大話機器智能：一書看透AI的底層運行邏輯

徐晟，某商業銀行IT技術主管，畢業於上海交通大學，從事IT技術領域工作十餘年，對科技發展、人工智能有自己獨到的見解，專注於智能運維（AIOps）、數據可視化、容量管理等方面工作。

前言
第1章 世界充滿不確定性 / 1
1.1 解題最重要的是思路 / 2
1.1.1 加百子的答案 / 2
1.1.2 人工智能的破題思路 / 2
1.1.3 統計思維的誕生 / 3
1.2 隨機世界 / 6
1.2.1 猜測上帝的遊戲 / 6
1.2.2 科學研究與模型 / 7
1.2.3 隨機性與隨機過程 / 8
1.2.4 正態分佈是什麼 / 9
1.2.5 隨機不是均勻 / 10
1.3 概率的威力 / 11
1.3.1 試驗能得出什麼規律 / 12
1.3.2 如何合理分配賭金 / 12
1.3.3 概率與異常值 / 13
1.3.4 用概率擊敗莊家 / 14
1.4 直覺和錯覺 / 15
1.4.1 猜拳是不是碰運氣 / 15
1.4.2 同一天生日的概率是多少 / 16
1.4.3 蒙提霍爾的三門問題 / 17
1.5 生活中的大數定律 / 19
1.5.1 大數定律的概念和意義 / 19
1.5.2 蒙特卡洛方法 / 20
1.6 如何驗證假設 / 20
1.6.1 女士品茶 / 21
1.6.2 停時理論 / 24
1.7 經驗和實踐如何共存 / 25
1.7.1 什麼是貝葉斯定理 / 26
1.7.2 樸素貝葉斯有多“樸素” / 29
1.7.3 每個人都懂貝葉斯 / 31
1.8 結語 / 32
第2章 數據代表真相嗎 / 34
2.1 小心數據的陷阱 / 34
2.2 數據收集的偏差 / 35
2.2.1 倖存者偏差 / 35
2.2.2 選擇性偏差 / 36
2.3 數據處理的悖論 / 38
2.3.1 被平均的工資 / 38
2.3.2 辛普森悖論 / 40
2.4 數據呈現的誤導 / 42
2.4.1 未披露的數據 / 42
2.4.2 會欺騙的視覺設計 / 43
2.5 如何正確解讀數據 / 47
2.5.1 相關性不等於因果性 / 47
2.5.2 被選數據的騙局 / 50
2.5.3 數據表達的局限 / 51
2.5.4 精準預測的挑戰 / 52
2.6 結語 / 54
第3章 如何獲得有用信息 / 55
3.1 數據、信息、知識 / 55
3.1.1 數據是一組有意義的符號 / 56
3.1.2 信息是用來消除不確定性的 / 56
3.1.3 知識是對信息的總結和提煉 / 57
3.2 用信息丈量世界 / 60
3.2.1 香農與信息論 / 60
3.2.2 一條信息的價值 / 62
3.2.3 重複的信息沒有價值 / 64
3.2.4 信息的熵 / 65
3.3 信息是如何交換的 / 66
3.3.1 互聯網與信息交換 / 67
3.3.2 哈夫曼和有效編碼 / 68
3.3.3 信息不對稱與囚徒困境 / 71
3.4 信息的加密與解密 / 74
3.4.1 語言是一套密碼系統 / 74
3.4.2 牆邊盛開的花朵 / 75
3.4.3 可以被公開的密鑰 / 76
3.5 信息裡的噪聲 / 79
3.5.1 信息越多結果就越準確嗎 / 79
3.5.2 人工智能如何處理噪聲 / 80
3.5.3 模型的泛化能力 / 82
3.5.4 欠擬合和過擬合 / 82
3.6 結語 / 84
第4章 大數據處理與挖掘 / 85
4.1 大數據概述 / 86
4.1.1 數據是描繪世界的新方式 / 86
4.1.2 大數據到底有多大 / 87
4.2 數據處理的流程和方法 / 88
4.2.1 數據收集 / 89
4.2.2 數據加工 / 90
4.2.3 數據分析 / 94
4.2.4 數據可視化 / 100
4.3 大數據改變了什麼 / 103
4.3.1 經驗與數據 / 103
4.3.2 時間與空間 / 105
4.3.3 記憶與理解 / 106
4.4 結語 / 107
第5章 機器是如何學習的 / 108
5.1 機器學習是什麼 / 108
5.1.1 歸納與推演 / 109
5.1.2 定規則和學規則 / 110
5.1.3 算法的含義 / 112
5.2 機器學習算法 / 113
5.2.1 常見的學習方法 / 114
5.2.2 回歸 / 116
5.2.3 分類 / 118
5.2.4 聚類 / 126
5.2.5 降維 / 130
5.2.6 時間序列 / 132
5.3 沒有完美的算法 / 134
5.4 結語 / 135
第6章 模擬大腦的神經網絡 / 137
6.1 不斷演進的人工智能 / 138
6.1.1 從淺層學習到深度學習 / 139
6.1.2 萌芽、復甦、增長和爆發 / 141
6.2 機器會不會思考 / 144
6.3 深度學習算法 / 146
6.3.1 人工神經網絡：模擬人腦的思考 / 146
6.3.2 卷積神經網絡：讓計算機“看”到世界 / 152
6.3.3 循環神經網絡：如何模擬記憶功能 / 157
6.3.4 強化學習：黑森林蛋糕的秘密 / 161
6.4 場景是算法的綜合應用 / 166
6.4.1 計算機如何下圍棋 / 166
6.4.2 計算機如何打遊戲 / 168
6.4.3 計算機如何與人對話 / 170
6.5 結語 / 177
第7章 海量運算背後的技術 / 178
7.1 不斷提升的計算能力 / 178
7.1.1 計算的演進 / 179
7.1.2 今非昔比的算力 / 183
7.1.3 計算機芯片 / 184
7.2 如何完成協作計算 / 187
7.2.1 舉足輕重的三篇論文 / 187
7.2.2 不可兼得的CAP定理 / 189
7.2.3 故障是不可避免的 / 191
7.3 無處不在的計算資源 / 193
7.3.1 第一階段：數據大集中 / 193
7.3.2 第二階段：資源雲化 / 196
7.4 軟件代碼共享的好處 / 200
7.4.1 網絡協議該不該公開 / 200
7.4.2 如何進行大規模協作 / 201
7.4.3 開源就是免費嗎 / 202
7.5 結語 / 203
第8章 人工智能下的隱私與安全 / 204
8.1 大數據與隱私計算 / 204
8.1.1 大數據“殺熟”是怎麼回事 / 205
8.1.2 大數據下的隱私計算 / 206
8.2 人工智能與算法安全 / 211
8.2.1 對抗樣本的博弈 / 211
8.2.2 數據投毒和模型安全 / 215
8.2.3 眼見不一定為實 / 216
8.2.4 設備互聯與智能汽車 / 216
8.2.5 網絡安全攻擊 / 218
8.3 如何構建防禦體系 / 221
8.3.1 紅藍對抗 / 221
8.3.2 安全是平衡問題 / 222
8.3.3 人是安全的一部分 / 223
8.4 結語 / 224
第9章 未來會變成什麼樣子 / 225
9.1 可預見的未來 / 225
9.1.1 一個充滿想像的未來 / 225
9.1.2 人工智能會不會搶走人類的工作 / 226
9.1.3 人機合作是新常態 / 227
9.1.4 人機關係在重構 / 228
9.1.5 變閒了還是變忙了 / 231
9.1.6 會生長的技術樹 / 233
9.2 不可預知的未來 / 234
9.2.1 人類和計算機的區別 / 235
9.2.2 人工智能之不能 / 238
9.2.3 機器人會統治人類嗎 / 240
9.2.4 人工智能電車難題 / 242
9.2.5 通用人工智能會出現嗎 / 243
9.2.6 關於未來的預測 / 245
9.3 結語 / 246