大话机器智能：一书看透AI的底层运行逻辑

　　本书以有趣的案例和深入浅出的语言，直击AI的底层运行逻辑与核心原理，勾勒人工智能的全貌，以便读者掌握AI技术要点，打通AI的各种技术壁垒，厘清不易察觉的“认知错误”，从而更好地认识正在运转的神秘AI世界。 本书共9章，逻辑上分为三部分。 第1～3章是人工智能的基础理论，通过生动、有趣的讲解，让读者知道支撑AI的基础学科如何起作用：如何基于统计学和概率论找到应对不确定性的有效方法与解题思路；如何基于数据统计的基础知识与原理避开数据“陷阱”，给出谨慎的主观结论；如何从数学视角理解信息的处理模型。 第4～7章讨论人工智能的核心技术——数据、算法、算力，详细介绍大数据是如何处理的，如何通过机器学习算法和深度学习算法让机器正确认识数据间的关联与规律，以及如何通过算力整合与软件协作实现更高效的智能。 第8～9章探讨一些人工智能安全话题——大数据“杀熟”、隐私计算、深度伪造技术、对抗样本攻击、数据投毒攻击、攻防博弈等，并展望人工智能的未来，包括：人工智能会抢走人类的工作吗？机器人会统治人类吗？通用人工智能会出现吗？未来到底会变成什么样子？

　　徐 晟某商业银行IT技术主管，毕业于上海交通大学，从事IT技术领域工作十余年，对科技发展、人工智能有自己独到的见解，专注于智能运维（AIOps）、数据可视化、容量管理等方面工作。

前言
第1章　世界充满不确定性　/　1
11　解题最重要的是思路　/　2
111　加百子的答案　/　2
112　人工智能的破题思路　/　2
113　统计思维的诞生　/　3
12　随机世界　/　6
121　猜测上帝的游戏　/　6
122　科学研究与模型　/　7
123　随机性与随机过程　/　8
124　正态分布是什么　/　9
125　随机不是均匀　/　10
13　概率的威力　/　11
131　试验能得出什么规律　/　12
132　如何合理分配赌金　/　12
133　概率与异常值　/　13
134　用概率击败庄家　/　14
14　直觉和错觉　/　15
141　猜拳是不是碰运气　/　15
142　同一天生日的概率是多少　/　16
143　蒙提霍尔的三门问题　/　17
15　生活中的大数定律　/　19
151　大数定律的概念和意义　/　19
152　蒙特卡洛方法　/　20
16　如何验证假设　/　20
161　女士品茶　/　21
162　停时理论　/　24
17　经验和实践如何共存　/　25
171　什么是贝叶斯定理　/　26
172　朴素贝叶斯有多“朴素”　/　29
173　每个人都懂贝叶斯　/　31
18　结语　/　32
第2章　数据代表真相吗　/　34
21　小心数据的陷阱　/　34
22　数据收集的偏差　/　35
221　幸存者偏差　/　35
222　选择性偏差　/　36
23　数据处理的悖论　/　38
231　被平均的工资　/　38
232　辛普森悖论　/　40
24　数据呈现的误导　/　42
241　未披露的数据　/　42
242　会欺骗的视觉设计　/　43
25　如何正确解读数据　/　47
251　相关性不等于因果性　/　47
252　被选数据的骗局　/　50
253　数据表达的局限　/　51
254　精准预测的挑战　/　52
26　结语　/　54
第3章　如何获得有用信息　/　55
31　数据、信息、知识　/　55
311　数据是一组有意义的符号　/　56
312　信息是用来消除不确定性的　/　56
313　知识是对信息的总结和提炼　/　57
32　用信息丈量世界　/　60
321　香农与信息论　/　60
322　一条信息的价值　/　62
323　重复的信息没有价值　/　64
324　信息的熵　/　65
33　信息是如何交换的　/　66
331　互联网与信息交换　/　67
332　哈夫曼和有效编码　/　68
333　信息不对称与囚徒困境　/　71
34　信息的加密与解密　/　74
341　语言是一套密码系统　/　74
342　墙边盛开的花朵　/　75
343　可以被公开的密钥　/　76
35　信息里的噪声　/　79
351　信息越多结果就越准确吗　/　79
352　人工智能如何处理噪声　/　80
353　模型的泛化能力　/　82
354　欠拟合和过拟合　/　82
36　结语　/　84
第4章　大数据处理与挖掘　/　85
41　大数据概述　/　86
411　数据是描绘世界的新方式　/　86
412　大数据到底有多大　/　87
42　数据处理的流程和方法　/　88
421　数据收集　/　89
422　数据加工　/　90
423　数据分析　/　94
424　数据可视化　/　100
43　大数据改变了什么　/　103
431　经验与数据　/　103
432　时间与空间　/　105
433　记忆与理解　/　106
44　结语　/　107
第5章　机器是如何学习的　/　108
51　机器学习是什么　/　108
511　归纳与推演　/　109
512　定规则和学规则　/　110
513　算法的含义　/　112
52　机器学习算法　/　113
521　常见的学习方法　/　114
522　回归　/　116
523　分类　/　118
524　聚类　/　126
525　降维　/　130
526　时间序列　/　132
53　没有完美的算法　/　134
54　结语　/　135
第6章　模拟大脑的神经网络　/　137
61　不断演进的人工智能　/　138
611　从浅层学习到深度学习　/　139
612　萌芽、复苏、增长和爆发　/　141
62　机器会不会思考　/　144
63　深度学习算法　/　146
631　人工神经网络：模拟人脑的思考　/　146
632　卷积神经网络：让计算机“看”到世界　/　152
633　循环神经网络：如何模拟记忆功能　/　157
634　强化学习：黑森林蛋糕的秘密　/　161
64　场景是算法的综合应用　/　166
641　计算机如何下围棋　/　166
642　计算机如何打游戏　/　168
643　计算机如何与人对话　/　170
65　结语　/　177
第7章　海量运算背后的技术　/　178
71　不断提升的计算能力　/　178
711　计算的演进　/　179
712　今非昔比的算力　/　183
713　计算机芯片　/　184
72　如何完成协作计算　/　187
721　举足轻重的三篇论文　/　187
722　不可兼得的CAP定理　/　189
723　故障是不可避