-
克拉拉与太阳
“太阳总有办法照到我们,不管我们在哪里。”
~
克拉拉是一个专为陪伴儿童而设计的太阳能人工智能机器人(AF),具有极高的观察、推理与共情能力。她坐在商店展示橱窗里,注视着街头路人以及前来浏览橱窗的孩子们的一举一动。她始终期待着很快就会有人挑中她,不过,当这种永久改变境遇的可能性出现时,克拉拉却被提醒不要过分相信人类的诺言。
在《克拉拉与太阳》这部作品中,石黑一雄通过一位令人难忘的叙述者的视角,观察千变万化的现代社会,探索了一个根本性的问题:究竟什么是爱?
~
“你相信有‘人心’这回事吗?
我不仅仅是指那个器官,当然喽。
我说的是这个词的文学意义。
人心。你相信有这样东西吗?
某种让我们每个人成为独特个体的东西?”
-
算法交易员
本书是在纽约当地积极发展的韩国宽客讲述的华尔街人工智能机器人之战。在形同战场的华尔街,宽客们在世界金融市场翻云覆雨,书中形象生动地描述了他们过去和现在的种种手段。同时,预测了与人工智能一起急速变化的金融业的未来。本书获第三届Brunchbook Project优秀作品奖,累计查询次数超过100万次,希望读者通过本书能够更好地应对第四次工业革命。
-
万物重构:智能社会来临前夜的思索
在信息爆炸的时代,层出不穷的新知识、新认知,让人们开始担心因知识的匮乏而落后于社会和他人,为此许多人开始变得焦虑不安。要摆脱这种焦虑,单靠大量的阅读,简单的学习,显然是不够的,也是无法解决根本问题的。
在第四次工业革命的背景下,在时代更迭的大潮中,想要突出重围,就应该用批判性的思维看待问题,用科学的方法解决问题。如果说科学技术是智能社会的第一生产力,那么,科学的方法就是推动社会进步最重要的动力。从古至今,从中国传统文化到西方思想,提出问题,思考问题,论证问题,最后得出结论,这种有理有据的科学方法,才是我们了解世界本质的唯一途径,也是帮我们认清问题所在,摆脱困扰的最佳方法。
在四川成都武侯祠有一副名对:“能攻心则反侧自消,自古用兵非好战;不审势即宽严皆误,后来治蜀要深思”,我很喜欢这句话。因为,对于每个人来说,最重要就是具有审时度势的清醒头脑。在智能技术被过度解读的当下,只有清醒地认识智能技术,才能做到“知其雄,守其雌”,才能更好地把握时代的方向,掌握自己的命运。
古人云:苟日新,日日新,又日新。又云:周虽旧邦,其命惟新。其实自古至今,人类社会就没有停止过革新的步伐,智能社会的来临,也只是社会进步的一个台阶,最多是一个跨度比较大的台阶。要想有效地应对即将来临的变化,我们首先要解放思想,放下惧怕变化的包袱,然后不盲从,不迷信,在科学方法论的引导下,努力学习并掌握智能社会必备的基础知识。同时应具备“知行合一”的精神,不要纸上谈兵,而要做到身体力行。
本书中会介绍“云- 物- 大- 智”(云计算- 物联网- 大数据- 人工智能)发展次第论,并说明每一个步骤都已经或多或少进入了我们的日常生活。在附录中,我还为读者设计了一套自己动手实操的DIY 教程,并放在GitHub 开源网站中,让大家有机会自己动手,亲身体验“云- 物- 大- 智”每一步环节,为迎接智能社会提前做好实际应用的准备。
在智能社会来临的前夜,我所思、所想的就是这些,和读者分享这些观点,是希望更多人能意识到智能社会已在眼前,当我们准备迈入新时代的时候,为你展开的是一幅美好画卷,还是一片惨淡未来,答案不必外寻,它就在我们每个人自己手中。
接下来介绍一下本书的使用方法。本书共分为五章,其中第一章“巨变的时代”开宗明义,介绍时代的特点和科技革命的历程,希望帮助读者理解科技发展的基本规律。
第二章“科学技术是第一生产力”则从哲学高度进一步分析为什么创新本就是社会发展的常态以及数字化的本质,从而解释清楚数字化转型(Digital Transformation) 的威力与挑战和思想僵化在中国近代史产生的严重后果。
第三章“正在到来的智能社会”开始以实际案例解释实现社会智能化的“云- 物- 大- 智”次第步骤,以及为什么只有充分依照事物发展的客观规律才能够一步一步地真正实现为人类带来福祉的智能社会。由于人工智能的复杂性,我在这一章里试图采取浅显易懂的比喻和要点总结方式,帮助读者在有限的时间里,尽快地理解人工智能的发展次第和要点。
第四章“做一个合格的地球人”则以通识/ 博雅教育作为出发点,强调无论是在什么时代,社会的进步和人类的发展都源于思想的开放和正确的方法,接着尝试与读者共同探讨人与机器相生相克的关系,以及人类作为一种具有主观能动性的生物在人- 机关系中所应起到的不可或缺的“人”的作用。
第五章“科学家的情怀”是个有趣的章节,这其实是基于我的演讲和培训反馈专门为读者准备的。这一章试图打破大众对科学从业人员的误解,从另一个角度解释为什么科学与哲学和艺术其实是一体两面的共同体,进一步鼓励读者能够将自己培养成为“文武双全”、知识体系发展全面的科技达人。
本书的特点还体现在最后两个附录中,前面提到,我的学习方法极其重视“知行合一”的手段。我坚信理论与实践相结合的学习技巧和艺术。尤其在这个科技高速增长的年代,新兴技术层出不穷,如果读者们仅停留在表面的书本知识,很难真正理解新技术的特点及实效,因此很难在没有参考项目结果的情况下做出正确判断。因此我在附录一中设计了一个涵盖计算机工程、电子工程和机械工程的智能设备实际制作方案,希望大家能够借助这个项目的实施更好的地理解“云- 物- 大- 智”的次第方法和效果。启动三个工程的源代码和项目说明都可在本书的GitHub 项目网站(网址:ecowisdom.weiqing.io)中找到。
最后,让我以我非常尊重的微软全球负责科研与人工智能技术开发的执行总裁沈向洋博士为一本书写的致辞作为附录二的注解。这本书是介绍演讲技巧的国际畅销书《说服》(Presenting To Win)的中文版,由科学出版社于2005 年在国内出版,《说服》介绍的是全球顶尖企业的商务沟通之道,极其经典,作者杰瑞·威斯曼(Jerry Weissman) 是一名难得的既有演讲理论知识,又有大量演讲实际经验的商业演讲大师,是当时世界排名第一的商务演讲教练。在此书的扉页上,时任微软亚洲研究院院长的沈向洋博士就写下了“70 年代,要么发表,要么毁灭;80 年代,要么演示,要么消亡;90 年代,要么拉关系,要么失败;新的世纪,要么演讲,要么投降”的箴言。这是每一个立志在当下的科技社会有所成就的读者都应熟练掌握的一门基本功。既然是基本功,没有扎实的功底是不行的。本书中文版已绝版,读者若有兴趣可以找一找二手书商或英文版。为了达到给读者的借鉴意义,我把我的技术培训教材附于书后,并加上每一页讲解的内容纪要和演讲技巧供读者参考。我希望读者一方面能够参考本书成稿所借助的原始培训资料,同时如果时间有限,也可通过阅读附录二得到本书知识体系的快捷印象。世界正在改变,科技正在发展,历史无数次告诫我们,与时俱进是我们唯一的选择,这本书想要告诉你的就是这些!能有这次机会向读者表达以上种种,是我的荣幸,同时也是我们大家的机会。我希望每一个和这本书“相遇”的读者,都能行动起来,主动把握时代赋予我们的使命与机遇!
-
深度学习与图像识别:原理与实践
这是一部从技术原理、算法和工程实践3个维度系统讲解图像识别的著作,由阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写。
在知识点的选择上,本书广度和深度兼顾,既能让完全没有基础的读者迅速入门,又能让有基础的读者深入掌握图像识别的核心技术;在写作方式上,本书避开了复杂的数学公式及其推导,从问题的前因后果 、创造者的思考过程,利用简单的数学计算来做模型分析和讲解,通俗易懂。更重要的是,本书不仅仅是聚焦于技术,而是将重点放在了如何用技术解决实际的业务问题。
全书一共13章:
第1-2章主要介绍了图像识别的应用场景、工具和工作环境的搭建;
第3-6章详细讲解了图像分类算法、机器学习、神经网络、误差反向传播等图像识别的基础技术及其原理;
第7章讲解了如何利用PyTorch来实现神经网络的图像分类,专注于实操,是从基础向高阶的过渡;
第8-12章深入讲解了图像识别的核心技术及其原理,包括卷积神经网络、目标检测、分割、产生式模型、神经网络可视化等主题;
第13章从工程实践的角度讲解了图像识别算法的部署模式。
购买本书的读者请在http://www.hzcourse.com/web/refbook/detail/8376/226
下载源代码
-
机器人时代
未来的工作会是什么样的?还有多少工作机会是属于你的?你可能会想象或希望这一场机器人工业革命将像上次那样展开:即使一些工作被淘汰,但会有更多的工作被创造出来以满足新时代新的创新。在《机器人时代》中,硅谷企业家马丁·福特认为,你的想法完全错了,因为情况绝非如此。 随着技术发展的不断加快和机器自动化的发展,对人的需求将会减少。人工智能已经在大步迈进,所谓的“好工作”将会过时:很多律师助理、记者、上班族,甚至电脑程序员将被机器人和智能软件取代。随着技术的进一步发展,蓝领和白领工作都将蒸发,使工薪家庭和中产阶级家庭受到进一步挤压。同时,人们的家庭还要经受生活成本上涨的冲击,尤其是教育成本和医疗保健成本的上涨。 全球自动化趋势正加速到来,中国制造业面临的大难题将是机器智能和自动化带来的冲击。在可预见的将来,机器人行业将与大数据、移动通信等进行跨领域技术融合,基于服务创新的机器人产业体系也许很快就要到来。当下一风口来临的时候,你准备好了吗? -
模式识别
本书全面阐述了模式识别的基础理论、最新方法以及各种应用。模式识别是信息科学和人工智能的重要组成部分,主要应用领域有图像分析、光学字符识别、信道均衡、语言识别和音频分类等。本书在完美地结合当前的理论与实践的基础上,讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、上下文相关分类、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比,增加了大数据集和高维数据相关的最新算法,这些算法适用于Web挖掘和生物信息等应用;提供了最新的分类器和鲁棒回归的核方法;分类器组合技术,包括Boosting方法。新增一些热点问题,如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习,用MATLAB求解问题,给出一些例题的多种求解方法;且支持网站上提供有习题解答,以便于读者增加实际经验。 本书可作为高等院校自动化、计算机、电子和通信等专业研究生和高年级本科生的教材,也可作为计算机信息处理、自动控制等相关领域的工程技术人员的参考用书。