買這商品的人也買了...
-
大話重構$390$332 -
這輩子你一定要懂的法律常識：50大案例教你自保絕招、看穿法律陷阱、不再吃悶虧$320$272 -
$301推薦系統 (Recommender Systems: An Introduction) -
Data Science from Scratch｜用 Python 學資料科學 (中文版)(Data Science from Scratch: First Principles with Python)$580$458 -
誰說我不會畫 LINE 貼圖？ 主題設計 + 繪圖 + 上架的達人養成書$400$312 -
$352大話代碼架構 (項目實戰版) -
WEB 設計職人必修 UX Design 初學者學習手冊$420$357 -
$408強化學習精要：核心算法與 TensorFlow 實現 -
優雅的 SciPy｜Python 科學研究的美學 (Elegant SciPy: The Art of Scientific Python)$580$458 -
最新人工智慧應用：用強化學習快速上手 AI$580$493 -
$374Python 深度學習實戰：75個有關神經網絡建模、強化學習與遷移學習的解決方案 (Python Deep Learning Cookbook: Over 75 practical recipes on neural network modeling, reinforcement learning, and transfer learning using Python) -
圖解 AI 人工智慧大未來：關於人工智慧一定要懂得 96 件事$380$323 -
$352游戲架構：核心技術與面試精粹 -
人工智慧高手書：深度學習之識別及最佳化$780$663 -
$143翻轉課堂與深度學習:人工智能時代,以學生為中心的智慧教學 -
Python 機器學習, 2/e (Python Machine Learning, 2/e)$690$538 -
$261游戲妖怪十日談 -
$709推薦系統：技術、評估及高效算法, 2/e (Recommender Systems Handbook, 2/e) -
機器學習｜工作現場的評估、導入與實作$580$458 -
Python 網路爬蟲與資料分析入門實戰$450$351 -
網站擷取｜使用 Python, 2/e (Web Scraping with Python: Collecting More Data from the Modern Web, 2/e)$580$458 -
類神經網路實戰：使用 Python (Make Your Own Neural Network)$420$328 -
PyTorch 深度學習與自然語言中文處理$420$328 -
Python 技術者們 - 實踐！ 帶你一步一腳印由初學到精通$650$553 -
演算法：最強彩色圖鑑 + Python程式實作 -- 王者歸來 (全彩印刷)$680$537
相關主題
商品描述
NHK、全球財經衛星、朝日新聞爭相邀請
日本AI情感研究第一人
亞馬遜網友熱烈贊同，讀懂AI的第一本書
人工智慧來了！
AlphaGo在棋盤上打敗人類、蘇菲亞成為沙國公民…
未來，AI還會造成什麼樣的影響？
準備好迎接人造智慧的時代了嗎？
本書適合想了解AI，但似懂非懂，覺得相關知識很難的讀者，能為學生建立基礎概念，提前職涯規劃，也能讓社會人士速修最新知識，領先時代潮流。
日本AI情感研究第一人、第一位分析AlphaGo及AI情感的研究者坂本真樹教授，
手把手帶你了解AI！
本書重點：
★人工智慧(AI)到底是什麼？漫畫插圖一次看懂！
★AI≠機器人！人工智慧與機器人的關係，就像大腦和身體
★AI也有分等級，你身邊的冰箱、冷氣可能就是AI！
★根據摩爾定律，電腦將在2045年超越人腦！
★哪些工作會在未來消失，哪些工作不會被AI取代？
★課外補充、求職先修、職場加分必讀！
立刻了解AI發展史、現況，掌握未來趨勢！
作者簡介
作者簡介
坂本真樹
●日本電氣通信大學研究所 資訊工程學研究科 資訊工程學專攻／人工智慧尖端研究中心 教授
●活躍於電視、廣播、雜誌、報紙等各大媒體
●Oscar Promotion（業務合作）
坂本真樹老師，資訊更新中！
電氣通信大學 坂本真樹研究室 搜尋
坂本真樹Official Blog「清新閃亮☆研究LIFE」
ameblo.jp/maki-sakamoto1215/
Oscar Promotion官方網站「beamie」
beamie.jp/d/maki_sakamoto.html
譯者簡介
陳朕疆
自由譯者。清大生科學士、政大財管碩士、京都大學農學部交換一年、台大經濟系研究助理一年。碰到新的領域就想一探究竟，成為譯者是偶然，卻也越做越喜歡，歡迎批評指教。Facebook帳號同名字，email: czj.kyoto@gmail.com
目錄大綱
第一章 人工智慧是什麼？
1.1 人工智慧何時誕生？
●人的智慧？人工智慧？
●哪一邊是人呢？圖靈測試
●看起來有點孤單的人工智慧？
●人類和人工智慧的差異
●與電腦性能一起發展
●AI的歷史＜達特茅斯會議＞
●AI的歷史＜第一次AI熱潮＞
●AI的歷史＜第二次AI熱潮＞
●現在進行式＜第三次AI熱潮＞！
1.2 這就是人工智慧？
●人工智慧和機器人的差異
●機器人研究？人工智慧研究？
●人工智慧是否需要身體？
●第一級人工智慧
●第二級人工智慧
●第三級人工智慧
●第四級人工智慧、特化型人工智慧
●第五級人工智慧、泛用人工智慧
1.3 人工智慧會超越人類嗎？
●「科技奇點」是什麼？
●科技奇點值得擔憂嗎？
●怎麼製作泛用人工智慧？
●人類是否有可能因AI而滅亡？
●AI會改變人類的未來嗎？
●未來可能消失的工作？
●未來可能留下的工作？
第二章 人工智慧擅長與不擅長處理的事
2.1 人工智慧擅長處理的事
●擅長處理Web資訊
●0與1組成的數位資料
●電腦資料（語言、影片、聲音）
●以電腦處理視覺資訊
●數位相機的進化
●提高解析度，相機可以超越人眼嗎？
●世界共通的資料
●圖像識別競賽ILSVRC
●電腦處理聽覺資訊
●使用兩個麥克風的聲音辨識
●使用多個麥克風的「麥克風陣列」
●如何將聲音轉換成文字？
●聲音模型、語言模型
2.2 人工智慧不擅長處理的事
●事物的意義難以理解
●語意網路是什麼？
●就算不懂問題的意義仍可回答？
●潛在語義分析是什麼？
●東Robo君放棄的理由
●為了變聰明，五感是必要條件？
●對人工智慧來說，什麼是味覺？
●對人工智慧來說，什麼是嗅覺？
●氣味在未來有哪些相關發展？
●對人工智慧來說，什麼是觸覺？
●實現觸覺很困難！
第三章 人工智慧如何從資訊中學習？
3.1 機器學習是什麼？
●想要教機器（電腦）如何「學習」！
●監督式學習
●分類問題＜判斷垃圾郵件＞
●回歸問題＜預測數值＞
●找出適當的直線（函數）！
●過度學習
●什麼是非監督式學習？
●把資料分成數個群集吧！
●k-means分類法
●強化學習是講賞與懲罰
3.2 類神經網路是什麼？
●神經元建構的腦
●人工神經元的結構
●權重代表重要度與信賴度
●赫布理論
●什麼是感知器？
●線性不可分的問題
●Backpropagation（誤差反向傳播法）
●為了讓誤差變小，需要調整權重！
●增加層數後…誤差反而傳不過去？
●支援向量機的優點是什麼？
●過度學習的避免與泛化能力不能兩者兼得
3.3 Deep Learning厲害在哪裡？
●Deep Learning出名之日
●電腦自動尋找特徵量！
●Deep Learning可以到四層以上
●自動編碼器的輸入與輸出相同？
●輸入與輸出相同所代表的意義
●更接近人類的方式
●Deep Learning方法
3.4 AI三大家之一的「遺傳演算法」是什麼？
●AI三大家的各種面向
●達爾文演化論的啟發
●遺傳演算法的使用方式
第四章 人工智慧的應用
4.1 從「遊戲」應用看人工智慧
●遊戲AI進化史
●人類 vs AI ～西洋棋篇～
●人類 vs AI ～將棋篇～
●人類 vs AI ～圍棋篇～
4.2 「影像」應用，引發第三次AI熱潮
●Google的貓識別
●影像辨識的進化
●醫療上的應用（庄野研究室）
●醫療上的應用（黑色素瘤的判別）
●醫療上的應用（癌症診斷）
●提升診斷精確度
4.3 熱門話題「自動駕駛AI」應用
●自動化達成的程度？
●為實現自動駕駛必須做到哪些事？
●訓練自動駕駛的步驟
●如何判斷位置與狀況
●發生交通事故，如何釐清事故原因？
4.4 「對話AI」應用實例
●如何讓電腦與人對話？
●「有知識的」對話AI
●「沒有知識的」對話AI
●編寫對話的三種技術
●如何使機器進行自然對話？
4.5 遺傳演算法的「擬聲詞」應用實例
●傳遞人類感受的擬聲詞
●擬聲詞生成系統
●生成擬聲詞的步驟
●執行最適化過程
●擬聲詞生成系統的內部機制
●擬聲詞的生成
4.6 AI的「藝術」應用實例
●AI在藝術方面的挑戰～小說篇～
●AI小說計畫
●AI在藝術方面的挑戰～繪畫篇～
●AI在藝術方面的挑戰～作曲篇～
結語
參考文獻
索引
