大演算
出版信息
佩德羅．多明戈斯 / 張正苓,胡玉城 / 三采 / 2016-8-1 / 620
内容简介
揭開大數據、人工智慧、機器學習的祕密，
打造人類文明史上最強大的科技——終極演算法！
有一個終極演算法，可以解開宇宙所有的祕密，
現在大家都在競爭，誰能最先解開它！
．機器學習是什麼？大演算又是什麼？
．大演算如何運作與發展，機器可以預測什麼？
．我們可以信任機器學過的東西嗎？
．商業、政治為什麼要擁抱機器學習？
．不只商業與政治，醫學與科學界也亟需機器學習，包含DNA解碼、癌症藥品開發等。
．你擔心人類會被大演算所取代嗎？可以避免嗎？該如何做？
華盛頓大學電腦工程系教授佩德羅．多明戈斯（Pedro Domingos）破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來，這個突破性研究還登上了《新科學人》（New Scientist）雜誌的封面故事。
他指出，機器學習有五大思想學派，每個學派有主要的演算法，能幫我們解決特定的問題──
．符號理論學派：將學習視為是逆向演繹法，從哲學、心理學和邏輯思路方面取得概念
．類神經網路學派：導傳遞演算法可以模擬人腦思考行為，是受到神經科學和物理學的啟發
．演化論學派：遺傳程式規劃會在電腦上模擬演化，澈底運用遺傳基因和演化生物學理論
．貝氏定理學派：相信學習是機率推理的形式，是根據統計學的理論
．類比推理學派：支持向量機從相似度判斷進行推論學習，並受到心理學和數學的影響
多明戈斯認為，如果有人可以成功整合這些演算法的優點，
就能發展出「終極演算法」，便可以從大數據與人工智慧中，
獲得世界上過去、現在與未來的所有知識，將創造新紀元的文明。
站在大數據與文明終將合一的浪潮上，
終極演算法將帶領我們，望見未來。
【為什麼你必須知道大演算？】
◎如果你是一般市民或決策人士
讓你了解大演算的來龍去脈，從隱私到未來的工作與機器人戰爭的倫理，
你將會看到真正的問題在哪裡，並思考如何看待這些問題。
◎如果你要把機器學習運用在工作上
不管你在哪個行業、什麼職業別，機器學習能幫你省下人工編寫程式的費用，
避免資訊系統僵化，並預測未來你會面臨的科技發展，
甚至讓你成為精準的市場分析家、解讀大數據的科學家。
◎如果你是科學家或工程師
過去的數學和現有資訊學習與數據分析，不會讓你有任何改變。
機器學習將讓你具備非線性分析，帶給你嶄新的科學世界觀，有所突破。
◎如果你是機器學習專家
雖然你應該很熟悉機器學習，但本書仍會提供給你許多新的想法、
機器學習發展史上有價值的資訊、有用案例與類似的情境，
甚至提供給你機器學習的嶄新觀點，啟迪你全新的思考方向。
◎如果你是任何學齡階段的學生
目前世界各地極度缺乏機器學習專家，這是現在也是未來最受關注的領域。
未來，不只局限現有的資訊工程、電機工程等相關科系，
無論是醫學、醫工、生物科技、行銷、電商、社會、心理、哲學、教育、財經等各科系，
機器學習終將與這些領域整合，現在了解大演算，你就不會被趨勢潮流所淘汰。
作者简介
佩德羅．多明戈斯（Pedro Domingos）
電腦工程博士，現任華盛頓大學電腦工程系教授，該系是全美前十大電腦工程名校。他初試啼聲聞名圈內是兩度在資料採礦大會上獲得最佳論文，並在此後成為該領域的意見領袖。他在專業領域內獲獎無數，還包含美國國家科學職業成就奬，他也是史丹佛大學及麻省理工學院客座教授。
他最有名的功績是破解了一個在機器學習領域中長久以來的瓶頸，成功把機器學習、哲學與人工智慧結合起來。這個突破性的研究還曾經登上著名的《新科學人》（New Scientist）雜誌的封面故事。
他在華盛頓大學開設的機器學習課程，一向都是該校最受歡迎的課程之一。
電腦工程學術背景的他，卻不是個嚴肅學究，他擅長公開演說，傳達機器學習與大數據的相關知識，經常受邀公開演講。他對寫作非常有興趣，曾經鑽研過寫作課，師承《辛德勒的名單》作者湯瑪斯．肯納利。
除了電腦科技的學術論文，他也經常撰寫音樂技術相關的專欄文章。因為他年輕時代曾經是個搖滾樂團的鍵盤手。該樂團還曾經與EMI簽約，經常四處表演，當時他除了是鍵盤手，還是負責接受媒體採訪的人。他離開樂團，是因為要專心攻讀電腦科學博士，他很早就對機器學習興趣濃厚，因為他認為，這是最後會統治世界的一種關鍵技術。
目录
【好評推薦】
【推薦序】 大演算顛覆世界，也顛覆我的看法／林泰宏
【推薦序】 想跟上資訊革命時代的多變世界，本書是你的敲門磚／張宗堯
【推薦序】 從5萬呎的高空鳥瞰機器學習，望見未來／陳明義
【推薦序】 讓我們站在巨量資料的肩膀上，看得更高更遠／趙坤茂
【推薦序】 大演算，是飽覽大數據與機器學習的最佳指南／謝孫源
【推薦序】 大演算強化「工業3.5」，讓臺灣在物聯網時代中卡位／簡禎富
【前言】 機器學習早已融入你我的生活
第1章 機器學習的革命
進入機器學習的世界／企業為何擁抱機器學習？
增加科學方法的馬力／十億個比爾．柯林頓
一則透過傳統攻防，二則透過網路之戰
我們將走向何方？
第2章 大演算
從神經科學方面獲得的論證／從演化方面獲得的論證
從物理方面獲得的論證／從統計學方面獲得的論證
從電腦科學方面獲得的論證／機器學習專家與知識工程師
天鵝咬了機器人／大演算是隻狐狸還是刺猬？
什麼是危機所在？／一個不同的萬有理論
候選者還不夠格／機器學習的五大學派
第3章 人類的歸納問題
約會，還是不約會？／「沒有免費的午餐」定理
啟動知識學習機／如何讓世界規則化
在暗黑和幻覺之間／你可以相信的準確性
歸納法是逆向演繹法則／學習治療癌症
二十個問題的遊戲／符號理論學派
第4章 你的大腦是如何學習？
感知器的潮起潮落／物理學家用玻璃製造大腦
世界上最重要的曲線／在多維空間的爬山演算法
感知器的復仇／細胞的完整模型／更深入大腦
第5章 演化：自然學習演算法
達爾文的演算法／探索與利用的困境
適者生存的程式／性交配行為是為了什麼？
培育天性／學習最快的人勝出
第6章 貝葉斯牧師的教堂
運行世界的定理／所有模型都是錯的，但有些還是有用
從《尤金．奧涅金》到Siri手機語音行動祕書
一切都是相關聯的，但不是直接的／推理問題
學習貝氏的方法／馬爾可夫權衡事證
邏輯與機率：命運多舛的一對
第7章 你就是相似的你
如果你能與我相匹配／維度的詛咒
平面上的蛇形分割線／攀登階梯
旭日東升，光彩奪目
第8章 學習無師自通
物以類聚／發掘數據資料的形狀
享樂主義的機器人／孰能生巧
學習建立關聯
第9章 每一塊拼圖各得其所
跳脫許多模型，整合成一體／大演算
馬爾可夫邏輯網路／從休謨到你的家事機器人
行星尺度的機器學習／醫生如今會診斷你了
第10章 這是機器學習的世界
性、謊言和機器學習／數位鏡／一種模型的社會
分享或不分享，如何分享與在何處分享
類神經網路偷了我的工作／不是用人類來作戰
Google＋大演算=天網（Skynet）？
演化，第二部分
【結語】 搭上機器學習的船，航向未來
誌謝
延伸閱讀
