通用人工智能：初心與未來

譯者序
前言
第1章　引言：智慧、人工和自然1
1.1　人類智慧的誕生4
1.2　計算智慧6
1.3　自然智慧6
1.4　通用智慧中的普遍性8
1.5　專用智慧、通用智慧和人工智慧9
1.6　參考文獻12

第2章　人類智慧15
2.1　智力測試16
2.2　解決問題17
2.2.1　結構良好的問題18
2.2.2　形式化問題21
2.3　洞察力問題25
2.4　人類智慧的怪癖30
2.5　結論34
2.6　參考文獻34

第3章　物理符號系統：智能的符號方法37
3.1　圖靈機和圖靈測試38
3.2　達特茅斯暑期研討會（1956年） 41
3.3　表示42
3.4　通用智慧的定義51
3.5　結論52
3.6　參考文獻52

第4章　計算智慧與機器學習55
4.1　專家系統的局限性55
4.2　概率推理57
4.3　機器學習58
4.4　感知器和感知器學習規則62
4.5　機器學習入門65
4.6　強化學習70
4.7　總結：機器學習系統的幾個例子71
4.8　結論71
4.9　參考文獻72

第5章　人工智慧的神經網路方法 74
5.1　神經網路基礎76
5.2　海豚生物聲呐的例子78
5.3　全腦假說82
5.4　結論86
5.5　參考文獻86

第6章　人工智慧的新進展89
6.1　Watson92
6.2　Siri和同類應用程式93
6.3　AlphaGo97
6.4　無人駕駛技術100
6.5　撲克遊戲102
6.6　結論104
6.7　參考文獻105

第7章　構建智慧模組107
7.1　知覺與模式識別108
7.2　歧義性110
7.3　智力和語言111
7.4　常識116
7.5　常識的表示117
7.6　參考文獻120

第8章　專業知識123
8.1　專業知識的來源128
8.2　智商和專業知識128
8.3　流體和晶體智力129
8.4　專業知識的獲取130
8.5　參考文獻135
第9章　智能駭客與TRICS137
9.1　通用智慧的表徵146
9.2　結論149
9.3　參考文獻149

第10章　演算法：從人到電腦151
10.1　佳決策：使用演算法來指導人類行為156
10.2　博弈論165
10.3　參考文獻166

第11章　機器人危機是否即將到來168
11.1　人工智能169
11.2　人工智能的擔憂171
11.3　與世界互動175
11.4　參考文獻180

第12章　通用智慧183
12.1　定義智慧184
12.2　實現通用智慧185
12.2.1　通用人工智慧的草圖186
12.2.2　更多關於刺蝟的故事190
12.2.3　通用智慧不是演算法優化192
12.2.4　智能和TRICS192
12.2.5　遷移學習194
12.2.6　風險帶來智慧197
12.3　通用智慧中的創造力198
12.4　通用智慧成長199
12.5　全腦模擬200
12.6　類比201
12.6.1　當前範式的其他局限性202
12.6.2　元學習203
12.6.3　洞察力204
12.7　通用人工智慧概述207
12.8　參考文獻209

赫伯特·L.羅埃布萊特（Herbert L. Roitblat）
加州大學伯克利分校心理學博士，曾在夏威夷大學任教多年，現為Mimecast公司首席資料科學家。他在資訊技術創新的各個方面具有廣泛的經驗，是技術企業家、發明家和專家，同時也是認知科學、資訊檢索、深度學習、電子發現、機器學習、神經網路、資訊治理、自然語言處理等領域的專家。