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”。

深度学习框架PyTorch:入门与实践

内容简介

《深度学习框架PyTorch:入门与实践》从多维数组Tensor开始,循序渐进地带领读者了解PyTorch各方面的基础知识。结合基础知识和前沿研究,带领读者从零开始完成几个经典有趣的深度学习小项目,包括GAN生成动漫头像、AI滤镜、AI写诗等。《深度学习框架PyTorch:入门与实践》没有简单机械地介绍各个函数接口的使用,而是尝试分门别类、循序渐进地向读者介绍PyTorch的知识,希望读者对PyTorch有一个完整的认识。

《深度学习框架PyTorch:入门与实践》内容由浅入深,无论是深度学习的初学者,还是第一次接触PyTorch的研究人员,都能在学习本书的过程中快速掌握PyTorch。即使是有一定PyTorch使用经验的用户,也能够从本书中获得对PyTorch不一样的理解。

作者简介

陈云
Python程序员、Linux爱好者和PyTorch源码贡献者。主要研究方向包括计算机视觉和机器学习。“2017知乎看山杯机器学习挑战赛”一等奖,“2017天池医疗AI大赛”第八名。 热衷于推广PyTorch,并有丰富的使用经验,活跃于PyTorch论坛和知乎相关板块。

目录

  1. PyTorch简介
    1. PyTorch的诞生
    2. 常见的深度学习框架简介
      1. Theano
      2. TensorFlow
      3. Keras
      4. Caffe/Caffe2
      5. MXNet
      6. CNTK
      7. 其他框架
    3. 属于动态图的未来
    4. 为什么选择PyTorch
    5. 星火燎原
    6. fast.ai 放弃Keras+TensorFlow选择PyTorch
  2. 快速入门
    1. 安装与配置
      1. 安装PyTorch
      2. 学习环境配置
    2. PyTorch入门第一步
      1. Tensor
      2. Autograd:自动微分
      3. 神经网络
      4. 小试牛刀:CIFAR-10分类
  3. Tensor和autograd
    1. Tensor
      1. 基础操作
      2. Tensor和Numpy
      3. 内部结构
      4. 其他有关Tensor的话题
      5. 小试牛刀:线性回归
    2. autograd
      1. Variable
      2. 计算图
      3. 扩展autograd
      4. 小试牛刀:用Variable实现线性回归
  4. 神经网络工具箱nn
    1. nn.Module
    2. 常用的神经网络层
      1. 图像相关层
      2. 激活函数
      3. 循环神经网络层
      4. 损失函数
    3. 优化器
    4. nn.functional
    5. 初始化策略
    6. nn.Module深入分析
    7. nn和autograd的关系
    8. 小试牛刀:用50行代码搭建ResNet
  5. PyTorch中常用的工具
    1. 数据处理
    2. 计算机视觉工具包:torchvision
    3. 可视化工具
      1. Tensorboard
      2. visdom
    4. 使用GPU加速:cuda
    5. 持久化
  6. PyTorch实战指南
    1. 编程实战:猫和狗二分类
      1. 比赛介绍
      2. 文件组织架构
      3. 关于__init__.py
      4. 数据加载
      5. 模型定义
      6. 工具函数
      7. 配置文件
      8. main.py
      9. 使用
      10. 争议
    2. PyTorch Debug 指南
      1. ipdb 介绍
      2. 在PyTorch中Debug
  7. AI插画师:生成对抗网络
    1. GAN的原理简介
    2. 用GAN生成动漫头像
    3. 实验结果分析
  8. AI艺术家:神经网络风格迁移
    1. 风格迁移原理介绍
    2. 用PyTorch实现风格迁移
    3. 实验结果分析
  9. AI诗人:用RNN写诗
    1. 自然语言处理的基础知识
      1. 词向量
      2. RNN
    2. CharRNN
    3. 用PyTorch实现CharRNN
    4. 实验结果分析
  10. Image Caption:让神经网络看图讲故事
    1. 图像描述介绍
    2. 数据
      1. 数据介绍
      2. 图像数据处理
      3. 数据加载
    3. 模型与训练
    4. 实验结果分析
  11. 展望与未来
    1. PyTorch的局限与发展
    2. 使用建议

查理·芒格的智慧:投资的格栅理论(原书第2版)

作为巴菲特的黄金搭档和幕后智囊,芒格与巴菲特创造了有史以来最优秀的投资纪录。芒格极其熟练地掌握了各种不同的学科,能够在投资时考虑到许多普通人不会考虑到的因素。

芒格用一个非常形象的比喻来说明不同学科的不同思维方式是如何相互作用的:格栅模型。“你的头脑中已经有了许多思维方式,你得按自己直接和间接的经验将其安置在格栅模型中。”

芒格告诉我们,将不同学科的思维模式联系起来建立融会贯通的格栅,是投资的最佳决策模式。用不同学科的思维模式思考同一个投资问题,如果能得出相同的结论,这样的投资决策更正确。懂得越多,理解越深,投资者就越聪明智慧。

芒格认为:“要努力学习,掌握更多股票市场、金融学、经济学知识,但同时要学会不要将这些知识孤立起来,而要把它们看成包含了心理学、工程学、数学、物理学的人类知识宝库的一部分。用这样宽广的视角就会发现,每一学科之间都相互交叉,并因此各自得以加强。一个喜欢思考的人能够从每个学科中总结出其独特的思维模式,并会将其联想结合,从而达到融会贯通。”

真正的、永远的成功属于那些首先努力建立思维模式格栅,然后学会以善于联系、多学科并用的方式思考的人们。

如果你想一窥这位投资天才的思维格栅模型,不妨从本书中寻找答案。

切尔诺贝利的祭祷

诺贝尔文学奖得主《二手时间》作者阿列克谢耶维奇代表作

切尔诺贝利核灾难幸存者口述实录

简体版首度完整出版,作者全新修订,指定译本

诺贝尔文学奖颁奖词:她的复调书写,是对我们时代的苦难和勇气的纪念

切尔诺贝利核事故32周年,以本书作为对受难者、牺牲者的祭祷

...... .............

※编辑推荐※

★ 阿列克谢耶维奇代表作,“乌托邦之声”系列中的最感人肺腑的篇章 。

★ 切尔诺贝利核灾难幸存者口述实录,揭开切尔诺贝利灾难的“内幕和真相”。文学史上最震撼人心的非虚构写作。

★ 每一页都是奇异而残忍的故事,每一个故事都透视着俄国人的灵魂 。阿列克谢耶维奇探访事故发生地,历时数年,采访了超过500位灾难受害者,真实地记录人们的愤怒、恐惧、勇敢、同情和爱。她拼写出了一个时代的声音和一幅幅不同的人性图像。

★ 阿列克谢耶维奇是经典俄语文学的继承者。她继承了从普希金开始,到托尔斯泰、契诃夫的现实主义脉络。她的作品是俄罗斯现实主义传统的当代体现。

★ 一部反思人类技术灾难的启示录。福岛核泄露、朝鲜核试验等人类的科技危险正潜伏在我们身边,当我们反思历史,该如何避免灾难重演?

...................

※内容简介※

1986年4月26日,前苏联治下的乌克兰境内,切尔诺贝利核电站发生爆炸,这是人类史上最惨烈的技术悲剧之一。上万平民因放射性物质长期受到感染或致命;数万亩土地被污染,切尔诺贝利一夜之间化为废城。

事故后十年,著名记者阿列克谢耶维奇冒着核辐射危险,深入事故发生现场,历时数年,访问了超过500位幸存者,用普通个体的声音平贴出时代的全景,书写了一部人类的启示录。在这里,平凡人物的真实经历比小说更惊人。每个人的声音都透视着历史的崩塌、国家机器的隐瞒、俄罗斯人的价值观,以及人们的愤怒、恐惧、勇敢、同情和爱。

「切尔诺贝利核爆是二十世纪最重大的灾害事件,时至今日我还是不解,我所见证的究竟是过去还是未来?……一不小心,就会陷入恐惧的窠臼。」——阿列克谢耶维奇

...................

※媒体推荐※

因涉及苏联历史上富有争议的主题,阿列克谢耶维奇常将自己置于险境,她挑战过往叙事,并重新审视历史事件对普通人的影响。

——《纽约客》

她的书具有危险的力量,记录着二十世纪的暴力、愚蠢与残酷,毫无冷场。

——德国国家广播电台

阿列克谢耶维奇为历史中的灰色地带举起一盏明灯。

——瑞典《赫尔辛伯格日报 》

每一页都是残酷、荒诞的故事,就像核辐射残存在幸存者的体内。

——《纽约时报》

阿列克谢耶维奇在这部非凡的作品中,记录了她的白俄罗斯同胞的生与死。本书终于在美国出版……简直是无与伦比的见证。

——《国家》杂志

比起戈尔巴乔夫的经济改革,切尔诺贝利事件可能是苏联解体的真正原因。

——《政治事务》杂志

如同古希腊悲剧表演的合唱团,本书收录了众人的心声。短期之内,我们恐怕不会再有机会读到这般真实记录愤怒、愚昧、英勇和伤亡的文字。

——《伦敦时报》

口语叙述的历史在脑海中挥之不去,充斥着面对命运时的无奈、艰苦卓绝的勇气,以及浓厚的黑色幽默……如同不可磨灭的X光透视着俄国人的灵魂。

——《出版人周刊》

书中记录着受污染的世界里骇人的生活。这些典型的故事分别传达出不同的声音:愤怒、恐惧、无知、艰苦、英勇、同情和爱。阿列克谢耶维奇冒着损害健康的风险,深入前线收集这些见证,把故事转化成令人难忘的精辟著作,我们只能期盼书中的灾难不会重现。

——《书目杂志》

阅读阿列克谢耶维奇的作品,或多或少都会让人感到哀伤。她的写作技法好似无言的雄辩,描绘了时代的无助、英雄主义和苦难。从受访者的独白中,她创造了这样一种历史:读者无论离事件多遥远,都会感同身受。阅读本书让我第一次感受到切尔诺贝利是欧洲的一场海啸,这场由人类造成的海啸,永无止尽…如果你关心未来,我强烈推荐本书。阿列克谢耶维奇的切尔诺贝利充满着极端和未知,它是技术爆炸的试验场。

—— Julian Evans,《每日电邮报》

她创造了一部情感史,你甚至可以认为它是一部灵魂史。

——Sara Danius,瑞典皇家科学院常任干事