具体描述
“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——这个历史上仅有的时刻发生的故事。
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。
目录信息
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
· · · · · · (收起)
读后感
终于等到第一本神经网络史&Lecun传记的书。 时间的深处，暗流涌动，一切生长拔节在无声进行。 八十年代，Lecun就认识到无法以逻辑来创造真正的智能机器，必须让机器拥有学习的能力，依靠经验来进行自我建构。 1987年，这一年离Deep Blue打败卡斯帕罗夫还有10年，离Deep CNN...
10.1之前开始看，看到初始的机器学习的原理解释已倍感压力，假期结束接着看一度在深度学习，卷积神经网络的公式中几乎放弃，对高等数学没及格过的我而言，数学和算法对我而言确实是个验证智商含金量的考验。幸好，立昆同志抑制住了写成人工智能神经网络领域文献综述的欲望，交...
终于等到第一本神经网络史&Lecun传记的书。 时间的深处，暗流涌动，一切生长拔节在无声进行。 八十年代，Lecun就认识到无法以逻辑来创造真正的智能机器，必须让机器拥有学习的能力，依靠经验来进行自我建构。 1987年，这一年离Deep Blue打败卡斯帕罗夫还有10年，离Deep CNN...
用户评价
初读这本书，我差点以为自己是在翻阅一本哲学论著，而不是科学史。它的视角非常独特，着重探讨了科学发现背后的社会文化土壤以及伦理困境。作者并没有沉溺于科学的成就，反而对每一次技术进步可能带来的社会代价进行了审慎的拷问。书中对科学共同体的运作机制的剖析尤其尖锐，揭示了同行评议体系中的权力博弈、资助体系对研究方向的潜移默化影响，乃至那些被主流科学边缘化的异见者的命运。这种批判性的、带有强烈人文关怀的视角，让这本书远超了一般的科普读物，它成了一面映照我们自身时代的镜子。读到关于早期生物伦理学争议的那一章时，我感受到了强烈的思想冲击，它提醒我们，科学的每一次飞跃，都伴随着对人类自我认知的深刻挑战。这本书的价值，在于它教会我们以一种更负责任的态度去面对知识的力量。
如果用一个词来形容这本书给我的感受，那就是“结构的美学”。它的编排逻辑严丝合缝，仿佛是一件经过精密计算的建筑作品。作者的叙事节奏把握得炉火纯青，时而如疾风骤雨，密集地呈现一系列突破性的进展；时而又放缓下来，用大段的篇幅去探讨某个单一理论的深远影响及其在不同学科间的相互渗透。我特别欣赏它在章节之间设置的那些“思想桥梁”，它们巧妙地将看似不相关的领域联系起来，揭示出科学统一性的内在脉络。例如，它如何从光学理论的演变，自然而然地过渡到信息论的构建，这种跨越式的连接，展现了作者深厚的跨学科功底。这本书的深度在于它的广度，它不仅仅是一部历史书，更像是一本关于“知识如何构建知识体系”的元认知指南。它强迫你去思考，我们今天习以为常的科学框架，是如何历经无数次修正和重组才得以站稳脚跟的。
这本书的叙事结构简直是一场智力上的探险，作者仿佛是一位技艺精湛的向导，带领我们穿梭于历史的长河中，去触摸那些塑造了我们现代世界的关键思想火花。我特别欣赏它对“黑箱”概念的处理方式，并非简单地罗列发现，而是深入挖掘了科学家们在面对未知时所经历的挣扎、灵感的爆发，以及那些常常被教科书忽略的偶然性。它没有把科学描绘成一条笔直向上的完美阶梯，而是充满了岔路、死胡同和充满激情的辩论。比如，书中对十九世纪物理学界关于以太理论的争论，描绘得栩栩如生，那种集体性的思维定势和最终被颠覆的震撼，让人读来手心冒汗，仿佛自己也置身于那个思想交锋的时代。书中对实验方法的细致剖析，远超一般的科普读物，它让你明白，一个伟大的发现背后，往往隐藏着成百上千次枯燥乏味的重复和精密的仪器调校。这种对过程的尊重，使得整本书读起来厚重而扎实，绝非肤浅的奇闻轶事堆砌，而是一部关于人类求知欲和理性精神的史诗。
这本书带给我最直接的感受是它那令人难以置信的清晰度——即便面对最晦涩的理论，作者也能用最简洁、最洗练的语言将其阐释得淋漓尽致，完全没有那种故作高深的学究腔调。它对科学概念的解释，具有一种近乎“减法”的艺术感，剥离所有不必要的修饰，直击核心的逻辑骨架。其中关于数学工具在物理学中地位演变的那部分，描述得尤其精彩，它没有直接展示复杂的公式推导，而是聚焦于数学语言本身如何成为发现新现象的“先知”。我感觉自己仿佛被赋予了一双透视眼，能够看穿那些阻碍普通人理解科学的语言障碍。这本书的文字节奏非常流畅，读起来有一种行云流水般的愉悦感，让人根本无法停下来。它不仅是知识的传递，更是一种思维方式的熏陶，让我学会了如何更精确地表达和更有效地质疑。
这部作品的笔触，与其说是在讲述科学，不如说是在描绘人类心智的极限和潜能。它有着一种近乎诗意的冷静，用极其精准的语言剖析了那些宏大理论诞生的瞬间。我之所以如此钟情于此，是因为它成功地避开了技术细节的泥潭，反而聚焦于“为什么”和“如何思辨”。作者对于概念的提炼能力令人叹服，比如在解释概率论的早期哲学困境时，他用了一个非常巧妙的比喻，一下子就将抽象的数学概念拉到了日常生活的层面，让完全没有专业背景的人也能领悟到其深层的哲学意涵。书中对一些关键人物的侧写也极为精彩，他们不再是高高在上的圣人，而是充满了人性弱点、偏见和惊人毅力的鲜活个体。这种还原论的方法，极大地增强了阅读的代入感，让我深刻体会到，科学的进步，本质上是无数次人类心灵的自我超越。读完后，我对“知识的边界”有了全新的敬畏感。
自传+科学史的书写模式～中间几章吸引人～Yann Le Cun，著名的人工智能科学家，2018年图灵奖得主，杨立昆是他给自己起的中文名～好家伙！中文版这序言也太多了吧！找这么多人～
作者是法国人，为了求知，为了能够更自主地学习，选择了一个不怎么知名的大学，广泛地阅读，在前沿阵地，找到自己的兴趣点，深挖下去，坚持不懈，成就自己。
说实在这本书写得一般，不是说内容本身不好，而是结构和内容的安排上。如果没有一点基础的人应该是看不懂这本书中间部分的，了解DL模型的人其实不太需要看这部分（因为有点简略）。作为了解这个算法发展史的一个侧面看，那么算还行吧。最让我吃不消的就是那么多写序的，都啥玩意啊
内容可以分成四部分：Neural Network's Bio, LeCun's Bio, Deep Learning's theory and application, concers for AI。我个人不喜欢（也许是本来就不喜欢LeCun）：技术的部分很浅显，故事的部分很寡淡，恐怕只有最后一章有点可读性。已经拿了图领奖的人了，为什么要出这么一本（夹带了不少私货的）书？#21书35
东拼西凑，浪费时间
