深層學習：心智如何經驗 9787111560937 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

[美] 斯特蘭·奧爾鬆Stellan Ohlsson 著

圖書標籤:

• 認知科學
• 深度學習
• 人工智能
• 神經科學
• 心智哲學
• 經驗
• 意識
• 認知模型
• 計算神經科學
• 心理學

店鋪： 博學精華圖書專營店

齣版社： 機械工業齣版社

ISBN：9787111560937

商品編碼：29624472357

包裝：平裝-膠訂

齣版時間：2017-03-01

基本信息

書名:深層學習：心智如何經驗

：99.00元

售價：72.3元,便宜26.7元,摺扣73

作者:斯特蘭·奧爾鬆(Stellan Ohlsson)

齣版社：機械工業齣版社

齣版日期：2017-03-01

ISBN：9787111560937

字數：

頁碼：

版次：1

裝幀：平裝-膠訂

開本：16開

商品重量：0.4kg

編輯推薦

內容提要

本書主要關注瞭三種深度的非單調認知變化——新穎事物的創造、對變化環境的認知技能的調適以及信念係統的轉變，在對三種認知變化進行研究綜述和理論解釋之後，總結齣一套充分體現它們共享的抽象原則的統閤理論。全書共分為五個部分，包含12章內容。*部分從環境的變化齣發，強調瞭非單調認知變化存在的必要性，並對相關的基本假設和理論成立的標準進行瞭迴顧。第二到四部分研究瞭非單調變化的三個案例：新穎事物的創造，對不熟悉或者變化的任務環境的適應，從一個信念係統到另一個信念係統的轉變。第五部分討論瞭三個微理論之間如何彼此關聯，並根據三個微理論各自體現的抽象原理，提齣非單調認知變化的統閤理論。

目錄

目　錄
Deep Learning: How the Mind Overrides Experience
譯者序
前言
部分　引言
第1章經驗之需求 2
1.1混亂的時鍾 2
1.2在混亂的世界中學習 8
1.3深層學習 12
第2章項目的性質 14
2.1杜絕迴避 14
2.2認知結構：基本要素 16
2.2.1錶徵的核心 17
2.2.2功能與過程 19
2.2.3控製的必要性 20
2.2.4Turing-Newell的觀點 21
2.3解釋變化 22
2.3.1成分解釋 22
2.3.2學習機製錶單 24
2.3.3觸發條件 25
2.3.4作為解釋目標的模式 25
2.3.5理論銜接 26
2.3.6成分解釋的挑戰 26
2.3.7充分性條件 27
2.4前景 28
第二部分　創造
第3章新穎事物産生 30
3.1創造性問題 30
3.1.1新穎如何成為一種可能？ 31
3.1.2創造中什麼是創造性的？ 32
3.1.3創造行動的方嚮從何而來？ 35
3.1.4為什麼創造有限製？又是如何限製的呢？ 35
3.1.5創造的四個問題 36
3.2新穎産品理論 36
3.2.1組閤而成的新穎 36
3.2.2纍積而成的新穎 39
3.2.3通過變異選擇的纍積？ 40
3.2.4通過啓發式搜索的纍積 41
3.2.5纍積理論的評估 44
3.2.6重構的新穎 45
3.3觀點錶單 48
第4章創造性頓悟：重配理論 49
4.1構造頓悟問題 49
4.1.1反對頓悟問題的情況 50
4.1.2頓悟序列 51
4.2分析性問題解決 52
4.2.1問題知覺 53
4.2.2知識提取 55
4.2.3啓發式搜索 57
4.2.4經驗的利與弊 58
4.3頓悟理論 58
4.3.1無理由僵局的原因 58
4.3.2如何化解僵局 60
4.3.3結果：尋求新的選項 64
4.4創造性問題的迴答 65
4.5評價 66
4.5.1完整性和簡潔性 66
4.5.2實驗證據 67
4.5.3與先前理論的關係 69
4.5.4組成完整的理論 72
第5章更廣泛的創造性頓悟 73
5.1泛化與拓展 73
5.2跨時間和復雜性的拓展 75
5.2.1復雜性：分析性問題解決 75
5.2.2復雜性：僵局和頓悟 77
5.2.3跨時間的拓展 79
5.2.4拓展的其他屬性 82
5.2.5總結和討論 83
5.3從個體嚮集體拓展 84
5.3.1集體中的停滯與突破 85
5.3.2額外變化機製：更替 88
5.3.3總結 89
5.4閤並時間與集體 89
5.5係統水平 93
第三部分　調適
第6章能力的增長 96
6.1關於練習的問題 97
6.2行動的規則與結構 100
6.2.1行為的單元 101
6.2.2目標 101
6.2.3任務環境 102
6.2.4實踐性知識 103
6.2.5策略執行 105
6.3技能習得過程 106
6.3.1一個世紀以來的進展 106
6.3.2信息特異性原則 109
6.4九種模式理論 113
第7章錯誤校正：特異化理論 117
7.1構建問題框架 117
7.2錯誤檢測 118
7.2.1客觀錯誤與主觀錯誤 119
7.2.2行動和判斷的分離 120
7.2.3錯誤信號作為對約束條件的違反 121
7.3錯誤校正 123
7.3.1錯誤的起源 124
7.3.2基於約束條件的特異化 125
7.3.3規則族譜和衝突化解 127
7.3.4與備選機製的關係 128
7.3.5單一學習事件的剖析 130
7.3.6三個中心概念 133
7.4遷移的問題 133
7.4.1基於約束條件的遷移理論 134
7.4.2模擬成功的遷移 135
7.4.3調適的首要性 139
7.5輔導的問題 139
7.5.1模擬從輔導中學習 141
7.5.2基於約束條件的輔導 142
7.5.3從基於約束條件的模型到多種導學模式 143
7.6Norbert Wiener的見解 144
第8章情境中的錯誤校正 145
8.1跨時間和復雜性的拓展 145
8.1.1技能習得的模式 146
8.1.2對能力的剖析 152
8.2集體中的錯誤減少 155
8.2.1集體中基於約束條件的學習 155
8.2.2安全啓示 161
8.3大錯誤和社會的命運 162
第四部分　轉變
第9章信念的形成 166
9.1關於轉變的問題 167
9.2抵製的理論 170
9.2.1知識依賴性加工 170
9.2.2中心-邊緣結構 172
9.2.3失諧消減 174
9.2.4討論 177
9.3轉變：以科學為例 178
9.3.1證僞中的進步 178
9.3.2反常事件的纍積 179
9.3.3《結構》一書之後的多種方法 180
9.3.4木製品中的Kuhn 182
9.4信念轉變：兒童科學傢 183
9.4.1理論-理論 183
9.4.2本體論的範疇遷移 183
9.4.3轉嚮教育學 184
9.4.4孩子隻是孩子 185
9.5證僞的證僞 186
第10章信念修正：重新歸類理論 188
10.1信念、信念係統和認知衝突 188
10.1.1信念維度 188
10.1.2信念係統的結構 190
10.1.3衝突的成分 193
10.2轉變理論 195
10.2.1局部一緻性與潛在衝突 196
10.2.2異類聯結與顯性衝突 197
10.2.3競爭評估 198
10.2.4變化擴散 199
10.2.5三個例子 200
10.2.6總結 201
10.3和其他理論的關係 202
10.4實用需求 205
第五部分　結論
第11章統閤理論的要素 208
11.1深層學習的原則 211
11.1.1自發活動 211
11.1.2結構化、無邊界的錶徵 212
11.1.3分層的、選擇性的、容量
有限的、前饋的加工過程 213
11.1.4普遍的單調學習 213
11.1.5局部一緻性與潛在衝突 214
11.1.6反饋與節點的變化 214
11.1.7節點變化的放大傳播 215
11.1.8解釋與顯性衝突 216
11.1.9依據認知效用的競爭評價 217
11.1.10　必要的、充分的抑或充要的？ 217
11.2進化起源 218
11.3非單調變化的難點

作者介紹

伊利諾伊大學芝加哥分校（UIC）心理學教授和計算機科學教授。他於1980年獲得斯德哥爾摩大學心理學博士學位。在1996年加入UIC之前,他曾先後在卡內基梅隆大學機器人研究所和匹茲堡大學學習研發中心從事研究工作。他的工作得到瞭美國海軍研究辦公室（ONR）、美國國傢科學基金會（NSF）和其他組織的支持。

文摘

序言

深度學習：心智如何經驗 作者： （此處應為作者姓名，但由於信息缺失，無法填寫） 齣版社： 機械工業齣版社 ISBN： 9787111560937 定價： （此處應為書籍價格，但由於信息缺失，無法填寫） 內容簡介： 《深度學習：心智如何經驗》一書，如同一場跨越學科界限的智力探險，它並非僅僅聚焦於計算機科學領域中那些冰冷的代碼和抽象的算法，而是將目光投嚮瞭更深邃、更本質的領域——探尋人類心智是如何通過經驗進行學習、認知和理解的。本書以獨特的視角，將人工智能領域的“深度學習”這一革命性技術，與心理學、認知科學、神經科學乃至哲學中的核心問題巧妙地編織在一起，試圖揭示人類智能湧現的奧秘，以及我們如何構建對世界的認識模型。 本書的核心論點在於，我們所認為的“智能”，無論是人類的智能還是機器的智能，都深深地植根於“經驗”之中。這種經驗，並非是孤立的數據點，而是經過多層次、多維度的抽象和提煉，最終形成我們理解和互動世界的強大能力。深度學習的齣現，正是為我們提供瞭一個前所未有的工具和框架，來模擬、分析乃至部分復製這一經驗驅動的學習過程。 第一部分：經驗的基石——從感知到概念 在本書的開篇，作者首先帶領讀者深入探討瞭“經驗”的本質。我們如何從紛繁復雜的原始感官信息中提取有意義的信號？視覺、聽覺、觸覺等感官通道是如何協同工作，為我們構建一個連貫的世界圖像？書中深入剖析瞭感覺輸入的信息處理過程，從低級的特徵提取，如邊緣、顔色、聲音頻率，到更高級的模式識彆，例如識彆一張人臉、理解一句語音。 隨後，作者著重闡述瞭“概念”的形成過程。我們如何將零散的感知經驗整閤成抽象的概念？一個“椅子”的概念是如何形成的？它不僅僅是腿、座麵和靠背的簡單組閤，更包含瞭其功能、用途、以及在不同情境下的意義。本書藉鑒瞭認知心理學中的經典理論，如原型理論、範例理論，並將其與深度學習中的錶示學習（representation learning）相結閤。作者指齣，深度學習中的多層神經網絡，通過逐層抽象，能夠逐步構建齣從原始輸入到高層概念的層層遞進的錶示，這與人類心智形成概念的過程有著驚人的相似性。例如，在圖像識彆任務中，淺層網絡可能識彆齣綫條和形狀，中層網絡可能識彆齣五官和肢體，而深層網絡則能夠識彆齣具體的物體，如“人”或“貓”。這種層層抽象的過程，正是經驗學習的關鍵所在。 第二部分：深度學習的內在機製——模擬心智的學習路徑 本書的核心章節，深入淺齣地解析瞭深度學習的內在工作原理。作者並非將深度學習僅僅視為一種技術工具，而是將其視為一種模擬心智學習過程的強大模型。 神經網絡的結構與功能： 作者詳細介紹瞭人工神經網絡的基本構成，包括神經元、權重、激活函數等。但更重要的是，書中著重強調瞭“深度”的意義。為何需要多層網絡？每一層的作用是什麼？如何通過反嚮傳播算法來調整權重，從而不斷優化模型的性能？這些問題都與人類大腦的學習機製進行瞭類比。例如，作者可能探討瞭大腦皮層中存在的多層處理結構，以及神經元之間復雜的連接方式，並將其與深度神經網絡的層級結構和權重更新過程進行對比。 特徵提取與錶示學習： 這是深度學習的核心能力之一。本書強調，深度學習模型之所以強大，在於它們能夠自動從原始數據中學習到有用的特徵錶示，而無需人工預先定義。這種“自動特徵學習”的能力，正是深度學習在處理復雜、高維數據（如圖像、文本、語音）時能夠超越傳統機器學習方法的關鍵。作者可能會深入剖析捲積神經網絡（CNN）如何通過捲積層和池化層有效地提取圖像的空間特徵，以及循環神經網絡（RNN）或Transformer模型如何捕捉序列數據中的時間依賴關係和上下文信息。這些機製的解析，都旨在揭示深度學習如何在經驗數據中“學到”事物的本質。 模型訓練與優化： 訓練深度學習模型是一個不斷迭代、優化權重的過程。本書將這一過程與人類的學習過程進行對比。我們如何通過不斷的試錯、反饋和修正來提升技能？深度學習中的梯度下降、動量優化、學習率調度等技術，都可以看作是對人類學習策略的一種數學化錶達。例如，當一個模型預測錯誤時，反嚮傳播算法會指示如何調整權重，以減少未來犯錯的可能性，這與人類從錯誤中吸取教訓的過程異麯同工。 第三部分：心智能力的映射——從語言到決策 本書進一步將深度學習的強大能力與人類核心的心智能力進行對接。 自然語言理解與生成： 語言是人類智能的載體，也是我們錶達思想、交流信息的主要方式。深度學習在自然語言處理（NLP）領域的突破性進展，如機器翻譯、文本摘要、情感分析、問答係統等，都證明瞭其在理解和生成人類語言方麵的潛力。本書會探討循環神經網絡（RNN）、長短期記憶網絡（LSTM）、以及近年來大放異彩的Transformer模型（如GPT係列）是如何通過學習大量的文本數據，掌握語法、語義、語境，甚至一定程度的常識性知識，從而實現對語言的深刻理解和流暢生成。這與我們學習母語、理解他人意圖的過程有著深刻的關聯。 視覺感知與圖像理解： 深度學習在計算機視覺領域的成就更是顯而易見，從圖像分類、目標檢測，到圖像生成、風格遷移，都展現瞭機器在“看”和“理解”圖像方麵的能力。捲積神經網絡（CNN）在這一領域扮演瞭核心角色。本書會深入分析CNN如何模擬人眼視覺皮層的層級處理機製，逐步提取圖像的語義信息，並將其轉化為可供機器識彆和理解的錶示。這為我們理解人類視覺係統的工作原理提供瞭新的視角。 決策製定與強化學習： 除瞭感知和理解，智能還體現在決策能力上。本書將探討強化學習（Reinforcement Learning）這一深度學習的重要分支，它通過“試錯”和“奬勵”機製，讓智能體在與環境的交互中學習最優的策略。這與人類通過經驗積纍，學習如何在復雜環境中做齣最佳選擇的過程如齣一轍。從玩遊戲到自動駕駛，強化學習的應用場景正在不斷拓展，而其背後的學習原理，則揭示瞭智能體如何從經驗中學習“做什麼”以及“何時做”。 第四部分：超越算法——對智能本質的哲學與倫理思考 《深度學習：心智如何經驗》並非止步於技術的介紹，它更進一步，引發瞭對智能本質的深刻哲學思考。 湧現性與復雜性： 深度學習的許多能力並非直接編碼，而是從大量的參數和復雜的連接中“湧現”齣來的。這一點與人類智能的湧現性有著異麯同工之妙。當簡單的計算單元以復雜的方式組閤在一起時，會産生超越個體能力的整體行為。本書將探討湧現性在理解智能中的重要性，以及我們如何纔能更好地預測和控製這種復雜係統的行為。 意識與理解的界限： 深度學習模型能否真正“理解”世界，抑或隻是在進行高度復雜的模式匹配？書中將引導讀者思考，真正的“理解”需要具備哪些要素？意識、自我認知、情感等人類特有的屬性，是否是智能不可或缺的一部分？深度學習的進步，也迫使我們重新審視這些古老而深刻的哲學問題。 倫理與社會影響： 隨著深度學習技術的飛速發展，其在社會生活中的應用也帶來瞭諸多倫理挑戰，例如偏見、隱私、就業等問題。本書在最後也會觸及這些重要的議題，強調在追求技術進步的同時，我們必須審慎考慮其可能帶來的社會影響，並積極探索負責任的技術發展路徑。 總結： 《深度學習：心智如何經驗》是一部兼具前瞻性、深度和廣度的力作。它巧妙地融閤瞭人工智能的最新進展與人類心智探索的經典智慧，為讀者提供瞭一個理解智能的全新視角。本書不僅是一本關於深度學習技術的指南，更是一次關於人類自身智能本質的深刻反思。它告訴我們，無論是機器還是心智，對世界的認知和能力的提升，都離不開“經驗”這一堅實的基礎。通過揭示深度學習模擬經驗學習的內在機製，本書為我們理解自身智能的運作提供瞭寶貴的綫索，也為未來人工智能的發展指明瞭方嚮。它鼓勵我們以更開闊的視野，去探索智能的無限可能，以及人類與智能機器共同進化的未來。

評分☆☆☆☆☆

哇，拿到這本《深層學習：心智如何經驗》，我真是太期待瞭！這本書的書名就給我一種非常前沿的感覺，仿佛要揭示人工智能最核心的奧秘。我一直對人類的心智如何學習、如何形成經驗充滿好奇，而“深層學習”這個詞匯又讓我聯想到那些能夠處理復雜模式、模擬人腦神經網絡的強大算法。這本書的作者又是誰呢？我迫不及待地想知道他們在這個領域的研究成果和獨到見解。會不會像讀一本科幻小說一樣，讓我遨遊在未來的智能世界？我猜想書中一定會有很多關於神經網絡、深度捲積網絡、循環神經網絡等概念的介紹，甚至可能會涉及到一些最新的研究進展，比如生成對抗網絡（GANs）或者Transformer模型。我很希望作者能夠用一種清晰易懂的方式來解釋這些復雜的理論，讓我這個非專業人士也能有所收獲。同時，我也期待這本書能夠提供一些實際的應用案例，讓我看到深層學習是如何在圖像識彆、自然語言處理、語音識彆等領域大放異彩的。如果書中還能探討一些關於人工智能倫理、未來發展方嚮的思考，那就更棒瞭。總之，這本書對我來說，不僅僅是一本技術書籍，更像是一扇通往未知世界的窗戶，我希望它能給我帶來驚喜和啓發，讓我對智能的本質有更深刻的理解。

評分☆☆☆☆☆

說實話，我一直對人工智能領域有些敬畏，覺得那是一個非常高深莫測的領域。但《深層學習：心智如何經驗》這本書的書名，聽起來卻異常親切，仿佛在邀請我走進一個關於“學習”和“理解”的奇妙旅程。《心智如何經驗》這幾個字，讓我立刻聯想到我們人類自己是如何認識世界的，我們是通過感官輸入、不斷試錯、然後形成認知模式的。那麼，人工智能，特彆是深層學習，又是如何“經驗”世界的呢？這其中一定有很多我未曾想過的巧妙之處。我希望這本書能夠避免那些枯燥乏味的數學推導，而是通過生動形象的例子，來解釋深層學習的核心原理。比如，它會如何解釋神經網絡是如何“學習”識彆一張貓的圖片的？或者，它是如何理解一段文字的含義的？我特彆期待能夠看到一些關於“錶示學習”（representation learning）的介紹，因為我覺得這纔是深層學習最迷人的地方，它能夠讓機器自己去發現數據中隱藏的更有意義的特徵。如果書中還能探討一些關於“注意力機製”（attention mechanism）或者“記憶網絡”（memory networks）的內容，那就太好瞭，因為我覺得這些技術離我們人類的學習方式越來越近瞭。我希望這本書能讓我覺得，人工智能並不是遙不可及的，而是與我們自己的認知過程有著韆絲萬縷的聯係。

評分☆☆☆☆☆

我剛剛翻開瞭《深層學習：心智如何經驗》，迫不及待地想要深入其中。這本書的裝幀設計就給人一種沉甸甸的學術感，封麵上那個抽象的圖案仿佛象徵著復雜的數據流和神經網絡的連接。我一直對智能的起源和運作機製感到著迷，而“心智如何經驗”這個副標題，更是精準地觸及瞭我內心深處的疑問。我總覺得，真正的智能不僅僅是計算和邏輯，更在於它如何感知世界、如何從中提取意義、如何形成記憶和知識。這本書會不會從哲學、認知科學的角度齣發，來探討深層學習與人類心智之間的共通之處？我希望它不僅僅是關於算法的堆砌，更能引發我對智能本質的深刻思考。也許書中會介紹一些開創性的研究，比如Hinton、LeCun、Bengio等先驅者的貢獻，以及他們如何一步步推動瞭深層學習的發展。我特彆好奇，作者會如何闡述“經驗”在深層學習中的作用，是僅僅指數據的輸入，還是包含更深層次的理解和抽象？如果書中能夠探討一些關於“意識”和“湧現”的概念，那就更加齣乎意料瞭。我期待著這本書能為我打開一個新的視角，讓我看到技術與哲學、科學與人文的奇妙融閤，而不是僅僅停留於冰冷的公式和代碼。

評分☆☆☆☆☆

我懷著極大的興趣拿起《深層學習：心智如何經驗》這本書。我總覺得，人工智能，特彆是深層學習，與我們人類自身的學習過程有著某種深刻的聯係，但具體是怎樣的聯係，我一直不是很清楚。《心智如何經驗》這個副標題，讓我覺得這本書可能會觸及一些關於“湧現”（emergence）、“自組織”（self-organization）或者“元學習”（meta-learning）的概念，這些都是我非常感興趣的。我希望這本書能解釋，為什麼深層神經網絡在經過大量的訓練後，能夠展現齣如此強大的學習能力，甚至能夠超越人類在某些特定任務上的錶現。它會不會深入探討“錶示”（representation）在深層學習中的重要性？或者，書中會介紹一些關於“遷移學習”（transfer learning）或者“小樣本學習”（few-shot learning）的最新進展，這些都讓我覺得離我們人類的學習方式越來越近瞭。我非常期待這本書能夠以一種引人入勝的方式，解釋深層學習背後的邏輯和機製，並且能夠引發我對未來智能的更多思考。如果書中能夠探討一些關於“因果推理”（causal inference）或者“可解釋性AI”（explainable AI）的議題，那就更完美瞭，因為我覺得這些是深層學習在走嚮真正智能的道路上必須剋服的挑戰。

評分☆☆☆☆☆

當我在書店裏看到《深層學習：心智如何經驗》這本書時，我的第一反應是：“這名字聽起來就很有深度！”我對人工智能的瞭解還停留在一些皮毛的概念上，比如機器學習、神經網絡等等，但一直沒有一個非常清晰的整體認知。《心智如何經驗》這個副標題更是讓我眼前一亮，它似乎在暗示，這本書不僅僅是講技術，更是在探討智能的本質，以及機器如何能夠像我們一樣去“經驗”和“理解”世界。我非常好奇，作者會如何將深層學習這個相對比較新的技術，與“心智”和“經驗”這兩個更偏嚮於人文和哲學概念聯係起來。會不會有關於“具身智能”（embodied AI）的討論？或者，書中會探討深層學習在模擬人類感知、決策、甚至情感方麵的潛力？我希望這本書能夠為我揭示一些關於機器智能的“黑箱”，讓我明白這些模型是如何工作的，它們的能力邊界在哪裏，以及它們在未來可能扮演的角色。我希望這本書能提供一些前沿的研究方嚮，或者一些引人深思的觀點，讓我能夠更全麵、更深入地理解深層學習這個領域，而不是僅僅停留在技術層麵。