Перевод текста запроса:

Рекомендация 1

В последние годы искусственный интеллект снова переживает расцвет после затишья в девяностые годы прошлого века. В 2016 и 2017 годах AlphaGo дважды побеждала корейских и китайских игроков в го, что сделало искусственный интеллект предметом обсуждения на улицах. Почему искусственный интеллект пережил очередной всплеск после двух периодов упадка? Я считаю, что это возрождение было вызвано четырьмя причинами: теорией, применением, оборудованием и программным обеспечением, которые кажутся случайными, но на самом деле неизбежными.

Geoff Hinton и другие в 2006 году открыли эффективный алгоритм для обучения глубоких нейронных сетей, что открыло новые перспективы для исследований в области глубокого обучения и стало катализатором для возрождения искусственного интеллекта. Последующие исследования, особенно появление CNN и RNN, показали отличные результаты в распознавании изображений и речи, значительно превосходя предыдущие теории и методы и даже преодолевая человеческие ограничения. В сочетании с компьютерным зрением, робототехникой, естественным языком, поиском информации и другими технологиями глубокое обучение также распространилось от простого распознавания изображений и речи до автоматического вождения, улучшения изображений и замены стилей, преобразования текста в речь и рекомендательных систем. Компании, основанные как грибы после дождя, появились благодаря применению глубокого обучения. Следует особо отметить, что широкое применение больших данных является необходимым условием для развития глубокого обучения. Как правило, чем больше объём данных и выше их качество, тем лучше точность модели, обученной с помощью глубокого обучения. Развитие компьютерного оборудования также напрямую способствовало развитию глубокого обучения. Появление GPU и других специализированных ускорителей значительно повысило эффективность вычислений глубокого обучения. В сценариях распознавания речи GPU может сократить время обучения десятков миллиардов образцов с нескольких лет до нескольких дней. Специализированные ASIC-ускорители, по сравнению с GPU, обеспечивают повышение производительности на несколько порядков, позволяя глубокому обучению перейти от серверных к мобильным устройствам, расширяя его применение.

Открытое программное обеспечение и удобные формы программного обеспечения являются двумя важными аспектами формирования цепочки искусственного интеллекта и глубокого обучения. Без поддержки программного обеспечения трудно объединить теорию с практикой, а новое оборудование трудно ускорить. Из истории развития программного обеспечения для работы с большими данными можно увидеть, что без открытого исходного кода Hadoop и новых крупномасштабных параллельных баз данных, управляемых его идеями, мы всё ещё размышляем о том, как управлять и обрабатывать данные уровня PB и EB. Появление открытого TensorFlow решило аналогичную проблему, сразу сократив разрыв между теорией и практикой глубокого обучения. Кроме того, TensorFlow обладает необходимыми условиями для успешного создания экосистемы, такими как дифференцированные функции программного обеспечения, типичные приложения и активное сообщество поддержки, что обещает будущее развитие. Однако текущая форма программного обеспечения TensorFlow недостаточна для поддержки полного цикла производства глубокого обучения, отсутствует управление данными и предварительная обработка, управление моделями, обучение и выполнение, управление ресурсами, планирование задач и мониторинг выполнения, что приводит к высокой стоимости рабочей силы конечных пользователей. Глубокое обучение — это интенсивное использование вычислительных ресурсов, и если есть возможность предоставить высокопроизводительные гетерогенные вычислительные ресурсы и интегрировать вышеупомянутые платформенные функции, это может снизить порог использования TensorFlow и повысить опыт пользователей, объективно способствуя удвоению темпов развития отрасли.

Я очень рад видеть профессиональную книгу о том, как использовать TensorFlow. Автор — опытный инженер-программист, который даёт читателям понимание, основанное на практическом опыте. Что особенно ценно, книга не только объясняет, как использовать TensorFlow, но и включает анализ принципов проектирования системы, помогая читателям в целенаправленном применении и оптимизации системы. Я уверен, что эта книга будет полезна исследователям и разработчикам, занимающимся глубоким обучением.

С уважением,

Научный сотрудник Китайской академии наук по вычислительной технике

Организатор Китайского саммита по большим данным (BDTC)

2023 год, Новый год в Пекине

Рекомендация 2

Если бы нужно было выбрать одно слово, которое было самым популярным в академических и промышленных кругах за последний год, то это, несомненно, был бы искусственный интеллект. Как основной движущей силой новой промышленной революции, искусственный интеллект реконструирует производство, распределение, обмен и потребление в различных секторах экономики, формируя интеллектуальные потребности, продукты, технологии и бизнес-модели нового типа на макро- и микроуровнях, вызывая значительные изменения в экономической структуре и обеспечивая общий подъём производительности труда в обществе.

Существует три источника интеллекта в системах искусственного интеллекта: один из них опирается на знания, введённые человеком-разработчиком, для создания человеческих характеристик, библиотек знаний и механизмов рассуждений в системе, что соответствует традиционному экспертному подходу; другой основан на индуктивном обучении, основанном на данных, где глубокое обучение, которое в последнее время набирает обороты, отличается от ручного построения знаний на основе человеческого опыта и знаний, представляющих характеристики, путём изучения скрытых отношений в данных для получения более сильных и обобщённых функций представления; третий заключается в том, что интеллектуальный агент учится на опыте и знаниях посредством взаимодействия с окружающей средой и обновляет представление знаний. За последнее время глубокое обучение на основе данных достигло значительных успехов в таких задачах, как распознавание изображений, распознавание речи, машинный перевод и понимание естественного языка. Распознавание лиц и понимание естественного языка продемонстрировали уровень, превышающий человеческие возможности, в ряде международных тестов, а языковое распознавание и машинный перевод достигли беспрецедентного уровня.

На мой взгляд, различные отрасли будут продолжать пользоваться преимуществами глубокого обучения на основе больших данных в течение значительного периода времени. Чтобы перенести преимущества глубокого обучения в вашу отрасль, необходимо снизить порог использования технологий глубокого обучения с большими данными. Для достижения этой цели ключевым моментом является открытый исходный код, и TensorFlow, безусловно, является лидером в этой области. Глубокое обучение предъявляет высокие требования к производительности тензорных вычислений, гибкости операторов, автоматической дифференциации, распределённому обучению, автоматическому параметрическому управлению, визуализации и периферийному развёртыванию, и TensorFlow полностью учитывает эти факторы, делая его популярным движком глубокого обучения в отрасли.

TensorFlow — относительно новая технология, но она развивается очень быстро. Сейчас появилась книга, которая подробно объясняет теорию и применение TensorFlow, и она будет очень полезна для широкого круга читателей, желающих изучить и применить технологии глубокого обучения с использованием больших данных.

Автор этой книги — мой ученик, поступивший в класс «ищу истину» в Чжэцзянском университете в 2012 году. Он не только хорошо учился, но и помогал мне как классному руководителю выполнять много классных работ. В моих глазах он всё ещё выглядит молодым и неопытным, но он уже стал выдающимся специалистом в области открытого программного обеспечения. Это большая радость для меня.

Образование Министерства «Чанцзян учёный» специальный приглашённый профессор

Чжэцзянский университет, колледж компьютерных наук, декан Чен Ган

Совместная рекомендация

TensorFlow — это базовая структура глубокого обучения, которая с момента своего открытия в конце 2015 года применяется в различных областях и постепенно формирует активное сообщество с открытым исходным кодом. Авторы этой книги имеют глубокое понимание TensorFlow и анализируют работу и реализацию TensorFlow и распределённого TensorFlow с уникальной точки зрения. Основываясь на TensorFlow 1.2, они объясняют установку, написание моделей, визуализацию и развёртывание в производственной среде шаг за шагом, одновременно вводя основные концепции глубокого обучения. Эта книга является результатом тяжёлой работы авторов и является лучшей книгой о TensorFlow на китайском языке.

— Чжоу Юйфэн, Google Brain, старший инженер

Эта книга представляет собой подробное введение в программирование и принципы работы TensorFlow. Книга не только знакомит с основными концепциями глубокого обучения и использованием TensorFlow, но также глубоко анализирует архитектуру и реализацию TensorFlow, предоставляя важные справочные материалы для разработчиков TensorFlow с открытым исходным кодом.

— Чжэн Цзэюй, консультант по технологиям Coudn

По мере того как технологии глубокого обучения становятся коммерчески применимыми, эта книга служит важным руководством для любителей ИИ, объясняя алгоритмы и системы глубокого обучения через технические концепции и практические примеры.

— Ся Минчжан, главный инженер Huawei Cloud Joint Innovation

Основываясь на TensorFlow, эта книга вводит алгоритмы и системы глубокого обучения, включая фоновые знания алгоритмов, принципы реализации системы и примеры кода в TensorFlow.

— Цзоу Юнцян, основатель и технический директор Yun account

Сегодня развитие искусственного интеллекта сильно зависит от данных, алгоритмов и вычислительных мощностей. Алгоритмы глубокого обучения играют ключевую роль в развитии искусственного интеллекта, и как основа алгоритмов искусственного интеллекта они широко применяются в таких областях, как безопасность, электронная коммерция, финансы, медицина и промышленность. Эта книга начинается с основ и подробно объясняет принципы, архитектуру, основные алгоритмы и сценарии применения TensorFlow, демонстрируя его мощную экосистему и являясь незаменимым учебным пособием по TensorFlow. Давайте вместе встретим будущее искусственного интеллекта!

— Чжун Гуаншэн, соучредитель и генеральный директор Bolatech

Это книга от отраслевых технических экспертов, у которых есть многолетний опыт исследований глубокого обучения и машинного обучения. Она предлагает всестороннее введение в основные модули TensorFlow и способы их использования, а также знакомит с моделями глубокого обучения, такими как CNN, GAN и RNN, и внутренними основными модулями TensorFlow. Эта книга охватывает все аспекты, от общего обзора до подробных примеров кода, и идеально подходит в качестве введения в TensorFlow для инженеров и исследователей.

— Ван Цзиньпэн, помощник исследователя Microsoft Asia Research Institute

Обычно научно-популярная литература испытывает трудности в достижении баланса между теорией, исходным кодом и практикой: слишком много теории затрудняет практическое применение и внедрение, слишком много исходного кода затрудняет понимание и прогресс, а слишком большое внимание к практическим примерам затрудняет обобщение и понимание более высоких уровней дизайна и философии. Эта книга успешно сочетает теорию, исходный код и практику, предлагая полное введение в историю, экосистему, дизайн и философию глубокого обучения и TensorFlow, а затем предоставляет практические примеры для облегчения понимания и применения. Чтобы помочь читателям понять и применить TensorFlow, книга также систематически знакомит с сопутствующими знаниями, необходимыми для понимания TensorFlow, таким образом предоставляя читателям «всё в одном» руководстве от начала до конца.

— Чжан Синь, соучредитель и генеральный директор Caidun Technology

Примечание: в тексте перевода сохранены авторские орфография и пунктуация.