爐邊夜話(深入淺出話AI)

汪建，目前就職於某省電信公司AI中心，負責AI研發及研發管理相關工作。超十年AI一線研發經驗，致力於研發各種AI能力並賦能到業務系統中。擅長算法、NLP、CV、架構、大數據等領域技術。平時喜歡看書、運動、寫作、繪畫。崇尚技術自由，崇尚思想自由。

推薦序
前言
第1章 生命與智能
1.1 生命的起源
1.2 人類智能的出現
1.3 人腦的結構
第2章 人工智能學科
2.1 何為智能
2.2 何為人工智能
2.3 弱/強人工智能
2.4 人工智能發展史
2.5 三大學派
第3章 圖靈機與計算機
3.1 圖靈機
3.2 計算機
第4章 現實世界的模型
4.1 概念、理論與模型
4.2 數學模型理論
4.3 對現實世界建模
4.4 模型與算法
第5章 不確定世界的模型
5.1 覆雜的世界
5.2 不確定性是常態
5.3 以概率描述隨機
5.4 概率思維
5.5 貝葉斯定理
5.6 概率分布
第6章 如何尋找覆雜模型的最優解
6.1 什麽是最優解
6.2 人工智能與最優化
6.3 最優化建模流程
6.4 模型三要素
6.5 無約束的最優化
6.6 有約束的最優化
第7章 向量與矩陣抽象萬物
7.1 現實世界的數字化
7.2 空間與向量
7.3 向量抽象萬物
7.4 矩陣與張量
第8章 機器學習
8.1 機器學習是什麽
8.2 機器學習與人工智能
8.3 機器學習的本質
第9章 機器學習如何辨別事物
9.1 二分類與多分類
9.2 分類的實現方式
9.3 機器學習分類算法
第10章 機器學習如何捕捉關系
10.1 自然規律的發現
10.2 機器學習中的變量關系
10.3 回歸的原理
10.4 欠擬合與過擬合
10.5 常用的回歸算法
第11章 機器學習如何無師自通
11.1 無監督學習
11.2 無監督學習類型
11.3 聚類
11.4 降維
11.5 關聯規則
11.6 異常檢測
11.7 監督學習與無監督學習
第12章 機器學習如何自己學會玩遊戲
12.1 人類與環境的交互
12.2 強化學習路享
12.3 馬爾可夫決策過程
12.4 Q學習訓練過程
12.5 Q學習玩遊戲例子
第13章 神經網絡及其學習機制
13.1 模擬大腦
13.2 感知機模型
13.3 引入梯度下降
13.4 多層感知機
13.5 神經網絡的訓練
13.6 激活函數
第14章 深度學習“大力出奇跡”
14.1 什麽是深度學習
14.2 自動特征提取
14.3 卷積神經網絡
14.4 循環神經網絡
14.5 變換器神經網絡
第15章 機器如何理解人類的語言
15.1 人類語言覆雜性
15.2 語言如何建模
15.3 詞向量
15.4 讓機器具有理解能力
15.5 自然語言處理
15.6 NLP為什麽難
第16章 機器如何看見世界
16.1 計算機視覺
16.2 一切皆像素
16.3 學習識別圖像
16.4 缺乏概念與知識
第17章 ChatGPT是如何工作的
17.1 ChatGPT介紹
17.2 大語言模型
17.3 語言模型的發展
17.4 大語言模型的使用
17.5 湧現能力
17.6 核心網絡架構
17.7 大語言模型的“大”
17.8 海量語料庫
17.9 “單字接龍”遊戲
17.10 預訓練+微調
17.11 人類反饋強化學習
17.12 從GPT-1到GPT-4
第18章 如何讓機器成為繪畫師
18.1 自動編碼器
18.2 變分自動編碼器
18.3 生成對抗網絡
18.4 擴散模型
18.5 語言圖像關系模型
18.6 穩定擴散模型