推 薦 序 麵對科技拐點，我們的判斷與選擇
中文版序 人工智能會放大認知能力
前 言 深度學習與智能的本質
第一部分 智能的新構想
01 機器學習的崛起
汽車新生態：無人駕駛將全麵走入人們生活
自然語言翻譯：從語言到句子的飛躍
語音識彆：實時跨文化交流不再遙遠
AI醫療：醫學診斷將更加準確
金融科技：利用數據和算法獲取最佳迴報
深度法律：效率的提高與費用的降低
德州撲剋：當機器智能學會瞭虛張聲勢
AlphaGo奇跡：神經科學與人工智能的協同
弗林效應：深度學習讓人類更加智能
新教育體係：每個人都需要終身學習
正麵影響：新興技術不是生存威脅
迴到未來：當人類智能遇到人工智能
02 人工智能的重生
看似簡單的視覺識彆
計算機視覺的進步
早期人工智能發展緩慢
從神經網絡到人工智能
03 神經網絡的黎明
深度學習的起點
從樣本中學習
利用感知器區分性彆
被低估的神經網絡
04 大腦式的計算
網絡模型能夠模仿智能行為
神經網絡先驅者
喬治·布爾與機器學習
利用神經科學理解大腦
大腦如何處理問題
計算神經科學的興起
05 洞察視覺係統
人眼是如何看到東西的
大腦皮層中的視覺
突觸的可塑性
通過陰影腦補立體全貌
視覺區域的層級結構
認知神經科學的誕生
第二部分 深度學習的演進
06 語音識彆的突破
在嘈雜中找到你的聲音
將獨立分量分析應用於大腦
什麼在操控我們的言行
07 霍普菲爾德網絡和玻爾茲曼機
約翰·霍普菲爾德的偉大之處
內容可尋址存儲器
局部最小值與全局最小值
玻爾茲曼機
赫布理論
學習識彆鏡像對稱
學習識彆手寫數字
無監督學習和皮層發育
08 反嚮傳播算法
算法的優化
語音閤成的突破
神經網絡的重生
理解真正的深度學習
神經網絡的局限性
09 捲積學習
機器學習的穩步發展
捲積網絡的漸進式改進
當深度學習遇到視覺層級結構
有工作記憶的神經網絡
生成式對抗網絡
應對現實社會的復雜性
10 奬勵學習
機器如何學會下棋
大腦的奬勵機製
用“感知-行動”框架提高績效
學習如何翱翔
學習如何歌唱
人工智能的可塑性
更多需要被解決的問題
11 火爆的NIPS
為什麼NIPS如此受歡迎
誰擁有最多數據，誰就是贏傢
為未來做準備
第三部分 人類，智能與未來
12 智能時代
21世紀的生活
未來的身份認證
社交機器人的崛起
機器已經會識彆人類麵部錶情
新技術改變教育方式
成為更好的學習者
訓練你的大腦
智能商業
13 算法驅動
用算法把復雜問題簡單化
理解、分析復雜係統
大腦的邏輯深度
嘗試所有可能的策略
14 芯片崛起
神經形態芯片
視網膜芯片
神經形態工程
摩爾定律的終結
15 信息科學
用字節丈量世界
用數學思維解決通信難題
預測是如何産生的
深度理解大腦
大腦的操作係統
生物學與計算科學
人工智能能擁有媲美人類大腦的操作係統
16 生命與意識
視覺意識
視覺感知的過程
視覺感知的時機
視覺感知的部位
視覺搜索的機理
創造意識比理解意識更容易
17 進化的力量
大自然比我們聰明
認知科學的興起
不能把語言問題隻留給語言學傢
難預測的行為規律
神經網絡的寒鼕
從深度學習到通用人工智能
18 深度智能
遺傳密碼
每個物種都有智能
進化的起源
人類終將解決智能難題
· · · · · · (收起)