本网站不提供下载链接，喜欢看书的朋友请关注公众号：【lennylee的碎碎念】(lennyleede)，首页回复：授人以渔，自动获取搜索资源的方法。
内容简介:
豆瓣
扫码直接下载
<![CDATA[
{{= title}}
{{if year}}
{{= year}}
{{/if}}
{{if type == “b”}}
{{= author_name}}
{{else type == “a” }}
{{if en_name}}
{{= en_name}}
{{/if}}
{{/if}}
]]>
智慧的疆界：从图灵机到人工智能 第2版 周志明
作者:
周志明
出版社:
机械工业出版社
副标题: 第2版
出版年: 2025-5
页数: 452
ISBN: 9787111778004
豆瓣评分
8.7
5星
4星
3星
2星
1星
评价:
作者简介
· · · · · ·
周志明，Java技术、机器学习和企业级开发技术专家，现任远光软件研究院院长，人工智能博士在读，著有畅销书本书。
开源技术的积极倡导者和推动者，对计算机科学和相关的多个领域都有深刻的见解，尤其是人工智能、Java技术和敏捷开发等领域。曾受邀在InfoQ和IBMDeveloperWorks等网站撰写技术专栏。
著作颇丰，著有《深入理解Java虚拟机》《深入理解OSGi》，翻译了《Java虚拟机规范》等著作。其中《深入理解Java虚拟机》第1版出版于2011年，已经出至第2版，累计印刷超过30次，不仅销量好，而且口碑更好，是中文计算机图书领域公认的、难得一见的佳作。
目录
· · · · · ·
目录
前言
第一部分 以智慧创造智慧
第1章 洪荒年代 2
1.1 概述 2
1.2 引言：信息革命 3
· · · · · ·
(更多)
目录
前言
第一部分 以智慧创造智慧
第1章 洪荒年代 2
1.1 概述 2
1.2 引言：信息革命 3
1.3 图灵机：计算的基石 5
1.4 人工智能的萌芽 11
1.5 图灵测试：何谓智能 13
1.6 智能与人类的界限 16
1.7 机器能思考吗 18
1.8 机器拟人心 22
1.9 机器拟人脑 24
1.10 机器拟人身 28
1.11 本章小结 29
第2章 迈向人工智能 30
2.1 概述 30
2.2 引言：不经意间改变世界 31
2.3 达特茅斯会议 34
2.4 有学术就有江湖 41
2.5 有江湖就有传奇 47
2.6 人工智能早期成果 53
2.6.1 完全信息的对抗 54
2.6.2 模式识别 57
2.6.3 自然语言处理 59
2.7 本章小结 62
第二部分 学派争鸣
第3章 符号主义学派 66
3.1 概述 66
3.2 引言：五分钟逻辑学 67
3.3 描述已知，推理未知 72
3.3.1 常识编程 77
3.3.2 物理符号系统 82
3.4 知识！知识！知识！ 86
3.4.1 知识表示 87
3.4.2 知识工程 91
3.4.3 知识系统 93
3.5 从演绎到归纳 96
3.6 符号主义的现状和未来 101
3.7 本章小结 103
第4章 连接主义学派 104
4.1 概述 104
4.2 引言：命运 105
4.3 大脑模型 107
4.4 崛起的明星 113
4.5 陨落的流星 116
4.6 感知机 120
4.7 凛冬将至 127
4.8 人工智能的繁荣与寒冬 135
4.9 本章小结 139
第5章 行为主义学派 140
5.1 概述 140
5.2 引言：昔日神童 141
5.3 自动机对抗自动机 143
5.4 从控制论说起 147
5.5 机械因果观和行为主义 150
5.6 自复制机和进化主义 154
5.7 机器人学 158
5.8 本章小结 167
第三部分 第三波高潮
第6章 机器学习概览 170
6.1 概述 170
6.2 什么是机器学习 172
6.3 机器学习的意义 175
6.4 机器学习的分类 177
6.5 机器学习解决的问题 179
6.6 进行机器学习：实战模型训练 183
6.6.1 机器学习的一般过程 184
6.6.2 样本和样本空间 186
6.6.3 任务类型 188
6.6.4 数据预处理 190
6.6.5 损失函数 195
6.6.6 模型选择 201
6.6.7 泛化、误差及拟合 205
6.6.8 正则化 210
6.6.9 优化算法 219
6.6.10 终极算法 226
6.7 评估验证 228
6.7.1 性能度量 228
6.7.2 交叉验证 233
6.8 本章小结 236
第7章 深度学习时代 238
7.1 概述 238
7.2 引言：教父 239
7.3 逆反之心 241
7.4 复兴之路 243
7.4.1 生存危机 243
7.4.2 从感知机到神经网络 246
7.4.3 误差反向传播算法 250
7.5 深度学习 256
7.5.1 这是什么 258
7.5.2 从浅层学习到深度学习 262
7.5.3 序幕开启 264
7.5.4 锋芒毕露 273
7.5.5 越深度越强大吗 275
7.5.6 越深度越困难吗 277
7.6 深度神经网络 283
7.6.1 卷积神经网络 292
7.6.2 循环神经网络 294
7.7 从实验室到企业 297
7.8 挑战与反思 305
7.9 本章小结 310
第8章 从学习到创造 312
8.1 概述 312
8.2 引言：“技术宅”改变世界 313
8.3 生成式对抗网络 315
8.4 学者与荣耀 320
8.5 语言奇点 324
8.5.1 序列到序列模型 324
8.5.2 注意力机制与Transformer架构 329
8.6 OpenAI与GPT模型 332
8.7 现实与理想 342
8.8 本章小结 349
第四部分 人机共生
第9章 与机器共生 352
9.1 概述 352
9.2 引言：“白痴”与“天才” 354
9.3 与机器竞技 356
9.3.1 信息识别 356
9.3.2 信息理解 361
9.3.3 信息决策 366
9.3.4 艺术创作 370
9.3.5 自动驾驶 375
9.3.6 游戏竞技 380
9.4 与机器共舞 385
9.4.1 人工智能的威胁 385
9.4.2 人工智能的机遇 390
9.5 本章小结 393
附录 人工智能历史大事记 394
· · · · · · (收起)
原文摘录
· · · · · ·
( 全部 )
-
辛顿确实曾经表示误差反向传播并不是自然界生物大脑中存在的训练机制，也不相信人类大脑是通过生物方式完成求导，通过梯度来调节神经元权重和激活阈值的。从辛顿的成长经历里我们就知道他对模仿人类大脑工作原理有多么的执着。目前已有许多脑科学的研究证实，大脑皮层中普遍存在一种称为“微皮层柱”（Cortical Minicolumn）的柱状结构，它像一颗胶囊一般把数百个神经元封装在一起，每个微皮层柱里的神经元都记录、处理相同特征的同一种信号。由此看来，人类大脑并不是像经典神经网络一样由神经元直接连接的简单分层结构，而是具有更高的内部复杂性；先由神经元组成“微皮层柱”，再由“微皮层”柱组成“皮层柱”（Cortical Column），由小到大逐步复杂化。 (查看原文)
圆圆
2024-01-13 13:59:26—— 引自章节：第7章 深度学习时代 / 244
-
这个发现不仅令休伯尔和威泽尔分享了1981年的诺贝尔医学奖，还激发了人们对于神经系统的进一步思考：信息从“视觉细胞”到“中枢神经”再到“大脑”的流动过程，或许是一个分层迭代、逐级抽象的过程。这里的关键词有两个，一个是“抽象”，一个是“迭代”，从原始信号输人开始，先做低级的抽象，逐渐向高级抽象迭代。人类自己可以感知的逻辑思维层面，总是使用高度抽象的概念，可是人类的感知器官，接触的都是低级的具体的事物，通俗一点来说，我们的视网膜感知到的是像素的颜色、亮度等信息，但我们大脑中思考的是具体的物体和对象。假如我看见一位朋友，要判断出他是一名熟悉的人的话，很可能的神经活动是如上图所示这样的。
●从原始信号被摄入开始一瞳孔摄入像素。
●接着做初步处理一大脑皮层某些细胞发现边缘和方向。
●然后抽象一大脑判定，眼前的物体的形状，是人形的，有基本的五官特征。
●最后进一步抽象一大脑进一步判定该物体是一幅人脸，确定具体是哪一位朋友。
在50年代的这个神经生理学的发现，促成了计算机人工智能在半个世纪后（2006年）的突破性进展。现代科学已经基本确定了人的视觉系统的信息处理的确是分级的，从最低级像素提取边缘特征，再到稍高层次的形状或者目标的部分等，再到更高层的整体目标，以及目标的行为和其他特征的联想等。换句话说，高层的特征是低层特征的组合提炼，从低层到高层的特征表示越来越抽象，越来越能表现出认知的意图。抽象层面越高，存在的可能猜测就越少，就越利于分类。其实不仅仅是图像的模式识别，人类大部分的认知都很符合这样的规律，譬如语言，单词集合和句子的对应是多对一的，句子和语义的对应又是多对一的，语义和意图的对应还是多对一的，这也是一个层级体系。敏感的读者也许已经猜想到人类认知过程与深度学习之间可能出现的共通点了，即“分层迭代、逐级抽象”。
在深度学习之前的统计学习方法，包括浅层的神… (查看原文)
圆圆
2024-01-13 13:59:26—— 引自章节：第7章 深度学习时代 / 244
> 全部原文摘录
喜欢读”智慧的疆界：从图灵机到人工智能 第2版 周志明”的人也喜欢的电子书
· · · · · ·
支持 Web、iPhone、iPad、Android 阅读器
-
-
40.60元
-
-
55.30元
-
-
55.30元
-
-
56.96元
-
-
59.50元
喜欢读”智慧的疆界：从图灵机到人工智能 第2版 周志明”的人也喜欢
· · · · · ·
-
-
解构大语言模型
9.4
-
-
从零构建大模型
9.3
-
-
深入浅出神经网络与深度学习
8.9
-
-
概念与类比
9.0
-
-
人人可懂的量子计算
8.7
-
-
量子计算公开课
8.2
-
-
白话机器学习的数学
8.5
-
-
理解和改变世界
8.0
-
-
深度学习入门
9.5
-
-
GPT图解
8.1
短评
· · · · · ·
(
全部 9 条
)
-
2
有用
Amphetamine
2025-11-05 16:18:59
安徽
没看完，仅从装帧角度评价：少量彩印+护眼胶版纸，阅读体感好，共438页面略厚，要是能用上锁线装订工艺就更好了
-
1
有用
偷得浮生半日闲
2025-10-12 17:43:15
北京
人工智能发展史很好的入门读物
-
0
有用
Entzauberung
2025-11-08 20:47:47
上海
确实是一部值得推荐的人工智能入门科普书。书中不仅介绍了人工智能的发展简史和三大理论流派，还涵盖了相对偏技术原理的机器学习与深度学习内容，最新版本甚至增加了生成式人工智能的相关讨论。虽然面向非专业读者，但中间涉及的技术原理部分仍需一定基础才能更好理解，而若想深入学习，则仍需参考更专业的书籍或手册。总体而言，本书非常适合作为人工智能的入门与背景阅读。
-
0
有用
free_POC
2025-11-15 10:45:25
四川
这本书专业人士写的，和那些教人如何写提示词的骗钱的书不一样。
不过这个领域需要的数学知识太多，工程相关内容也复杂，看完后对于具体实现脑中又是一片空白了。只对前面哲学和单纯数理逻辑相关的内容有点概念。
手敲过简单的梯度下降算法计算线性分类和MNIST识别的代码，对相关内容稍微有点概念，再深入的就不明所以了。 -
0
有用
garkeen
2025-12-29 21:50:54
上海
很可惜，我并没看出来作者这个领域的能力，反而是什么火热写什么
我要写书评
智慧的疆界：从图灵机到人工智能 第2版 周志明的书评 · · · · · ·
( 全部 24 条 )
<![CDATA[
var cur_sort = '';
$('#reviews-wrapper .review_filter a').on('click', function () {
var sort = $(this).data('sort');
if(sort === cur_sort) return;
if(sort === 'follow' && true){
window.location.href = '//www.douban.com/accounts/login?source=movie';
return;
}
if($('#reviews-wrapper .review_filter').data('doing')) return;
$('#reviews-wrapper .review_filter').data('doing', true);
cur_sort = sort;
$('#reviews-wrapper .review_filter a').removeClass('cur');
$(this).addClass('cur');
$.getJSON('reviews', { sort: sort }, function(res) {
$('#reviews-wrapper .review-list').remove();
$('#reviews-wrapper [href="reviews?sort=follow"]').parent().remove();
$('#reviews-wrapper .review_filter').after(res.html);
$('#reviews-wrapper .review_filter').data('doing', false);
$('#reviews-wrapper .review_filter').removeData('doing');
if (res.count === 0) {
$('#reviews-wrapper .review-list').html('你关注的人还没写过长评’);
}
});
});
]]>
关于“人工智能”的一些杂想
1900年的世纪之交，伟大的数学家戴维·希尔伯特提出了新世纪数学家应当努力解决的23个数学问题。其中第2问“算术公理系统的无矛盾性”，决定了真理能否被数学化；其中第10问“是否存在任意一个丢番图方程有解的机械化运算过程”，决定了数学能否被机器化。 这两问奠定了构造智…
(展开)
非常棒的人工智能发展史介绍
作为接触过一些机器学习的内容、调过一些库的人，看起这本书来，有那么一丢丢觉得奇怪，并不那么机器学习。 以前并不知道人工智能有三大主要流派：符号主义、连接主义、行为主义。神奇的是，这仨流派我都过多或少接触过，只是并不知道这个体系是这样划分的。最近看书越发觉得缺…
(展开)
狂欢背后：AI曲折发展史
这篇书评可能有关键情节透露
早期探索阶段 本质问题： 数学问题是否都能简化为寻找对应算法解决的问题？这个问题是图灵在1935年给自己立下的艰巨挑战。 图灵机： “图灵机”这种虚拟的计算机器实际上是一种理想中的计算模型，它的基本思想是用机械操作来模拟人们用纸笔进行数学运算的过程。通俗地讲，图灵把”…
(展开)
名师高徒
人工智能简史，对于小白相当友好。没有因担心不够通俗而回避重点的观点和原理，尽量用连贯的逻辑来解释原理，用大师大事来阐述观点和实践过程。不晦涩，对小白形成全局印象，和小深度理解，很有帮助。 整体的感受，人工智能就是一群顶尖科学家贡献人类智慧，从不同路径不同观念…
(展开)
书评与感受
这篇书评可能有关键情节透露
一本人工智能的入门科普性读物，作者在开篇就指出“入门并不等于简单”，读下来的确如此。 书的前两章从人工智能的缘起讲起，从让机器更好地处理数据，为战争等情境服务，到理论上能模拟人类全部的逻辑推理与计算的图灵机，再到人工智能正式被当做一个独立学科来对待…… 伴…
(展开)
人工智能的回溯与解构
这篇书评可能有关键情节透露
在数字技术的浪潮中，周志明以技术编年史的笔触勾勒出人工智能的演进图谱。这部著作既拆解了人工智能的演进密码，又引发新的思考，在实证与推论的平衡中展现学科发展的多维面相。 开篇的科技编年叙事清晰可辨，作者以达特茅斯会议为起点，将符号主义与联结主义的百年争论置于认…
(展开)
《智慧的疆界》：人工智能的前世今生，有科技江湖，还有传奇故事
01.从图灵和图灵机说起 《智慧的疆界：从图灵机到人工智能》这本书，开篇便将我们带回到了图灵机的时代。 图灵机名字的由来，源于人工智能之父，英国数学和密码学家阿兰·图灵，他被评价为“未开一枪，却胜百万雄兵”“在二战中间接拯救了上千万人生命”的传奇学者。 图灵构造…
(展开)
学术界也有江湖
这篇书评可能有关键情节透露
作者写的非常平易易懂（历史层面，原理性的怪我笨完全看不懂ㅜㅡㅜ） 接下来我是在忍不住！太想分享我在这本书“学”到的八卦了 1.人工智能的先驱之一图灵，哪怕成就那么高，也因为耿直和恋爱脑被知道了同性恋者的身份，被当时的英国政府不容接受，判处一年的化学阉割，…
(展开)
《智慧的疆界：从图灵机到人工智能》
在我此次做人工智能主题阅读的几十本书中，这本书是比较特别的，按说书的内容题材倒没有另辟蹊径之处，主要是人工智能理论与技术研究发展史，基本都是公开信息。但这本书写的就是让人感觉很舒服，作者娓娓道来，无论是看还是听，都能令我静下心来。想了想，可能在于作者的分寸…
(展开)
人工智能简史
今年已阅难度最大的一本书，但极其畅快，这得益于作者高屋建瓴的梳理与深入浅出的引导。 在科技日益发展的今天，人工智能不再是一个遥不可及的未来概念，而是越来越多地渗透到我们的日常生活之中。 个人早期认知主要在棋类，先是国际象棋的“深蓝”；再是中国象棋的“浪潮天梭…
(展开)
>
更多书评
24篇
论坛
· · · · · ·
当前版本有售
· · · · · ·
在线试读
：
这本书的其他版本
· · · · · ·
(
全部2
)
-
9.2分 918人读过
以下书单推荐
· · · · · ·
(
全部
)
- 科学科普
(如山似火) - 后人类
(米诺娃) - 人文涵养入门/启蒙
(南 山 周 末) - IT时代的第六知觉:CS启蒙
(小隐) - 2026读书清单
(明阳春晓)
谁读这本书?
· · · · · ·
–
今天下午 想读
夏天的棉毛裤
昨天 想读
文字独奏
昨天 读过
fdkodutbzan
昨天 想读
> 7人在读
> 26人读过
> 79人想读
0 && asides.length > 0 && articles[0].offsetHeight >= asides[0].offsetHeight) {
(global.DoubanAdSlots = global.DoubanAdSlots || []).push(‘dale_book_subject_middle_right’);
}
})(this);
]]>
二手市场
· · · · · ·
· · · · · ·
-
在豆瓣转让
有79人想读，手里有一本闲着?
订阅关于智慧的疆界：从图灵机到人工智能 第2版 周志明的评论:
feed: rss 2.0
= 2000) {
(global.DoubanAdSlots = global.DoubanAdSlots || []).push(‘dale_book_subject_bottom_super_banner’);
}
})(this);
]]>
© 2005－2026 douban.com, all rights reserved 北京豆网科技有限公司
<![CDATA[
var setMethodWithNs = function(namespace) {
var ns = namespace ? namespace + '.' : ''
, fn = function(string) {
if(!ns) {return string}
return ns + string
}
return fn
}
var gaWithNamespace = function(fn, namespace) {
var method = setMethodWithNs(namespace)
fn.call(this, method)
}
var _gaq = _gaq || []
, accounts = [
{ id: 'UA-7019765-1', namespace: 'douban' }
, { id: 'UA-7019765-16', namespace: '' }
]
, gaInit = function(account) {
gaWithNamespace(function(method) {
gaInitFn.call(this, method, account)
}, account.namespace)
}
, gaInitFn = function(method, account) {
_gaq.push([method('_setAccount'), account.id])
_gaq.push([method('_addOrganic'), 'google', 'q'])
_gaq.push([method('_addOrganic'), 'baidu', 'wd'])
_gaq.push([method('_addOrganic'), 'soso', 'w'])
_gaq.push([method('_addOrganic'), 'youdao', 'q'])
_gaq.push([method('_addOrganic'), 'so.360.cn', 'q'])
_gaq.push([method('_addOrganic'), 'sogou', 'query'])
if (account.namespace) {
_gaq.push([method('_addIgnoredOrganic'), '豆瓣'])
_gaq.push([method('_addIgnoredOrganic'), 'douban'])
_gaq.push([method('_addIgnoredOrganic'), '豆瓣网'])
_gaq.push([method('_addIgnoredOrganic'), 'www.douban.com'])
}
if (account.namespace === 'douban') {
_gaq.push([method('_setDomainName'), '.douban.com'])
}
_gaq.push([method('_setCustomVar'), 1, 'responsive_view_mode', 'desktop', 3])
_gaq.push([method('_setCustomVar'), 2, 'login_status', '0', 2]);
_gaq.push([method('_trackPageview')])
}
for(var i = 0, l = accounts.length; i
作者简介:
目录
前言
第一部分 以智慧创造智慧
第1章 洪荒年代 2
1.1 概述 2
1.2 引言：信息革命 3
1.3 图灵机：计算的基石 5
1.4 人工智能的萌芽 11
1.5 图灵测试：何谓智能 13
1.6 智能与人类的界限 16
1.7 机器能思考吗 18
1.8 机器拟人心 22
1.9 机器拟人脑 24
1.10 机器拟人身 28
1.11 本章小结 29
第2章 迈向人工智能 30
2.1 概述 30
2.2 引言：不经意间改变世界 31
2.3 达特茅斯会议 34
2.4 有学术就有江湖 41
2.5 有江湖就有传奇 47
2.6 人工智能早期成果 53
2.6.1 完全信息的对抗 54
2.6.2 模式识别 57
2.6.3 自然语言处理 59
2.7 本章小结 62
第二部分 学派争鸣
第3章 符号主义学派 66
3.1 概述 66
3.2 引言：五分钟逻辑学 67
3.3 描述已知，推理未知 72
3.3.1 常识编程 77
3.3.2 物理符号系统 82
3.4 知识！知识！知识！ 86
3.4.1 知识表示 87
3.4.2 知识工程 91
3.4.3 知识系统 93
3.5 从演绎到归纳 96
3.6 符号主义的现状和未来 101
3.7 本章小结 103
第4章 连接主义学派 104
4.1 概述 104
4.2 引言：命运 105
4.3 大脑模型 107
4.4 崛起的明星 113
4.5 陨落的流星 116
4.6 感知机 120
4.7 凛冬将至 127
4.8 人工智能的繁荣与寒冬 135
4.9 本章小结 139
第5章 行为主义学派 140
5.1 概述 140
5.2 引言：昔日神童 141
5.3 自动机对抗自动机 143
5.4 从控制论说起 147
5.5 机械因果观和行为主义 150
5.6 自复制机和进化主义 154
5.7 机器人学 158
5.8 本章小结 167
第三部分 第三波高潮
第6章 机器学习概览 170
6.1 概述 170
6.2 什么是机器学习 172
6.3 机器学习的意义 175
6.4 机器学习的分类 177
6.5 机器学习解决的问题 179
6.6 进行机器学习：实战模型训练 183
6.6.1 机器学习的一般过程 184
6.6.2 样本和样本空间 186
6.6.3 任务类型 188
6.6.4 数据预处理 190
6.6.5 损失函数 195
6.6.6 模型选择 201
6.6.7 泛化、误差及拟合 205
6.6.8 正则化 210
6.6.9 优化算法 219
6.6.10 终极算法 226
6.7 评估验证 228
6.7.1 性能度量 228
6.7.2 交叉验证 233
6.8 本章小结 236
第7章 深度学习时代 238
7.1 概述 238
7.2 引言：教父 239
7.3 逆反之心 241
7.4 复兴之路 243
7.4.1 生存危机 243
7.4.2 从感知机到神经网络 246
7.4.3 误差反向传播算法 250
7.5 深度学习 256
7.5.1 这是什么 258
7.5.2 从浅层学习到深度学习 262
7.5.3 序幕开启 264
7.5.4 锋芒毕露 273
7.5.5 越深度越强大吗 275
7.5.6 越深度越困难吗 277
7.6 深度神经网络 283
7.6.1 卷积神经网络 292
7.6.2 循环神经网络 294
7.7 从实验室到企业 297
7.8 挑战与反思 305
7.9 本章小结 310
第8章 从学习到创造 312
8.1 概述 312
8.2 引言：“技术宅”改变世界 313
8.3 生成式对抗网络 315
8.4 学者与荣耀 320
8.5 语言奇点 324
8.5.1 序列到序列模型 324
8.5.2 注意力机制与Transformer架构 329
8.6 OpenAI与GPT模型 332
8.7 现实与理想 342
8.8 本章小结 349
第四部分 人机共生
第9章 与机器共生 352
9.1 概述 352
9.2 引言：“白痴”与“天才” 354
9.3 与机器竞技 356
9.3.1 信息识别 356
9.3.2 信息理解 361
9.3.3 信息决策 366
9.3.4 艺术创作 370
9.3.5 自动驾驶 375
9.3.6 游戏竞技 380
9.4 与机器共舞 385
9.4.1 人工智能的威胁 385
9.4.2 人工智能的机遇 390
9.5 本章小结 393
附录 人工智能历史大事记 394
· · · · · · (收起)
原文摘录:
辛顿确实曾经表示误差反向传播并不是自然界生物大脑中存在的训练机制，也不相信人类大脑是通过生物方式完成求导，通过梯度来调节神经元权重和激活阈值的。从辛顿的成长经历里我们就知道他对模仿人类大脑工作原理有多么的执着。目前已有许多脑科学的研究证实，大脑皮层中普遍存在一种称为“微皮层柱”（Cortical Minicolumn）的柱状结构，它像一颗胶囊一般把数百个神经元封装在一起，每个微皮层柱里的神经元都记录、处理相同特征的同一种信号。由此看来，人类大脑并不是像经典神经网络一样由神经元直接连接的简单分层结构，而是具有更高的内部复杂性；先由神经元组成“微皮层柱”，再由“微皮层”柱组成“皮层柱”（Cortical Column），由小到大逐步复杂化。 (查看原文)
圆圆
2024-01-13 13:59:26
—— 引自章节：第7章 深度学习时代 / 244
这个发现不仅令休伯尔和威泽尔分享了1981年的诺贝尔医学奖，还激发了人们对于神经系统的进一步思考：信息从“视觉细胞”到“中枢神经”再到“大脑”的流动过程，或许是一个分层迭代、逐级抽象的过程。这里的关键词有两个，一个是“抽象”，一个是“迭代”，从原始信号输人开始，先做低级的抽象，逐渐向高级抽象迭代。人类自己可以感知的逻辑思维层面，总是使用高度抽象的概念，可是人类的感知器官，接触的都是低级的具体的事物，通俗一点来说，我们的视网膜感知到的是像素的颜色、亮度等信息，但我们大脑中思考的是具体的物体和对象。假如我看见一位朋友，要判断出他是一名熟悉的人的话，很可能的神经活动是如上图所示这样的。
●从原始信号被摄入开始一瞳孔摄入像素。
●接着做初步处理一大脑皮层某些细胞发现边缘和方向。
●然后抽象一大脑判定，眼前的物体的形状，是人形的，有基本的五官特征。
●最后进一步抽象一大脑进一步判定该物体是一幅人脸，确定具体是哪一位朋友。
在50年代的这个神经生理学的发现，促成了计算机人工智能在半个世纪后（2006年）的突破性进展。现代科学已经基本确定了人的视觉系统的信息处理的确是分级的，从最低级像素提取边缘特征，再到稍高层次的形状或者目标的部分等，再到更高层的整体目标，以及目标的行为和其他特征的联想等。换句话说，高层的特征是低层特征的组合提炼，从低层到高层的特征表示越来越抽象，越来越能表现出认知的意图。抽象层面越高，存在的可能猜测就越少，就越利于分类。其实不仅仅是图像的模式识别，人类大部分的认知都很符合这样的规律，譬如语言，单词集合和句子的对应是多对一的，句子和语义的对应又是多对一的，语义和意图的对应还是多对一的，这也是一个层级体系。敏感的读者也许已经猜想到人类认知过程与深度学习之间可能出现的共通点了，即“分层迭代、逐级抽象”。
在深度学习之前的统计学习方法，包括浅层的神… (查看原文)
圆圆
2024-01-13 13:59:26
—— 引自章节：第7章 深度学习时代 / 244