深度生成模型

構建通用人工智能的關鍵就是無監督學習，而不需要標籤來訓練模型，最簡單的方法就是使用深度生成模型。本書主要講述如何將概率建模和深度學習結合起來去構建可以量化周邊環境不確定性的強大的AI系統。這種AI系統可以從生成的角度來理解周邊世界。本書涵蓋了深度生成模型的多種類型，包括自回歸模型、流模型、隱變量模型、基於能量的模型等。這些模型構成了以ChatGPT為代表的大語言模型，以及以Stable Diffusion為代表的擴散模型等深度生成模型背後的技術基石。

本書適合具備微積分、線性代數、概率論等大學本科水平，並且了解機器學習、Python及PyTorch等深度學習框架的學生、工程師和研究人員閱讀。無論讀者的背景如何，只要對深度生成模型有興趣，都能從本書中獲益。



[波蘭]傑克布·M.湯姆扎克(Jakub M.Tomczak)，阿姆斯特丹自由大學計算智能小組的人工智能助理教授、弗羅茨瓦夫理工大學機器學習博士，曾在阿姆斯特丹高通人工智能研究公司擔任深度學習研究員(員工工程師)，以及瑪麗斯克洛多夫斯卡-居里教授的個人研究員。研究興趣包括概率建模、深度學習、近似貝葉斯建模和深度生成建模(特別關注變分自動編碼器和基於流的模型)。

王冠，北京大學物理及計算機學士，香港科技大學物理研究型碩士，谷歌機器學習開發者專家，先後在多個學術和工業研究實驗室從事機器學習、計算機視覺和自然語言處理的研發，並在保險行業應用人工智能方面有多年的經驗，《Rasa實戰：構建開源對話機器人》作者，發表了數篇相關領域的學術論文，擁有多項工業專利。他還是一位活躍的技術博主和開源社區貢獻者，在GitHub上的開源項目獲得了超過12,000個星標。

Jakub M. Tomczak：阿姆斯特丹自由大學計算智慧小組的人工智慧助理教授、弗羅茨瓦夫理工大學機器學習博士，曾在阿姆斯特丹高通人工智慧研究公司擔任深度學習研究員（員工工程師），以及瑪麗斯克洛多夫斯卡-居裡教授的個人研究員。研究興趣包括概率建模、深度學習、近似貝葉斯建模和深度生成建模（特別關注變分自動編碼器和基於流的模型）。
 
譯者簡介
 
王冠，北京大學物理及電腦學士，香港科技大學物理研究型碩士，谷歌機器學習開發者專家，先後在多個學術和工業研究實驗室從事機器學習、電腦視覺和自然語言處理的研發，並在保險行業應用人工智慧方面有多年的經驗，《Rasa實戰：構建開源對話機器人》作者，發表了數篇相關領域的學術論文，擁有多項工業專利。他還是一位活躍的技術博主和開源社區貢獻者，在GitHub上的開源項目獲得了超過12,000個星標。