基于深度学习的人工智能技术当前有着非常良好的性能，应用已经覆盖到各种不同的领域，从图像识别到商品推荐，从自动驾驶到金融风险控制。但是深度学习核心算法是一个黑盒模型，其结果和算法本身都难以解释，因此给这类系统在很多领域的应用带来了风险和挑战。
本次给大家推荐的书是杨强等教授的新作《可解释人工智能导论》。本书全面介绍了可解释人工智能的基础知识、理论方法和行业应用。
本书内容
全书分为三部分，共11章。
第一部分包括第1章，揭示基于数据驱动的人工智能系统决策机制，提出一种基于人机沟通交互场景的可解释人工智能范式。
第二部分为第2～5 章，介绍各种可解释人工智能技术方法。
第2章：介绍贝叶斯方法，包括贝叶斯方法的基本原理和基本问题，以及贝叶斯与深度学习的交叉，即深度生成模型与贝叶斯神经网络两大类方法，最后讨论了因果推断和贝叶斯方法的区别和联系。
第3章：介绍基于因果启发的稳定学习和反事实推理，重点以发掘因果关联性为出发点，介绍提高模型稳定性、可解释性的方法。
第4章：介绍基于与或图模型的人机协作解释，从与或图模型的定义与结构，到与或图的多路径认知过程，最后讨论了如何通过人机协作的交互方法，使图模型的解读过程与人的认知结构对齐。
第5章：介绍对深度神经网络的解释，包括对神经网络特征的可视化、输入单元的重要性的量化与分析、对神经网络博弈交互的解释、对神经网络特征质量的解构等内容。
第三部分为第6～10 章，分别介绍可解释人工智能在生物医疗、金融、计算机视觉、自然语言处理、推荐系统等领域的应用案例，详细说明可解释性在司法、城市管理、安防和制造等实际应用中发挥的积极作用。
第11 章对全书进行总结，并论述可解释人工智能研究面临的挑战和未来发展趋势。此外，本书的附录给出可解释人工智能相关的开源资源、中英文术语对照及索引，方便读者进一步查阅。
本书汇集了人工智能领域的12位名家，他们均是机器学习、计算机视觉、自然语言处理，以及在生物医疗、金融、推荐系统等应用领域的集大成者。
√ 系统全面自成一体。本书讨论了可解释AI 的目的、定义、范畴、面临的挑战及未来发展方向，特别是本书多角度论述了可解释AI 的不足，并提出了基于人机交互沟通的可解释AI 范式。
√ 知识完备循序渐进。作为一本导论性质的介绍图书，本书内容深入浅出，从基础的人工智能的可解释性概念层面展开讨论，先帮助读者建立对可解释AI 的直观、形象的理解，再介绍可解释AI 的前沿方法，最后通过一系列丰富的行业应用案例，巩固读者对书中所介绍的可解释AI 技术的理解，从而完成对可解释AI领域循序渐进的介绍。
√ 理论实践价值兼备。本书系统地论述了可解释AI 的理论发展现状，并按照五类分类介绍了解释性方法，即可解释图模型、贝叶斯深度学习模型、基于知识图谱的可解释模型、基于可解释性的交流学习、对神经网络的解释。同时，本书从介绍了可解释性方法在医疗、金融、视觉、自然语言处理、推荐系统等方面的应用角度出发，明确指出在各种场景下解释所要达到的具体目标。
√ 应用案例翔实丰富。本书从分析对可解释AI 的实际需求出发，深入及时地介绍前沿方法。全书共有15个应用案例，分别包括：基因编辑和医学影像处理，金融量化投资和信用违约预测，模型安全、视觉问答和知识发现，对话系统、智能问答、情感分析和自动文摘，电子商务、社交网站、基于位置的服务和多媒体系统。不同行业的产业从业者，都可以从中了解可解释AI的落地方法。
√ 内容实用覆盖面广。本书覆盖人群广泛，对于入门读者，本书对可解释AI 前沿技术及时归纳梳理，并深入浅出地介绍；对于资深的研究者，本书也给出了进阶的研究路径；对于行业应用者，本书提出了选择不同解决方案的依据。同时，本书也照顾到关注人工智能应用及具有社会影响力的人士，包括政策制定者、法律工作者和社会科学研究人士。
√ 配套资源丰富齐全。本书配备丰富的学习资料，包括配套PPT、可解释AI 相关的开源资源、中英术语对照、索引和全书的参考文献，供读者进一步查阅学习。
赠书
接下来是福利时间，本次我们赠送出3本书籍（前3次获得赠书的朋友不能再参与本次赠书活动），想要获得书籍的同学，在本公众号下方留言，根据点赞数的高低，6月6日早上10:00统计出获奖读者并进行公示，届时联系有三微信Longlongtogo即可。
如果没有获得赠书，也可以在京东或者购买，链接如下：
往期相关
1209
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
