大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？(The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World)

內容簡介

★亞馬遜AI與機器學習類暢銷榜　第1名
★亞馬遜數學與統計類暢銷榜　第1名
★亞馬遜資訊理論類暢銷榜　第1名
★CNN、《新科學人》、《經濟學人》、《柯克斯書評》等多家媒體推薦報導
★比爾．蓋茲年度選書！

揭開大數據、人工智慧、機器學習的祕密，
打造人類文明史上最強大的科技——終極演算法！

有一個終極演算法，可以解開宇宙所有的祕密，
現在大家都在競爭，誰能最先解開它！

 ．機器學習是什麼？大演算又是什麼？
 ．大演算如何運作與發展，機器可以預測什麼？
 ．我們可以信任機器學過的東西嗎？
 ．商業、政治為什麼要擁抱機器學習？
 ．不只商業與政治，醫學與科學界也亟需機器學習，包含DNA解碼、癌症藥品開發等。
 ．你擔心人類會被大演算所取代嗎？可以避免嗎？該如何做？

華盛頓大學電腦工程系教授佩德羅．多明戈斯（Pedro Domingos）破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來，這個突破性研究還登上了《新科學人》（New Scientist）雜誌的封面故事。

他指出，機器學習有五大思想學派，每個學派有主要的演算法，能幫我們解決特定的問題──
．符號理論學派：將學習視為是逆向演繹法，從哲學、心理學和邏輯思路方面取得概念
．類神經網路學派：導傳遞演算法可以模擬人腦思考行為，是受到神經科學和物理學的啟發
．演化論學派：遺傳程式規劃會在電腦上模擬演化，澈底運用遺傳基因和演化生物學理論
．貝氏定理學派：相信學習是機率推理的形式，是根據統計學的理論
．類比推理學派：支持向量機從相似度判斷進行推論學習，並受到心理學和數學的影響

多明戈斯認為，如果有人可以成功整合這些演算法的優點，
就能發展出「終極演算法」，便可以從大數據與人工智慧中，
獲得世界上過去、現在與未來的所有知識，將創造新紀元的文明。

站在大數據與文明終將合一的浪潮上，
終極演算法將帶領我們，望見未來。

【為什麼你必須知道大演算？】

◎如果你是一般市民或決策人士
 讓你了解大演算的來龍去脈，從隱私到未來的工作與機器人戰爭的倫理，
 你將會看到真正的問題在哪裡，並思考如何看待這些問題。

◎如果你要把機器學習運用在工作上
 不管你在哪個行業、什麼職業別，機器學習能幫你省下人工編寫程式的費用，
 避免資訊系統僵化，並預測未來你會面臨的科技發展，
 甚至讓你成為精準的市場分析家、解讀大數據的科學家。

◎如果你是科學家或工程師
 過去的數學和現有資訊學習與數據分析，不會讓你有任何改變。
 機器學習將讓你具備非線性分析，帶給你嶄新的科學世界觀，有所突破。

◎如果你是機器學習專家
 雖然你應該很熟悉機器學習，但本書仍會提供給你許多新的想法、機器學習發展史上有價值的資訊、有用案例與類似的情境，
 甚至提供給你機器學習的嶄新觀點，啟迪你全新的思考方向。

◎如果你是任何學齡階段的學生
 目前世界各地極度缺乏機器學習專家，這是現在也是未來最受關注的領域。
 未來，不只局限現有的資訊工程、電機工程等相關科系，
 無論是醫學、醫工、生物科技、行銷、電商、社會、心理、哲學、教育、財經等各科系，
 機器學習終將與這些領域整合，現在了解大演算，你就不會被趨勢潮流所淘汰。
  
作者簡介  
佩德羅．多明戈斯（Pedro Domingos）
電腦工程博士，現任華盛頓大學電腦工程系教授，該系是全美前十大電腦工程名校。他初試啼聲聞名圈內是兩度在資料採礦大會上獲得最佳論文，並在此後成為該領域的意見領袖。他在專業領域內獲獎無數，還包含美國國家科學職業成就奬，他也是史丹佛大學及麻省理工學院客座教授。

他最有名的功績是破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來。這個突破性的研究還曾經登上著名的《新科學人》（New Scientist）雜誌的封面故事。

他在華盛頓大學開設的機器學習課程，一向都是該校最受歡迎的課程之一。

電腦工程學術背景的他，卻不是個嚴肅學究，他擅長公開演說，傳達機器學習與大數據的相關知識，經常受邀公開演講。他對寫作非常有興趣，曾經鑽研過寫作課，師承《辛德勒的名單》作者湯瑪斯．肯納利。

除了電腦科技的學術論文，他也經常撰寫音樂技術相關的專欄文章。因為他年輕時代曾經是個搖滾樂團的鍵盤手。該樂團還曾經與EMI簽約，經常四處表演，當時他除了是鍵盤手，還是負責接受媒體採訪的人。他離開樂團，是因為要專心攻讀電腦科學博士，他很早就對機器學習興趣濃厚，因為他認為，這是最後會統治世界的一種關鍵技術。

譯者簡介 
張正苓
淡江大學資訊管理所碩士畢業。
曾擔任美國CNET財經版即時新聞翻譯、美國宏碁大觀園矽谷時報新聞編譯、東森寬頻數位內容副理、美國華爾街財經系列書編譯。

胡玉城
政治大學傳播學院EMA碩士畢業。
曾擔任工商時報科技記者與召集人、科技島副總編輯、中時分類廣告副總經理、美國矽谷時報執行副總編輯、東森寬頻副總經理、太平洋寬頻副總經理、美國休士頓城市電通共同創辦人與美國阿肯色WoConn總經理。
現任美國矽谷天使交易所、美國馬里蘭紅點行動支付 ReeDot Inc.共同創辦人。
著有暢談類神經網路與華爾街股市總覽等相關書籍。

審訂者
成大資工系特聘教授兼系主任
謝孫源
臺灣大學資訊工程系博士，現為成功大學資訊工程系特聘教授兼系主任。
主要研究領域為演算法設計與分析及其應用。他曾榮獲行政院國科會97年度傑出研究獎、科技部104年度傑出研究獎、中華民國資訊學會李國鼎穿石獎、中國電機工程師學會傑出電機工程教授獎、中國工程師學會傑出工程教授獎、第十三屆有庠科技論文獎(資通訊領域)、中華民國102年資訊月傑出資訊人才獎、並獲選為英國皇家資訊學會會士。

謝教授並貢獻其所學於資訊教育上，曾於2003及2016擔任國際資訊奧林匹亞競賽國家隊指導教授，指導國手參加國際資訊奧林匹亞競賽榮獲佳績。
 
審定、推薦 
【專業推薦】
 王國禎｜交大資工系系主任
 林泰宏｜前臺灣微軟合作夥伴技術支援顧問
 林蔚君｜亞洲大學副校長
 張宗堯｜美商凱博數據創辦人／總經理
 陳明義｜資策會技術長／大數據所所長
 陳縕儂｜美國微軟研究所研究員
 趙坤茂｜臺大資工系系主任
 謝孫源｜成大資工系特聘教授兼系主任
 簡禎富｜清華講座教授暨清華-台積電卓越製造中心主持人
 
「大至預測變化萬千的商業潮流的走向，到小至預知是否能成功約到心儀對象，都屬於《大演算》的範疇。本書作者以極盡生動活潑的闡述及例子，與讀者分享如何將機器學習演算法應用於日常生活中，甚至可以應用於學習治療癌症。」──交大資工系系主任　王國禎

「我們生活在一個充滿數據與機器學習的環境。無論是在網路或實體世界，我們的一舉一動，隨時隨地被記錄和分析。數據分析，知識精煉與學習精進的能力，對人類、企業、社會、環境及臺灣的經濟發展都很重要。訪間大數據的書雖然已有不少，但對機器學習的處理大都一筆帶過。佩德羅．多明戈斯在這本書中，不但將深奧的機器學習概念，以深入淺出的方式，介紹給非專業的讀者，同時也以清楚的內容，滿足專家深入了解的需求。」──亞洲大學副校長 　林蔚君

【國際好評如潮】
 「作者多明戈斯專業與熱情筆觸，讓這本書極具可讀性。」──《新科學人》（New Scientist）

 「《大演算》研究與統整了機器學習領域的五大主流技術……內容豐富，主題發人深省。作者透過適時深入淺出的巧妙介紹手法，讓我們很快汲取精髓觀念。」──《經濟學人》（The Economist）

 「隨著『機器學習』和『大數據』經常登上頭條新聞，有關於這類的主題，不乏充斥炒作話題的商業書籍，以及還有一些過於技術導向的教課書，使得較難理解。對於普羅大眾來說，不管事從經理主管到大專院校學生，這是一本理想的書籍，真正展現了為什麼不用透過沉重的數學演算，就能明白機器學習如何運作。不同於其他書籍只是浮誇宣稱一個光明的未來，這本書實際上給你需要了解的知識，並且明白即將到來的變化。」──Google研究總監 彼得．諾維格（Peter Norvig）

 「這是一本令人愛不釋手的書，由在這創新領域的領導專家所著。如果你想知道新世代人工智慧將如何改變你我未來的生活，就閱讀這本書吧！」──Google研究員、無人駕駛車發明人 塞巴斯蒂安．史朗（Sebastian Thrun）

 「一開始便大膽主張所有知識都可以透過一個單一的『大演算』，從數據資料中分析推論得出，多明戈斯透過明快節奏的說明歷程，帶領讀者進入這華麗全新的機器學習世界。輕鬆的寫作筆法卻深具威信，多明戈斯是一位完美的嚮導，從書上你將會學到一切你需要知道關於這個令人振奮的領域，以及有關科學與哲學的大量闡釋。」──微軟研究院首席研究員、《6個人的小世界》（Six Degrees）與《為什麼常識不可靠？》（Everything Is Obvious）作者 鄧肯．華茲（Duncan Watts）

 「電腦科學的聖杯就是一種可以教導自己學習的機器，如同我們人類一樣，從經驗中獲取知識。機器學習可以幫助我們從事每一件事情，從治療癌症到建立人形機器人。佩德羅．多明戈斯揭開機器學習的神祕面紗，並充分展現未來是多麼令人驚奇與振奮人心。」──《賈伯斯傳》（Steve Jobs）作者 沃爾特．艾薩克森（Walter Isaacson）

 「機器學習是一種最具變革性的技術，將在未來15年裡，塑造人類的嶄新生活。這是一本必讀之書──一個用詞大膽、文辭優美的新框架，帶領我們展望美好的未來。」──《跨越鴻溝》（Crossing the Chasm）作者 傑弗里．墨爾（Geoffrey Moore）

 「這是一本非常重要且實用的書籍。機器學習已經是你我生活與工作的關鍵，且對未來的影響只會變得日益加遽。終於等到佩德羅．多明戈斯以清晰易懂的方式寫出關於這方面的著作。」──貝伯森學院（Babson College）特聘教授、《決勝分析力》（Competing on Analytics）與《大數據@工作力》（Big Data at Work）作者 湯瑪斯．戴文波特（Thomas H. Davenport）

 「機器學習正在改變世界，被廣為人知的是運用在商業的預測分析。這本引人入勝、廣泛深遠，並啟發靈感的書籍，將深奧的科學概念，不只是介紹給非專業的讀者，也滿足專家嘗鮮的閱讀需求，深刻的觀點揭露了最有前景的研究方向。這真是一顆堪稱罕見的寶石。」──預測分析世界大會（Predictive Analytics World）創辦人、《預測分析時代》（Predictive Analytics）作者 艾瑞克．席格（Eric Siegel）

 「機器學習是個迷人的世界，之前卻鮮少被外人看上一眼。佩德羅．多明戈斯透過書中五大學派的語法，傳授你神祕的語言，並邀請你參與他的整合學派計畫，打造人類文明史上見識過最強大的科技。」──普林斯頓教授、《連結》（Connectome）作者 塞巴斯蒂安．升（Sebastian Seung）

 「一本充滿專業熱情，而不是概略介紹機器學習的書……內容清晰易懂、理論與實務講解兼具……具有智慧、遠見和學術價值，多明戈斯完整詮釋科學家如何開發程式，讓電腦可以自我教導。你將會發現許多令人著迷的創見。」──《柯克斯書評》（Kirkus Reviews）

 「這是劃時代突破性的電腦科學，開始展開一場令人振奮的全新冒險旅程。」──《書目》（Booklist） 布萊斯．克理斯坦森（Bryce Christensen）

 「多明戈斯絕對是一位親切且有趣的知識導師，他能用最淺顯易懂的語言，通透解釋這些艱澀難懂的機器學習理論學派知識領域，協助初學者快速領略這演算法，可謂近幾十年來難得的經典之作……這是一本理論完整與實務說明詳實的書籍，不僅能滿足單純好奇的初學讀者，更是適合早已具備基本機器學習領域知識的專業人員，更能融會貫通此領域的重要神髓。透過每一篇章的學理翔實描述和討論，淺白解釋難懂的術語，以及提出明確與易於理解的實例，這些努力都是本書最值得推薦讚揚之處。」──《英國泰晤士高等教育專刊》（Times Higher Education）

 「《大演算》澈底勾勒我們眾人從沒看到或人心未曾思想過的嶄新世界，並對我們的日常生活產生難以抹滅的巨大影響。」──《讀者的書意識》（Shelf Awareness for Readers）

 「這真是令人驚訝且博學、幽默、易讀易懂的入門書。」──大數據分析網站 KDNuggets

書籍目錄 
【好評推薦】
【推薦序】　大演算顛覆世界，也顛覆我的看法／林泰宏
【推薦序】　想跟上資訊革命時代的多變世界，本書是你的敲門磚／張宗堯
【推薦序】　從5萬呎的高空鳥瞰機器學習，望見未來／陳明義
【推薦序】　讓我們站在巨量資料的肩膀上，看得更高更遠／趙坤茂
【推薦序】　大演算，是飽覽大數據與機器學習的最佳指南／謝孫源
【推薦序】　大演算強化「工業3.5」，讓臺灣在物聯網時代中卡位／簡禎富
【前言】　機器學習早已融入你我的生活

第1章　機器學習的革命
進入機器學習的世界／企業為何擁抱機器學習？
增加科學方法的馬力／十億個比爾．柯林頓
一則透過傳統攻防，二則透過網路之戰
我們將走向何方？

第2章　大演算
從神經科學方面獲得的論證／從演化方面獲得的論證
從物理方面獲得的論證／從統計學方面獲得的論證
從電腦科學方面獲得的論證／機器學習專家與知識工程師
天鵝咬了機器人／大演算是隻狐狸還是刺猬？
什麼是危機所在？／一個不同的萬有理論
候選者還不夠格／機器學習的五大學派

第3章　人類的歸納問題
約會，還是不約會？／「沒有免費的午餐」定理
啟動知識學習機／如何讓世界規則化
在暗黑和幻覺之間／你可以相信的準確性
歸納法是逆向演繹法則／學習治療癌症
二十個問題的遊戲／符號理論學派

第4章　你的大腦是如何學習？
感知器的潮起潮落／物理學家用玻璃製造大腦
世界上最重要的曲線／在多維空間的爬山演算法
感知器的復仇／細胞的完整模型／更深入大腦

第5章　演化：自然學習演算法
達爾文的演算法／探索與利用的困境
適者生存的程式／性交配行為是為了什麼？
培育天性／學習最快的人勝出

第6章　貝葉斯牧師的教堂
運行世界的定理／所有模型都是錯的，但有些還是有用
從《尤金．奧涅金》到Siri手機語音行動祕書
一切都是相關聯的，但不是直接的／推理問題
學習貝氏的方法／馬爾可夫權衡事證
邏輯與機率：命運多舛的一對

第7章　你就是相似的你
如果你能與我相匹配／維度的詛咒
平面上的蛇形分割線／攀登階梯
旭日東升，光彩奪目

第8章　學習無師自通
物以類聚／發掘數據資料的形狀
享樂主義的機器人／孰能生巧
學習建立關聯

第9章　每一塊拼圖各得其所
跳脫許多模型，整合成一體／大演算
馬爾可夫邏輯網路／從休謨到你的家事機器人
行星尺度的機器學習／醫生如今會診斷你了

第10章　這是機器學習的世界
性、謊言和機器學習／數位鏡／一種模型的社會
分享或不分享，如何分享與在何處分享
類神經網路偷了我的工作／不是用人類來作戰
Google＋大演算=天網（Skynet）？
演化，第二部分

【結語】 搭上機器學習的船，航向未來

 

誌謝
延伸閱讀