了解人工智慧的第一本書個人閱讀筆記

1. 了解人工智慧的
第一本書
機器人和人工智慧能否取代人類
松尾豐Yutaka MATSUO 著
201802個人閱讀筆記

2. 本書目錄
人工智慧的範疇正在擴大
人工智慧會毀滅人類嗎？
01
何謂人工智慧
專家與社會大眾的認知落差
02
「推論」與「探索」的時代
第一次人工智慧熱潮
03
只要輸入「知識」就會變聰明
第二次人工智慧熱潮
04

3. 本書目錄
「機器學習」悄悄地在擴大地盤
第三次人工智慧(1)
05
打破寂靜的「深度學習」
第三次人工智慧(2)
06
人工智慧會超越人類嗎
深度學習之後還有什麼
07
逐漸轉變的世界
對產業與社會的影響以及戰略
08

4. 人工智慧研究分類
本書作者從1950年代的人工智慧熱潮
談起，接著介紹對話系統(Siri的前輩)、
專家系統(IBM Watson)，闡述當時技術
發展的侷限性(框架問題、符號接地問
題)。
除此之外，本書尚涵蓋目前最熱門的
「深度學習」介紹，文末，作者本人亦
對人工智慧未來發展提出個人見解。

5. 人工智慧、機器學習與深度學習間有什麼區別?
資料參考
機器學習(Machine Lear
ning)是人工智慧(AI)的一
個分支。深度學習(Deep
Learning)是機器學習的
一個分支。
深度學習的研究，目前
已實現到讀取圖像，找
出特徵量的程度(Google
的貓臉辨識)。

6. Google的貓臉辨識
深度學習的運用
深度學習讓電腦可以根據資料，自行
創造出「特徵量」(Feature)。不由人
類來設計特徵量，而是電腦自行取得
高層次的特徵量，再據以分類圖片。
Google從Youtube的影片截取一千萬
張圖片，經過1000台電腦三天的深
度學習，找出特徵量，自動得到「人
臉」「貓臉」之類的概念。

7. 所謂的「學習」就是「分
類」(Classification)
作者認為「分類」是構成學習的基礎
元素，只要能做好分類的動作，就能
理解事物並做出判斷、採取行動。
如何讓電腦學會「分類」(對事物劃
出邊界, Yes or No)，常用方式如下：
• 最鄰近法(Nearest Neighbor)
• 簡單貝氏分類法(Naive Bayes)
• 決策樹 (Decision Tree)
• 支援向量機 (Support Vector Machine)
• 神經網路(Neural Network)時下最熱門的深
度學習即是基於神經網路的學習法

8. 衍生閱讀
•從人工智慧、機器學習到深度學習，不容錯過的人工
智慧簡史
•機器學習的機器是怎麼從資料中「學」到東西的？超
簡單機器學習名詞入門篇！
•人工智慧、機器學習與深度學習間有什麼區別?
•早在三十年前，深度學習早就紅過了──淺談類神經
網路曾經的瓶頸與衰頹
•深度學習之後是什麼？——《人工智慧的未來》書評
•什么是自编码 AUTOENCODER (深度学习)? WHAT I
S AN AUTOENCODER IN NEURAL NETWORKS (D
EEP LEARNING)?
網路資訊推薦