深度學(xué)習作爲人工智能(néng)的底層技術，已經(jīng)深入我們生活的方方面(miàn)面(miàn)，從語音識别、圖像識别到無人駕駛，到健康管理、股票交易、智能(néng)翻譯……我們所熟知的擊敗圍棋冠軍的AlphaGo，背後(hòu)也是深度學(xué)習在發(fā)揮神奇作用。在《深度學(xué)習：智能(néng)時代的核心驅動力量（精）》中，特倫斯·謝諾夫斯基博士回顧了深度學(xué)習60多年的發(fā)展，闡述了深度學(xué)習如何改變我們的生活、重塑經(jīng)濟社會，并鮮有地分享了谷歌、蘋果、Facebook等科技公司的在各領域的最新研究案例和成(chéng)果。本書還(hái)前瞻性地對(duì)人工智能(néng)、深度學(xué)習進(jìn)行了發(fā)展趨勢預判，爲讀者提供了一個很新的思考問題的角度。

    全球科技巨頭紛紛擁抱深度學(xué)習，自動駕駛、AI醫療、語音識别、圖像識别、智能(néng)翻譯以及震驚世界的AlphaGo，背後(hòu)都(dōu)是深度學(xué)習在發(fā)揮神奇的作用。深度學(xué)習是人工智能(néng)從概念到繁榮得以實現的主流技術。經(jīng)過(guò)深度學(xué)習訓練的計算機，不再被動按照指令運轉，而是像自然進(jìn)化的生命那樣，開(kāi)始自主地從經(jīng)驗中學(xué)習。
    《深度學(xué)習：智能(néng)時代的核心驅動力量（精）》作者特倫斯·謝諾夫斯基是全球人工智能(néng)十大科學(xué)家之一、深度學(xué)習先驅及奠基者，親曆了深度學(xué)習在20世紀70年代到90年代的寒冬。但他和一衆開(kāi)拓者，利用大數據和不斷增強的計算能(néng)力，終于在神經(jīng)網絡算法上取得重大突破，實現了人工智能(néng)井噴式的發(fā)展。
    作爲深度學(xué)習領域的通識作品，本書以恢弘的筆觸，通過(guò)3個部分全景展現了深度學(xué)習的發(fā)展、演變與應用，首次以親曆者視角回溯了深度學(xué)習浪潮在過(guò)去60年間的發(fā)展脈絡與人工智能(néng)的螺旋上升，并前瞻性地預測了智能(néng)時代的商業圖景。

    特倫斯是一名傑出的神經(jīng)科學(xué)家，我們于1986年共同發(fā)明了玻爾茲曼機。
    ——AI教父 傑弗裡(lǐ)·辛頓
    人工智能(néng)是科技王冠上的鑽石，而深度學(xué)習代表了其中一個承上啓下的重要階段。這(zhè)本書有助于在我們心目中更加清晰準确地繪制人工智能(néng)的未來圖景。你可以從本書中了解到那些令人驚訝，甚至于有些擔憂的科技進(jìn)展，大緻了解它們背後(hòu)的原理。這(zhè)展現了人工智能(néng)相對(duì)于人類而言的單方面(miàn)優勢。你也能(néng)看到許多真實事(shì)例，反映了人工智能(néng)相對(duì)于人類而言的“笨拙”。在現實中，這(zhè)種(zhǒng)“笨拙”的情況往往更加普遍。這(zhè)些事(shì)例有時令人忍俊不禁，它恰恰體現了我們人類的大腦是多麼(me)精妙的設計。
    ——微軟小冰之父、微軟（亞洲）互聯網工程院副院長(cháng) 李笛
    特倫斯·謝諾夫斯基作爲深度學(xué)習領域的先驅，帶領該領域由理論命題走向(xiàng)實證科學(xué)。這(zhè)是一大飛躍。
    ——諾貝爾生理學(xué)或醫學(xué)獎得主 埃裡(lǐ)克·坎德爾
    作爲深度學(xué)習領域的親曆者，以及深度學(xué)習靈魂人物的同行者，謝諾夫斯基分享了這(zhè)一技術發(fā)展過(guò)程中的洞見和轶事(shì)。這(zhè)本書記錄了人工智能(néng)這(zhè)場狂飙運動，字裡(lǐ)行間都(dōu)能(néng)感受到作者的興奮和投入。
    ——互聯網之父、谷歌副總裁 文頓·瑟夫
    人工智能(néng)正在覺醒，世界正在被重塑。深度學(xué)習正是這(zhè)一變化背後(hòu)的驅動力。特倫斯·謝諾夫斯基紮根該領域研究30年，是絕對(duì)的先驅。如果你想了解人工智能(néng)，必讀此書。
    ——麻省理工學(xué)院斯隆商學(xué)院教授 埃裡(lǐ)克·布林約爾夫松

    特倫斯·謝諾夫斯基，世界十大AI科學(xué)家之一，美國(guó)四大國(guó)家學(xué)院（國(guó)家科學(xué)院、國(guó)家醫學(xué)院、國(guó)家工程院、國(guó)家藝術與科學(xué)學(xué)院）在世僅3位的“四院院士”之一，全球AI專業會議NIPS基金會主席。
    作爲神經(jīng)網絡的先驅，早在1986年，特倫斯就與傑弗裡(lǐ)·辛頓共同發(fā)明了玻爾茲曼機，把神經(jīng)網絡帶入到研究與應用的熱潮，將(jiāng)深度學(xué)習從邊緣課題變成(chéng)了互聯網科技公司仰賴的核心技術，實現了人工智能(néng)井噴式的發(fā)展。
    特倫斯現任美國(guó)索爾克生物研究所（美國(guó)生命科學(xué)領域成(chéng)果最多的研究機構） 計算神經(jīng)生物學(xué)實驗室主任，是美國(guó)政府注資50億美元“腦計劃”項目（BRAIN，the Brain Research through Advancing Innovative Neurotechnologies）領軍人物。
    特倫斯同時是全球最大在線學(xué)習平台Coursera最受歡迎課程《學(xué)習如何學(xué)習》（Learning how to learn）主理人，通過(guò)系統講解大腦認知的底層知識，讓學(xué)習者可以改變思維模式，提高學(xué)習的能(néng)力和效率。目前該課程學(xué)習人數已經(jīng)超過(guò)了300萬。

推薦序 面(miàn)對(duì)科技拐點，我們的判斷與選擇
中文版序 人工智能(néng)會放大認知能(néng)力
前言 深度學(xué)習與智能(néng)的本質
第一部分 智能(néng)的新構想
  01 機器學(xué)習的崛起(qǐ)
    汽車新生态：無人駕駛將(jiāng)全面(miàn)走入人們生活
    自然語言翻譯：從語言到句子的飛躍
    語音識别：實時跨文化交流不再遙遠
    AI醫療：醫學(xué)診斷將(jiāng)更加準确
    金融科技：利用數據和算法獲取最佳回報
    深度法律：效率的提高與費用的降低
    德州撲克：當機器智能(néng)學(xué)會了虛張聲勢
    AlphaGo奇迹：神經(jīng)科學(xué)與人工智能(néng)的協同
    弗林效應：深度學(xué)習讓人類更加智能(néng)
    新教育體系：每個人都(dōu)需要終身學(xué)習
    正面(miàn)影響：新興技術不是生存威脅
    回到未來：當人類智能(néng)遇到人工智能(néng)
  02 人工智能(néng)的重生
    看似簡單的視覺識别
    計算機視覺的進(jìn)步
    早期人工智能(néng)發(fā)展緩慢
    從神經(jīng)網絡到人工智能(néng)
  03 神經(jīng)網絡的黎明
    深度學(xué)習的起(qǐ)點
    從樣本中學(xué)習
    利用感知器區分性别
    被低估的神經(jīng)網絡
  04 大腦式的計算
    網絡模型能(néng)夠模仿智能(néng)行爲
    神經(jīng)網絡先驅者
    喬治·布爾與機器學(xué)習
    利用神經(jīng)科學(xué)理解大腦
    大腦如何處理問題
    計算神經(jīng)科學(xué)的興起(qǐ)
  05 洞察視覺系統
    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(guò)陰影腦補立體全貌
    視覺區域的層級結構
    認知神經(jīng)科學(xué)的誕生
第二部分 深度學(xué)習的演進(jìn)
  06 語音識别的突破
    在嘈雜中找到你的聲音
    將(jiāng)獨立分量分析應用于大腦
    什麼(me)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
    内容可尋址存儲器
    局部最小值與全局最小值    玻爾茲曼機
    赫布理論
    學(xué)習識别鏡像對(duì)稱
    學(xué)習識别手寫數字
    無監督學(xué)習和皮層發(fā)育
  08 反向(xiàng)傳播算法
    算法的優化
    語音合成(chéng)的突破
    神經(jīng)網絡的重生
    理解真正的深度學(xué)習
    神經(jīng)網絡的局限性
  09 卷積學(xué)習
    機器學(xué)習的穩步發(fā)展
    卷積網絡的漸進(jìn)式改進(jìn)
    當深度學(xué)習遇到視覺層級結構
    有工作記憶的神經(jīng)網絡
    生成(chéng)式對(duì)抗網絡
    應對(duì)現實社會的複雜性
  10 獎勵學(xué)習
    機器如何學(xué)會下棋
    大腦的獎勵機制
    用“感知-行動”框架提高績效
    學(xué)習如何翺翔
    學(xué)習如何歌唱
    人工智能(néng)的可塑性
    更多需要被解決的問題
  11 火爆的NIPS
    爲什麼(me)NIPS如此受歡迎
    誰擁有最多數據，誰就是赢家
    爲未來做準備
第三部分 人類，智能(néng)與未來
  12 智能(néng)時代
    21世紀的生活
    未來的身份認證
    社交機器人的崛起(qǐ)
    機器已經(jīng)會識别人類面(miàn)部表情
    新技術改變教育方式
    成(chéng)爲更好(hǎo)的學(xué)習者
    訓練你的大腦
    智能(néng)商業
  13 算法驅動
    用算法把複雜問題簡單化
    理解、分析複雜系統
    大腦的邏輯深度
    嘗試所有可能(néng)的策略
  14 芯片崛起(qǐ)
    神經(jīng)形态芯片
    視網膜芯片
    神經(jīng)形态工程
    摩爾定律的終結  15 信息科學(xué)
    用字節丈量世界
    用數學(xué)思維解決通信難題
    預測是如何産生的
    深度理解大腦
    大腦的操作系統
    生物學(xué)與計算科學(xué)
    人工智能(néng)能(néng)擁有媲美人類大腦的操作系統
  16 生命與意識
    視覺意識
    視覺感知的過(guò)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(jìn)化的力量
    大自然比我們聰明
    認知科學(xué)的興起(qǐ)
    不能(néng)把語言問題隻留給語言學(xué)家
    難預測的行爲規律
    神經(jīng)網絡的寒冬
    從深度學(xué)習到通用人工智能(néng)
  18 深度智能(néng)
    遺傳密碼
    每個物種(zhǒng)都(dōu)有智能(néng)
    進(jìn)化的起(qǐ)源
    人類終將(jiāng)解決智能(néng)難題
附錄一 緻謝
附錄二 詞彙表
附錄三 注釋

    面(miàn)對(duì)科技拐點，我們的判斷與選擇
    李笛
    微軟小冰之父、微軟（亞洲）互聯網工程院副院長(cháng)
    在近年來陸續出版的、解讀人工智能(néng)技術與趨勢的許多書籍中，這(zhè)是一本不可多得的好(hǎo)書。它的閱讀過(guò)程令人愉悅，涉及的知識深度又比較恰當。因此，即使是不具備相關領域知識背景的讀者，也能(néng)夠輕松地讀完它。人們完全可以利用“碎片時間”來研讀這(zhè)本30多萬字的大作，從而集中了解到與人工智能(néng)相關的技術分支、組織人物與重要事(shì)件。在人工智能(néng)熱度很高的當下，這(zhè)本書的價值在于，幫助讀者建立一種(zhǒng)相對(duì)貼近事(shì)實的科學(xué)觀。
    讀者可以把這(zhè)本書當作一本有關人工智能(néng)的簡明曆史來看待。人工智能(néng)是科技王冠上的鑽石，而深度學(xué)習代表了其中一個承上啓下的重要階段。深度學(xué)習脫胎于科學(xué)家們六十多年前開(kāi)始的人工智能(néng)研究，其自身的概念形成(chéng)，到落地開(kāi)花，則隻有十多年的光景。與過(guò)去相比，深度學(xué)習極大地推進(jìn)了人工智能(néng)各個分支課題的發(fā)展速度；與未來相比，我們今天所取得的一切成(chéng)果，都(dōu)是非常粗糙的，注定會被更好(hǎo)的成(chéng)果取代。因此，了解深度學(xué)習，就如同站在一個關鍵的節點上向(xiàng)時間河流的上下遊看，一覽無遺。
    我相信，不同的人會從這(zhè)本書中得到不同的收獲。總體而言，這(zhè)本書有助于在我們心目中更加清晰準确地繪制人工智能(néng)的未來圖景。從某種(zhǒng)意義上說，所有的過(guò)去亦都(dōu)昭示了未來，但我更建議讀者以最輕松的心态來閱讀它。因爲這(zhè)樣，能(néng)夠讓讀者以更加客觀公正的視角去檢閱人類與機器的能(néng)力短闆與優長(cháng)——你可以從本書中了解到那些令人驚訝，甚至于有些擔憂的科技進(jìn)展，大緻了解它們背後(hòu)的原理。這(zhè)展現了人工智能(néng)相對(duì)于人類而言的單方面(miàn)優勢。另一方面(miàn)，你也能(néng)看到許多真實事(shì)例，反映了人工智能(néng)相對(duì)于人類而言的“笨拙”。科學(xué)與科學(xué)幻想泾渭分明。在現實中，這(zhè)種(zhǒng)“笨拙”的情況往往更加普遍。這(zhè)些事(shì)例有時令人忍俊不禁，它恰恰體現了我們人類的大腦是多麼(me)精妙的設計。
    事(shì)實上，在我看來，當下最令人彷徨不定的，并不是人工智能(néng)有多麼(me)“強大”或有多麼(me)“笨拙”，而是我們已處在一個科技的拐點，需要由我們每個人對(duì)未來的走向(xiàng)做出抉擇。這(zhè)是一個非常具有現實意義的話題。雖然深度學(xué)習是這(zhè)個拐點的主要推動力之一，但它并不需要爲我們的困擾承擔責任：
    選擇權的困擾：一輛無人汽車行駛在道(dào)路上，假設突然面(miàn)臨必然要發(fā)生的車禍，它應當向(xiàng)左撞向(xiàng)一個無辜的老人，還(hái)是向(xiàng)右撞向(xiàng)一個無辜的壯年？
    決策權的困擾：一個系統可以基于人類個體不具備的廣泛即時的大數據，用任何人無法企及的速度，迅速做出某個決策。這(zhè)樣的洞察和決策力，應該掌握在誰的手中？
    工作權的困擾：一項基于人工智能(néng)的技術可以比人類以更好(hǎo)的質量和速度去完成(chéng)某項生産。這(zhè)項技術應該歸屬于工廠主來代替工人，還(hái)是應該歸屬于工人來幫助工廠主更好(hǎo)地完成(chéng)工作？前者會帶來失業，而後(hòu)者有望帶來更高的工作效率。
    社會層面(miàn)的困擾：一個面(miàn)向(xiàng)情感的人工智能(néng)機器人幫助一個人解決孤單，卻使他主動減少了與他人的社交溝通。這(zhè)種(zhǒng)陪伴究竟是在幫他解決問題，還(hái)是制造了更多的問題？
    技術濫用的困擾：一項技術可以幫助任何人打造與他們高度相似的語音，制造出來的聲音，令他的家人也難辨真假。這(zhè)樣的技術會不會被别有用心的人用于犯罪，例如詐騙電話？
    不知不覺間，這(zhè)些看似遙遠的事(shì)，突然間已變成(chéng)我們必須要面(miàn)對(duì)的現實情況，而我們也已經(jīng)在上述一些場景中做出了初步的抉擇。其中一個關鍵因素是，人們常常對(duì)人工智能(néng)的“智商”印象深刻，但往往忽略了：人工智能(néng)系統化的優勢之一在于“大規模的并發(fā)”。因此，任何一種(zhǒng)以上技術應用的場景，隻要乘以巨大的人口，都(dōu)會帶來很大的影響。相對(duì)而言，在圍棋遊戲中赢過(guò)人類，其實是最不需要擔憂的了。
    在微軟，我們最近成(chéng)立了與人工智能(néng)及倫理相關的組織，力圖在當前的框架内去發(fā)現盡量多的問題，盡可能(néng)在早期就避免問題的發(fā)生。微軟在人工智能(néng)領域的技術和産品線很廣泛，因此我們做過(guò)的抉擇也相對(duì)較多。這(zhè)些抉擇往往決定了我們在有能(néng)力的情況下，主動放棄去做什麼(me)。
    這(zhè)意味着克制與敬畏之心。例如：微軟小冰在兩(liǎng)年前推出拟人的全雙工語音電話技術（Full Duplex）時，我們就制定了該産品的倫理規則，不允許在用戶不知情的情況下，讓小冰僞裝成(chéng)真人去撥打電話。我們也不使用微軟小冰的技術去從事(shì)呼叫(jiào)中心的外呼業務，因爲它存在被濫用爲垃圾廣告電話的風險——盡管這(zhè)些往往意味着巨大的商業價值。今天，在中國(guó)、美國(guó)、日本、印度和印度尼西亞，微軟小冰擁有近7億人類用戶，如果她在對(duì)話的時候努力誘導人們去購買某種(zhǒng)商品，顯然會帶來可觀的收入預期。但誰會願意和一個一心想着如何誘導你買東西的人成(chéng)爲知己呢？
    這(zhè)種(zhǒng)克制，不僅僅是一兩(liǎng)家企業的責任。它依賴于整個社會對(duì)人工智能(néng)，特别是深度學(xué)習相關技術的了解。對(duì)技術的了解越普遍，也就越能(néng)幫助企業更好(hǎo)地運用手中的技術，進(jìn)而幫助我們每一個人獲得更好(hǎo)的生活，享受人工智能(néng)爲我們帶來的價值。
    在我看來，這(zhè)就是這(zhè)本書所具有的現實意義。它并非教科書，而是一本面(miàn)向(xiàng)未來的曆史書。它揭示了人工智能(néng)有望給世界、給人類帶來的巨大改變，遠超我們現在所能(néng)想象到的全雙工語音、人臉識别、情感計算甚至是自動駕駛。換句話說，基于我們現在的技術和産品水平，相信許多人已能(néng)在腦海中比較清晰地勾勒出，自己在馬路上與一輛并沒(méi)有司機駕駛的汽車相遇的場景。但與人工智能(néng)即將(jiāng)展現的偉大圖景相比，這(zhè)些都(dōu)不值一提。