推荐

新书推荐

AI 原生应用架构白皮书

通用人工智能(AGI)已是确定的事情,我们正通往超级人工智能(ASI)。

过去三年,人工智能技术正以前所未有的速度渗透千行百业。国务院日前也印发了《关于深入实施“人工智能+”行动的意见》,从顶层设计的高度为人工智能技术落地提供了关键指引。这既展现出重塑生产力的巨大潜力,也孕育着重构生产关系的无限可能,为全球数字经济的智能化升级注入全新动能。 为持续突破 A性能边界,大模型厂商通过技术路径迭代不断拓展三个核心维度:在模型参数层面,从千亿参数,逐步演进至万亿级参数规模,实现对复杂知识的深度拟合;在训练数据层面,从数百 GB 文本,拓展至数百 TB 甚至 EB 级的多模态数据集,且数据质量与领域适配性持续提升;在算力支撑层面,核心训练算力需求呈现指数级增长,其规模每2年增长约10倍(即“黄氏定律”),为模型性能突破提供了有力保障。随着模型的推理能力和多模态能力显著提升,这些技术进步不仅为通用人工智能的实现减少了障碍,也为产业智能化升级提供了核心驱动力。

随着大模型厂商将训练与使用成本压缩至原有水平的几十分之,AI应用开始跨越效果与成本的平衡临界点。与此同时,A原生应用开发范式逐步形成雏形,从模型调用到场景适配的开发逻辑日渐清晰,为 AI应用的深度探索奠定了坚实基础。自此,AI正式进入规模化应用的爆发阶段。数据显示,过去16个月内全球对 AlAgent(智能体)的关注热度增长达1088%,AI办公助手、数字员工、智能客服等应用如雨后春笋般涌现。这其中,以 Agentic Al为核心的技术路径逐渐成为主流,其通过自主规划、任务拆解与动态交互能力,推动 AI从工具化应用向自主化服务演进,加速实现对数字世界的智能重塑与高效接管。

随着大模型与感知、控制技术的深度融合,具身智能正从实验室走向产业实践。从工厂的智能协作机器人到家庭服务终端,其发展依托于数字空间的智能能力向物理世界的延伸。Physical Al作为这一进程的前沿方向,正推动 AI从数据驱动的数字决策,逐步拓展至对实体环境的感知规划与执行,进而实现对物理世界的智能化赋能与协同。

可见,大模型已完成从技术突破到产业应用的关键跨越,AI正深度融入并重塑数字世界,并持续向物理世界延伸,最终推动人类生产生活方式的根本性变革。

在这一进程中,云计算以“云智一体”的形态,成为连接数字与物理世界的核心底座。极致弹性的算力资源、秒级伸缩的推理服务、跨“云-边-端”的统一调度框架,以及面向 AlDevOps 的全生命周期工具链,使得应用的训练、推理和运维像水电一样随取随用;云原生安全、成本治理与多租户隔离,为企业级 AI应用提供了可信赖的运行环境;开放的模型即服务(Maas)生态,让任何组织都能以最低门槛接入前沿智能。云不再只是简单的资源池化,而是与智能算法融为一体,成为 AI能力不可替代的技术平台,让智能在数字世界和物理世界之间自由流动,实现真正的“碳硅共生”。

Python深度学习实战:75个有关神经网络建模、强化学习与迁移

内容简介

本书以自上而下和自下而上的方法来展示针对不同领域实际问题的深度学习解决方案,包括图像识别、自然语言处理、时间序列预测和机器人操纵等。还讨论了采用诸如TensorFlow、PyTorch、Keras和CNTK等流行的深度学习开源框架用于实际问题的解决方案及其优缺点。本书内容包括:用于深度学习的编程环境、GPU计算和云端解决方案;前馈神经网络与卷积神经网络;循环与递归神经网络;强化学习与生成对抗网络;深度学习用于计算机视觉、自然语言处理、语音识别、视频分析、时间序列预测、结构化数据分析以及游戏智能体(Agents)和机器人操控等。后讨论了深度学习的超参数选择和神经网络的内在结构以及预训练模型的使用技巧等。

作者简介

Indra den Bakker是一位经验丰富的深度学习工程师和培训师。他是23insights平台的创始人,这是NVIDIA所属孵化项目计划的一部分,这是一个机器学习构建解决方案的初创型计划,可以改变世界上重要的行业。在开放课程平台Udacity,他指导了在深度学习和相关领域攻读微学位(Nanodegree)的学生,他还负责审查学生的实习项目。Indra拥有计算智能背景,并在创建23insights平台之前作为IPG Mediabrands的品牌代理以及Screen6的数据科学家若干年。

目录

  • 译者序
  • 原书前言
  • 第1章 编程环境、GPU计算、云解决方案和深度学习框架 1
    • 1.1 简介 1
    • 1.2 搭建一个深度学习环境 2
    • 1.3 在AWS上启动实例 2
    • 1.4 在GCP上启动实例 3
    • 1.5 安装CUDA和cuDNN 4
    • 1.6 安装Anaconda和库文件 6
    • 1.7 连接服务器上的JupyterNotebooks 7
    • 1.8 用 TensorFlow构建进的即用模型 8
    • 1.9 直观地用Keras建立网络 10
    • 1.10 使用PyTorch的RNN动态计算图 12
    • 1.11 用CNTK实现高性能模型 14
    • 1.12 使用MXNet构建高效的模型 15
    • 1.13 使用简单、高效的Gluon编码定义网络 17
  • 第2章 前馈神经网络 19
    • 2.1 简介 19
    • 2.2 理解感知器 19
    • 2.3 实现一个单层神经网络 23
    • 2.4 构建一个多层神经网络 27
    • 2.5 开始使用激活函数 30
    • 2.6 关于隐层和隐层神经元的实验 35
    • 2.7 实现一个自动编码器 38
    • 2.8 调整损失函数 41
    • 2.9 测试不同的优化器 44
    • 2.10 使用正则化技术提高泛化能力 47
    • 2.11 添加Dropout以防止过拟合 51
  • 第3章 卷积神经网络 56
    • 3.1 简介 56
    • 3.2 开始使用滤波器和参数共享 56
    • 3.3 应用层合并技术 60
    • 3.4 使用批量标准化进行优化 62
    • 3.5 理解填充和步长 66
    • 3.6 试验不同类型的初始化 72
    • 3.7 实现卷积自动编码器 76
    • 3.8 将一维CNN应用于文本 79
  • 第4章 递归神经网络 81
    • 4.1 简介 81
    • 4.2 实现一个简单的RNN 82
    • 4.3 添加LSTM 84
    • 4.4 使用GRU 86
    • 4.5 实现双向RNN 89
    • 4.6 字符级文本生成 91
  • 第5章 强化学习 95
    • 5.1 简介 95
    • 5.2 实现策略梯度 95
    • 5.3 实现深度Q学习算法 102
  • 第6章 生成对抗网络 109
    • 6.1 简介 109
    • 6.2 了解GAN 109
    • 6.3 实现DCGAN 112
    • 6.4 使用SRGAN来提高图像分辨率 117
  • 第7章 计算机视觉 125
    • 7.1 简介 125
    • 7.2 利用计算机视觉技术增广图像 125
    • 7.3 图像中的目标分类 130
    • 7.4 目标在图像中的本地化 134
    • 7.5 实时检测框架 139
    • 7.6 用U-net将图像分类 139
    • 7.7 语义分割与场景理解 143
    • 7.8 寻找人脸面部关键点 147
    • 7.9 人脸识别 151
    • 7.10 将样式转换为图像 157
  • 第8章 自然语言处理 162
    • 8.1 简介 162
    • 8.2 情绪分析 162
    • 8.3 句子翻译 165
    • 8.4 文本摘要 169
  • 第9章 语音识别和视频分析 174
    • 9.1 简介 174
    • 9.2 从零开始实现语音识别流程 174
    • 9.3 使用语音识别技术辨别讲话人 177
    • 9.4 使用深度学习理解视频 181
  • 第10章 时间序列和结构化数据 185
    • 10.1 简介 185
    • 10.2 使用神经网络预测股票价格 185
    • 10.3 预测共享单车需求 189
    • 10.4 使用浅层神经网络进行二元分类 192
  • 第11章 游戏智能体和机器人 194
    • 11.1 简介 194
    • 11.2 通过端到端学习来驾驶汽车 194
    • 11.3 通过深度强化学习来玩游戏 199
    • 11.4 用GA优化超参数 205
  • 第12章 超参数选择、调优和神经网络学习 211
    • 12.1 简介 211
    • 12.2 用TensorBoard和Keras可视化训练过程 211
    • 12.3 使用批量和小批量工作 215
    • 12.4 使用网格搜索调整参数 219
    • 12.5 学习率和学习率调度 221
    • 12.6 比较优化器 224
    • 12.7 确定网络的深度 227
    • 12.8 添加Dropout以防止过拟合 227
    • 12.9 通过数据增广使模型更加鲁棒 232
    • 12.10 利用TTA来提高精度 234
  • 第13章 网络内部构造 235
    • 13.1 简介 235
    • 13.2 用TensorBoard可视化训练过程 235
    • 13.3 用TensorBoard可视化网络结构 239
    • 13.4 分析网络权重等 239
    • 13.5 冻结层 244
    • 13.6 存储网络结构并训练权重 246
  • 第14章 预训练模型 250
    • 14.1 简介 250
    • 14.2 使用GoogLeNet/Inception进行大规模视觉识别 250
    • 14.3 用ResNet提取瓶颈特征 252
    • 14.4 对新类别使用预训练的VGG模型 253
    • 14.5 用Xception细调 256

理想国

《理想国》涉及柏拉图思想体系的各个方面,包括哲学、伦理、教育、文艺、政治等内容,主要是探讨理想国家的问题。

《理想国》一书是柏拉图的一篇重要对话录,对话录里柏拉图以苏格拉底之口通过与其他人对话的方式设计了一个真、善、美相统一的政体,即可以达到公正的理想国。柏拉图的理想国是人类历史上最早的乌托邦。在他的理想国里统治者必须是哲学家,他认为现存的政治都是坏的,人类的真正出路在于哲学家掌握政权,也只有真正的哲学家才能拯救当时城邦所处的危机。这种信念构成了柏拉图成熟的政治哲学体系的核心。在他的眼里“哲学家”有着特殊的内涵。他认为哲学家是最高尚、最有学识的人,而这种贤人统治下的贤人政体就是最好是政体。所以,只有建立以哲学家为国王的国家才是最理想的国家。这个国家就是存在于天上的模范国家。

在他看来,哲学家的本质是具有知识,具有智慧、正义、善的美德,只有哲学家才能达到对国家最高理念的认识,即对“善”的把握,而其他人也只能把握“意见”而已。治国作为一门知识,也只有哲学家才能掌握它,进而有资格执政,也就是说只有哲学家才能达到对于国家理念的认识,知道“理想国”应该怎样组织、怎样治理。这样,所谓哲学家执政,就被柏拉图理解为高超的智慧、真实的知识、完美的德行和绝对最高权力的结合。他坚信只有哲学家才可拯救城邦和人民,哲学家是理想国必然的统治者。

人类追求的正义与善就是柏拉图理想国的主题,他认为国家、政治和法律要朝向真正的存在并与人的灵魂相关才有意义。在《理想国》里苏格拉底刚开始讨论的话题就是“正义”问题,由此我们可以看到柏拉图对正义有着多么强烈的憧憬与向往!他认为绝对的正义在神那里,这正好印证了对话结尾的宣言,“让我们永远走向上的路,追求正义和智慧”。正义和智慧不仅是国家的主题,也可以说是整个宇宙存在的本质,因为国家的起点“就是永无止境的时间以及时间带来的变化”。

柏拉图的正义表现在爱情上就是节制。在我们很多人看来,柏拉图式的爱情似乎是精神恋的代名词,用来指称那种超越时间、空间,不以占有对方肉体为目的的只存在于灵魂间的爱情。而实际上柏拉图式爱情的真谛指的是一种对节制的崇尚,对善和美的追求。

走向火焰:帝国、战争与沙皇俄国的终结

★ 沃尔夫森历史奖得主、“最伟大的俄国史学家之一”利芬继《俄国与拿破仑的决战》之后再出力作

★ 首部俄国中心视角的一战史

★ 重新审视俄国参与一战的前因后果,以及一战对俄国革命以及20世纪历史的影响

【内容简介】

1904~1920年的国际形势瞬息万变,最具代表性的事件就是第一次世界大战的爆发。虽然沙皇身边一些思虑深远的人认识到俄国在德国显著军事优势下的脆弱性,伟大的俄国需要采取决定性行动的声音仍然占据了主导。俄国统治者们认为,1914年俄国加入战争的决定是在保卫国家未来,实际上它带来了诸多问题,并对20世纪的俄国和世界造成了深远的影响。《走向火焰》以俄国为核心研究对象,为第一次世界大战的起源、世界史视野下俄国革命发生原因的分析提供了一种新的俄国视角。

【本书获誉】

不仅是最伟大的俄国史学家之一,也是一名伟大的作家。

——安东尼·比弗,《独立报》

彻底改变我们对拿破仑为何失败的设想。

——安德鲁·罗伯茨,《每日电讯报》年度图书作者

精彩叙事的胜利……立刻成为经典作品,一项非凡、卓越、内容丰富的成就。

——西蒙·塞巴格·蒙蒂菲奥里

(他绘制了)宏大又细致的历史画卷……他无可避免地触及当代权力政治的神经点。

——《经济学人》

通过研究一批关于俄国如何走向战争的新证据,这部作品讲述了一批聪明又愚蠢的人如何毁掉自己的国家,并给自己带来灾难的故事。

——维克多·塞巴斯蒂安,《星期日泰晤士报》