AI應(yīng)用落地之道

定　價(jià)：￥69.00

作　者：	[日] 野村直之著
出版社：	中國(guó)人民大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

京東 (￥69.00)

ISBN：	9787300278643	出版時(shí)間：	2020-04-01	包裝：	平裝
開本：	16開	頁數(shù)：	264	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　從AI核心技術(shù)、樣本數(shù)據(jù)提取到業(yè)務(wù)流程構(gòu)建、人才培養(yǎng)機(jī)制 MIT人工智能研究所客座研究員、日本人工智能專家全流程指導(dǎo)幫助企業(yè)實(shí)現(xiàn)AI技術(shù)的落實(shí)應(yīng)用，指導(dǎo)個(gè)人從知識(shí)勞動(dòng)人才向智能勞動(dòng)人才轉(zhuǎn)變當(dāng)人們聽說“AI的進(jìn)化將剝奪人類的就業(yè)機(jī)會(huì)”時(shí)，出于對(duì)機(jī)器的擔(dān)憂和反感，他們就會(huì)產(chǎn)生逆反心理，從而造成對(duì)AI能力的過高預(yù)估；另一方面，當(dāng)這種過高的期待沒有實(shí)現(xiàn)時(shí)，人們就會(huì)產(chǎn)生對(duì)AI的全面否定，如“AI什么也干不了”“到頭來還不是一無是處、毫無意義”。我們?cè)撊绾纬吻尻P(guān)于AI的各種誤解，使企業(yè)能夠從容自如地使用AI？本書作者野村直之30多年來一直致力于AI的開發(fā)、應(yīng)用和部署。在本書中，他針對(duì)已經(jīng)參與或即將參與AI系統(tǒng)相關(guān)工作的讀者揭示了諸多為了充分應(yīng)用AI系統(tǒng)需要掌握的要點(diǎn)。·AI的現(xiàn)狀。目前的AI都是輔助性工具，“強(qiáng)AI”還無法在21世紀(jì)內(nèi)誕生。·AI的核心技術(shù)——深度學(xué)習(xí)。AI應(yīng)用落地的關(guān)鍵在于目標(biāo)精度的評(píng)測(cè)與活用，通過使用精確率和召回率兩個(gè)指標(biāo)，來準(zhǔn)備良好的樣本數(shù)據(jù)。·樣本數(shù)據(jù)的制作。通過短周期原型開發(fā)評(píng)估目標(biāo)精度，加之專業(yè)人士的參與，同時(shí)使用高性能的GPU硬件。·AI部署人才應(yīng)具備的技能。AI時(shí)代的人才需要福爾摩斯般的思考能力，不僅要善于發(fā)現(xiàn)問題，打破現(xiàn)有局面，還要為解決問題設(shè)定目標(biāo)，完成從“知識(shí)勞動(dòng)”到“智能勞動(dòng)”的轉(zhuǎn)變。

作者簡(jiǎn)介

　　野村直之1984年畢業(yè)于東京大學(xué)工學(xué)專業(yè)，2002年獲得九州大學(xué)理學(xué)博士學(xué)位。曾在NEC C&C研究所、JUSTSYSTEM公司、法政大學(xué)、理光集團(tuán)任職，后擔(dān)任法政大學(xué)客座教授。2005年創(chuàng)立元數(shù)據(jù)公司，從事大數(shù)據(jù)分析、社交網(wǎng)絡(luò)應(yīng)用、各種人工智能應(yīng)用方案的提供等方面的工作。在此期間，擔(dān)任MIT人工智能研究所客座研究員，與人工智能之父馬文？？明斯基曾同在一個(gè)實(shí)驗(yàn)室，并與該校語言學(xué)者諾姆·喬姆斯基進(jìn)行過學(xué)術(shù)探討。他曾參與名詞網(wǎng)絡(luò)（Wordnet）的應(yīng)用研究以及日本第五代計(jì)算機(jī)開發(fā)機(jī)構(gòu)（ICOT）衍生知識(shí)庫開發(fā)，同時(shí)對(duì)AI在產(chǎn)業(yè)、生活、行政、教育等領(lǐng)域的應(yīng)用保持著高度的關(guān)注。

圖書目錄

目錄
第1章當(dāng)今 AI 的功能與局限
關(guān)于 AI 常見的誤解 // 2
利用大數(shù)據(jù)的圍棋 AI // 5
如何有效運(yùn)用“幼兒智能” // 6
思考能夠使用圖像識(shí)別技術(shù)的商業(yè)領(lǐng)域 // 7
深度學(xué)習(xí)是“原始數(shù)據(jù)計(jì)算” // 9
通過三個(gè)數(shù)軸對(duì) AI 進(jìn)行分類 // 12
深度學(xué)習(xí)是如何提取特征的 // 14
“模式識(shí)別”：AI 的眼睛和耳朵 // 17
使用深度學(xué)習(xí)的機(jī)器翻譯能夠獲得壓倒性勝利的原因 // 20
“強(qiáng) AI”的出現(xiàn)至少要到 22 世紀(jì)嗎 // 26
指數(shù)函數(shù)的恐怖 // 28
知識(shí)量的增加至多是二次曲線級(jí) // 30
充分運(yùn)用深度學(xué)習(xí)的必要性 // 34
深度學(xué)習(xí)與其他方式的結(jié)合也很有價(jià)值 // 36

第2章使用深度學(xué)習(xí)的基本流程
在 AI 應(yīng)用中不可或缺的目標(biāo)設(shè)定 // 40
分享評(píng)測(cè)數(shù)據(jù)使其可以共用 // 42
作為精度指標(biāo)的“精確率”和“召回率” // 44
作為前提的正確結(jié)果不止一個(gè) // 46
不同場(chǎng)景中對(duì)精確率和召回率的重視程度不同 // 47
業(yè)余和專業(yè)所需的精度是不同的 // 49
深度學(xué)習(xí)的準(zhǔn)確性評(píng)估測(cè)試非常簡(jiǎn)單 // 51
能準(zhǔn)備反映共同特征和多樣性差異的訓(xùn)練數(shù)據(jù) // 53
使用開發(fā)環(huán)境進(jìn)行數(shù)據(jù)學(xué)習(xí)的流程 // 55
注意過度擬合 // 59

第3章目標(biāo)精度的實(shí)際評(píng)估和利用
從危險(xiǎn)駕駛分類中了解自動(dòng)駕駛的問題 // 66
AI 給生產(chǎn)力帶來的提升效果 // 71
交通標(biāo)志與 AI 的匹配和 RFID 化也是必要的 // 73
精度目標(biāo)的設(shè)定和預(yù)算是“雞與蛋”的問題 // 79
自動(dòng)駕駛需要用各種觀點(diǎn)進(jìn)行綜合評(píng)估 // 81
特斯拉汽車為何發(fā)生車禍 // 82
結(jié)合預(yù)期值評(píng)估服務(wù)質(zhì)量非常重要 // 85
設(shè)計(jì)業(yè)務(wù)流程時(shí)的混淆矩陣很重要 // 89
用附有概率值的判定結(jié)果將分支條件精細(xì)化 // 93
根據(jù)置信度對(duì)處理結(jié)果進(jìn)行場(chǎng)景分類 // 96
為每個(gè)樣本或醫(yī)療機(jī)構(gòu)設(shè)置最佳精度 // 98
對(duì) AI 糾錯(cuò)的意義 // 101
如何評(píng)估聊天機(jī)器人的準(zhǔn)確性 // 103
用“對(duì)話成立度”對(duì)精度進(jìn)行定量評(píng)估 // 107
參考信息技術(shù)架構(gòu)庫改善業(yè)務(wù)流程 // 109
讓 AI 學(xué)習(xí)特殊情況下的數(shù)據(jù) // 112

第4章 AI 部署的實(shí)例
企業(yè)的數(shù)字化 // 116
將 AI API 化后公開 // 118
AI 部署的戰(zhàn)略以及企業(yè)內(nèi)部體制 // 120
制作樣本數(shù)據(jù)時(shí)的注意點(diǎn) // 125
標(biāo)注人員進(jìn)行的標(biāo)注工作 // 127
增加相互之間只有少許差異的樣本數(shù)據(jù) // 129
深度學(xué)習(xí)的引入需要耐心 // 132
描繪實(shí)際運(yùn)行整體系統(tǒng)的結(jié)構(gòu) // 135
GPU 的挑選：目前 NVIDIA 是唯一選擇 // 138
硬件的選擇：性能要超過十幾年前最先進(jìn)的超級(jí)計(jì)算機(jī) // 142
主內(nèi)存要注意主內(nèi)存容量 // 143
GPU 云服務(wù)也是一種選擇 // 151
深度學(xué)習(xí)的機(jī)制是多種多樣的 // 154
主流深度學(xué)習(xí)框架的特點(diǎn)和選擇 // 156
多種類型的網(wǎng)絡(luò)結(jié)構(gòu)該如何進(jìn)行選擇 // 160
編程語言幾乎只有 Python 一種選擇 // 160
利用現(xiàn)成 AI 資源的意識(shí) // 162
將完成后的 AI 應(yīng)用程序化、API 化 // 164
將 API 向世界公開 // 166
爭(zhēng)取各種安全措施保護(hù)隱私 // 167
以眼還眼，以 AI 對(duì) AI // 169
保護(hù) AI 開發(fā)企業(yè)的防盜版措施 // 171
主動(dòng)公開部分源代碼的交付方法 // 173

第5章 AI 部署人才應(yīng)具備的技能
用戶企業(yè)如何獲得 AI 人才 // 177
用戶企業(yè)的管理人員應(yīng)掌握的心得 // 178
AI 時(shí)代需要我們具備福爾摩斯般的思考能力 // 179
AI 人員所需的資格和專業(yè)領(lǐng)域 // 180
舊知識(shí)可能成為絆腳石 // 183
樣本數(shù)據(jù)的準(zhǔn)備成為開發(fā)工作的核心 // 184
在 API 經(jīng)濟(jì)中擅長(zhǎng)混聚開發(fā)的人才更重要 // 186
AI 人員的溝通能力不可或缺 // 187
知識(shí)會(huì)迅速過時(shí) // 189
從知識(shí)勞動(dòng)到智能勞動(dòng) // 191
知識(shí)將可以無償獲得 // 193
思考人類與 AI 的角色分擔(dān) // 196
即使沒有大數(shù)據(jù)，人類也可以相對(duì)準(zhǔn)確地推斷 // 199
實(shí)現(xiàn)不同專家合作的“配對(duì)需求開發(fā)” // 203
推動(dòng) AI 項(xiàng)目的關(guān)鍵人才 // 205
熟練工藝移植給 AI 后的產(chǎn)業(yè)空心化對(duì)策 // 208
第6章將 AI 用于商業(yè)用途時(shí)需注意的問題
大數(shù)據(jù)越來越重要 // 213
利用 AI 防止人類被數(shù)據(jù)牽制 // 214
AI 的知識(shí)獲取瓶頸 // 216
數(shù)據(jù)準(zhǔn)備和增值更要活用 AI // 219
準(zhǔn)備和收集樣本數(shù)據(jù)時(shí)的要點(diǎn) // 222
AI 在日本的應(yīng)用前景廣闊 // 224
與人類相同的服務(wù)員 AI 會(huì)出現(xiàn)嗎 // 226
人文和哲學(xué)對(duì)于 AI 研究人員來說非常重要 // 230
基本收入制度無法解決問題 // 233
將 AGI 作為工具使用 // 234
結(jié)語 // 237