阅读场景：业余闲暇
推荐指数：★★★★★
原版书名《The Deep Learning Revolution》
社会层面的困扰：一个面向情感的人工智能机器人帮助一个人解决孤单,却使他主动减少了与他人的社交沟通。这种陪伴究竟是在帮他解决问题,还是制造了更多的问题?
不太久远的愿景：今天，汽车行驶时间平均仅占 4%，这意味着它其余 96% 的时间都需要停放在某个地方。由于自动驾驶汽车可以在城市外围维修和停放，城市中被大量停车场占用的空间得以被重新高效利用。城市规划者已经开始考虑让停车场变成公园了。街边的停车道可以成为真正的自行车道。其他汽车相关行业也将受到影响，包括汽车保险业和修理厂。超速和停车罚单将不复存在。由醉驾和疲劳驾驶导致的交通事故死亡人数也会相应减少。通勤浪费的时间也将被节省下来做其他事情。
炼金术：批评整个团体(还是那个领域中非常成功的团体)是在钻研‘炼金术’,仅仅因为我们目前的理论工具还没有赶上我们的实践，这是十分危险的做法。为什么危险呢?正是这种态度,导致机器学习社区将神经网络的研究搁置了超过10年
-
同行常自打趣或自称
炼丹师玄学 -
起初AI路径有符号逻辑（人工码规则）与表征（通过神经元的活动模式即直接从数据中学习），受限于当时计算机成本与算力决定了路径选择
-
书中以深度学习发展历程为脉络，简叙其中几个关键里程碑事件，以及当下几大典型应用场景的应用现状。作者既是参与者，又是见证者，阅历丰富且有趣
文字背后都有悠久的文化历史。俄裔作家和英文小说家,《洛丽塔》一书的作者弗拉基米尔·纳博科夫( Vladimir Nabokov曾经得出结论,在不同语言之间翻译诗歌是不可能的。他将亚历山大·普希金( Aleksandr Pushkin)的诗体小说《叶甫盖尼·奥涅金》( Eugene Onegin)直译成了英文,并对这些诗文的文化背景做了解释性脚注,以此论证他的观点。
-
两次顶级对决：
AlphaGo对战李世石，AlphaGo Master对战柯洁，通过赛后的采访中，不难发现人类的其一缺点在于情绪波动，优点在于享受这个过程，胜利不会给它带来愉悦。 -
计算机视觉的关键
卷积网 -
突触可塑性：美国的舌尖导盲仪和日本的前额导盲仪、闭环神经刺激器（Epilcure™）治疗癫痫、瘫痪患者辅助反馈重建神经功能
-
神经拟态视觉传感器 DVS， Event-based Camera(基于事件的相机)
传统相机在固定频率下产生一系列帧图片，其关键问题是在相邻俩帧之间会丢失掉很多关键信息，与传统相机不同，神经拟态视觉传感器没有 “帧” 的概念。当现实场景中发生变化时，神经拟态视觉传感器会产生一些像素级的输出（即事件），一个事件具体包括（t, x, y, p），这里的 x, y 为事件在2D空间的像素坐标，t为事件的时间戳，p为事件的极性。事件的极性代表场景的亮度变化: 上升（positive） or 下降 (negative)。
- 智能体：像大肠杆菌这样的细菌已经发展出了按照梯度游向食物来源的算法。
由于细菌太小,在几微米的体长里不能直接检测到梯度,于是就使用了趋化性,这涉及周期性地翻滚并随机游动。这看起来可能会适得其反,但通过在高浓度的地方将游动时间延长,细菌可以准确地按浓度梯度爬行
- 原版译后有部分删除
