人工智能时代：破解人机共存密码（套装共10册）

Zhi–Hua Zhou 的 Model Ensembles: Foundations andAlgorithms\*（Chapman and Hall, 2012）对元学习进行了介绍。关于堆 叠 的 最 早 文 章 是 David Wolpert 的 “Stacked generalization”\*（Neural Networks, 1992）。Leo Breiman在“Bagging predicts”\*（Machine Learning, 1996）中介绍了装袋预测法，在“Randomforests”\* （ MchineLearing, 2001 ） 介 绍 了 随 机 森 林 法 。 YoavFreund 和 Rob Schapire 的 “Experiment with a new boostingalgorithm” （ Proceedings of the Thirteenth InternationalConference on Machine Learning, 1996）一文介绍了助推法。

Anil Ananthaswamy 的 “I, Algorithm” （ New Scientist,2011）记录了在人工智能中将逻辑与概率结合起来的方法。我和Daniel Lowd 一 起 合 写 的 Markov Logic: An Interface Layer forArtificial Intelligence\*（Morgan & Claypool, 2009）一书是对马尔 可 夫 逻 辑 网 络 的 介 绍 。 Alchemy 网 站http://alchemy.cs.washington.edu也包含教程、录像、MLN、数据集 、 刊 物 和 其 他 系 统 的 指 示 器 等 。 Jue Wang 和 Pedro Domingos 的“Hybrid Markov logic works”\* （ Proceedings of the Twenty-Third AAAI Conference on Artificial Intelligence, 2008）一文介 绍 了 MLN 在 DARPA 的 PAL 项 目 中 的 用 途 。 Stanley Kok 和 PedroDomingos 的 “Extracting semantic networks from text viarelational clustering”\* （ Procedings of the NineteenthEuropean Conference on Machine Learning, 2008）一文介绍了我们如何运用MLN从网站上获取语义网络。

在 Mathias Niepert 和 Pedro Domingos 的 “Learning andinference in tractable probabilistic knowledge bases”\*（Proceedings of the Thirty-first Conference on Uncertaintyin Artificial Intelligence, 2015）一文介绍了带有类层次和部件结构的有效MLN。Jeff Dean等人的“Large–scale distributed deepnetworks”\* （ Advances in Neural Information Processing

Systems 25, 2012）一文介绍了谷歌的并行梯度下降算法。PedroDomingos 和 Geoff Hulten 的 “A general framework for miningmassive data streams”\*（Journal of Computional and GraphicalStatistics, 2003）一文总结了我们用于掌握开放式数据流的取样方法。David Weinberger所写“The machine that would predict thefuture”（Scientific American, 2011）的主题是The FuturICT项目。

“Cancer: The march on malignancy” （ Nature supplement,2014）一文介绍了目前对抗癌症的情况。Chris Edwards的“Usingpatient data for personalized cancer treatments”（Communications of the ACM, 2014）一文介绍了有可能会发展为CaneRx的早期情况。Markus Covert的“Simulating a living cell”（Scientific American, 2014）解释了他的团队如何构建整个感染细菌的计算机模型。Antonio Regalado的“Breakthrough Technologies2015: Internet of DNA”（MIT Technology Review, 2015）总结了全球基因组学与健康联盟的工作。Jay Tenenbaum和Jeff Shrager的“Cancer: A Computational Disease that AI Can Cure” （ AIMagazine, 2011）一文介绍了常见的癌症。

第十章

Kevin Poulsen的“Love, acturaially”（Wired，2014）介绍了一个人怎样通过机器学习来在OkOcupid约会网站上寻找爱情。Christian Rudder的Dataclysm（Crown, 2014）挖掘了OkCupid的数据 ， 用 于 各 式 各 样 的 想 法 。 Gordon Moore 和 Jim Gemmell 的 TotalRecall（Dutton, 2009）一书探索了对我们所做的一切进行数字化记录的启示。Patrick Tucker的The Naked Future（Current，2014）探索了在我们的世界中，进行预测时对数据的使用及滥用。在“Privacypragmatism”（Foreign Affairs, 2014）一文中，Craig Mundie支持在 收 集 和 利 用 数 据 时 使 用 均 衡 法 。 Erik Brynjolfsson 和 AndrewMcAfee的The Second Machine Age（Norton，2014）讨论了人工智能的进步会对未来的工作及经济造成的影响。Chris Baraniuk的“WorldWar R”（New Scientist, 2014）总结了围绕能否在战争中使用机器人的辩论。Stephen Hawking等人的“Transcending complacency onsuperintelligent machines”（Huffington Post, 2014）一文提出当 下 正 是 担 心 人 工 智 能 危 机 的 时 候 。 Nick Bostrom 的Superintelligence（Oxford University Press, 2014）一书提到了一些危险，并说明应该怎样应对这些危险。

Richard Hawking的A Brief History of Life（Random Penguin,1982）一书总结了计算机出现之前的量子跳跃。Ray Kurzweil的TheSingularity Is Near（Penguin, 2005）可带领我们进入“超人类”未 来 。 在 Radical Evolution（ Broadway Books, 2005 ） 中 ， JoelGarreau就人类指向的进化在Radical Evolution（Broadway Books,2005）中如何展现设想了三个不同的情景。在What TechnologyWants（Penguin, 2010）中，Kevin Kelly提出技术就是以其他方式来对进化进行延续。George Dyson的Darwin Among the Machine（BasicBooks, 1997）一书回顾了技术的发展史，并设想技术将会把我们带往何处。在Life at the Speed of Light（Viking，2013）一书中，Craig Venter解释了他的团队如何合成活细胞。

图书在版编目（CIP）数据

终极算法：机器学习和人工智能如何重塑世界 / （美）佩德罗·多明戈斯著；黄

芳萍译. -- 北京：中信出版社，2017.1

书名原文：The Master Algorithm:How the Quest for the Ultimate

Learning Machine Will Remake Our World

ISBN 978-7-5086-6867-3

I. ①终… II. ①佩… ②黄… III. ①机器学习－研究②人工智能－研究 IV.①TP18

中国版本图书馆CIP数据核字（2016）第256013号

终极算法：机器学习和人工智能如何重塑世界

著者：[美]佩德罗·多明戈斯

译者：黄芳萍

出版发行：中信出版集团股份有限公司

（北京市朝阳区惠新东街甲4号富盛大厦2座 邮编100029）

电子书排版：张明霞