简介
精彩点评
-
妙凡推荐
为何说“修行需要不断借事练心，才能一天天进步”？我们无量劫以来，染污习气都很重。当人心情好，末那识乖的时候，感觉修行很容易，一切都很顺。但历缘对境时，习气又浮上来，这是很正常的，是好事情，刚好可以对治，不然隐藏着，怎么知道自己的问题？修行需要不断借事练心，才能一天天进步。修行起起伏伏是正常的，长葆初心最重要。 修行需要不断借事练心，才能一天天进步。”所以，家中、公司、单位中，若有逆缘烦己之人，那正是来帮助我们修行的“菩萨”啊，没有烦恼之事来临，哪能翻出习气性障而割断之？污泥生红莲，烦恼生菩提，也可以这样理解。——微博：灵芝师姐
-
victor推荐
这本书有关作者深度学习的历程更多的是涉及到生物学，神经学和心理学方面的研究，虽然与计算机科学有交叉的地方，但是核心的算法和数学推导还是有很大的差别，算是从另外一个角度上去思考人工智能的问题。
-
令君推荐
是一本非常有趣的书，不过感觉生物的味道太重（我个人认为正如你学习航空学并不需要研究鸟类。而是应该深入研究计算流体力学一样，学习深度学习不需要生物学，而是牢固的掌握其数学基础），而对很多技术的细节和数学背景描述不足。是参考的消遣读物而不是一本入门的书籍。
-
文标 Billgo推荐
二零壹玖年读完的第二十九本书，这本书以作者的科研生涯为线索，讲述了深度学习跟人工智能的发展历程。因为书中牵涉到的知识跟概念对于目前的我来说还是有点陌生，所以读起来挺呛的。读完后对深度学习的分类有了个大概的认识，之后就是针对自己感兴趣的议题去学习更专的知识了。
-
Tracy推荐
稀里糊涂看完这本书，但对深度学习还是有点认知了。大量的举例和图片说明，使人更容易了解，深度学习不是某一种模式，而是多学科交叉，多模式的探索。第四次技术革命的车轮已经启动，人类准备伸出双手拥抱它吧
-
彭淼推荐
现有的计算机 最多算是一维的生物 想要用计算机进行模拟人类 在三维的世界中的思维和看法 个人感觉 相差的不仅仅距离 更重要的是方向 用一维的点和线 是无法构建 完整的三维立体的： 一维的圆圈必须 在二维的平面上才能看见 二维球面必须 在三维空间里才能看见 人无法一次性 看见任何三维立体 解决这个问题 需要站在更高的维度 任何人都有局限性 正是如此 世界才能进步发展
-
Alexy推荐
郭德纲讲过一个笑话，我的眼泪都笑出来了。他说，我建议火箭专家用煤作为火箭燃料，火箭专家如果正眼看我一眼，他就输了。如果书里的专家正眼看我一眼，我可能就赢了。看过四五本AI的书，以为对AI有一些肤浅的认知，这本书把我打回原形：对AI一无所知。不管怎样，读完这本书以然收获满满，1）无知区域是巨大的；2）专业性和广阔性渐渐模糊，书里的大佬大多综合学科全面发展，从物理学走向计算机科学再到生物学最后成了神经网络的top3，专业性受到了严峻的挑战。3）AI不是凭空而来，而是效率的提升和未知的恐惧驱使人类走向未来。4）GNN，RNN、深度学习、算法模型等技术工具都不是最重要的，最重要的是你用他来做了什么而造福全人类。5）AI专家都是全科发展，高度自律、专业、全科和探索，再也没有人仅靠自己来颠覆式创新，一定是基于前人的肩膀，团队的力量，生存的土壤。6）未知的未来和已知的现在通过你来链接，你是谁，在哪里，什么时候来，都在冥冥之中早已注定。7）无知是无畏的前提，无畏才能无所畏惧，AI的未来在于善良、勇敢和坚毅，而不是其他任何东西。
-
彭力推荐
本书从客观公正的视角去检阅人类与机器的能力短板与优点。计算机性能的提高，为全双工语音、人脸识别、情感计算、自动驾驶等等人工智能的发展打下基础。美国已经为“BRAIN计划”即通过推动创新型神经技术开展大脑研究计划）注资50亿美元。深度学习是机器学习的一个分支，它根植于数学、计算机科学和神经科学。深度学习的突破，是从基于符号、逻辑和规则的人工智能向基于大数据和学习算法的深度学习网络的转变。神经科学中对大脑学习行为的研究可以在不同的层面进行，从分子层面到行为层面。深度学习的演进经历了语音识别的突破、霍普菲尔德网络和玻尔兹曼机、反向传播算法、卷积学习、奖励学习、火爆的NIPS即神经信息处理系统大会。智能时代也就是认知计算的时代即将到来。现在深度学习网络拥有数百万个单元和数十亿个权重。这比人类大脑皮层中的神经元和突触的数量还要少1万倍(人类1立方毫米的皮层组织就包含了10亿个突触)。过去，技术是由物理定律驱动的，今天的技术是由算法驱动的。随着大规模并行体系结构的发展，能够在神经形态芯片上运行的新算法也陆续被创造出来。预计到2050年，人工智能会拥有能和我们大脑相媲美的操作系统。随着对管理感知、决策和规划的大脑机制的深入了解，理解大脑以及它们是如何发展的边缘，能够永远改变我们对自己的看法。深度智能，我们可能会发现细胞和大脑中使进化成为可能的操作系统，解决人类智能难题。
-
新生活推荐
自动驾驶、AI、语音识别、图像识别、智能翻译背后都是深度学习在发挥神奇的作用，实现了人工智能井喷式的发展。 本书以恢弘的笔触，通过3个部分全景展现了深度学习的发展、演变与应用，并前瞻性地预测了智能时代的商业图景，推荐这本书，值得一看。
-
孫家辰推荐
人工智能在给予人类以更多生活的便利和疾病的医治的同时也会使人类的隐私被公之于众！因此未雨绸缪，在人工智能尚处在积极探索之时，人类更有必要集结公众的意见尽快制定相关法律法规，使得人工智能在推动社会进步的同时不得违逆基本人伦！
-
阅读游走推荐
四星推荐！这是一本人工智能发展史和未来可能趋势的科普书籍。不同于一般AI科普书籍，它的特色在于广度，而不是深度。这源于作者在深度学习领域的广博人脉和广泛参与经历。 1956年，达特茅斯人工智能夏季研究计划开启，人类在AI上已经波折了五十余载。地球上的生命充满了无数奥秘，但最具挑战性的就是智能的本质。了解大脑如何运转一直是21世纪最聚焦的领域之一。而深度学习之所以有价值，在于将大脑视为黑箱，以逆向工程模仿并在某一局部应用层面超越人脑，既受到神经元间交流方式启发而建立的分层神经网络模型可以学习并依据经验进行判断。本书就深度学习分为三个部分： 第一部分提供了深度学习的动机和理解其起源所需的背景信息；如果说数据是新时代的石油，那么学习算法就是从中提取信息的炼油厂；信息积累成知识；知识深化成理解；理解演变为智慧。深度学习是机器学习的一个分支，它根植于数学、计算机科学和神经科学。 如果以计算机根据人类已知大脑的运行机制来模拟，那么简单到搭积木的工作，计算机也会运行到吐血而放弃；如果以计算机关注特征而非具体机制来实现，那么复杂到视觉识别，计算机都可以越过人类眼睛的具体运行机制而给出答案。而关注特征需要庞大的储存和运算能力，这也是早期AI发展缓慢的原因。 现在模拟出的神经网络具有数百万个单元和数十亿个连接。尽管按照拥有数千亿个神经元和千万亿个突触连接的人类大脑的标准来看，这个数字仍然很小，但现有神经网络的规模已经可以在有限领域中进行原理的证明。神经科学揭示对大脑学习行为的研究不仅可以在分子层面也可以到行为层面。 第二部分解释了几种不同类型的神经网络架构中的学习算法；霍普菲尔德在20世纪80年代设计了一个以他自己名字命名的神经网络，开启了深度学习研究的大门。虽然神经网络可以给出一个问题的正确答案，但目前还没有办法解释它们是如何得到这个答案的。神经网络是一个黑盒子，其理论尚无法被理解，这个陈述对大脑也成立。 第三部分则探讨了深度学习对我们当下生活产生的影响，以及未来若干年可能产生的影响。目前，人工智能的进展主要集中在感官和认知方面，运动和行为智能的进展还未见端倪。“我们的意识觉知只是冰山一角，我们大脑的大部分活动依然神秘莫测，无法进行自我反思。我们用“注意力”和“意图”这些词来描述我们的行为，但这些都是含糊的概念，隐藏了大脑活动过程的内在复杂性。基于直觉大众心理学的人工智能的发展迟迟得不到令人满意的成果。我们的眼睛能看到东西，但没人知道其背后的原因”。 我们对于自己的大脑还了解的很少，更不要说比大脑还复杂的人体。而基于神经网络的深度学习是个可以帮助人类的好助手。替代人类，想多了。
-
，雨点推荐
昨天看完了《深度学习》这本书，今天写一下读完的感受，可以说这本书90％我没能力看懂，但还是很感兴趣的生吞活剥了下去，深深的感到中国在高精尖的知识和高精尖技术领域和欧洲国家的差距，也很高兴国家在这几年认识到了人工智能的重要性也加大了投资，对高科技人才的政策吸引等，因为如果现在不为新科技提供资金，那么从现在开始的很多年我们几乎没有任何新技术可用于现实中，就像书中所说：我们的教育体系是为了工业时代设计的，学校的传授的知识曾经是你今后维持工作以及作为一名有生产力的公民所需的基础知识。可现在学生刚一毕业学校传授的那些知识都已过时，要想跟上时代就需要不断的学习，幸好我们国家在开展人工智能方面有很大的优势，就是我们拥有世界上最大的数据，数据是人工智能开发的基础，现在我们在农业和制造业的数据也在收集，可以说在这个时代谁拥有最多的数据谁就是这个时代的赢家，俄罗斯总统普京曾说过：未来谁拥有了人工智能……这个天下就是谁的。但愿中国不要落后！
-
꧁༺Cathy࿈Qin༻꧂推荐
如果说学习，是成长的秘密…那深度学习，就是人工智能发展背后的秘密…
-
郑同学推荐
深度学习是机器学习中一种基于对数据进行表征学习的方法。 观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。 而使用某些特定的表示方法更容易从实例中学习任务（例如，人脸识别或面部表情识别）。 深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。 深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。
-
甜甜推荐
全球科技巨头纷纷拥抱深度学习，自动驾驶，AI医疗，语音识别，图像识别，智能翻译以及震惊世界的alphago，背后都是深度学习，在发挥神奇的作用。 深度学习是人工智能从概念到繁荣得以实现的主流技术，经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。人工智能正在觉醒，世界正在被重塑，深度学习，正是这一变化背后的驱动力。 我们正迎来一个新的时代，信息时代，深度学习技术，将全面的影响未来商业变革，得数据者得天下，到2050年，人工智能会拥有能和我们大脑媲美的操作系统，谁拥有最多的数据，谁就是赢家，将来你的iphone会比你自己更懂你。 人工智能时代，你需要的不是担忧和焦虑，而是成为更好的学习者，抓住每一分资源和机会，让自己成为更有价值的人。