【编辑推荐】
学术生涯x励志人生x硬核科普
★人工智能行业大佬重磅作品
“卷积网络之父”，2018年度图灵奖得主，Facebook首席人工智能专家，纽约大学教授、纽约大学数据科学中心的创始主任作品。
★国内外各界人士好评如潮
特伦斯•谢诺夫斯基（美国四院院士）、贾扬清（阿里巴巴集团副总裁）、韦青（微软中国首席技术官）、吴甘沙（驭势科技董事长、CEO）吴军（计算机科学家）张宏江（智源研究院理事长）、黄铁军（北京大学数字媒体研究所主任）、杨强（国际人工智能学会IJCAI理事长）、马毅（加州大学伯克利分校教授）、郭毅可（欧洲科学院院士）、稚晖君（本名彭志辉，华为天才少年 AI工程师 科技博主）诚挚推荐
★人人都能读，超燃超励志的学术传记
不走寻常路，特立独行，执着做自己，终成深度学习发明人之一，开辟人工智能新领域。激励无数同样普通的人们，《科学之路》堪称人人都能读的励志经典
★站在巨人的肩上，看未来人工智能发展大趋势
机器学习大潮来临，人类是否会被替代？
人工智能将会对社会和产业结构带来什么改变？
你，将要如何应对？
【内容简介】
“图灵奖”得主、“深度学习三巨头”之一、“卷积神经网络之父”……由于在人工智能领域的突出贡献，杨立昆被中国计算机科学界和企业界所熟知。
杨立昆的科学之路，谱写了一段关于勇气的宣言。他为了知识本身求学，而不是文凭，他用自己的经历，证明了通过激烈的考试竞争进入名校不是科学成功的窄门。他广泛阅读，为他科学思维的形成奠定了坚实的理论基础。他特立独行，做自己感兴趣的事情，即便那件事在短时间里不被人看好。在人工神经网络研究的低谷期，他寂寞地坚持，终于取得了举世瞩目的成就。
人工智能正在颠覆人类社会，未来机器能思考吗？杨立昆的这部著作，讲述正是人工智能在我们面前崛起——这个历史上的时刻发生的故事。
【作者简介】
杨立昆是法国人，名字原文为Yann Le Cun，姓氏为Le Cun，因在美国常被误缩写为Y.L.Cun，于是把LeCun合写在一起。中文译名原为扬•勒丘恩，华人AI圈一直亲切地称他为“杨乐康”，他本人听闻后，干脆自己给自己取了中文名字——杨立昆。
他被誉为 “卷积神经网络之父”，2019年3月，因在人工智能深度学习方面的贡献获得2018年度图灵奖。此外，他还获得了2014年IEEE神经网络先锋奖（Neural Network Pioneer Award）、2015 年 IEEE PAMI 杰出研究奖和2016 年 Lovie 终身成就奖。
他为卷积神经网络（CNN，Convolutional Neural Networks）和图像识别领域做出了重要贡献，以手写字体识别、图像压缩和人工智能硬件等主题发表过190多份论文，研发了很多关于深度学习的项目，并且拥有14项相关的美国专利。研究领域包括人工智能、机器学习、机器感知、移动机器人学和计算神经学。
【媒体评论】
杨立昆的这部著作，给我们讲述的就是人工智能在我们面前崛起的时刻，这个少有的、将载入史册的时刻发生的故事。
特伦斯•谢伊诺夫斯基（Terrence Sejnowski）
美国四大国家学院院士，《深度学习》作者
作为将人工智能带入崭新时代的先锋，杨立昆再《科学之路》中，详细记录了他对人工智能过去和未来的探索与思考；而同样重要的，是深刻剖析了关于如何做出推进人类社会大幅向前发展的研究背后的系统与规律。
张宏江
智源研究院理事长
人工智能大家杨立昆在这本书里，把人工智能的来龙去脉和他本人的核心观点，和我们娓娓道来。我们在书里不仅能领会到几代人坚持不懈的努力，更加赞叹这种契而不舍的精神。
杨强
国际人工智能学会（IJCAI）理事长
我以前一直敬仰杨立昆是一个了不起的学者，读了这本书才发现他的知识面如此之广，文笔如此之生动。这是一本不可多得的好书。细心的读者一定会受益匪浅。
马毅
加州大学伯克利分校电子工程与计算机系教授
人类智能是地球环境培育出的美丽的花朵，我们在为自己骄傲的同时，也要警惕人类中心主义。
黄铁军
智源研究院院长，北京大学教授
杨立昆博士因为在深度学习方面的杰出贡献获得了2018年度的图灵奖，这本结合了自传和科普的新书非常值得一读，无论是学术界，工业界的人士，还是普通读者，读了之后都会获益良多。
吴军
计算机科学家，《智能时代》作者
只有了解科学的人，才能更加深刻地洞察科学背后的社会意义和风险，杨立昆在本书中所做分享的思考，值得我们每一位感兴趣的读者细细咀嚼。
贾扬清
阿里巴巴集团副总裁
杨立昆与读者分享了他在机器学习领域几十年所走过的道路，还有他在这个行业摸爬滚打几十年的心得体会，值得我们深入阅读与思考。
韦青
微软（中国）公司首席技术官
掩卷而思，每一个有志于用人工智能改变世界的读者都会油然生起一种责任感，为往圣继绝学，为万事开太平，杨立昆先生的科学之路，其道不孤。
吴甘沙
驭势科技董事长、CEO
在过去的十多年里，杨立昆是深度学习技术和理论的积极倡导者和实践者，为这个技术的发展和应用做出了杰出的贡献。
郭毅可
欧洲科学院院士
本书由浅至深详尽地介绍了至今人工智能革命的发展，以及Yann LeCun与AI结缘的始末，看完让人心潮澎湃大受启发！
稚晖君（彭志辉）
华为天才少年 AI工程师 科技博主
【目录】
章 人工智能呼啸而来
第二章 人工智能和我的学术生涯
第三章 机器的初级训练
第四章 机器学习的方法
第五章 完成更复杂的任务
第六章 人工智能的支柱
第七章 深度学习的应用
第八章 我在脸书的岁月
第九章 前景与挑战
第十章 隐忧与未来
【前言】
推荐序
从科学思考到科学思维
吴军
计算机科学家，《智能时代》作者
我非常荣幸能有机会为图灵奖获得者杨立昆博士的新书《科学之路：人、机器与未来》撰写序言。
杨立昆博士因为在深度学习方面的杰出贡献获得了2018年度的图灵奖，他的大名在中国的计算机科学界和企业界几乎是家喻户晓。他的这本结合了自传和科普的新书非常值得一读，无论是学术界，工业界的人士，还是普通读者，读了之后都会获益良多。
在《科学之路》一书的自传部分，杨立昆博士介绍了自己求学和科研的经历。他的求学经历和对教育的理解在当下对中国家长非常具有启发意义。杨立昆是法国人。在法国，如果要想成为任何一个领域的精英，通常要进入招生人数非常少的高等专科学院（grandes écoles，也被称为大学校），比如做科学家和工程师就需要进入巴黎高师或者巴黎综合理工这样的精英学校学习。而为了考入这些录取率极低的学校，又要花两年左右的时间先学习大学预修课程备考。我想如果一个中国家长在法国，会让孩子去走这条路。但是杨立昆却走了一条与众不同的求学道路，他高中毕业后就直接进入了一所名气不算太大的大学——巴黎电子工程学院（ESIEE）学习。杨立昆做出这样的决定有两个原因。其一，这所大学不需要参加预科课程的学习和考试就能直接申请；其二，在这所学校他可以获得更多的学习自主权。杨立昆讲，他用自己的经历证明了通过激烈的考试竞争进入名校，不是科学成功的窄门。
杨立昆在人工智能领域的研究生涯，可以追述到他在大学时广泛地阅读课程之外的经典科学著作。在他读书的年代，人工智能是一个热门但是发展并不成熟的研究领域。杨立昆对此有非常大的兴趣，并且阅读了包括乔姆斯基等人在内的很多科学家的论著，特别是前苏联伟大的数学家、公理化概率论的奠基人柯尔莫哥洛夫等人的著作，这为杨立昆打下了坚实的数学基础和计算机科学理论基础。从大学开始，杨立昆就沉溺于人工神经网络的研究，并且敏锐地注意到这个研究领域一个新的技术方向——神经网络的反向训练。后来他进入到当时的巴黎皮埃尔-玛丽-居里大学（今天的索邦大学）攻读博士学位，并且反向训练上取得了卓越的成绩。他的成果很快就有了法国一家公司买单，而且让他得以进入当时学术氛围非常自由的贝尔实验室工作。杨立昆用自己的经历告诉我们，接受教育重要的是获得知识本身，而不是获得名校的光环。在以后的学术生涯中，杨立昆一直保持这种特立独行的做法，特别是在全世界都不看好人工神经网络这个研究领域的时候，投身到这项研究当中。
杨立昆进入贝尔实验室时，正赶上那个曾经的世界科学殿堂后的辉煌时期，但是很快这个庞大的实验室就解体了。所幸的是，杨立昆得以在纽约大学担任了教职。不过，当时正赶上人工神经网络研究的低谷，虽然杨立昆坚信这项技术会在图像识别大放光彩，并且设计出一个简单的人脸识别系统，但是他的成果并没有引起太多科学家的重视。在从2003到2013大约十年的时间里，杨立昆和他曾经的领路人辛顿等人一直在默默地从事着各种人工神经网络算法特别是卷积网络算法的研究。他们的成果当时并不引人瞩目，但是正是这些研究成果，奠定了今天深度学习算法的基础。2013年之后，随着并行计算的进步和数据量的增加，以人工神经网络为基础的深度学习突然在很多应用领域显示出巨大前景并且在一个又一个应用中，比如人脸识别，语音识别，机器翻译，计算机博弈，取得骄人的成绩，杨立昆等人的工作一下子被全世界所瞩目，并且让他和辛顿，本杰欧一到获得了计算机科学领域的奖——图灵奖。
如果要总结杨立昆的成功经验，可以用这样四句话来概括：
1. 求学是为了知识本身，而不是文凭；
2. 广泛地阅读高水平的专业著作，培养科学的品味；
3. 特立独行，做自己感兴趣的事情，即便那件事在短时间里不被人看好；
4. 长期的坚持。
《科学之路》一书的第二部分讲述了基于深度学习的人工智能的原理。虽然杨立昆博士使用了一些公式，但这部分内容依然通俗易懂。
杨立昆博士用几个例子讲述了今天人工智能的本质，就是数学公式 计算能力 大量的数据。
首先，我们要将模式识别等问题转化成数学公式。今天计算机的智能从实现的方式上讲完全不等同于人的智能。但是，从结果上讲，和人的智能等价。你可以认为这是两种道路殊途同归。杨立昆博士用了一些典型的模式识别的例子告诉我们人工智能是如何实现的，读着朋友即便对里面的公式细节不感兴趣，也能体会到人工智能和人的智能之间的不同。不过，计算机在获得智能的方法上，有一点和人是相同的，那就是从观察到的现象中总结出规律，然后用规律再来预测现象。杨立昆在书中举了伽利略研究速度的例子，他通过观察找到了物体运动的规律并且将它变成了数学公式，然后再把这个公式应用于计算各种运动物体的速度。机器学习也是如此，只不过机器学习的公式不那么直观。
接下来，就需要获取数据，供计算机进行学习。在任何人工智能的应用领域，原始的数据，比如图像本身是无法直接提供给学习，这中间要进行一个转化。这个转化的过程被称为特征提取，简单地讲，就是讲真实世界的目标对象转化中计算机能够读懂的数据。杨立昆博士用模式识别的例子说明了特征提取是如何进行的。当然，如果读者朋友不想关心具体的步骤，至少需要明白一点，那就是计算机学习需要大量的数据。
当数据量大了之后，就需要数学模型足够复杂才能反映出大量数据之中所包含的各个细节。虽然奥卡姆剃刀原理通常很有效，但是在机器学习领域并非如此。事实上，过去基于人工神经网络的机器智能水平之所以不高，就是因为那个网络过于简单。因此，杨立昆等人提出了更为庞大而复杂的深度学习人工神经网络。于是这就有遇到了第三个问题，计算能力的问题。杨立昆博士对这部分内容没有做太多的论述，毕竟这部分工作主要是由Google，Facebook和亚马逊等公司工程师完成的，而非是科学家关注的重点。
《科学之路》一书的第三部分讲述今天人工智能的各种应用，从语音和图像识别、自然语言对话系统，到无人驾驶汽车和医学影像识别。这些名词大家都不陌生，但是如果想了解其中的细节，杨立昆博士的讲述既权威，又直白。
《科学之路》一书的第四部分，也是后一个部分讲述今天人工智能的局限性，这包括技术上的不足之处，以及人工智能所带来的社会风险。这部分内容是各种介绍人工智能的书籍常常忽略的。杨立昆博士提醒我们所有技术革命都有其阴暗面，但是他坚信这些问题都能够得到解决。他在书的后还谈了一些有趣的话题，比如机器人是否该拥有权利，又该遵守什么样的法律。
总的来讲，这是一本全面介绍人工智能技术，兼顾科普和专业论著特点的宏篇大作。其中有价值的部分是杨立昆博士作为深度学习算法的发明人之一，讲述他如何思考机器智能的问题，如何将这种现实世界里的具体问题，转化为计算机能够处理的问题。从这个角度上讲，它又是一本教科书，教大家如何思考科学问题。我相信通过阅读这本书，各个层次，不同背景的读者朋友都会有巨大的收获！
