最近爆火的ChatGPT能夠很好地理解人類的語言，并以流暢且符合邏輯的自然語言來反饋。剛剛發(fā)布的GPT-4更是在各種學科考試（美國高考SAT、研究生入學考試GRE等）和專業(yè)考試（律師考試等）中能拿到前10%的成績。某種程度上，智能已經(jīng)接近人類的水平，這是之前人工智能系統(tǒng)無法想象的。

大家可能都很好奇，人工智能是怎么做到的？究竟發(fā)生了什么？背后的原理是什么？

ChatGPT的底層技術(shù)，其實是大規(guī)模深度神經(jīng)網(wǎng)絡(luò)，也就是深度學習?！拌b往”才能“知來”，關(guān)于這段歷史，在《人工智能簡史》第5章“神經(jīng)網(wǎng)絡(luò)簡史”中有非常精彩的描述。簡述一下：最初，神經(jīng)網(wǎng)絡(luò)出自控制論之父維納研究團隊的McCulloch和Pitts在1943年發(fā)表的論文（McCulloch是精神病學系的教授，而當時Pitts才20歲，高中輟學）。1957年，Rosenblatt發(fā)明的感知機爆紅，當時連美國國防部和海軍都資助了他的研究工作，Rosenblatt也一改往日的害羞，經(jīng)常在媒體出鏡，他開跑車，彈鋼琴，到處顯擺。這使得另一派的人相當不爽，Minsky堅定認為，神經(jīng)網(wǎng)絡(luò)不能解決人工智能的問題，還在書中證明單層神經(jīng)網(wǎng)絡(luò)連計算機最基礎(chǔ)的異或問題都無法解決，在Minsky的“強大攻擊”下，Rosenblatt最終遭遇不幸（1971年，Rosenblatt在生日當天劃船時淹死，很多人認為他是自殺。此外有證據(jù)表明，Rosenblatt和Minsky很早就有瓜葛，兩人是中學同學。而且早期，Minsky是神經(jīng)網(wǎng)絡(luò)的支持者）。到了七八十年代，只剩早期神經(jīng)網(wǎng)絡(luò)研究的“幸存者”Hinton等人在學術(shù)界邊緣苦苦堅持。終于到2012年，Hinton的得意門生Ilya Sutskever通過AlexNet解決視覺識別問題，一舉天下聞。而GPT系列更是Ilya在OpenAI率領(lǐng)一眾年輕生力軍幾年磨一劍，通過攻破語言問題，實現(xiàn)人工智能有史以來最大突破。

目前，深度學習方面有很多書，但大部分機器學習的內(nèi)容比較多，偏數(shù)學、理論，不容易懂，而且很多技術(shù)細節(jié)在大模型時代也沒那么重要了。要更直接、深入地理解神經(jīng)網(wǎng)絡(luò)，圖靈有兩本書是最適合的。一本是魚書，一本是蘋果書。

“魚書”即《深度學習入門：基于Python的理論與實踐》，最近不少人在用它惡補深度學習基礎(chǔ)知識：

這是一本真正意義上的“入門書”！書中沒有使用內(nèi)容不明的黑盒，而是從我們能理解的最基礎(chǔ)的知識出發(fā)，一步一步地實現(xiàn)最先進的深度學習技術(shù)。
美國物理學家費曼說：“What I cannot create，I do not understand.” 只有創(chuàng)造一個東西，才算真正弄懂了一個問題。這本書就是教你如何創(chuàng)建深度學習模型。跟隨這本書，你將從零開始編寫可實際運行的程序，一邊看源代碼，一邊思考。作者齋藤康毅堅信，這種做法對正確理解深度學習是很重要的。

如果把《深度學習入門》比作一本關(guān)于汽車的書，那么本書并不會教你怎么開車，而是要讓你理解汽車的原理。因此，會帶領(lǐng)你打開汽車的引擎蓋，把零件一個一個地拿在手里觀察，并嘗試操作它們。之后，用盡可能簡單的形式提取汽車的本質(zhì)，并組裝汽車模型。

本書暢銷多年，在豆瓣上獲得 9.5 分好評！

上周五，云風大佬就在 Twitter 曬了自己的正在讀這本《深度學習入門》：

這條信息還吸引來了作者齋藤康毅：

進而引起了大家對這本“魚書”的討論，紛紛認可這是一本不可多得的入門好書！

第二本是 OpenAI 總裁兼董事長 Greg Brockman 的 AI 入門讀物“蘋果書”——《深入淺出神經(jīng)網(wǎng)絡(luò)與深度學習》：

Greg Brockman 說：在成為 OpenAI 的 CTO 之前，我原本對 AI 和機器學習知之甚少。幸運的是，我有一些在 AI 專家的朋友，包括 Dario Amodei 和 Chris Olah。我問他們一些建議，他們給了我一些很好的初學者資源。其中最有用的是 Michael Nielsen 的書 Neural Networks and Deep Learning，讀完之后，我在 Kaggle 上實踐了自己的新技能。在參加的第一場比賽中，我甚至一度是第一名！

Neural Networks and?Deep Learning by?Michael Nielsen圖靈將這本書翻譯為中文后，給它取了一個好記的名字：蘋果書。蘋果書真正做到了理論與實踐并重。首先，這本書細致地探討神經(jīng)網(wǎng)絡(luò)和深度學習的核心概念，而不是籠統(tǒng)地羅列想法。這些核心概念是理解其他新技術(shù)的基礎(chǔ)，類比學習編程語言的話，這相當于掌握一種新語言的核心語法、庫和數(shù)據(jù)結(jié)構(gòu)。你可能只了解某一門編程語言的一小部分，但新的庫和數(shù)據(jù)結(jié)構(gòu)會容易理解。畢竟，技術(shù)興衰起落，而原理是長久的。

其次，本書將通過幾十行代碼，且不涉及特別的庫，教計算機識別手寫數(shù)字。然后通過多次迭代來改進程序，貫徹神經(jīng)網(wǎng)絡(luò)和深度學習的核心思想，同時開發(fā)一個小型神經(jīng)網(wǎng)絡(luò)庫，讓你可以方便地多次試驗、加強理解。因此基于本書內(nèi)容，你可以構(gòu)建出一個功能完備的生產(chǎn)級神經(jīng)網(wǎng)絡(luò)庫。希望有了理論和實踐的基礎(chǔ)，你可以走得更遠。

此外，本書還得到了李航、馬少平等多位科學家重磅推薦：

這是一本非常好的深度學習入門書，相信一定會得到大家的喜愛。

——李航字節(jié)跳動科技有限公司人工智能實驗室總監(jiān) ACL會士、IEEE會士、ACM杰出科學家

這本書從神經(jīng)網(wǎng)絡(luò)和深度學習的基本原理入手，詳細地解釋了神經(jīng)網(wǎng)絡(luò)和深度學習的核心概念，兼顧理論和實踐，是深入了解神經(jīng)網(wǎng)絡(luò)和深度學習的一本好書。

——馬少平 清華大學計算機系教授 博士生導師

我從看完第1章開始就被其深入淺出的文字以及清晰的代碼實現(xiàn)所吸引。我相信，這本書的正式出版一定會讓更多的讀者受益。

——車萬翔 哈爾濱工業(yè)大學計算機科學與技術(shù)學院信息檢索研究中心教授 博士生導師

這是一本獨特且有趣的神經(jīng)網(wǎng)絡(luò)入門書，其細致程度基本上做到了手把手教學，非常適合初學者。我期待這本書能照亮更多人的人工智能之路。

——俞揚南 京大學人工智能學院教授 博士生導師

這是一位物理學家寫的機器學習書，內(nèi)容清晰易懂，對神經(jīng)網(wǎng)絡(luò)的描述也直觀形象，非常適合用來入門神經(jīng)網(wǎng)絡(luò)和深度學習。

——邱錫鵬 復(fù)旦大學計算機學院教授 博士生導師

這是一本關(guān)于神經(jīng)網(wǎng)絡(luò)和深度學習的“親近”易讀的書，它將帶領(lǐng)你輕松入門人工智能世界。

——張偉楠 上海交通大學計算機科學與工程系副教授 博士生導師

這本不可多得的好書通過豐富的示例和代碼實踐做到了知行合一。

——王昊奮 同濟大學特聘研究員 OpenKG聯(lián)合創(chuàng)始人

這本量子物理學家筆下的好書以一個個生動的實例驅(qū)動你恨不得一口氣讀完！

——徐涵 華為歐洲研究院高級戰(zhàn)略規(guī)劃經(jīng)理

被這么多靠譜的大佬推薦的好書，絕對值得信賴~

步入GPT時代，相信你我都意識到了：學習 AI 基礎(chǔ)知識，再也不是“只有研究 AI 的人需要”，我們每個人都該了解，如果你打算了解人工智能，使用人工智能，那么本文提到的三本書，都可以閉眼入！

最后，和大家分享一張 2018 年利用假期時間瘋狂學習的 Greg Brockman，共勉！