 假一赔十 可开发票
￥ 57.02 6.5折 ￥ 88 全新
仅1件
作者秦曾昌，田达玮著
出版社清华大学出版社
ISBN9787302613701
出版时间2022-09
装帧平装
开本16开
定价88元
货号11734352
上书时间2024-09-29
商品详情
- 品相描述：全新
- 商品描述
-
前言
眼睛是人心灵的窗户，我们可以通过凝视对方的眼神来理解他人。当有一天你走过一道
需要刷脸才能通过的大门，突然见看到一个冰冷的摄像头在凝视着你的时候，你是否也曾若
有所思地看着它，心中充满了疑惑——它是如何工作的？我每天的穿着打扮如此不同，它究
竟是怎么认识我的？它有记忆吗？会思考吗?
随着类似的人工智能技术渐渐地融入人们的生活，我们开始相信未来是人与机器共存的
时代，我们每个人的身份也已经开始被机器所定义。没有手机，你不仅无法正常生活，甚至
也难以证明你就是你自己——你没有办法接收短信认证，联系不上家人和朋友，也无法点餐
和支付。而人们的生活中如果没有了计算机，工程师将无法做技术实现，音乐人无法使用帮
助他们编曲的软件，老师无法准备上课用的 PPT，会计师无法方便快捷地做报表……这些例
子充分说明，现在我们每个人的部分能力都是由机器所决定的，而且这个趋势仍在继续。前
述提到的种种互动中，一个很重要的层面就是机器变得越来越强大，能做到更多以前只有人
类才能完成，甚至人类都无法完成的工作。
因此，我们需要更多地了解人工智能这项新技术。本书最重要的目的是通过介绍人工智
能的前世今生，让读者了解我们在未来如何与之共存。
无论是青少年还是成年人，我们每一个人都不妨多懂一些人工智能。人工智能不是那种
自省式地去了解我们人类本身的智能，我们需要跳出人类感知的局限，用科学的语言（数学
语言与程序代码）来描述与实现人工智能的技术原理。今天的人工智能主要研究如何用算法
来解决很多复杂的信息处理与决策的问题，而万事万物在机器的眼中，是用不同信息来表达
的。 我们需要建立数学模型，这种模型可以简单地想象成输入与输出的函数关系。如“输入语音，输出文字”的关系是语音识别 ；“输入图像，输出字符、人脸或车牌号” 是模式识别 ；“输入医学 MRI 或者 B 超的图像，输出病灶位置”，则是医疗人工智能。这些背后的关系正是学科专家和人工智能专家们一起从海量的数据中通过算法程序自动寻找到的。
我们人类早期的物理学原理都可以用简洁的方程与公式来表达。现在我们认为，可以被
写成公式的关系都是相对简单的，不可被传统数学公式描述的关系才是复杂的，需要新的数
学或算法模型来描述。类似的复杂应用在未来社会将会越来越普及。我们随时随地都被数据、
算法为核心的人工智能技术所包围，这既给我们带来了极大的便利，同时也带来了新的社会
或伦理道德问题。
笔者仍然记得在高中时第一次读到伽莫夫（G. Gamow）作品《从一到无穷大》时的震撼，还能回忆起曾坐在喧闹的十字路口，想象自己身在扭曲四维空间中，这样的遐想使得那时的我获得了宁静与精神上的满足。我们努力向伽莫夫这样伟大的科学家与科普作家致敬——希望能够将复杂的人工智能知识变得触手可及。读者即使不了解人工智能技术的细节，也可以通过本书理解这些技术背后的核心思路与发展脉络。
本书能够顺利出版，特别感谢编程猫的编辑团队与清华大学出版社，尤其是编程猫的刘
雪娇编辑与清华社的薛杨编辑。正是因为各位合作伙伴的帮助与支持，笔者起初一些潦草的
灵感和文字才能在如今形成精美的书籍，呈现在大家面前。读者如果在阅读本书时希望与笔
者沟通，或提交本书勘误，可以通过邮箱 qin_zc@126.com 与笔者联系。
本书献给所有对未知好奇的灵魂。每当我们仰望星空时，总会感叹宇宙的伟大、人类的
渺小。而当这些渺小的灵魂低头思考的时候，产生的智慧火花不但点亮了自己，也会照亮星
空与宇宙。
秦曾昌
2022 年 5 月于北京
商品简介《漫话人工智能：从二进制到未来智能社会》是一本面向大众尤其是青少年的人工智能科普书籍，从介绍人工智能背后的逻辑、数学引入主题，接着用生动的语言将计算机和人工智能的诞生、算法科学、机器学习与大数据、计算机视觉、语音识别等有趣的知识融入本书，最后科普了人工智能在智能农业、智能医疗、自动驾驶等不同领域的应用。本书具有语言生动、图文并茂、贴近生活等特点，具体论述如上。本书的主要读者对象为中小学生（小学高年级至高中的青少年应该都能够顺利理解本书），对人工智能感兴趣的零基础成年人也可以选择阅读本书，来对人工智能技术有一个基本的了解。
作者简介
秦曾昌，2005年获得英国布里斯托大学（University of Bristol）人工智能方向博士学位，2005年10月—2006年1月在该校工程数学系任教；2006年2月—2008年2月在美国加州大学伯克利分校（University of California Berkeley）电子与计算机系任博士后研究员（BT Fellow），在模糊逻辑创始人Lotf Zadeh教授的研究组从事文本挖掘和智能搜索的研究；2008年3月到英国牛津大学（University of Oxford）Optimor Lab任研究员，并兼任牛津大学统计系访问研究员；自2009年起，在北京航空航天大学自动化学院任教，同年入选教育部新世纪优秀人才支持计划；2010年在美国卡内基梅隆大学（Carnegie Mellon University）机器人所做访问学者；2018年—2019年兼任Keep首席科学家；2019年起兼任编程猫首席科学家。在人工智能与其交叉领域出版英文专著一本，发表SCI/EI检索技术论文120余篇，主要研究领域涉及不确定性理论、机器学习、多媒体检索、机器视觉、自然语言处理、医疗影像与计算博弈。研究工作之余积极投入青少年科技教育工作，发表科普译作《活人能捐献心脏吗》《地球上有从不犯错的人吗》，获得上海市科普图书二等奖；曾担任全国青少年科技创新大赛“小小科学家”、英特尔国际工程大奖赛等赛事的终审评委，以及我国第一次太空授课专家组成员。
目录第1章 智能源起
1.1 从三段论到人工智能
1.2 机器的语言
1.3 从石子到机械
1.4 模拟人类思维
1.5 漫说AI：乔治?布尔的故事
第2章 机器的进化
2.1 差分机：纯机械之巅
2.2 图灵机：假想的机器
2.3 第一台计算机之谜
2.4 人工智能诞生
2.5 漫说AI：史上第一位程序员
第3章 “智”优算法
3.1 智能的五大支柱
3.2 蚂蚁的智慧
3.3 算法也遗传
3.4 机器的智力测试
3.5 漫说AI：约翰?霍兰德与遗传算法
第4章 机器“爱”学习
4.1 像人一样学习
4.2 构建神经网络
4.3 训练人工大脑
4.4 战胜人类
4.5 大数据浪潮
4.6 漫说AI：MapReduce如何处理数据？
第5章 感知万物
5.1 机器的眼睛
5.2 可计算的味道
5.3 听懂人类的声音
5.4 无“触”不在
5.5 接近人脑
5.6 漫说AI：握不住杯子的高智商机器人
第6章 未来新世界
6.1 智能物流
6.2 智造产业链
6.3 智慧农业
6.4 机器医生
6.5 自动驾驶
6.6 机器人的崛起
6.7 漫说AI：人工智能的未来
内容摘要
4.1 像人一样学习 顾名思义，“机器学习”是研究如何教会机器像人一样学习，并让机器通过学习来掌握解决问题的能力。早在 2001 年我（本书第一作者）准备出国读研究生时，申请了很多与计算机和人工智能相关的专业，当第一次看到“机器学习”这个词时，脑中就浮现出这样的画面 ：一个机器人通过观察人类掌握了人类的本领。幸运的是，我被布里斯托大学的机器学习硕士专业录取并选择了这个专业，从而开始正式进入人工智能领域中这个最重要的分支。在过去的 20 年里，我见证了这一研究领域从默默无闻到举世瞩目的变化。 学习与搜索 纵观科学发展的过程，我们首先观察自然现象，然后用定量的观察数据来描述。为了解释数据背后的原理，科学家用数学语言，即公式或方程来拟合观察数据。如果提出的公式不但能很好地拟合过去的数据，还可以很好地预测未来将要发生的数据，那么这个公式或者方程则会成为公认的科学理论。同理，机器学习也是接近一样的过程 ：首先我们收集一些用于训练机器的数据，然后利用自己的经验来假设这些数据生成的规律或者分类的标准是由某一种类型的函数所定义的，我们的目标就是根据给定的数据来“训练”出这些函数的参数，这个过程就是机器“学习”的过程。一个典型的机器学习过程如图 4-1 所示。线性拟合是指用一个线性函数通过调整参数来拟合给定的训练数据。图4-1(a)是给定的训练数据，图 4-1(b)、(c)、(d)中考虑了用不同的线性方程来拟合给定数据，其中图 4-1(d)中表示的参数是拟合优选的线性方程。 假设我们给定的一组数据是由平面坐标所定义的，我们想用一个函数来描述横坐标 x 与纵坐标 y 的关系，我们可以假设它们的关系是线性关系，用 y = ax+ b 来表示，我们要做的就是找到合适的 a 与 b 的值，从而确定一条最合适的曲线来拟合给定的数据。所以从这个角度来讲，我们可以将机器学习的过程看成是给定模型下的参数调整。如果由参数 a 和 b 构成了一个新的空间，这个空间中的每一个点 a’和b’以图 4-1 中的例子来说明， 都能构成一条直线 y = a x + b , 所以我们需要的是在这个 a 和 b 所构成的“假设空间”中搜索 出合适的参数来解释（或者说拟合）给定的训练数据。这就是机器学习的一个核心思想，机 器学习可以看成是在由参数构成的假设空间中进行搜索。 还有一个重要但是没有回答的问题就是我们如何去假设什么类型的函数，比如给定一些 数据（如图 4-2 中的彩色圆点） ，我们可以用直线（红色） 、二次多项式（黑色）或者更复杂 的多项式（绿色）来拟合这些数据，即找到红色圆点和蓝色圆点之间的边界。我们通过不断 学习，找到的优选参数如图 4-2 中的 3 条线所示。在这 个案例中，你会发现红色直线无论怎么调参数，也无 法更好地描述边界。而绿色的曲线虽然可以完美地把 数据分开，但是因为数据中大概率会夹杂着很多噪音， 绿色的曲线把噪音也拟合了。这就类似于为了去一个 期待已久的音乐会， 你买了一副高保真、 超清晰的耳机， 的确你在现场可以把音乐听得很清楚，但是如果耳机 太灵敏，音乐厅里的咳嗽声、翻东西甚至地板摩擦的 图4-2??欠拟合与过拟合的定性描述 声音你也听得一清二楚，反而干扰了你对音乐的欣赏， 这种情况叫做“过拟合” 。相对应地，红色直线所代表的分类函数就是“欠拟合” ，而黑色的 二次多项式函数在两者之间找到了一个比较好的平衡。在实际的研究中，我们可以使用与训 练数据不同但是分布相同的一组数据来验证并找到优选的分界函数， 这组数据称为测试数据。 学习的类型 如果一定要将机器学习分几个大范畴的话， 可以根据数据是否有标签大致分为监督学习、 非监督学习和增强学习（还有一个小类别是半监督学习，这里暂且忽略） 。监督学习的英文 是 Supervised Learning，顾名思义，是指有一个“导师”为所有的数据提供一个标签。比如 给定的一幅图像是小猫或是小狗 ；给定的一个手写数字是 0 或是 8 ；给定一段评论是肯定的 106 或是否定的 ； 给定一张人脸是开心、悲伤或是愤怒的。这些标签都是通过人的经验和判断来 给定的，我们来利用数据特征与标签的关联关系建立一个机器学习的数学模型来进行描述。 K- 近邻是一种较为容易理解的监督学习算法。 我们对于一个陌生数据标签或类别的判断， 取决于这个数据 K 个“邻居”的标签，即用邻居中用得最多的标签作为新数据的标签。想象 一下，假设一个班级的同学只喜欢两种运动，一种 旧不懂中文，他们只是在遵循规则而已。塞尔以此为依据认为神经网络不足以让人工智能具 备自己的思维。另一些反对者也认为人工神经网络的学习是为了更好地执行某一项特定的任 务，因此也不会让人工智能具有思维意
主编推荐《漫话人工智能：从二进制到未来智能社会》是一本非常适合大众读者阅读的人工智能通识读物，作者秦曾昌博士在书中不仅深入浅出、图文并茂地介绍了人工智能的前世今生，且本书不仅着眼当下，也放眼未来，提供了认识人工智能未来走向的视角。本书获姬十三、郑永春等科普大V联袂推荐，并入选2022年“科普中国出版创作扶持计划”。
【内容简介】
精彩内容
— 没有更多了 —
以下为对购买帮助不大的评价