Swarm Agents Club

前言

第 1 章 人工智慧之夢
夢的開始（1900—1956）
夢的延續（1956—1980）
達特茅斯會議
黃金時期
遇到瓶頸
知識就是力量
群龍問鼎（1980—2010）
符號學派
連接學派
行為學派
三大學派間的關係
分裂與統一
群龍無首
貝氏統計
通用人工智慧
夢醒何方（2010 至今）
深度學習
模擬大腦
「人工」人工智慧
結語
推薦閱讀

第 2 章 圖靈的計算王國
圖靈機
如何了解圖靈機
計算
計算的組合
征服無限的方法
歸納*
模擬
圖靈機之間的模擬
計算相等性
意義*
萬能圖靈機
編碼
自食其尾
停機問題
無窮迴圈
如何了解
表示什麼
超越圖靈計算*
推薦閱讀

第 3 章 從零開始的電腦系統
從三體開始-- 邏輯門
一切運算的基礎-- 加法
讓計算過程自動起來-- 機器指令
寫點能讓人了解的東西-- 程式語言
詞法分析
語法分析
語義分析
目標程式產生
靈魂和守護者-- 作業系統
路漫漫其修遠兮-- 從計算到智慧
推薦閱讀

第 4 章 一條永恆的金帶
《哥德爾、艾舍爾、巴赫：集異璧之大成》
纏結的層次結構-- 一條永恆的金帶
層次
層次的混淆
自我參考
哥德爾定理
公理化系統
希伯特綱領
哥德爾句子
永恆的黃金對角線
自生產系統與生命
生命的自我複製
自我參考與意識
遞迴定理
自我反省程式
推薦閱讀

第 5 章 從演算法複雜性到通用人工智慧
幾道數字推理題
幾道數字推理題
奧卡姆剃刀-- 哲學悖論？還是科學方法論？
壓縮vs 預測、編碼vs 機率
界定「模式」-- 可計算的「路徑」
量化簡單性——演算法複雜性
主體與環境的互動——通用智慧
AIXI 能處理什麼問題？
智慧的定義與測量
通用智慧主體AIXI 的逼近與變種
AIXI 的逼近
AIXI 的變種
哥德爾機
通用智慧與不完全性定理

第 6 章 深度學習：大數據時代的人工智慧新途徑
歷史回顧：神經網路的前世今生
基本原理：從特徵表示到深度學習
特徵分析和表示學習
自編碼器、受限玻爾茲曼機和深度網路
大數據與深度學習
典型應用：教會電腦聽、看、說
語音辨識
影像識別
自然語言處理
歸納展望：AI 之夢

第 7 章 關於人工智慧與人腦智慧的思考：康博士和貝博士的對話
康博士和貝博士的對話
第一個題目：複雜場景中的物體識別能力
第二個題目：測試能夠正確識別的物體種類
第三個題目：運動物體的識別能力
第四個問題：在處理深度資訊方面，誰更有優勢
第五個問題：識別殘缺圖片的能力
第六個問題：論述一下各自系統的優勢
人腦認知功能對機器學習演算法的啟示
關於人工智慧與人腦智慧的一點思考
推薦閱讀

第 8 章 「人工」人工智慧：從人機互動到人類計算
從圖靈測試談起
從圖靈測試談起
一台機器兩個人
當玩家變成程式設計師
乘勝前進
盲目的鐘錶匠
人類計算
玩即生產
Google 印鈔機
尾聲

第 9 章 美麗的注意力之流
真實世界與虛擬世界的流網路
河流網路
城市交通網絡
注意力流網路
各種流系統內的標度律（scaling law）
河流與Hack 定律
血流與Kleiber 定律
注意力流中的標度律
流網路標度律的模型
Hack 定律與OCN
Kleiber 定律與分叉樹
走向統一的流系統標度律
注意力熱機與集體智慧

第 10 章 無處不在的自然語言處理
自然語言處理的應用
搜尋引擎中的自然語言了解
社群網站中的自然語言了解
行動應用互動中的自然語言了解
自然語言處理的工作
語義分析困難重重
向量表示和相似度計算
詞條- 文件矩陣
潛在語義分析和主題模型
傳統語言模型
主題模型
深度學習
困難與展望
大規模語料帶來的機遇與挑戰

第 11 章 從簡單程式到叢集智慧
遞迴方程式與生物形態
生命遊戲
人工生命
Boid 模型
Tierra 與程式的進化
複雜系統與複雜性科學
走向叢集智慧

第 12 章 從生物群眾到機器人群眾
生物群眾
智慧群眾
自私與合作
機器人群眾
機器和動物的混合群眾

第 13 章 瓦剋星計畫：創造一個三體世界
計畫的緣起
建置世界的路徑
恒星系的建模
動力學基礎
穩定軌道的解算
天球系統
晝夜現象
四方概念的重新檢查
周年運動的問題
可能的曆法
質心點、子時和星曆
粗略計算宜居條件
恒星系建模結果
行星的建模
建置地表特徵
溫室效應的估計
初步模擬大氣現象
未來的計畫
生物圈建模
物種編碼與環境參數
L- 系統與植物形態
遊戲與生態模擬
宇宙裡的自省意識
版權宣告
參考連結

第 14 章 AI 天氣預報員
風從哪裡來
天氣雷達：親自預報幾點幾分下雨
給電腦一個看懂雷達圖的大腦

前言

　　人工智慧不僅是科幻電影喜聞樂見的主題，是科學極客們的最後夢想，是技術狂人們不切實際、異想天開的代名詞，也是集智俱樂部經久不衰的討論話題。創造出像我們人類一樣思考的機器是所有俱樂部成員的夢想。

　　人工智慧是一個非常龐雜的學科，甚至已經分裂為很多子學科。所以，在構思這本書的時候，我們不得不從我們的角度來進行內容的取捨。我們的策略是，關注人工智慧最古老和最新奇的主題，捨棄掉人工智慧發展長河中的中間部分。所以，與一般的人工智慧教科書和科普讀物不同，在這裡你會看到有關圖靈機、哥德爾定理等與人工智慧誕生具有密切關係的「前人工智慧」理論，你也會讀到深度學習、通用人工智慧甚至是人類計算等近幾年才發展出來的新思想。這種最新與最老的組合，跨越了整個人工智慧的歷史長河，希望能夠給讀者帶來全新的閱讀體驗，也希望能夠讓讀者跳出實際的技術細節，進一步深入地思考人工智慧的本質問題。

　　下面對本書的內容進行整體介紹，希望讀者能夠快速找到你想要的內容。

　　第1章是對整個人工智慧學科發展歷史的介紹。在這裡，我們對人工智慧的發展做了大致的階段劃分。大家可以清晰地感受到整個學科發展的跌當起伏。

　　第2章到第4 章則介紹了人工智慧中最古老的部分，包含圖靈機模型（第2章）、馮‧諾依曼電腦系統結構（第3章）以及怪圈與哥德爾定理（第4章）。在這部分內容中，我們希望讀者能夠體會到早期科學家們的開拓精神和精闢論斷，也希望讀者看到，即使這部分最古老的人工智慧思想也存在著很多尚待探索的問題。

　　第5章到第12章則介紹了人工智慧領域最新的思想和成果。首先，第5章注重介紹了馬庫斯‧胡特（Marcus Hutter）的通用人工智慧理論。與工業界追逐不斷細化的人工智慧學科分化不同，胡特追求的是統一的兼具學習、歸納、推理功能的通用人工智慧演算法，進一步站在前人的基礎上，用一個數學公式定義了人工智慧。

　　第6章則介紹了近年來被業界大炒特炒的深度學習理論。可以毫不誇張地說，深度學習理論是使得人工智慧再次復活、成為全世界關注焦點的關鍵推動力。透過深度神經網路學習大數據中的隱藏模式，工程師們已經可以造出比擬兩歲小孩識別能力的人工智慧。

　　第7章則主要探討人工智慧與人腦在資訊處理等許多方面的異同之處。本章以康博士與貝博士對話的方式，將這些理論與思考娓娓道來。

　　第8章和第9章主要討論了一種非常另類的人工智慧——人類計算，即透過網際網路眾套件的方式，讓人類自己幫助電腦程式來實現「人工智慧」。儘管這種做法有「作弊」之嫌，但是它卻代表著未來發展的方向——人機結合。而在人機關係中，造成核心作用的因素可能並不是演算法，而是人類的注意力。因為注意力相對於電腦中的虛擬世界就仿佛是太陽輻射的能量相對於地球上的生物圈。從這樣的角度，我們就能看到注意力的流動與自然界中河流、能量的流動所具有的普遍模式，這就是第9章討論的主要內容。

　　第10章則轉向了另一個熱門的人工智慧領域——自然語言處理。無論是文字還是語音，與我們老百姓息息相關的並不是冷冰冰的工業機器人，而是能夠聰明了解人類語言的智慧程式。在這裡，自然語言處理技術將成為核心和關鍵。

　　第11章和第12章為大家展現了一種另類的了解、構思人工智慧的角度。這裡關注的不再是個體機器人，而是這群機器人透過相互作用而湧現出來的集體行為。人類的智力不也是來自成千上萬個神經元互動的湧現模式嗎？所以，湧現是一個比智慧更加普遍、也更加重要的概念（第10章）。透過巧妙地設計機器人的相互作用規則，我們可以在集體層面獲得智慧（第11章）。

　　第13章和第14章則介紹了實作人工智慧的應用案例。「瓦剋星」是一個虛擬的星球（第13章），它的上空有兩個太陽（一個雙星系統）。在這樣的另類星球中會衍生怎樣的星相、天氣、生命以及文化？電腦模擬技術使得這樣的奇思妙想成為可能。彩雲天氣則是一款可以精確預測未來一小時內會不會下雨的人工智慧程式（第14章）。借助強大的深度學習技術，它那短小而精準的預報曾使得彩雲天氣成為萬眾矚目的焦點。

　　由於每章基本都是彼此獨立的，所以大家可以根據自己的興趣選擇相關的章節閱讀，不必按照前後順序。由於成書時間倉促，書中難免存在一些疏漏之處，希望讀者能多提寶貴意見。