Genetic programming may be more powerful than neural networks and other machine learning techniques, able to solve problems in a wider range of disciplines. In this ground-breaking book, John Koza shows how this remarkable paradigm works and provides substantial empirical evidence that solutions to a great variety of problems from many different fields can be found by genetically breeding populations of computer programs. Genetic Programming contains a great many worked examples and includes a sample computer code that will allow readers to run their own programs.In getting computers to solve problems without being explicitly programmed, Koza stresses two points: that seemingly different problems from a variety of fields can be reformulated as problems of program induction, and that the recently developed genetic programming paradigm provides a way to search the space of possible computer programs for a highly fit individual computer program to solve the problems of program induction. Good programs are found by evolving them in a computer against a fitness measure instead of by sitting down and writing them.John R. Koza is Consulting Associate Professor in the Computer Science Department at Stanford University.

2 edition

在反人工智能者中，最为人所熟悉的就是休伯特--德雷福斯及其同在伯克利执教的工程学教授斯图亚特--德雷福斯。在本书中，休伯特--德雷福斯诉诸现象学海德格尔，胡塞尔，梅洛--庞蒂以及另一派维特根斯坦的工作，提出了反对强人工智能的论证。其核心思想则是：许多人类的行为不能被简单的看作是遵照一套规则行事。
人工智能每一步特殊努力后的停滞，意味着从人类行为任何孤立的方面，不会有通向完整成人智能行为的一点的突破。棋弈、语言翻译、问题求解和模式识别都依赖人类“信息加工”的特殊形式，而这种特殊形式的人类“信息加工”，反过来又取决于人类在世界中的存在方式。对这种处于某一局势之中的方式，原则上无法用现在能想象到的技巧加以程序化。

全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。
本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者，利用大数据和不断增强的计算能力，终于在神经网络算法上取得重大突破，实现了人工智能井喷式的发展。
作为深度学习领域的通识作品，本书以恢弘的笔触，通过3个部分全景展现了深度学习的发展、演变与应用，首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。

二十一世纪是计算社会科学的时代。1998年邓肯·瓦茨关于小世界网络的模型和1999年阿尔伯特·巴拉巴西关于幂律和无标度网络的研究复兴了网络科学。一石激起千层浪，在学术领域产生了深远的影响。对于万维网上的人类行为的研究也形成了一个子领域，被称之为万维网科学(Web Science)；伴随着社交媒体等数字媒体的发展，社会网络分析开始受到前所未有的重视，社交网络上的信息流动网络研究也引起广泛的兴趣；与此同时，机器学习和数据科学取得了突飞猛进的发展，进一步加速了计算化的浪潮；在新闻传播产业当中，数据驱动的新闻生产、计算广告和媒体推荐系统开始成为席卷世界的潮流。面对海量的互联网数据、持续困扰人类的重大社会问题、崭新的理论视角、诱人的物理学模型，在世界大战中发展起来的新闻传播学研究会走向什么地方？这构成了困扰我们的时代问题，而计算传播学正是试图回应这一时代叩问的一种尝试。在大数据和人工智能时代，未来的计算社会科学家更需要训练问题意识、培养计算思维、增强数据挖掘和分析的能力，而这正是本书写作的一个重要目的。
计算传播学将传播学研究置于数据和计算方法的坚固基础上。数据作为一种新的石油，解放了社会科学家对于理论的过度依赖。随着数字媒体的发展，人类社会积累的人类传播行为数据的规模日趋庞大，详尽地记录了社会发展和人类互动的各种细节。运用这些生动的人类传播行为数据，可以从更细的颗粒度、更大的样本规模上让我们捕捉社会的发展。毫无疑问，对于数据的挖掘依赖于人类的计算能力的提高，依赖于跨学科的研究方法和研究视角。我们人类传播行为的基因恰恰隐藏在互动性当中，但这种人类传播行为的互动性本身也使得传播过程充满了复杂性。网络科学为捕捉到纷繁复杂的人类互动提供了一个很好的视角。从数据出发，借助于计算方法和好的理论视角，就可以更好地刻画人类传播行为的模式和法则。

A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
"Correlation is not causation." This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pearl and his colleagues, has cut through a century of confusion and established causality--the study of cause and effect--on a firm scientific basis. His work explains how we can know easy things, like whether it was rain or a sprinkler that made a sidewalk wet; and how to answer hard questions, like whether a drug cured an illness. Pearl's work enables us to know not just whether one thing causes another: it lets us explore the world that is and the worlds that could have been. It shows us the essence of human thought and key to artificial intelligence. Anyone who wants to understand either needs The Book of Why.

Burgeoning advancements in brain science are opening up new perspectives on how we acquire knowledge. Indeed, it is now possible to explore consciousness—the very center of human concern—by scientific means. In this illuminating book, Dr. Gerald M. Edelman offers a new theory of knowledge based on striking scientific findings about how the brain works. And he addresses the related compelling question: Does the latest research imply that all knowledge can be reduced to scientific description?
Edelman’s brain-based approach to knowledge has rich implications for our understanding of creativity, of the normal and abnormal functioning of the brain, and of the connections among the different ways we have of knowing. While the gulf between science and the humanities and their respective views of the world has seemed enormous in the past, the author shows that their differences can be dissolved by considering their origins in brain functions. He foresees a day when brain-based devices will be conscious, and he reflects on this and other fascinating ideas about how we come to know the world and ourselves.

Continuing his exploration of the organization of complexity and the science of design, this new edition of Herbert Simon's classic work on artificial intelligence adds a chapter that sorts out the current themes and tools -- chaos, adaptive systems, genetic algorithms -- for analyzing complexity and complex systems.There are updates throughout the book as well. These take into account important advances in cognitive psychology and the science of design while confirming and extending the book's basic thesis: that a physical symbol system has the necessary and sufficient means for intelligent action. The chapter "Economic Reality" has also been revised to reflect a change in emphasis in Simon's thinking about the respective roles of organizations and markets in economic systems.

《计算机视觉:一种现代方法(第2版)(英文版)》内容简介：计算机视觉是研究如何使人工系统从图像或多维数据中"感知"的科学。《计算机视觉:一种现代方法(第2版)(英文版)》是计算机视觉领域的经典教材，内容涉及几何摄像模型、光照和着色、色彩、线性滤波、局部图像特征、纹理、立体相对、运动结构、聚类分割、组合与模型拟合、追踪、配准、平滑表面与骨架、距离数据、图像分类、对象检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等内容。与前一版相比，《计算机视觉:一种现代方法(第2版)(英文版)》简化了部分主题，增加了应用示例，重写了关于现代特性的内容，详述了现代图像编辑技术与对象识别技术。

A Turing Award-winning computer scientist and statistician shows how understanding causality has revolutionized science and will revolutionize artificial intelligence
“Correlation is not causation.” This mantra, chanted by scientists for more than a century, has led to a virtual prohibition on causal talk. Today, that taboo is dead. The causal revolution, instigated by Judea Pearl and his colleagues, has cut through a century of confusion and established causality–the study of cause and effect–on a firm scientific basis. His work explains how we can know easy things, like whether it was rain or a sprinkler that made a sidewalk wet; and how to answer hard questions, like whether a drug cured an illness. Pearl’s work enables us to know not just whether one thing causes another: it lets us explore the world that is and the worlds that could have been. It shows us the essence of human thought and key to artificial intelligence. Anyone who wants to understand either needs The Book of Why.

《数字创世纪:人工生命的新科学》对计算机和生物学交叉的前沿科学——人工生命进行了较详细地描述，从人工生命的起源、研究方法、形式、主张等不同方面进行描述，是国内外第一本系统地、全面地阐述人工生命的生命观的著作。系统论述了人工生命思想的产生和发展过程，其中20世纪中后期到现在的发展是《数字创世纪:人工生命的新科学》首次论述的。《数字创世纪:人工生命的新科学》写作规范，各部分之间逻辑联系紧密。虽然《》涉及的科学内容艰深，但由于作者观点明确，深入浅出，论证清晰，因此，《数字创世纪:人工生命的新科学》可读性强，有一定基础的研究者就可以理解。

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。

数据科学是一门内涵很广的学科，它涉及到统计分析、机器学习以及计算机科学三方面的知识和技能。本书深入浅出、全面系统地介绍了这门学科的内容。
本书分为13章，最初的3章主要介绍数据科学想要解决的问题、常用的IT工具Python以及这门学科所涉及的数学基础。第4-7章主要讨论数据模型，主要包含三方面的内容：一是统计中最经典的线性回归和逻辑回归模型；二是计算机估算模型参数的随机梯度下降法，这是模型工程实现的基础；三是来自计量经济学的启示，主要涉及特征提取的方法以及模型的稳定性。接下来的8-10章主要讨论算法模型，也就是机器学习领域比较经典的模型。这三章依次讨论了监督式学习、生成式模型以及非监督式学习。目前数据科学最前沿的两个领域分别是大数据和人工智能。本书的第11章将介绍大数据中很重要的分布式机器学习，而本书的最后两章将讨论人工智能领域的神经网络和深度学习。
本书通俗易懂，而且理论和实践相结合，可作为数据科学家和数据工程师的学习用书，也适合对数学科学有强烈兴趣的初学者使用。同时也可作为高等院校计算机、数学及相关专业的师生用书和培训学校的教材。

编辑推荐
《如何创造思维》作者雷·库兹韦尔是21世纪最具洞察力的思想家和未来学家、“库兹韦尔定律”创立者，美国发明家名人堂获奖者、美国国家技术奖获得者、奇点大学校长、谷歌公司工程总监雷•库兹韦尔最新力作。 这是一部洞悉未来思维模式的颠覆之作。库兹韦尔对于大脑和人工智能的理解，将对我们生活的方方面面，地球上的各行各异，以及我们有关未来的设想产生巨大的影响。库兹韦尔通过一系列推理告诉我们，我们有能力创造超越人类智能的非生物智能。
财讯传媒集团首席战略官段永超，跨界物理学家李淼，中国当代最知名的科幻作家、畅销书《三体》作者刘慈欣联袂推荐。湛庐文化出品。
名人推荐
在《如何创造思维》这本书里，库兹韦尔坚信人类一定会制造出可与人脑相媲美的“仿生大脑新皮质”。它们甚至比人脑更具可塑性，并可放置在云端。他尤为关注人机的完美结合，为人工智能发展指明了新方向。库兹韦尔预言，只要仿生大脑新皮质与人脑新皮质 “对接”起来，就能创造无可限量的人类智能大爆发，迎接“奇点”的到来！
——段永朝 财讯传媒集团首席战略官
如何创造意识、思维，也许是人类认识自然的最后难题，是意识对自己的回归。作为著名发明家、作家、未来主义者，库兹韦尔关于思维的研究和观点独特而惊人。他认为不久的未来，计算机可以实现人类大脑新皮质功能并超越人类，人类将与机器结合成为全新的物种，这非常像著名科幻作家弗诺 •文奇在《深渊上的火》中描述的超级智慧。他关于天分、创新和爱情的观点非常有启发性，他的其他不无争议的观点则将我们置于一个新的思考层次。在这些有的可靠，有的有争议的观点背后，是严谨的数学模型，例如隐马尔可夫模型。在这本去年出版的新书中，他反复强调了“加速循环规则”，即“库兹韦尔定律”。让我们拭目以待 2045年，库兹韦尔预言的人类蜕变的奇点。
——李淼 中山大学教授
库兹韦尔通过对人类思维本质的全新思考，大胆地预言了人工智能的未来，他的想象力令人惊叹！最可贵之处在于，这一切都不是科学幻想，而是基于现有科技理论所进行的严谨推测。我期待着预言应验的那一天。
——刘慈欣 中国当代最知名的科幻作家，畅销书《三体》作者
库兹韦尔这本有关思维的新书非常了不起，正为时下所需，而且言之凿凿！让人眼前一亮！
——马文•明斯基 人工智能之父，麻省理工学院“人工智能实验室”创始人
雷 •库兹韦尔对大脑和人工智能的理解将对我们生活的方方面面、地球上的各行各业，以及我们有关未来的设想产生巨大的影响。如果你关心其中任何一个方面，此书都值得一读！
——彼得•戴曼迪斯 奇点大学执行主席，《纽约时报》畅销书《富足》（Aboudance）作者
《如何创造思维》是难得一见的好书，每一页都能给你不一样的启示。库兹韦尔通过一系列推理告诉我们：我们有能力创造超越人类智能的非生物智能。这部作品既高瞻远瞩，又妙趣横生。
——拉斐尔•莱夫 麻省理工学院校长
如果你曾疑惑你的大脑是如何运转的，那你一定要拜读这本书。库兹韦尔的洞见剥开了人类思维深处的秘密，让我们发现了重建人类思维的能力。这本书掷地有声、发人深省。
——迪安•卡门 第一个便携式胰岛素泵、家用透析机、 IBOT移动系统的发明者，国家科技奖章获得者
雷 •库兹韦尔，杰出的人工智能先驱之一，他用一本新书阐释了智能的本质，包括生物和非生物智能。此书将人类大脑描述成一种机器，可以理解分层的概念，包括椅子的形状和幽默的本质。他的重要发现，强调了学习在大脑和人工智能中所起的关键作用。他提供了一张可靠的路线图，以实现超人类的智能，这将是应对人类重大挑战的必要条件。
——劳伊•雷迪 卡耐基梅隆大学机器人研究所创始董事，图灵奖获得者
雷•库兹韦尔开创了这样的人工智能系统——可以读取以任何形式打印的印刷品，可以合成语音和音乐并理解语言。这是现在机器学习改革的先驱者，是创建可以在国际象棋上击败人类、赢得《危险边缘》节目、驾驶汽车的智能计算机的基础。他的新书对使得此次智能科技革命得以发生的进步进行了清晰、引人入胜地描绘，尤其是学习方面的进步。
——托马索•波吉奥 麻省理工学院“生物计算学习”中心实验室主任，麻省理工学院麦戈文脑研究所前任所长
库兹韦尔的书展现了他惊人的才能——综合来自各个领域的思想，然后以简单优美的语言呈现给读者。此书是即将到来的人工智能革命的先驱，而库兹韦尔有关人工智能的预言也将在这次革命中成真。
——迪利普•乔治 人工智能科学家大脑新皮质的层次结构模型的先驱

Deep Learning with Python introduces the field of deep learning using the Python language and the powerful Keras library. Written by Keras creator and Google AI researcher François Chollet, this book builds your understanding through intuitive explanations and practical examples. You'll explore challenging concepts and practice with applications in computer vision, natural-language processing, and generative models. By the time you finish, you'll have the knowledge and hands-on skills to apply deep learning in your own projects.

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.

《古琴艺术的机器演绎》主要围绕古琴艺术的计算展开，依据人工智能、认知科学、机器音乐研究的思想成果，采用成熟的计算、编码与智能方法，围绕古琴减字谱的计算处理问题，全面系统地介绍了有关古琴艺术展现的计算方法以及机器实现系统。

Douglas Hofstadter's long-awaited return to the themes of Gödel, Escher, Bach--an original and controversial view of the nature of consciousness and identity.
Can thought arise out of matter? Can self, a soul, a consciousness, an "I" arise out of mere matter? If it cannot, then how can you or I be here?
I Am a Strange Loop argues that the key to understanding selves and consciousness is the "strange loop"--a special kind of abstract feedback loop inhabiting our brains. The most central and complex symbol in your brain or mine is the one called "I." The "I" is the nexus in our brain, one of many symbols seeming to have free will and to have gained the paradoxical ability to push particles around, rather than the reverse.
How can a mysterious abstraction be real--or is our "I" merely a convenient fiction? Does an "I" exert genuine power over the particles in our brain, or is it helplessly pushed around by the laws of physics?
These are the mysteries tackled in I Am a Strange Loop, Douglas R. Hofstadter's first book-length journey into philosophy since Gödel, Escher, Bach. Compulsively readable and endlessly thought-provoking, this is the book Hofstadter's many readers have been waiting for.