1 自动机的秘密 3
长笛演奏者 3
今天的自动机 5
钟摆的摆动 7
并不难懂的自动机 8
2 自动驾驶汽车：挑战不可能 15
沙漠中的百万美元竞赛 15
如何打造自动驾驶汽车 17
规划路径 21
路径搜索 22
导航 25
无人车挑战赛的获胜者 28
一场失败的比赛 31
3 保持在车道内行驶：自动驾驶汽车的感知 35
第二次无人车挑战赛 35
自动驾驶汽车中的机器学习 37
斯坦利的架构 38
避开障碍物 40
寻找道路的边缘 43
开眼看路 45
路径规划 47
斯坦利大脑的各个部分如何相互交流 49
4 在十字路口避让：自动驾驶汽车的大脑 55
城市挑战赛 55
感知抽象 57
比赛 59
BOSS的高层次推理层 61
攻克交通堵塞 68
三层架构 71
自动驾驶汽车看到的物体 76
自动驾驶汽车：复杂的系统 77
自动驾驶汽车的轨迹 78
5 网飞和推荐引擎的挑战 83
百万美元大奖 83
竞争者 84
如何训练分类器 85
比赛的目标 89
庞大的评分矩阵 91
矩阵分解 96
第一年结束 102
6 团队融合：网飞奖的赢家 107
缩小竞争者之间的差距 107
第一年末 108
随时间变化的预测 111
过度拟合 114
模型混合 115
第二年 119
最后一年 120
赛后 124
7 用奖励教导计算机 129
DeepMind玩雅达利游戏 129
强化学习 132
教导智能体 134
为智能体编写程序 136
智能体如何观察环境 140
经验金块 141
用强化学习玩雅达利游戏 148
8 如何用神经网络攻克雅达利游戏 153
神经信息处理系统 153
近似，而非完美 153
用作数学函数的神经网络 155
雅达利游戏神经网络的结构 161
深入研究神经网络 170
9 人工神经网络的世界观 175
人工智能的奥秘 175
国际象棋自动机“土耳其人” 177
神经网络中的误导 179
识别图像中的物体 180
过度拟合 183
ImageNet 185
卷积神经网络 188
为什么是深度神经网络？ 194
数据瓶颈 197
10 深入了解深度神经网络的内部秘密 203
计算机生成图片 203
压缩函数 204
ReLU激活函数 207
机器人之梦 211
11 能听、能说、能记忆的神经网络 221
对机器而言，“理解”意味着什么？ 221
深度语音识别系统 222
循环神经网络 223
为图像生成字幕 230
长短时记忆网络 233
对抗数据 235
12 理解自然语言 239
是宣传噱头，还是人工智能研究的福音？ 239
IBM的“沃森” 240
攻克《危险边缘》所遇到的挑战 241
浩如烟海的知识 242
《危险边缘》挑战赛的诞生 245
DeepQA 247
问题分析 249
“沃森”如何解读句子？ 252
13 挖掘《危险边缘》的最佳答案 261
地下室基准 261
生成候选答案 263
查找答案 266
轻量级过滤器 269
证据检索 270
评分 274
汇总和排名 277
调整“沃森” 281
重新审视DeepQA 282
“沃森”有智能吗？ 283
14 用蛮力搜索找到好策略 289
通过搜索玩游戏 289
数独 290
树的大小 294
分支因子 297
游戏中的不确定性 297
克劳德·香农与信息论 302
评价函数 303
“深蓝” 308
加入IBM 310
搜索与神经网络 311
西洋双陆棋程序 313
搜索的局限 315
15 职业水平的围棋 319
计算机围棋 319
围棋 321
通过抽样走子来建立直觉 324
神之一手 330
蒙特卡洛树搜索 333
单臂老虎机 337
AlphaGo是否需要如此复杂 339
AlphaGo的局限 341
16 实时人工智能与《星际争霸》 345
构建更好的游戏机器人 345
《星际争霸》与人工智能 346
简化游戏 348
实用《星际争霸》机器人 351
OpenAI与《DOTA 2》 354
《星际争霸》机器人的未来 357
17 50年后或更遥远的未来 363
人工智能起起伏伏的发展过程 363
如何复制这本书中的成功 364
数据的普遍使用 368
下一步去向何方 369
致谢 373
注释 375