內容簡介

本書開篇以豐田日美轎車的通信應對為引子，引出人工智慧孕育新的創新時代這一龐大而富有遠見的課題，而深度學習的研究課題恰恰是要解決現實世界存在的問題。

在比較了人工智慧、機器學習和深度學習之後，講述深度學習的機制，給出深度學習面向未來的擴展應用，包括支援自動駕駛、超越人類目視識別圖像的能力、深度理解文章的文本分析能力、跨越語言障礙的機器翻譯能力等。

在企業應用方面，深度學習也有著不可估量的巨大作用。其中包括鑽井工程的自動優化、導航系統優化、汽車資料檢索、信用卡作弊檢測等。本書給出了資料框架的利用方式，並對深度學習的未來進行了展望。

作者介紹

日經大資料《日經大資料》是日經BP社於2014年創辦的專業雜誌，聚焦報導運用企業關注的大資料與人工智慧、IoT（Internet of things）技術開闢新事業，進行業務改革的實例，通過月刊雜誌與每日更新的網站，向訂購讀者傳遞相關新聞、技術運用實例、分析技術與資料視覺化的關鍵資訊。《日經大資料》大幅擴展服務內容，2018年4月更名為《日經×TREND》。王星星，北京大學日語碩士，具有多年翻譯經驗，譯作包括《日本法西斯侵華戰爭圖鑒》《頹敗與重生》《馬上少年過（司馬遼太郎）》等。

第一章輕鬆入門
人工智慧、機器學習與深度學習有何不同？3
深度學習是機器學習的一部分4
機器學習無需人類程式設計6
電腦的發展使深度學習成為可能8
人工智慧的發展如同一股“研究洪流”12
從“移動優先”到“AI優先”14

第二章入門
深度學習的框架21
何謂機器學習以外的人工智慧21
機器學習的基礎24
機器學習存在多種手段26
神經網路類比大腦神經構造27
電腦自主學習分類方法32
通過網上的“遊樂場”理解神經網路36
教師引導式學習與強化學習40
“阿爾法圍棋”充分應用強化學習43

第三章穀歌實例
目錄谷歌的深度學習應用實例49
面向未來，深度學習的應用範圍不斷擴展49
語音操控的家庭AI管家50
能像人類一樣溝通交流！？54
深度學習助力無人駕駛58
深度學習為資料中心大幅節能60
超越人眼，分辨事物的圖像識別功能62
自動對照片進行分類的“Google相冊”64
用人工智慧判斷繪畫作品的“Quick，Draw”66
電腦也能做夢？“深夢”實驗68
產出優秀藝術與音樂的Magenta69
動態圖像也可識別！“讀唇術勝過專家”70
能夠理解文章的文本分析技術71
自動生成回復郵件參考文的“Inbox”73
垃圾郵件篩檢程式的精准度也大幅提升74
使企業資訊檢索暢通無阻的“Google Springboard”75
發出語音即可與電腦互相溝通的“語音辨識”76
在人機對話過程中提供説明的“Google助手”78
能夠生成合成語音及鋼琴曲的“WaveNet”80
有望打破語言壁壘的“機器翻譯”82
神經網路推動Google翻譯進化83
可輕鬆使用深度學習成果的“機器學習API”87
可有效利用個性化深度學習的“TensorFlow”92
深度學習的適用領域與不適用領域94

第四章企業實例
利用深度學習技術提高工作效率的嘗試在日本接連展開99
安藤·間，隧道施工過程中判斷岩層硬度99
思考如何讓挖掘作業自動達到最優化的程度101
從汽車照片到外形，全部精確鎖定，AUCNET IBS102
一年使用約500萬輛二手車的資料105
無法識別車輛朝向的痛點107
為提升二手車交易的活躍度作出貢獻108
Aerosense對無人機航拍資料的運用109
搭建通過少量教師資料檢測汽車數量的系統110
開發能提高測量效率的標記112
Peach，通過語音辨識API 24小時提供出行諮詢服務114
人與人工智慧的職責分配117
三井住友金融集團，對信用卡非正常使用情況的檢測精
准度大幅提升119
全面覆蓋呼叫中心121
資料得不出的答案124

第五章運用框架
用資料×目的的方式進行整合，描繪運用的發展圖景129
資料×目的整合法131
走在前端的圖像資料運用133
語音資料主要來自呼叫中心135
符合實際的運用方法：以削減成本為入口137
成功必備的常識與人才轉換141
能否構想出運用的推進圖景？142
需要什麼樣的人才？145
機器學習日常化，下一個具有特殊價值的會是？147

第六章未來展望
未來，我們用深度學習解決問題151
穀歌雲機器學習團隊研究負責人李佳的解答151
技術革新的引導力是深度學習152
人類能力優秀，演算法研究任重道遠154
深度學習處於“資料匱乏”狀態156
解決現實世界的問題是AI研究的目標157

結語
後記

看更多