深度學習：智能時代的核心驅動力量

特倫斯·謝諾夫斯基Terrence (Terry) Sejnowski 

世界十大AI科學家之一，美國四大國家學院（國家科學院、國家醫學院、國家工程院、國家藝術與科學學院）在世僅3位的“四院院士”之一，全球AI專業會議NIPS基金會主席。

作為神經網絡的先驅，早在1986年，特倫斯就與傑弗裡·辛頓共同發明瞭玻爾茲曼機，把神經網絡帶入到研究與應用的熱潮，將深度學習從邊緣課題變成了因特網科技公司仰賴的核心技術，實現了人工智能井噴式的發展。

特倫斯現任美國索爾克生物研究所(美國生命科學領域成果最多的研究機構)計算神經生物學實驗室主任，是美國政府註資50億美元“腦計劃”項目（BRAIN，the Brain Research through Advancing Innovative Neurotechnologies）領軍人物。

特倫斯同時是全球最大在線學習平臺Coursera很受歡迎課程《學習如何學習》（Learning how to learn）主理人，通過系統講解大腦認知的底層知識，讓學習者可以改變思維模式，提高學習的能力和效率。目前該課程學習人數已經超過了300萬。

推薦序面對科技拐點，我們的判斷與選擇
中文版序人工智能會放大認知能力
前言深度學習與智能的本質
第一部分智能的新構想
01機器學習的崛起
汽車新生態：無人駕駛將全面走入人們生活
自然語言翻譯：從語言到句子的飛躍
語音識別：實時跨文化交流不再遙遠
AI醫療：醫學診斷將更加準確
金融科技：利用數據和算法獲取最佳回報
深度法律：效率的提高與費用的降低
德州撲克：當機器智能學會了虛張聲勢
AlphaGo奇蹟：神經科學與人工智能的協同
弗林效應：深度學習讓人類更加智能
新教育體系：每個人都需要終身學習
正面影響：新興技術不是生存威脅
回到未來：當人類智能遇到人工智能
02人工智能的重生
看似簡單的視覺識別
計算機視覺的進步
早期人工智能發展緩慢
從神經網絡到人工智能
03神經網絡的黎明
深度學習的起點
從樣本中學習
利用感知器區分性 
被低估的神經網絡
04大腦式的計算
網絡模型能夠模仿智能行為
神經網絡先驅者
喬治·布爾與機器學習
利用神經科學理解大腦
大腦如何處理問題
計算神經科學的興起
05洞察視覺系統
人眼是如何看到東西的
大腦皮層中的視覺
突觸的可塑性
通過陰影腦補立體全貌
視覺區域的層級結構
認知神經科學的誕生
第二部分深度學習的演進
06語音識別的突破
在嘈雜中找到你的聲音
將獨立分量分析應用於大腦
什麼在操控我們的言行
07霍普菲爾德網絡和玻爾茲曼機
約翰·霍普菲爾德的偉大之處
內容可尋址存儲器
局部最小值與全局最小值
玻爾茲曼機
赫布理論
學習識別鏡像對稱
學習識別手寫數字
無監督學習和皮層發育
08反向傳播算法
算法的優化
語音合成的突破
神經網絡的重生
理解真正的深度學習
神經網絡的局限性
09捲積學習
機器學習的穩步發展
捲積網絡的漸進式改進
當深度學習遇到視覺層級結構
有工作記憶的神經網絡
生成式對抗網絡
應對現實社會的複雜性
10獎勵學習
機器如何學會下棋
大腦的獎勵 制
用“感知-行動”框架提高績效
學習如何翺翔
學習如何歌唱
人工智能的可塑性
更多需要被解決的問題
11火爆的NIPS 
為什麼NIPS如此受歡迎
誰擁有最多數據，誰就是贏家
為未來做準備
第三部分人類，智能與未來
12智能時代
21世紀的生活
未來的身份認證
社交機器人的崛起
機器已經會識別人類面部表情
新技術改變教育方式
成為更好的學習者
訓練你的大腦
智能商業
13算法驅動
用算法把複雜問題簡單化
理解、分析複雜系統
大腦的邏輯深度
嘗試所有可能的策略
14芯片崛起
神經形態芯片
視網膜芯片
神經形態工程
摩爾定律的終結
15信息科學
用字節丈量世界
用數學思維解決通信難題
預測是如何產生的
深度理解大腦
大腦的操作系統
生物學與計算科學
人工智能能擁有媲美人類大腦的操作系統
16生命與意識
視覺意識
視覺感知的過程
視覺感知的時機
視覺感知的部位
視覺搜索的機理
創造意識比理解意識更容易
17進化的力量
大自然比我們聰明
認知科學的興起
不能把語言問題只留給語言學家
難預測的行為規律
神經網絡的寒冬
從深度學習到通用人工智能
18深度智能
遺傳密碼
每個物種都有智能
進化的起源
人類終將解決智能難題
"
序言