序二

序二

如果说要评选出一个在过去一年中学术界和产业界最热门的词汇,无疑非“人工智能”莫属。作为新一轮产业变革的核心驱动力,人工智能正重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求、新产品、新技术、新业态,引发经济结构重大演化,实现社会生产力的整体跃升。

人工智能系统的智能有三种来源。一种是依靠人类设计者的知识输入,为系统建立人工特征、知识库和推理机制,传统意义上的专家系统属于这一范畴。二是通过数据驱动的归纳式学习,近年来大火的深度学习即属于这一类。与依赖于人工经验、通过手工构建的知识特征不同,深度学习以端到端的方式进行特征学习,其基本动机在于构建多层网络来学习隐含在数据内部的关系,从而使学习得到的特征具有更强、更泛化的表达能力。三是智能体通过与环境交互,学习经验和知识并更新知识表示。近年来,以深度学习为代表的数据驱动方法在图像识别、语音识别、机器翻译、自然语言理解等任务中取得了一系列突破。人脸识别、自然语言理解在一系列国际评测中展示了超越人类能力的水平,语言识别和机器翻译也达到了一个前所未有的高度。

在我看来,各行各业还会在相当长的一段时间内享受到基于大数据的深度学习红利。将深度学习红利释放到读者所在的行业是提升行业智能水平的一条捷径。而要做到这一点,核心关键在于要降低大数据深度学习技术的使用门槛。要使看起来高深的深度学习技术,早日达到“旧时王谢堂前燕,飞入寻常百姓家”的程度,开源软件生态社区会起到巨大的推动作用,TensorFlow则无疑正是在这方面的佼佼者。深度学习对于张量计算性能、算子灵活性、自动微分能力、分布式训练、自动调参数、可视化和端侧部署等都有很强的诉求,而TensorFlow的设计也充分考虑到了这些因素,这使得它成为了当前业界很流行的一个深度学习引擎。

TensorFlow还是一个较新的技术,但是发展极为迅猛,这时候出现一本深入浅出讲解TensorFlow理论与应用的图书,对于希望学习和应用大数据深度学习技术的广大读者而言,诚“如大旱之望云霓”。本书理论与实践并重,理论上讲清楚了一些本质的东西,并加入了作者对系统设计原理方面的深刻理解,进而通过实际案例,引导读者掌握针对性的系统优化的技能。

本书第一作者是我的学生,2012年入学时进入了浙大计算机专业的尖子班“求是科学班”,我担任了他们这个班的班主任。他不仅品学兼优,而且作为班上的团支书,帮我这个不太称职的班主任做了很多班级工作。在我心目中,他依然是入学时的青涩模样,转眼间却已成为开源软件界的技术翘楚,作为老师,最欣慰的莫过于此了吧。是为序。

陈刚

教育部“长江学者”特聘教授

浙江大学计算机学院院长

目录