https://github.com/exacity/deeplearningbook-chinese;感谢译者辛勤劳动!
经过3个多月,我们终于完成了翻译草稿。当然这是草稿中的草稿,我们会不断改进,就像梯度下降一样,要迭代好几轮才能找到一个不错的解。
目前的版本是直译版,尽可能地保留原书中的每一个字。 如
Inventors have long dreamed of creating machines that think. This desire dates back to at least the time of ancient Greece. 自古以来,创造者就梦想着创造能思考的机器。这个愿望至少可以追溯到古希腊的时期。
之后我们可能会翻译成
远在古希腊时期,创造者就梦想着创造能思考的机器。
语句流畅度的提高必然伴随精度下降(我们水平有限)。因此我们需要ensemble,需要大家的建议。 对应的翻译者:
请直接下载PDF阅读(PDF 12月30日已更新)。 这一版读起来肯定费劲,我们建议英文好的或者研究者直接读原版。 这一版面向的读者是英语不好,急于想入门深度学习的同学。或者希望帮忙校对的各路大哥也可以读读,只要不嫌弃。
第一章 前言
自古以来,创造者就梦想着创造能思考的机器。这个愿望至少可以追溯到古希 腊的时期。神话人物皮格马利翁 (Pygmalion)、代达罗斯 (Daedalus) 和赫淮斯托斯(Hephaestus) 都可以被视为传说中的发明家,而加拉蒂亚 (Galatea)、塔洛斯 (Talos)和潘多拉 (Pandora) 都可以被看作是人造生命 (Ovid and Martin, 2004; Sparkes, 1996; Tandy, 1997)。
当人类第一次构思可编程计算机时,就已经在思考计算机能否变得智能,尽管 这距造出一台还有一百年多年之久 (Lovelace, 1842)。如今,人工智能 (AI) 是一个 具有许多实际应用和活跃研究课题的领域,并蓬勃发展着。我们指望通过智能软件 自动化处理常规劳动、理解语音或图像、帮助医学诊断和支持基础科学研究。
在人工智能的早期,那些对人类智力来说是困难但对计算机来说是相对简单的 问题得到迅速解决,比如那些可以通过一系列形式的数学规则来描述的问题。人工 智能的真正挑战被证明是解决对人来说很容易执行,但很难形式化描述的任务,也 就是我们人类能自动的靠直观解决的问题,比如识别说的话或图像中的脸。
这本书讨论这些更直观的问题一种解决方案。这种解决方案是为了让计算机从 经验中学习,并通过层次化概念体系来理解世界,其中每个概念通过与较简单概念 之间的联系来定义。让计算机通过经验获取知识可以避免人工形式地指定的计算机 需要的所有知识。层次化的概念让计算机通过构建较简单的概念来学习复杂概念。 如果绘制出这些概念如何建立在彼此之上的图,我们将得到一张 ‘‘深’’(层次很多) 的图。出于这个原因,我们称这种方法为AI深度学习(deep learning)。
许多AI的早期成功发生在相对干净且正式的环境中,计算机不需要具备很多关 于世界的知识。例如,IBM 的深蓝(Deep Blue)国际象棋系统在 1997 年击败了世 界冠军Garry Kasparov(Hsu, 2002)。当然国际象棋是一个非常简单的领域, .................
目录:
生成模型可以参考本公众号CreateAMind生成模型子菜单,有生成模型系列文章。
英文版:http://www.deeplearningbook.org/