智能机器如何思考(深度神经网络的秘密)(精)

作者简介

肖恩·格里什（Sean Gerrish） 谷歌前工程专家，普林斯顿大学的机器学***，机器学习极客。 曾在高频交易机构泰莎科技担任工程师，并在谷歌担任机器学习和数据科学团队的工程专家。

内容简介

**序 10多年前，我遇见了肖恩。当时我在谷歌领导团队，负责开发为谷歌的搜索广告业务提供支持的许多大型机器学**统。肖恩是我们小组里***的工程师之一，当时他正在研究机器学习前沿领域的一系列具有挑战性的问题。我们一起工作以来，体现在统计机器学习技术中的各类人工智能已经从相对难以触及的神秘技术、研究人员和高科技公司的专属领域，发展成为*益平易近人的、卓有成效的工具和技术，值得每一位软件开发人员使用。 目前机器学习领域取得的快速进展，在一定程度上是由以下因素推动的：数据**，高性能计算机体系结构的复兴，云提供商竞相为开发人员和研究人员构建可扩展的人工智能平台，人们将实时智能嵌入移动设备、汽车、其他消费电子产品和*益普遍的连接到云端的计算设备的热潮。这种快速进步中包括一些惊世骇俗的成就，机器在许多狭窄的领域已经接近于或超过了人类的能力，例如在图像中标记物体、识别语音、玩策略游戏以及翻译语言，但我们仍处于这些技术发展的初期，摆在我们面前的是长达几十年的创新和发现之旅。 对开发人员和研究人员而言，理解机器学习的工作原理是一个明智的职业选择。目前，**的科技巨头公司对这些技术的专业知识都有很高的需求。微软、***、谷歌、苹果、百度等许多公司都提供应用程序接口、工具包和云计算基础设施，将机器学习的开发工作交给全世界数以千万计的开发人员。未来几年，随着越来越多的应用程序包含智能功能，大多数开发人员都需要掌握一些机器学习技术。这正是这本书的宝贵价值所在。 这本书诞生自肖恩对了解现代机器学习成功之路的渴望。在用清晰易懂的方式描述这些系统的本质时，肖恩利用10多年的行业和学术经验解决了机器学习带来的一些*棘手的问题。鉴于机器学**统能够复制某些方面的人类智能，等到某个突破点临近，原本由人类特有的创造诗意词句的能力或许也会被机器复制。肖恩对这些技术严谨实用的描述反映了他在科研战壕中的岁月，不时令人感到痛苦的反复试验让战壕中的人们了解到，机器学习并不是魔法。如果你知道如何应用它，了解它的局限所在，它就是强有力的前沿工具；如果你不知道，它就几乎一文不值。 肖恩通过列举现实世界的例子，回避不必要的术语，使现代机器学习的概念变得通俗易懂。这本书假设读者在机器学习或计算机科学领域的知识相对较少，因此对*广泛的*众而言**友好。鉴于当前围绕机器学习和人工智能的对话颇为活跃，并且这些技术可能对我们的未来产生影响，任何想要参与这场对话的人都应该尽可能地学习。由于市场上缺乏对机器学习通俗易懂的专业介绍，这本书将成为引导你理解底层技术的理想方法，它可以帮助你*好地判断哪些言论值得相信，哪些说得天花乱坠的谬论应该被抛弃。 微软CTO（首席技术官） 凯文?斯科特（Kevin Scott） 前言 2010年的一个晚上，这本书的种子播种在了计算机科学系顶层的人工智能研究实验室里。当时，我刚刚参加了一些关于自动驾驶汽车的研讨会，对它们的工作原理颇为好奇，于是我做了一些网络搜索。我找到的*好的解释是卡内基–梅隆大学和斯坦福大学的一些研究人员撰写的学术论文。我看了几分钟，对自动驾驶汽车的工作原理有了些粗浅的认识，然后便离开了。 但随着时间的推移，我发现自己三番五次地重复这个过程。每当看到媒体报道人工智能或机器学习领域的一个个突破时，我就会回到同一个问题：它们是如何工作的？令我感到奇怪的是，我花了无数时间在学术界和产业界研究和实践机器学习，但我仍然不能坚定连贯地回答这个问题。我想，或许我对人工智能和机器学习的了解不如我本应了解的那么多，又或许大学课程没有教授我们全面的知识。大多数关于这些主题的大学课程只教授这些突破背后的构件，而不教授如何将这些构件组合在一起去做有趣的事情。 但还有另一个*根本的原因，即我无法弄清楚它们的工作原理：这些突破中的大多数确实涉及开创性的研究，我们根本不知道如何构建它们，直到研究人员找到了方法、撰写了过程或构建了原型。这就是为什么研究人员一直在同行评议期刊上发表关于这些突破的文章，因为这些文章新颖、有影响力、非显而易见（而且是经过同行评议的）。但是，这些突破背后的细节一经发表就会被随意**在许多不同的来源中，因此仍然无济于事。 *终，我意识到应该把自己在研究中学到的东西与他人分享，这样他们就无须为了理解相同的东西而跨越同样的障碍。换言之，我写这本书的原因是，这是一本如果我不懂机器学习我将会想读的书。 于是我写了这本书，希望它能够帮助那些对广义上的科学技术感兴趣的人，无论老少；或者那些想要*多地了解机器学习和人工智能是否会对他们的公司有帮助的行业***。这本书旨在让广大读者都能读懂，无论是满怀好奇心的高中生，还是退休的机械工程师。虽然了解一些计算机科学会有所帮助，但阅读本书**的前提条件是好奇心和一点专注力。我有意把这本书中涉及的数学知识保持在*低限度，以便向普通读者*好地传达核心思想。 机器人、人工智能和机器学习领域的专家通常比较了解我将要描述的一些算法的实现细节，但是对他们中的许多人而言，其余的叙述和对整个系统的设计可能仍然是陌生的（除非这是他们的研究领域）。我希望这本书能为大家带来一些新东西。 长笛演奏者 1737年，在工业革命的黎明时分，法国的机械天才雅克?德?沃康松（Jacques de Vaucanson）完成了一件杰作：一尊可以像真人一样用长笛演奏音乐的塑像。只见这尊真人大小的塑像把真实的长笛举到嘴边，接着便用它的机械肺把空气送入乐器，吹出一个个音符。通过移动嘴唇，调整吹气的力度，控制手指**地在长笛孔上移动，塑像可以吹出一系列音符，组成一首完整的乐曲，“其吹奏过程就像人类乐手的演奏一样**”。沃康松并不满足于塑像只会用长笛演奏一首乐曲，于是赋予了塑像演奏12首不同乐曲的能力。 对公众而言，像长笛演奏者这样的装置他们并非**次见，但是这个装置很特别。他们把这种机器称为自动机，而且爱不释手。摆弄这类装置已经成为整个欧洲富裕阶层的一种爱好。有一段时间，沃康松向一小部分观众收取相当于一周薪水的费用，让他们观看他那奇怪的装置。它那自然的运动和复杂的行为对当时的人们来说**属于未知的领域。*终，沃康松在欧洲的其他地区巡回展出了长笛演奏者和其他几台自动机。 长笛演奏者是如何工作的？它是黑魔法吗？在那10年以前，一位教会官员曾下令捣毁了沃康松的一个工作坊，因为他认为这是亵渎神灵，所以沃康松肯定不会再做任何看起来太像魔法的事情。它是骗局吗？就在长笛演奏者诞生之前的几年，一台看似能演奏大键琴的自动乐器曾让法国国王路易十五颇为着迷。国王坚持要了解这台装置的工作原理，*终却发现它只是个傀儡，里面藏着一个5岁的小女孩。沃康松敏锐地意识到了这一点，热切地向观众展示长笛演奏者的内部机制。它的动作流畅自然，当沃康松展示它的内部机制时，它显然只是在遵循编码到其机械内脏中的一系列指令。 沃康松为了进一步证明其发明的合理性，向法国科学院展示了这台自动机，并提交了一篇题为《自动长笛演奏者的机理》的论文。在论文中，沃康松**地阐释了这台神奇机器的工作原理。塑像由木头和硬纸板制成，被漆成大理石的样子，包裹着皮革的指尖与长笛孔形成密封。自动机的机械驱动器由两根旋转轴组成。为了让塑像吹气，其中一根轴给三组风箱打气，产生低、中、高三档不同压力的气流。这三股气流合在一起形成一个人工气管，被送入塑像的口中。装置的另一根轴慢慢地转动一个表面带有小螺柱的圆筒。当圆筒旋转时，这些小螺柱会压在15根由弹簧承载的杠杆上。通过链条和线缆，这些杠杆可以驱动自动机的各个部分。一些杠杆控制着手指和嘴唇的运动。剩下的杠杆决定了低、中、高三档压力中的哪一档气流应该吹进长笛以及装置的舌头应该选择占据哪个位置来改变气流。通过将小螺柱放置在旋转圆筒上的适当位置，沃康松可以对塑像进行编码，从而让它演奏出他想要的任何乐曲。虽然有些复杂，但它不过是一个巨大的音乐盒。法国科学院接*了他的论文，并做了精彩的评论。 沃康松的杰作只是那个世纪的发明家几十年来开发的许多自动机之一。自动机之所以*欢迎，正是因为它看起来是**自主的，而且它似乎复制了人类的智能。长笛演奏者和其他类似的自动机是工业革命中的人工智能先驱：在几十年的时间里，随着各类材料和各种新发明的出现，自动机得以成为可能，当时的技术专家和业余爱好者在他们独特的探索中使用自动机来复制我们的身体和思想。 **的自动机 时间快进到**。在现实生活中，自动驾驶汽车*夜穿梭于硅谷的各个城市。我们用提供奖励的方法训练计算机程序玩雅达利游戏，*终使程序的游戏水平远远超过人类玩家，就像训练一只狗坐下或打滚儿一样。在《危险边缘》（Jeopardy!）比赛节目中，一个计算机程序成功击败了两位世界**。我们开发出了在古老的围棋中战胜***的人类棋手的计算机程序。与此同时，这些突破背后的人工智能正在以令人叹为观止的速度发展，甚至对这个领域的专家而言也是如此。 *后这一点怎么夸张也不为过。参加《危险边缘》比赛的“沃森”开发团队表示，在他们着手开发这个系统之前，创建出能够击败世界**玩家的程序还不可能。许多专家认为，创建出具备一定棋力的计算机围棋程序需要再过10年，AlphaGo（阿尔法围棋）证明了这是错误的，这个程序被训练了几个月，随后战胜了世界围棋**李世石。20个月后，AlphaGo的创建者开发了程序的另一个版本，它仅用三天就自学了人类数千年积累的围棋知识，以100比0的成绩击败了上一个版本，然而它只使用了上一个版本10%的计算能力。这在一定程度上要归功于人工神经网络的进步，人工神经网络是AlphaGo的技术基础，也是过去10年的研究热点。现在这些人工神经网络不仅会玩游戏，还能够识别照片中的图像、识别口语语音，其水平可以与人类媲美。 随着这些突破不断登上新闻头条，它们也自然而然地激发了我们的好奇心：它们是如何工作的？正如18世纪的欧洲人对长笛演奏者和当时的其他自动机感到疑惑一样，当我们谈论这些新型自动机时，那个问题总是隐藏在表面之下，悬而未决。 幸运的是，与沃康松向法国科学院提交论文的方式如出一辙，这些*新进展的创造者详细记录了构建智能计算机程序的方法。这些技术细节分布在许多不同的地方，在本书中，我试图把这些细节组织起来，用简单的术语说明智能机器是如何思考的。 与里面藏着5岁小女孩的冒牌自动机不同，你将在本书中看到的突破是真实的科学进步。虽然它们看起来像魔法，但是与法国科学院审查长笛演奏者一样，学术界对这些突破都进行了仔细的审查。它们同长笛演奏者一样，也是自动机的例子。自动机就是自动运行的机器。它看上去总是像人或动物一样自主运行，似乎可以独立思考。但根据定义，自动机是遵循程序的。这些程序是预先设定的指令序列，就像沃康松为让长笛演奏者演奏音乐而开发的程序一样。 正如我们将要看到的，事实证明，技术专家在过去的几个世纪里没有太大变化。他们仍然在设计自动机并给它们编程，以此复制人类的思想和身体，他们有时仍然会造出冒牌自动机。**的区别是，技术专家已经把工具升级为计算机和运行在计算机上的软件，它们是21世纪的杠杆、齿轮和发动机。 **序 10多年前，我遇见了肖恩。当时我在谷歌领导团队，负责开发为谷歌的搜索广告业务提供支持的许多大型机器学**统。肖恩是我们小组里***的工程师之一，当时他正在研究机器学习前沿领域的一系列具有挑战性的问题。我们一起工作以来，体现在统计机器学习技术中的各类人工智能已经从相对难以触及的神秘技术、研究人员和高科技公司的专属领域，发展成为*益平易近人的、卓有成效的工具和技术，值得每一位软件开发人员使用。 目前机器学习领域取得的快速进展，在一定程度上是由以下因素推动的：数据**，高性能计算机体系结构的复兴，云提供商竞相为开发人员和研究人员构建可扩展的人工智能平台，人们将实时智能嵌入移动设备、汽车、其他消费电子产品和*益普遍的连接到云端的计算设备的热潮。这种快速进步中包括一些惊世骇俗的成就，机器在许多狭窄的领域已经接近于或超过了人类的能力，例如在图像中标记物体、识别语音、玩策略游戏以及翻译语言，但我们仍处于这些技术发展的初期，摆在我们面前的是长达几十年的创新和发现之旅。 对开发人员和研究人员而言，理解机器学习的工作原理是一个明智的职业选择。目前，**的科技巨头公司对这些技术的专业知识都有很高的需求。微软、***、谷歌、苹果、百度等许多公司都提供应用程序接口、工具包和云计算基础设施，将机器学习的开发工作交给全世界数以千万计的开发人员。未来几年，随着越来越多的应用程序包含智能功能，大多数开发人员都需要掌握一些机器学习技术。这正是这本书的宝贵价值所在。 这本书诞生自肖恩对了解现代机器学习成功之路的渴望。在用清晰易懂的方式描述这些系统的本质时，肖恩利用10多年的行业和学术经验解决了机器学习带来的一些*棘手的问题。鉴于机器学**统能够复制某些方面的人类智能，等到某个突破点临近，原本由人类特有的创造诗意词句的能力或许也会被机器复制。肖恩对这些技术严谨实用的描述反映了他在科研战壕中的岁月，不时令人感到痛苦的反复试验让战壕中的人们了解到，机器学习并不是魔法。如果你知道如何应用它，了解它的局限所在，它就是强有力的前沿工具；如果你不知道，它就几乎一文不值。 肖恩通过列举现实世界的例子，回避不必要的术语，使现代机器学概念变得通俗易懂。这本书假设读者在机器学习或计算机科学领域的知识相对较少，因此对*广泛的*众而言**友好。鉴于当前围绕机器学习和人工智能的对话颇为活跃，并且这些技术可能对我们的未来产生影响，任何想要参与这场对话的人都应该尽可能地学习。由于市场上缺乏对机器学习通俗易懂的专业介绍，这本书将成为引导你理解底层技术的理想方法，它可以帮助你*好地判断哪些言论值得相信，哪些说得天花乱坠的谬论应该被抛弃。 微软CTO（首席技术官） 凯文?斯科特（Kevin Scott） 前言 2010年的一个晚上，这本书的种子播种在了计算机科学系顶层的人工智能研究实验室里。当时，我刚刚参加了一些关于自动驾驶汽车的研讨会，对它们的工作原理颇为好奇，于是我做了一些网络搜索。我找到的*好的解释是卡内基–梅隆大学和斯坦福大学的一些研究人员撰写的学术论文。我看了几分钟，对自动驾驶汽车的工作原理有了些粗浅的认识，然后便离开了。 但随着时间的推移，我发现自己三番五次地重复这个过程。每当看到媒体报道人工智能或机器学习领域的一个个突破时，我就会回到同一个问题：它们是如何工作的？令我感到奇怪的是，我花了无数时间在学术界和产业界研究和实践机器学习，但我仍然不能坚定连贯地回答这个问题。我想，或许我对人工智能和机器学习的了解不如我本应了解的那么多，又或许大学课程没有教授我们全面的知识。大多数关于这些主题的大学课程只教授这些突破背后的构件，而不教授如何将这些构件组合在一起去做有趣的事情。 但还有另一个*根本的原因，即我无法弄清楚它们的工作原理：这些突破中的大多数确实涉及开创性的研究，我们根本不知道如何构建它们，直到研究人员找到了方法、撰写了过程或构建了原型。这就是为什么研究人员一直在同行评议期刊上发表关于这些突破的文章，因为这些文章新颖、有影响力、非显而易见（而且是经过同行评议的）。但是，这些突破背后的细节一经发表就会被随意**在许多不同的来源中，因此仍然无济于事。 *终，我意识到应该把自己在研究中学到的东西与他人分享，这样他们就无须为了理解相同的东西而跨越同样的障碍。换言之，我写这本书的原因是，这是一本如果我不懂机器学习我将会想读的书。 于是我写了这本书，希望它能够帮助那些对广义上的科学技术感兴趣的人，无论老少；或者那些想要*多地了解机器学习和人工智能是否会对他们的公司有帮助的行业***。这本书旨在让广大读者都能读懂，无论是满怀好奇心的高中生，还是退休的机械工程师。虽然了解一些计算机科学会有所帮助，但阅读本书**的前提条件是好奇心和一点专注力。我有意把这本书中涉及的数学知识保持在*低限度，以便向普通读者*好地传达核心思想。 机器人、人工智能和机器学习领域的专家通常比较了解我将要描述的一些算法的实现细节，但是对他们中的许多人而言，其余的叙述和对整个系统的设计可能仍然是陌生的（除非这是他们的研究领域）。我希望这本书能为大家带来一些新东西。 长笛演奏者 1737年，在工业革命的黎明时分，法国的机械天才雅克?德?沃康松（Jacques de Vaucanson）完成了一件杰作：一尊可以像真人一样用长笛演奏音乐的塑像。只见这尊真人大小的塑像把真实的长笛举到嘴边，接着便用它的机械肺把空气送入乐器，吹出一个个音符。通过移动嘴唇，调整吹气的力度，控制手指**地在长笛孔上移动，塑像可以吹出一系列音符，组成一首完整的乐曲，“其吹奏过程就像人类乐手的演奏一样**”。沃康松并不满足于塑像只会用长笛演奏一首乐曲，于是赋予了塑像演奏12首不同乐曲的能力。 对公众而言，像长笛演奏者这样的装置他们并非**次见，但是这个装置很特别。他们把这种机器称为自动机，而且爱不释手。摆弄这类装置已经成为整个欧洲富裕阶层的一种爱好。有一段时间，沃康松向一小部分观众收取相当于一周薪水的费用，让他们观看他那奇怪的装置。它那自然的运动和复杂的行为对当时的人们来说**属于未知的领域。*终，沃康松在欧洲的其他地区巡回展出了长笛演奏者和其他几台自动机。 长笛演奏者是如何工作的？它是黑魔法吗？在那10年以前，一位教会官员曾下令捣毁了沃康松的一个工作坊，因为他认为这是亵渎神灵，所以沃康松肯定不会再做任何看起来太像魔法的事情。它是骗局吗？就在长笛演奏者诞生之前的几年，一台看似能演奏大键琴的自动乐器曾让法国国王路易十五颇为着迷。国王坚持要了解这台装置的工作原理，*终却发现它只是个傀儡，里面藏着一个5岁的小女孩。沃康松敏锐地意识到了这一点，热切地向观众展示长笛演奏者的内部机制。它的动作流畅自然，当沃康松展示它的内部机制时，它显然只是在遵循编码到其机械内脏中的一系列指令。 沃康松为了进一步证明其发明的合理性，向法国科学院展示了这台自动机，并提交了一篇题为《自动长笛演奏者的机理》的论文。在论文中，沃康松**地阐释了这台神奇机器的工作原理。塑像由木头和硬纸板制成，被漆成大理石的样子，包裹着皮革的指尖与长笛孔形成密封。自动机的机械驱动器由两根旋转轴组成。为了让塑像吹气，其中一根轴给三组风箱打气，产生低、中、高三档不同压力的气流。这三股气流合在一起形成一个人工气管，被送入塑像的口中。装置的另一根轴慢慢地转动一个表面带有小螺柱的圆筒。当圆筒旋转时，这些小螺柱会压在15根由弹簧承载的杠杆上。通过链条和线缆，这些杠杆可以驱动自动机的各个部分。一些杠杆控制着手指和嘴唇的运动。剩下的杠杆决定了低、中、高三档压力中的哪一档气流应该吹进长笛以及装置的舌头应该选择占据哪个位置来改变气流。通过将小螺柱放置在旋转圆筒上的适当位置，沃康松可以对塑像进行编码，从而让它演奏出他想要的任何乐曲。虽然有些复杂，但它不过是一个巨大的音乐盒。法国科学院接*了他的论文，并做了精彩的评论。 沃康松的杰作只是那个世纪的发明家几十年来开发的许多自动机之一。自动机之所以*欢迎，正是因为它看起来是**自主的，而且它似乎复制了人类的智能。长笛演奏者和其他类似的自动机是工业革命中的人工智能先驱：在几十年的时间里，随着各类材料和各种新发明的出现，自动机得以成为可能，当时的技术专家和业余爱好者在他们独特的探索中使用自动机来复制我们的身体和思想。 **的自动机 时间快进到**。在现实生活中，自动驾驶汽车*夜穿梭于硅谷的各个城市。我们用提供奖励的方法训练计算机程序玩雅达利游戏，*终使程序的游戏水平远远超过人类玩家，就像训练一只狗坐下或打滚儿一样。在《危险边缘》（Jeopardy!）比赛节目中，一个计算机程序成功击败了两位世界**。我们开发出了在古老的围棋中战胜***的人类棋手的计算机程序。与此同时，这些突破背后的人工智能正在以令人叹为观止的速度发展，甚至对这个领域的专家而言也是如此。 *后这一点怎么夸张也不为过。参加《危险边缘》比赛的“沃森”开发团队表示，在他们着手开发这个系统之前，创建出能够击败世界**玩家的程序还不可能。许多专家认为，创建出具备一定棋力的计算机围棋程序需要再过10年，AlphaGo（阿尔法围棋）证明了这是错误的，这个程序被训练了几个月，随后战胜了世界围棋**李世石。20个月后，AlphaGo的创建者开发了程序的另一个版本，它仅用三天就自学了人类数千年积累的围棋知识，以100比0的成绩击败了上一个版本，然而它只使用了上一个版本10%的计算能力。这在一定程度上要归功于人工神经网络的进步，人工神经网络是AlphaGo的技术基础，也是过去10年的研究热点。现在这些人工神经网络不仅会玩游戏，还能够识别照片中的图像、识别口语语音，其水平可以与人类媲美。 随着这些突破不断登上新闻头条，它们也自然而然地激发了我们的好奇心：它们是如何工作的？正如18世纪的欧洲人对长笛演奏者和当时的其他自动机感到疑惑一样，当我们谈论这些新型自动机时，那个问题总是隐藏在表面之下，悬而未决。 幸运的是，与沃康松向法国科学院提交论文的方式如出一辙，这些*新进展的创造者详细记录了构建智能计算机程序的方法。这些技术细节分布在许多不同的地方，在本书中，我试图把这些细节组织起来，用简单的术语说明智能机器是如何思考的。 与里面藏着5岁小女孩的冒牌自动机不同，你将在本书中看到的突破是真实的科学进步。虽然它们看起来像魔法，但是与法国科学院审查长笛演奏者一样，学术界对这些突破都进行了仔细的审查。它们同长笛演奏者一样，也是自动机的例子。自动机就是自动运行的机器。它看上去总是像人或动物一样自主运行，似乎可以独立思考。但根据定义，自动机是遵循程序的。这些程序是预先设定的指令序列，就像沃康松为让长笛演奏者演奏音乐而开发的程序一样。 正如我们将要看到的，事实证明，技术专家在过去的几个世纪里没有太大变化。他们仍然在设计自动机并给它们编程，以此复制人类的思想和身体，他们有时仍然会造出冒牌自动机。**的区别是，技术专家已经把工具升级为计算机和运行在计算机上的软件，它们是21世纪的杠杆、齿轮和发动机。 1. 这是一本技术“小白”和技术“大咖”都爱读的机器学习指南。谷歌前工程专家、机器学习极客肖恩？格里什的重磅作品。 2. “深度神经网络”是新一波人工智能热潮的推动引擎。围绕这一前沿工具展开的对话，推动着自动驾驶汽车、网飞的**算法、AlphaGo，甚至会打DOTA游戏的人工智能的发展，任何想要参与这一时代对话的人都应该读读这本书。 3. 作者用通俗的类比和鼓舞人心的故事，厘清了许多神秘而前卫的新概念：感知算法、强化学习、卷积神经网络、深度语音识别、图片识别等。掌握这些概念，你才能*好地判断，哪些关于人工智能的言论值得相信，哪些说得天花乱坠的谬论应该被抛弃，这本书将助力你的AI创业与投资之路。 4. 微软CTO凯文？斯科特亲笔作序、谷歌工程总监雷？库兹韦尔、美国人工智能协会院士佩德罗？多明戈斯、谷歌研究科学家凯文？墨菲、微软亚洲研究院副院长潘天佑、驭势科技CEO吴甘沙鼎力**！