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:
杨立昆的科学之路，谱写了一段关于勇气的宣言。他为了知识本身求学，而不是文凭，他用自己的经历，证明了通过激烈的考试竞争进入名校不是科学成功的窄门。他广泛阅读，为他科学思维的形成奠定了坚实的理论基础。他特立独行，做自己感兴趣的事情，即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期，他寂寞地坚持，终于取得了举世瞩目的成就。
人工智能正在颠覆人类社会，未来机器能思考吗？杨立昆的这部著作，讲述正是人工智能在我们面前崛起——这个历史上仅有的时刻发生的故事。
作者简介:
杨立昆是法国人，名字原文为Yann Le Cun，姓氏为Le Cun，因在美国常被误缩写为Y.L.Cun，于是把LeCun合写在一起。中文译名原为扬·勒丘恩，华人AI圈一直亲切地称他为“杨乐康”，他本人听闻后，干脆自己给自己取了中文名字——杨立昆。
他被誉为“卷积神经网络之父”，2019年3月，因在人工智能深度学习方面的贡献获得2018年度图灵奖。此外，他还获得了2014年IEEE神经网络先锋奖（Neural Network Pioneer Award）、2015年IEEE PAMI杰出研究奖和2016年Lovie终身成就奖。他为卷积神经网络（CNN，Convolutional Neural Networks）和图像识别领域做出了重要贡献，以手写字体识别、图像压缩和人工智能硬件等主题发表过190多份论文，研发了很多关于深度学习的项目，并且拥有14项相关的美国专利。研究领域包括人工智能、机器学习、机器感知、移动机器人学和计算神经学。
中文版自序 科研的魅力
前言 我的科学之路
第一章 人工智能呼啸而来
1 人工智能无处不在
2 人工智能艺术家
3 索菲亚：类人生物还是虚张声势
4 飞速迭代的人工智能
5 让机器学会学习
6 技术混搭
7 我们应该如何定义人工智能
8 人工智能的未来
9 算法的广阔天空
第二章 人工智能和我的学术生涯
1 永恒的追求：让机器拥有智能
2 传统智能难以复制
3 人类与人工智能的“战争”
4 神经流派的崛起
5 遭遇寒冬
6 狂热的疯子
7 被兴趣激发的人
8 卓有成效的阅读
9 我的偶像
10 “你认识一个叫杨立昆的人吗？”
11 梯度反向传播的运用
12 神圣之地
13 贝尔实验室的岁月
14 职业与信念
15 深度学习的阴谋
16 卷积网络的春天
第三章 机器的初级训练
1 从海兔得到的启发
2 监督学习
3 随机近似
4 数学家的题外话
5 伽利略和比萨斜塔
6 图像识别
7 感知器的创新
8 25像素的网格
9 区分字母C和D
10 泛化原理
11 感知器的局限性
12 特征提取器
第四章 机器学习的方法
1 成本函数
2 找到谷底
3 实践中的梯度下降
4 随机梯度
5 多个谷底的困扰
6 机器学习的原理
7 模型的选择
8 奶牛和三名科学家
9 奥卡姆剃刀原理
10 机器训练方案
11 最佳折中方案
12 人类的教训
第五章 完成更复杂的任务
1 贡献度分配
2 连续神经元
3 我的分层学习机
4 赛跑
5 数学的美妙之处
6 多层结构的益处
7 打破异议
8 多层网络的魅力
第六章 人工智能的支柱
1 2012年的重磅炸弹
2 视觉系统的信息处理
3 有远见的东京科学家
4 科学界方法之争
5 卷积网络全貌
第七章 深度学习的应用
1 图像辨识
2 内容嵌入和相似度测量
3 语音识别
4 语音克隆
5 语言的理解和翻译
6 智能预测
7 人工智能与科学
8 自动驾驶汽车
9 大型应用程序的架构：虚拟助手
10 医学影像与医学
11 从传统搜索算法到强化学习
第八章 我在脸书的岁月
1 与脸书结缘
2 脸书的人工智能研究实验室
3 科学的突破与产品的开发
4 用技术实现信息过滤
5 技术、平台与媒体
6 对带标签数据的渴求
7 图灵奖与我的新身份
第九章 前景与挑战
1 探究智能和学习的基础
2 机器学习的局限性
3 强化学习的局限性
4 有待开发的学习新范式
5 有限的预测能力
6 人是如何学习的
7 如何训练预测系统
8 多重预测和潜在变量
9 赋予机器预测能力
10 系统智能接近人类智能任重而道远
11 集成电路创新的爆炸式增长
12 人工智能的未来
第十章 隐忧与未来
1 人工智能将改变社会和经济
2 人工智能创新的生态系统
3 谁将从革命中受益
4 军事失控的风险
5 危险警报：人工智能的滥用
6 如何解释人工智能
7 理解人类智能
8 大脑只是一部机器吗
9 所有模型都是错的
10 担忧的声音
11 人工智能并不万能
12 大脑的学习机制
13 机器能否产生意识
14 语言在思维中的作用
15 机器会有情感吗
16 机器人想要获得权力吗
17 价值观的统一
18 新的疆界
19 智力科学
结语
术语表
致谢
· · · · · · (收起)
原文摘录:
根据我的经验，这样的一个机构必须遵守某些规则才能保持良好运作：如果我们想要收获研究成果，就必须给予科学家思考的自由，而不是强迫他们在短期内产出应用产品；需要向他们保证实验室结构的可持续性和声誉，以便他们可以在此全心投入和研究；此外还应该鼓励他们发表文章。而且我也有自己的研究准则：研究必须是开放的，软件也必须开放源代码，并允许他人使用，包括允许他人将之用于产品和服务中。 (查看原文)
适兕
2赞
2023-04-25 09:13:49
—— 引自章节：第八章 我在脸书的岁月
在一辆火车上有一名工程师、一名物理学家和一名数学家。火车经过一片田地时，他们看到一位农民身后有5头黑牛正在一个跟着一个地往前走。于是工程师说：“看，这个国家的牛是黑的！”物理学家说：“不！这个国家至少有5头黑牛是黑的！”
数学家说：“你们错了，这个国家至少有5头牛的身体右侧是黑色的。”从给定的信息来看，他们所说的都是正确的。但是，数学家只是描述了观察到的结果，没有对该国其他的牛做出任何预侧，也没有做任何推断。工程师则有点急于泛化，仅仅基于一个观察的简单规则就推断其他牛的颜色。至于物理学家，他根据自己的经验做出了一个假设：“牛身体两侧的颜色通常是相同的。”但他没有推断其他牛的颜色。
这则故事说明了几个问题。首先，就像这位物理学家一样，使用先验知识做出预测是必要的。其次，一定存在几个可以解释数据的基础模型。好模型与差模型之间的差距并不在于解释所观察事物的能力，而在于预测的能力。在这则故事中，数学家更依赖对观察得到的数据进行泛化，而不是依赖先验知识，但是很可能存在某些牛无法满足他的模型。 (查看原文)
140
1赞
2023-01-30 17:18:21
—— 引自章节：第四章 机器学习的方法