零基礎AI入門書: 看圖就懂的AI應用實作 | 誠品線上

眠れなくなるほど面白い: 図解 AIとテクノロジーの話

內容簡介

內容簡介 不需基礎也能懂的AI入門科普書，解明AI如何改變我們的生活！ AI教育X教育AI，適性化學習時代來臨 想理解AI是什麼，就先看這本！ 網際網路的普及與AI息息相關，你知道現今的日常生活中AI已無所不在嗎？ 我們熟悉的語音助理Siri及Google 助理、風靡全球的遊戲Pokemon GO、特斯拉的自駕車、AI醫師華生、引發挖礦熱潮的比特幣、服務型機器人pepper等等食衣住行育樂，都與人工智慧AI有切不開的關係。 在人工智慧AI發展迅速的現代，還會對我們會造成什麼影響呢? 「AI會擁有跟人類一樣的情感嗎？」 「IoT會帶來什麼樣的生活呢？」 「未來會被AI取代的工作有哪些？」 本書由日本頂尖專家書寫，網羅所有你對人工智慧AI的疑惑，以圖文並茂的方式，深入淺出說明何為人工智慧AI、實際應用以及未來趨勢。 本書特色 ★本書採用一頁文字一頁圖的方式，讓讀者能夠在短時間內迅速理解文章重點。 ★大量舉例AI人工智慧的實際應用，無距離感輕鬆學習 ★探討未來AI人工智慧面臨的問題及未來發展

作者介紹

作者介紹 三宅陽一郎 監修監修者簡介 三宅陽一郎 遊戲AI開發人。日本京都大學數學專攻，大阪大學物理學碩士，東京大學工學系研究科博士課程（學分取得滿期退學）。 從事人工智慧的研究。作為遊戲AI開發人，從事數位遊戲人工智慧技術的發展。 現為國際遊戲開發者協會日本遊戲AI專門部會主席、日本數位遊戲學會(DiGRA JAPAN)理事長、藝術科學會理事、人工智慧學會（人工知能学会）編輯委員。 主要著作：《人工智慧的補習班》（BNN新社）、《人工智慧的作法》（技術評論社）、《為何人工智慧能夠與人對話？》（Mynavi出版）、《〈人工智慧〉與〈人工智慧〉》（iCardbook）；合著書籍：《從人到人工智慧，破解AI革命的68個核心概念》（臉譜）、《高中生用遊戲思考人工智慧》（筑摩書房）、《遊戲資訊學概論》（CORONA社）；監修書籍：《最強圍棋AI Alpha Go的解體新書》（翔泳社）、《看漫畫學人工智慧》（池田書店）等等。衛宮紘衛宮紘 清華大學原子科學院學士班畢。現為自由譯者。譯作有《上司完全使用手冊》（東販）、《超慢跑入門》（商周）、《男人懂了這些更成功》（潮客風）、《世界第一簡單電力系統》（世茂）……等。 賜教信箱：emiyahiro@hotmail.com.tw www.coolbooks.com.tw

產品目錄

產品目錄 序言 第1章身邊常見的AI與最新科技 01機器人讓人能就近感受AI的存在 02搭載AI的無人機自動配送貨物 03運用AI與深度學習提高搜尋精確率 04 SONY與計程車公司的AI叫車服務 05自動駕駛技術的落實關鍵在於3D成像與感測技術 06運用MR管理建築現場〈混合實境〉 07全數連接網路的IoT最新情況 08圖像解析的進步強化臉部辨識的安全性 09以簽帳金融卡＆QR碼取代現金 10超高速運算的量子電腦問世 Column AI的作畫競標價格破1300萬新台幣?! 第2章時至今日！AI的進化與改變的生活 11 19~20世紀的科技發展史 12 21世紀的科技發展歷史 13能夠稱為AI的定義 14在遊戲中擊敗人類的AI 15AI分成兩種流派 16機器學習的機制 17深度學習的機制 18AI怎麼學習語言 19期待可活用AI的領域 20AI能夠取代人類的工作嗎 21AI帶來的改變①醫療現場(1) 22AI帶來的改變①醫療現場(2) 23AI帶來的改變②工廠用機器人 24AI帶來的改變③土木、建設現場 25AI帶來的改變④服務業 26AI帶來的改變⑤網頁服務(1) 27AI帶來的改變⑤網頁服務(2) 28AI帶來的改變⑥金融業(1) 29AI帶來的改變⑥金融業(2) 30AI帶來的改變⑥金融業(3) 31AI帶來的改變⑦物流(1) 32AI帶來的改變⑦物流(2) 33AI帶來的改變⑧保全系統 34AI帶來的改變⑨市場營銷(1) 35AI帶來的改變⑨市場營銷(2) Column AI讓遊戲變得更加好玩 第3章科技的進化與改變的生活 36網際網路連結一切的世界 37所有的資料都保存到虛擬空間 38 IoT生活①連接網路的家電 39 IoT生活②更加進化的居家防護 40通訊裝置愈加小巧的日子即將到來 41透過智慧型手機的AR體驗新的現實 42電動車的優勢與科技 43未來的衣服將以高機能化學纖維為主 44將人才變為人財的HR科技① 45將人才變為人財的HR科技② 46改變金錢概念的虛擬貨幣① 47改變金錢概念的虛擬貨幣② 48改變金錢概念的虛擬貨幣③ Column 所有裝置相互連接的危險性 第 4 章 科技的前景、問題點與未來 49會出現擁有自我意識的AI機器人嗎 50 AI與人類共存的未來 51臨界點「技術奇點」將會如何變化 52 AI與科技的最終決定 53 AI的創作物具有著作權嗎 54大數據的收集能夠保護個人資訊嗎 55自動化帶給人類的好處與壞處 56 AI如何與人類共存 57AI、科技能夠改變的人類未來

商品規格

最佳賣點

最佳賣點 : 本書由日本頂尖專家書寫，網羅所有你對人工智慧AI的疑惑，以圖文並茂的方式，深入淺出說明何為人工智慧AI、實際應用以及未來趨勢。

試閱文字

自序 : 1975年到1995年，是世界導入電腦的時代；1995年到2015年，是網路普及全世界的時代；2015年到2035年，是世界盛行人工智慧(AI)的時代。
本書是為了迎接人工智慧蓬勃發展時代的入門讀物，簡述人工智慧改變社會的重點，期望各位帶著本書走上新的時代。
人工智慧可說是人類智能的延長。如同電腦、軟體、網際網路、理解人工智慧並且自在運用，能夠大幅增加自己的智能活動。
熟練使用人工智慧，可讓個人的智能生活變得更加多姿多采。

人工智慧並不是靠單一萬能的人工智慧技術改變一切，各種問題對應獨立的人工智慧解決方案，存在許多人工智慧改變社會的不同重點。
本書會在左右兩頁中，以直觀的圖示與闡述本質的文章說明各項重點，讓讀者能夠在短時間內理解。
許多人都對人工智慧抱有誤會，即便它在某一方面凌駕於人類之上，比如圍棋等技藝，也不意味能夠馬上在其他方面勝過人類。

人工智慧會隨著問題不斷進化，但這個進化是形形色色的，凌駕人類的圍棋AI沒辦法下將棋，判別圖像的AI沒辦法閱讀文章。
當內心有各種疑問，建議翻閱本書目錄，從自己想知道的問題讀起，體會人工智慧在各地方發展的整體樣貌。

如同過往的科技，端看使用者的心態，人工智慧可往好或者不好的方向發展。
現在的人工智慧，需要人類提示「問題以及解決方向」。給予哪種提示決定了人工智慧如何發展，而發展的方向取決於人類的願景。期望讀者在閱讀本書的同時，也能描繪一個美好的未來夢想。
三宅陽一郎

試閱文字

內文 : 11 19~20世紀的科技發展史
從發明電力到電腦普及
我們的日常生活不可欠缺用來維持生活、生命的「維生管線（Lifeline）」。這個維生管線包括電力、瓦斯、自來水、通訊、運輸等，尤其在19世紀後半實用化、20世紀迅速發展的「電力」，讓我們的生活為之一變。除了電燈、冰箱、手機等身邊用品之外，AI（人工智慧）、IoT、大數據等尖端科技也少不了電力。
活用電力後，通訊（電話、無線電）、媒體（廣播、電視）、電子計算機（電腦）等，各種技術出現飛躍性的發展。多虧如此，我們才能簡單達成聲音資訊的雙向溝通、聲音影像的同步遠距傳輸、大量資訊的加速運算。
20世紀被稱為「媒體的時代」，前半是廣播、後半是電視具有巨大的影響力。此外，這個時期的電腦、無線通訊也相當發達，取代真空管的半導體技術，也就是電晶體、IC（積體電路）、LSI（大型積體電路）、超LSI、超超LSI，以這些形式迅速發展小型化、輕量化、高性能化、長壽命化，強化訊息處理速度、傳送速度、機器基礎建設的整備。
20世紀末後，運用這些技術製造的電腦、網際網路、手機等愈發普及，推進了融合媒體與電腦的「資訊科學的時代」。

12 21世紀的科技發展歷史
從網際網路普及到AI誕生
邁入21世紀，電腦、手機、網際網路對我們的生活造成巨大的影響，它們皆在20世紀末低價格化，並在21世紀初爆發性普及。
又大又貴的電腦轉為低價格、小型、可獨自擁有的個人電腦。手機除了一般通話之外，現在主流的智慧手機也能夠簡單使用App、相機、網際網路等。透過全球網路相互連接的電腦網路，我們能夠閱覽、搜尋網頁，收發電子郵件等資訊。個人電腦、手機、網際網路彼此密切相關，可說是其特徵。
其實，並不只有我們蒙受這些恩惠。接下來將詳細解說的「AI」，也是其中的受惠者。AI研究始於電腦誕生後不久1956年的美國，由麥卡錫（John McCarthy）、夏農（Claude Shannon）、羅切斯特（Nathaniel Rochester）、明斯基（Marvin Minsky）等四人發起達特矛斯會議（Dartmouth Workshop）。
由於電腦會將資訊轉換符號處理，人類的語言、知識也會被符號化累積起來，他們預測隨著程式愈來愈高階，最後將會誕生智能與人類一樣的電腦──AI。儘管當時的電腦運算處理能力低下，但答出了迷宮的解法、定理的證明等相較簡單的問題，證實能夠進行智能活動，讓當時的人們感到驚豔。這樣的成就掀起一股AI風潮，經過1980～1990年代的第二次AI風潮，如今進入第三次AI風潮。

13 能夠稱為AI的定義?
人工智慧AI的真面目為何
人類、動物等大自然孕育出來的智能，稱為自然智慧，而在電腦上實現這個自然智慧的資訊處理機制，稱為人工智慧。人工智慧譯自Artificial Intelligence，取其字頭稱為「AI」。
在AI的黎明期1950年末，人們認為能夠製造具有與人類同等智能的電腦。
然而，電腦與自然智慧在構造、運作原理上有著巨大的差異。比如，AI運算的對象必須嚴謹定義（框架＝用框架圍起）。
因此，想要讓電腦辨識狗，需要定義所有狗與這個世界的關係。然而，這是不可能做到的事情，AI發展上的巨大高牆——框架問題。
因為框架問題以及成果不如周遭期待，AI的研究在1970年後漸趨式微。然而，在美國費根鮑姆（Edward Feigenbaum）等人的奮鬥之下，開發出反覆電腦擅長的運算、推論導出答案的專家系統（Expert System）。電腦具備了專家級的能力，1980年後世界各家企業紛紛採用此套系統，掀起第二次AI風潮。
然而，邁入1980年後半，專家系統出現了極限。跟第一次風潮相同，僅能在限定的規則中發揮威力。人的思考、行動存在許多不確定要素，專家系統對於超出規則的事物，沒辦法給予答案。

14 在遊戲中擊敗人類的AI
對全世界造成多麼大的衝擊？
在1990年初，AI研究再度迎來寒冬時代。
多數研究者投入機器翻譯、聲音辨識、機器人工學等專門領域的課題，但在電腦領域出現巨大變革。
這項變革是處理能力飛躍性提升、小型化、低價格化，使得個人電腦與全世界電腦連結的網際網路迅速普及。這樣的環境變化加上珀爾（Judea Pearl）提出的機率方法，讓AI邁向了下一個階段。
這項方法成為機器學習（參見42頁）的基礎，透過反覆運算龐大的事例、團隊分工，機率性篩選出最接近正解的結論。
最為人所知的成果是，1997年IBM的人工智慧深藍（Deep Blue）擊敗西洋棋的世界冠軍；2016年Google DeepMind的圍棋AI Alpha Go擊敗韓國頂尖棋士。Alpha Go藉由深度學習，證明了即便是候選棋步比西洋棋還要複雜的圍棋，AI也能夠戰勝人類。
雖然這只不過是AI的有限成果之一，但經由媒體大肆報導在需要複雜思考的遊戲上「人類敗給機器」，對人們造成不小的衝擊。
就讓我們從這些事項來看，AI的概念、經常聽見的「機器學習」「深度學習」是什麼樣的東西吧。

15 AI分成兩種流派
要用哪種方法建立AI？

AI能夠在電腦上實現人類的智慧，但問題是「要用哪種方法重現人類的智慧？」AI的建立主要分成兩種流派。

第一種是，認為人類的知識與智慧，能夠用程式語言、數學式等符號表達的「符號主義（Symbolicism)」。
AI會依照人類準備的指南手冊運作，IBM的華生（Watson）、Google的搜尋機能等就屬於這類。
比如，下西洋棋的AI會根據西洋棋的規則，驅使高端運算力以最終的勝利為目標。因為僅需設定固定的規則就能夠簡單建立，所以成為AI的基礎技術。
雖然不能順利對應例外情況，但能以增加規則、複雜規則內組合的形式穩定地進化。

第二種是，主張重現人腦的運作的「連接主義（Connectionism）」。透過從類神經網路（參見44頁）開始學習，讓AI能夠自己行動，或者運用既存的統計資料等累積學習，逐漸變聰明，具有代表性的例子有Alpha Go。
比起解決數學問題，更適合繪畫等言語難以表達的領域，藉由給予大量的問題與答案，AI就能自己推導出答案。
連接主義的特徵為，會在改良跨越高牆後的新境界看到另一道更高的高牆。另外，AI若在符號主義與連接主義兩方的領域上有出現成 。必定會掀起風潮。

16 機器學習的機制
瞬間處理資料的分類、分析
讓AI邁向下一個階段的機器學習，究竟是什麼樣的概念呢？其實，這個詞包含了兩層意思。
第一層是「機器自我學習」。如同人類學習新的語言、技術，機器也能夠進行學習。另一層是「不僅只按照程式設計進行動作」。機器透過學習，能夠做出超過程式設計以上的事情。
不過，正如在框架問題提到的，AI不擅長從零開始獲得全新的事物。因此，AI需將事先組進來的知識累積、整理、最佳化，以這樣的方向進行學習。
機器學習有「監督式學習（Supervised Learning）」與「非監督式學習（Unsupervised Learning）」兩種。監督式學習是，提供適當例題與模範解答的方法。比如，給予出入口確實相通的迷宮例題讓機器學習。雖然起初是隨機行動，但機器會逐漸掌握脫離迷宮的訣竅，之後即便遇到沒有學習過的迷宮，也能夠以某種程度的速度抵達出口。
非監督式學習是，不提供例題與模範解答的學習方法。Alpha Go的學習分為監督式與非監督式兩個階段，前者是從過去棋譜學習的階段，後者是透過自我對戰學習的階段。基本上，監督式學習需要大量的資料（Alpha Go用來學習的過去棋譜）；而非監督式學習需要適當的學習環境（能夠自我對戰的環境）。

17 深度學習的機制
讓人類的思考回路電子化、進化的AI

「深度學習（Deep Learning）」跟機器學習同為人工智慧關鍵字，但它是什麼樣的概念呢？這是一項基於類神經網路運算模組的技術。
類神經網路是指，模仿人腦神經元構造與運作的AI。腦內的神經元從其他神經元（前端的突觸）接收超過某定值的電力訊號後，便會啟動向連接的下一個神經元傳遞電力訊號。下一個神經元也是接受超過某定值的電力訊號後，啟動再向下一個神經元傳遞電力訊號。
將神經元像這樣啟動或不啟動轉為數值，由數層類神經網路構成的系統就是深度學習的基本架構。
雖然深度學習過去也有幾道技術上的高牆，但隨著個人電腦帶來的龐大資訊、運算能力以及新技術等的引進，在2012年圖像辨識競賽ILSVRC獲得優勝，同年Google的AI能夠辨識出貓的圖像來，深度學習因這些事蹟瞬間備受矚目。
如同上述，深度學習擅長從圖像、波形等難以轉成符號的資料，辨識固定的模式。另外，由目前正一步步在社會上實用化以及技術持續推進，深度學習可說是可期待更進一步發展的領域。

活動

• 4/26前 全站滿$1,688折$150
• 4/26前 全站滿$2,688折$260
• 4/26前 全站滿$5,888折$600