凯特·克劳福德通过引入地图集的方式来讨论塑造人工智能的经济、政治、文化和历史力量，只有将人工智能与这些更广泛的结构和社会系统联系起来，才能够摆脱纯粹技术概念的人工智能。

人工智能是一种行使权力的形式和一种观看方式，也是一种高度组织化的资本表现，人工智能完全依赖于一套更广泛的政治和社会结构。在如今人工智能大行其道的世界里，通过不断对人工智能进行追问和批判性思考，才能够逐步接近真实的答案。

《纽约客》《金融时报》《麻省理工科技评论》交口称赞。比起进步，AI更有可能让整颗行星走向毁灭。

揭示人工智能的底层逻辑，ChatGPT给科技界带来的巨震不仅在于开放共享的新业态，也在于残忍无情的资源争夺战。

现在开始考虑并预防AI可能给人类社会造成的后果，并不算晚。

专业评论：

本书证明了人工智能既不“人工”，也没有那么“智能”，是一次令人惊奇的对训练人工智能的数据的历史梳理。——《纽约客》

是对目前围绕着人工智能的误解的有力纠正，也是一本有用的未来手册。——约翰·索恩希尔 《金融时报》

人工智能既非人工，也不智能，它是对劳动和资源的剥削

《纽约客》《金融时报》《自然》《科学》交口称赞。比起进步，AI更有可能让整颗行星走向毁灭。揭示人工智能运作的底层逻辑，思考和预防人工智能的社会后果。

人工智能，不断进化的机器，iPS细胞带来的医疗革命••••••

诺贝尔生理学或医学奖得主山中伸弥 VS 史上最强永世七冠天才棋手羽生善治

双视角跨界交锋，预言十年后的世界

诺贝尔生理或医学奖得主山中伸弥与被称为史上最强棋士的羽生善治，两位拥有顶尖智慧的名人围绕着“十年后，百年后的世界将变得如何”展开对谈。

人工智能、不断进化的机器人、诱导多功能干细胞带来的医学革命……话题从生命科学的最前沿，扩展到人工智能的界限与可能性。人类的直觉究竟是什么？人类将来是否真的能够不老不死？两人运用了各自领域的专业知识，热烈讨论了人类永恒的主题。

两人运用了各自领域的专业知识，深入浅出地分析了各自领域未来的发展以及可能对人类社会造成的影响。两位大师慎思敏行的作风、突破挑战的精神，对话时生动的语言、幽默的表达，共同构成了整本书独特的魅力。

美国计算机科学与工程教授，AI应用于游戏的发起人

机器挑战人类的时代，探索学习、认知和思维的新模式

◎ 编辑推荐

☆ 美国计算机科学与工程教授，AI应用于游戏的发起人

☆ 介绍了*前沿的AI技术及其应用

☆ 以AI的视野，进入游戏世界，探索智能时代学习、认知和思维的新模式

◎ 内容简介

机器不断挑战人类的认知能力，而游戏设计的核心 就是认知科学，设计游戏需要了解人类如何思维和学习。游戏从来都不只是一种自我消遣娱乐的方式，它也是学习和思考的工具。

那么，当机器在所有游戏中击败人类，是不是意味着人工智能已经超越人类？我们又能从人工智能的不断进化中学到什么？

本书全方位介绍了人工智能的最新进展，同时列举了《超级马里奥兄弟》《愤怒的小鸟》《DOTA》《塞尔达传说》等数十款游戏史上不同类型的爆款游戏，简明易懂地阐明了游戏、学习与人工智能的关系。我们会看到，通过学习怎样玩游戏、怎样设计游戏、怎样将游戏用于人工智能开发，可以更好地了解人类和机器是怎样思考的，并进一步探索游戏、学习和思维的新模式。

300年历史的长时段剖析

人工智能时代打工人的启示录

AI 革命，革的是谁的命？

★ 英国《金融时报》2019年度最佳书籍

★ 芝加哥大学推荐必读书目

★ 北京大学光华管理学院教授刘学、中国人民大学经济学院教授高德步、青年社会学家廉思重磅推荐

◎ 内容简介

每一次重大的技术变革，都会给社会的主要工作形态带来深刻的影响。

本书系统而全面地回顾了近几百年技术进步的历史，以及它如何从根本上改变了社会成员之间的经济和政治权力分配。

本书作者将带领读者们遍览各个时代技术进步对人们工作形态的影响，揭示不同时代“打工人”的处境，并最终将目光转向未来，试图分析当前的AI革命将对我们的工作造成何种影响，以及我们该如何做出应对。作者力图说明，技术进步对收入造成何种影响，将决定人们对它的态度。

工业革命是历史上的重大时刻，但当时几乎没有人意识到它的巨大后果。

正如本书所表明的那样，工业革命从长远来看创造了前所未有的财富和繁荣，但机械化的直接后果对大量人口来说是毁灭性的。中等收入岗位减少，工资停滞不前，劳动收入占比下降，利润激增，经济不平等加剧。

本书作者卡尔·贝内迪克特·弗雷证明，这些趋势大体上反映了我们现在这个始于计算机革命的自动化时代的趋势。正如工业革命最终为社会带来非同寻常的利益一样，人工智能系统也有潜力做到这一点。

《技术陷阱》表明，在眼下这场新的技术革命中，过去的教训可以帮助我们更有效地面对现在的状况。

◎ 专家&媒体推荐

技术进步始终被视为推动社会进步的正义力量。即便颠覆性创新颠覆了许多产业、职业，经济学家依旧坚信，这是社会进步不可避免的代价。本书透过漫长的历史镜头，聚焦到“取代技术”对社会结构、经济结构的冲击，揭示了技术进步并不完美的一面，并对相关政策进行反思，值得反复研读。

—— 刘学，北京大学光华管理学院副院长、教授

技术进步的本质就是创造性毁灭。创造是永恒的，能带给人类以福祉，而毁灭是暂时的，但也会给社会带来撕裂性伤痛。这种伤痛正是“技术陷阱”的根源。……技术进步是永恒的，但也需要“间歇”，而我们也需要在“间歇”中思考。《技术陷阱》正是这种思考。

—— 高德步，中国人民大学经济学院教授

作者力图告诉我们，技术对社会的作用并非单纯的生产力增长亦或人类对自然的一次次胜利，而是呈现出更复杂的劳动分工的变化、生活方式的改变、政治力量的更迭乃至国际关系的调整。……本书不仅是一部技术变革史，更是一部社会分层史、劳工演进史和制度变迁史。对中国的现代化进程而言，如何处理好技术引发的短期变量和长期变量，本书带给我们的启发和思考无疑是极为深刻的。

—— 廉思，青年社会学家、中国新兴群体的瞭望者

《技术陷阱》可能会以其听起来有些不祥的标题吸引那些末日论者的注意。但最终，它一定会让每一个读过它的人振奋起来。

——《经济学人》

了解21世纪的自动化及其颠覆性影响的一部绝佳指南。

——《卫报》

针对当前的问题，弗雷秉持一种挑衅性的、原创性的观点，去审视过去的技术进步的后果……他的工作，向着批量生产和人工智能迈出了一大步。

—— 安德鲁·希尔，《金融时报》

这部著作对过去的工业革命、其中出现的技术以及社会适应这些变化的方式做了出色的分析。

—— 阿迪·盖斯凯尔，《福布斯》

这是一本写给普通人了解AI的趣味科普，它还有超级可爱的漫画！

-

这本书“非常易读、有料，而且妙趣横生、令人捧腹”（《万物发明指南》作者瑞安·诺思），带领普通人走进人工智能那个奇妙古怪又不可思议的世界，是一场幽默可爱的导览。

-

本书的主要内容是人工智能可以做什么、不能做什么，以及它为什么已经影响了我们生活的方方面面。而作者选择了一种引人入胜的方法来为我们讲述人工智能。读者可以收获到意想不到的乐趣。

-

作者具有相关学术背景，常年进行科学写作，更是在自己的网站上写了不少关于人工智能的文章，尤其是关于算法能做什么、不能做什么，这些有趣又好玩的话题符合我们当下对于人工智能的好奇与探索。这绝非枯燥的学术写作，而是深入浅出、充满个人风格的平易叙事。作者在书中举了大量例子，都是有趣的人工智能的相关实验，还插入了许多与之互补形成良好互动的卡通漫画。这种平易近人的写作风格令工程师或有相关背景的人之外的读者，都能够理解书中讲述的抽象概念。

本书是在纽约当地积极发展的韩国宽客讲述的华尔街人工智能机器人之战。在形同战场的华尔街，宽客们在世界金融市场翻云覆雨，书中形象生动地描述了他们过去和现在的种种手段。同时，预测了与人工智能一起急速变化的金融业的未来。本书获第三届Brunchbook Project优秀作品奖，累计查询次数超过100万次，希望读者通过本书能够更好地应对第四次工业革命。

本书以人工智能技术与工业系统的关系为视角，从人工智能在工业领域应用面临的挑战出发，明确提出了工业人工智能的特征和意义，论述了工业人工智能系统的技术要素与落地途径，创新地提出了工业人工智能技术以问题为导向的收敛型应用模式，并结合大量实际案例介绍了不同场景的应用。全书分为四个章节，分别为：我们为什么需要工业人工智能；工业人工智能的定义与意义；工业人工智能的杀手级应用与赋能系统案例；如何建立工业人工智能的技能与能力。

本书全面阐述了模式识别的基础理论、最新方法以及各种应用。模式识别是信息科学和人工智能的重要组成部分，主要应用领域有图像分析、光学字符识别、信道均衡、语言识别和音频分类等。本书在完美地结合当前的理论与实践的基础上，讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、上下文相关分类、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与算法。与前一版相比，增加了大数据集和高维数据相关的最新算法，这些算法适用于Web挖掘和生物信息等应用；提供了最新的分类器和鲁棒回归的核方法；分类器组合技术，包括Boosting方法。新增一些热点问题，如非线性降维、非负矩阵因数分解、关联性反馈、鲁棒回归、半监督学习、谱聚类和聚类组合技术。每章均提供有习题与练习，用MATLAB求解问题，给出一些例题的多种求解方法；且支持网站上提供有习题解答，以便于读者增加实际经验。 本书可作为高等院校自动化、计算机、电子和通信等专业研究生和高年级本科生的教材，也可作为计算机信息处理、自动控制等相关领域的工程技术人员的参考用书。

Adobe Illustrator CS5中文版经典教程，ISBN：9787115241832，作者：美国Adobe公司 著，刘芳，张海燕 译

Theoretical results suggest that in order to learn the kind of complicated functions that can represent high-level abstractions (e.g., in vision, language, and other AI-level tasks), one may need deep architectures. Deep architectures are composed of multiple levels of non-linear operations, such as in neural nets with many hidden layers or in complicated propositional formulae re-using many sub-formulae. Searching the parameter space of deep architectures is a difficult task, but learning algorithms such as those for Deep Belief Networks have recently been proposed to tackle this problem with notable success, beating the stateof- the-art in certain areas. This monograph discusses the motivations and principles regarding learning algorithms for deep architectures, in particular those exploiting as building blocks unsupervised learning of single-layer models such as Restricted Boltzmann Machines, used to construct deeper models such as Deep Belief Networks.

《神经网络与机器学习(英文版第3版)》的可读性非常强，作者举重若轻地对神经网络的基本模型和主要学习理论进行了深入探讨和分析，通过大量的试验报告、例题和习题来帮助读者更好地学习神经网络。神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。在众多神经网络著作中，影响最为广泛的是SimonHaykin的《神经网络原理》(第4版更名为《神经网络与机器学习》）。在《神经网络与机器学习(英文版第3版)》中，作者结合近年来神经网络和机器学习的最新进展，从理论和实际应用出发，全面。系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。《神经网络与机器学习(英文版第3版)》不但注重对数学分析方法和理论的探讨，而且也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。 本版在前一版的基础上进行了广泛修订，提供了神经网络和机器学习这两个越来越重要的学科的最新分析。

Multiagent systems combine multiple autonomous entities, each having diverging interests or different information. This overview of the field offers a computer science perspective, but also draws on ideas from game theory, economics, operations research, logic, philosophy and linguistics. It will serve as a reference for researchers in each of these fields, and be used as a text for advanced undergraduate or graduate courses. The authors emphasize foundations to create a broad and rigorous treatment of their subject, with thorough presentations of distributed problem solving, game theory, multiagent communication and learning, social choice, mechanism design, auctions, cooperative game theory, and modal logics of knowledge and belief. For each topic, basic concepts are introduced, examples are given, proofs of key results are offered, and algorithmic considerations are examined. An appendix covers background material in probability theory, classical logic, Markov decision processes and mathematical programming.

This book presents cutting-edge game AI techniques primarily from game developers of shipped commercial games as well as some from academia. Topics covered include AI architectures, steering and path finding, tactics/strategy, genre specific techniques, gesture recognition, and learning techniques. About 60 articles are presented in a style that is technical yet accessible to beginners, but ultimately aimed at the intermediate to expert professional game developer. The book supplies readers with a toolbox of techniques that are applicable to a wide range of situations.

神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。在众多神经网络著作中，影响最为广泛的是Simon Haykin的《神经网络原理》（第3版更名为《神经网络与机器学习》）。在本书中，作者结合近年来神经网络和机器学习的最新进展，从理论和实际应用出发，全面、系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。 本书不但注重对数学分析方法和理论的探讨，而且也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题的应用。本书的可读性非常强，作者举重若轻地对神经网络的基本模型和主要学习理论进行了深入探讨和分析，通过大量的试验报告、例题和习题来帮助读者更好地学习神经网络。 本版在前一版的基础上进行了广泛修订，提供了神经网络和机器学习这两个越来越重要的学科的最新分析。 本书特色： 1. 基于随机梯度下降的在线学习算法；小规模和大规模学习问题。 2. 核方法，包括支持向量机和表达定理。 3. 信息论学习模型，包括连接、独立分量分析（ICA）、一致独立分量分析和信息瓶颈。 4. 随机动态规划，包括逼近和神经动态规划。 5. 逐次状态估计算法，包括卡尔曼和粒子滤波器。 6. 利用逐次状态估计算法训练递归神经网络。 7. 富有洞察力的面向计算机的试验。

本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。 本书适用于所有从事模式识别、机器学习、神经网络及其应甩的学生、教师和研究人员。

《蚁群算法原理及其应用(精装)》系统、深入地介绍了蚁群算法的原理及其应用，力图概括国内外在这一学术领域的最新研究进展。全书共包括10章，主要内容包括蚁群算法的思想起源、研究现状及机制原理；蚁群算法的复杂度分析；蚁群算法的收敛性证明；蚁群算法参数对其性能的影响；蚁群算法的参数选择原则；离散域和连续域蚁群算法的若干改进策略；蚁群算法在多个优化领域的典型应用；蚁群算法的硬件实现技术；蚁群算法与其他仿生优化算法的比较与融合；蚁群算法的研究展望；最后还在附录部分给出了基本蚁群算法的程序源代码和相关网站。

该书是一本von Neumann关于“自复制自动机”的研究论文集，由von Neumann在密西根大学的助手Arthur Burk（大名鼎鼎的John Holland的博士导师）整理编辑。 这本书的意义不仅仅在于它实际上开创了“人工生命”、“细胞自动机”等多门复杂性研究的分支。更重要的是，该书将“自我复制”作为生命的一个本质特征加以数学建模的研究。而这套理论和可计算性理论、歌德尔定理以及热力学深深地联系到了一起。这一点也许对于我们研究复杂系统的人来说仍具有重要的意义。

Information theory and inference, taught together in this exciting textbook, lie at the heart of many important areas of modern technology - communication, signal processing, data mining, machine learning, pattern recognition, computational neuroscience, bioinformatics and cryptography. The book introduces theory in tandem with applications. Information theory is taught alongside practical communication systems such as arithmetic coding for data compression and sparse-graph codes for error-correction. Inference techniques, including message-passing algorithms, Monte Carlo methods and variational approximations, are developed alongside applications to clustering, convolutional codes, independent component analysis, and neural networks. Uniquely, the book covers state-of-the-art error-correcting codes, including low-density-parity-check codes, turbo codes, and digital fountain codes - the twenty-first-century standards for satellite communications, disk drives, and data broadcast. Richly illustrated, filled with worked examples and over 400 exercises, some with detailed solutions, the book is ideal for self-learning, and for undergraduate or graduate courses. It also provides an unparalleled entry point for professionals in areas as diverse as computational biology, financial engineering and machine learning.

机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。 为了使尽可能多的读者通过本书对机器学习有所了解, 作者试图尽可能少地使用数学知识. 然而, 少量的概率、统计、代数、优化、逻辑知识似乎不可避免. 因此, 本书更适合大学三年级以上的理工科本科生和研究生, 以及具有类似背景的对机器学 习感兴趣的人士. 为方便读者, 本书附录给出了一些相关数学基础知识简介. 全书共16 章，大致分为3 个部分：第1 部分（第1～3 章）介绍机器学习的基础知识；第2 部分（第4～10 章）讨论一些经典而常用的机器学习方法（决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习）；第3 部分（第11～16 章）为进阶知识，内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等.前3章之外的后续各章均相对独立, 读者可根据自己的兴趣和时间情况选择使用. 根据课时情况, 一个学期的本科生课程可考虑讲授前9章或前10章; 研究生课程则不妨使用全书. 书中除第1章外, 每章都给出了十道习题. 有的习题是帮助读者巩固本章学习, 有的是为了引导读者扩展相关知识. 一学期的一般课程可使用这些习题, 再辅以两到三个针对具体数据集的大作业. 带星号的习题则有相当难度, 有些并无现成答案, 谨供富有进取心的读者启发思考. 本书可作为高等院校计算机、自动化及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考。