第一部分 智能的新构想 9
推荐序 面对科技拐点，我们的判断与选择 9
中文版序 人工智能会放大认知能力 13
前言 深度学习与智能的本质 15
01机器学习的崛起 4
汽车新生态：无人驾驶将全面走入人们生活 5
自然语言翻译：从语言到句子的飞跃 9
语音识别：实时跨文化交流不再遥远 12
AI医疗：医学诊断将更加准确 13
金融科技：利用数据和算法获取最佳回报 17
深度法律：效率的提高与费用的降低 19
德州扑克：当机器智能学会了虚张声势 19
AIphaGo奇迹：神经科学与人工智能的协同 20
弗林效应：深度学习让人类更加智能 26
新教育体系：每个人都需要终身学习 28
正面影响：新兴技术不是生存威胁 30
回到未来：当人类智能遇到人工智能 32
02人工智能的重生 34
看似简单的视觉识别 34
计算机视觉的进步 36
早期人工智能发展缓慢 38
从神经网络到人工智能 41
03神经网络的黎明 46
深度学习的起点 48
从样本中学习 50
3.1感知器 52
利用感知器区分性别 54
被低估的神经网络 56
04大脑式的计算 59
网络模型能够模仿智能行为 60
神经网络先驱者 63
乔治·布尔与机器学习 66
利用神经科学理解大脑 67
大脑如何处理问题 70
计算机科学的兴起 73
05洞察视觉系统 75
人眼是如何看到东西的 77
大脑皮层中的视觉 80
突触的可塑性 82
通过阴影脑补立体全貌 84
视觉区域的层级结构 88
认知神经科学的诞生 91
第二部分 深度学习的演进 98
06语音识别的突破 98
在嘈杂中找到你的声音 99
6.1独立分量分析是如何工作的 102
将独立分量分析应用于大脑 104
什么在操控我们的言行 107
07霍普菲尔德网络和玻尔兹曼机 109
约翰·霍普菲尔德的伟大之处 110
内容可寻址存储器 113
局部最小值与全局最小值 115
7.1霍普菲尔德网络 116
玻尔兹曼机 117
赫布理论 120
7.2玻尔兹曼机 121
学习识别镜像对称 123
学习识别手写数字 126
无监督学习和皮层发育 128
08反向传播算法 131
算法的优化 133
8.1误差反向传播 134
语音合成的突破 135
神经网络的重生 142
理解真正的深度学习 143
神经网络的局限性 148
09卷积学习 153
机器学习的稳步发展 154
卷积网络的渐进式改进 157
当深度学习遇到视觉层级结构 160
有工作记忆的神经网络 161
生成式对抗网络 163
应对现实社会的复杂性 168
10奖励学习 171
机器如何学会下棋 172
10.1时间差分学习 176
大脑的奖励机制 179
用“感知一行动”框架提高绩效 182
学习如何翱翔 185
学习如何歌唱 187
人工智能的可塑性 189
更多需要被解决的问题 190
11火爆的NIPS 192
为什么NIPS如此受欢迎 193
谁拥有最多数据，谁就是赢家 197
为未来做准备 200
第三部分 人类，智能与未来 206
12智能时代 206
21世纪的生活 208
未来的身份认证 209
社交机器人的崛起 210
机器已经会识别人类面部表情 217
新技术改变教育方式 221
成为更好的学习者 225
训练你的大脑 231
智能商业 233
13算法驱动 237
用算法把复杂问题简单化 238
理解、分析复杂系统 239
13.1细胞自动机 241
大脑的逻辑深度 243
尝试所有可能的策略 244
14芯片崛起 248
神经形态芯片 249
视网膜芯片 250
神经形态工程 255
14.1动态视觉传感器的工作原理 258
摩尔定律的终结 262
15信息科学 264
用字节丈量世界 265
用数学思维解决通信难题 266
预测是如何产生的 270
深度理解大脑 272
大脑的操作系统 275
生物学与计算科学 276
15.1电子计算机的操作系统 277
人工智能能拥有媲美人类大脑的操作系统 278
16生命与意识 280
视觉意识 281
视觉感知的过程 282
视觉感知的时机 286
视觉感知的部位 288
视觉搜索的机理 289
创造意识比理解意识更容易 291
17进化的力量 293
大自然比我们聪明 294
认知科学的兴起 297
不能把语言问题只留给语言学家 300
难预测的行为规律 303
神经网络的寒冬 305
从深度学习到通用人工智能 310
18深度智能 312
遗传密码 312
每个物种都有智能 315
进化的起源 317
人类终将解决智能难题 318
附录一 致谢 321
附录二 词汇表 329
附录三 注释 333