“深度学习”被评价为未来时代的重要技术，但它本身非常复杂，除了这方面的专家，一般大众很难掌握。主要原因是我们很难以一种易于理解的方式来解释“深度学习”的机制。首先，为了理解“深度学习”并，且必须先了解诸如“神经网络”之类的算法。其次，在描述诸如“深度学习”和“神经网络”之类的算法时，通常要使用数学公式，因此若没有技术或数学背景，就会面临很多的理解障碍。实际上，一旦书中出现了公式，可能很多人都会把书合上。但是，“深度学习”未来将涉及所有行业。因此，即使不是专家，我们也需要知道它是什么以及它可以做什么。

《未来IT图解：深度学习》一书分为三部分，通过大量插图详解深度学习的运作机制及实际案例。第一部分在介绍AI的历史和发展的同时，阐述深度学习。第二部分用事实例辅助说明深度学习的使用方式。第三部分将预测未来并总结深度学习主导下将会发生的情况。从何为深度学习到畅想深度学习带给我们的未来，本书讲述的重点内容——深度学习在各个经济领域的实际应用。深度学习技术通过人工智能的开发进化，可以使用于农业生产、工业制造，应对老龄化和新生儿减少的第三产业服务业，乃至进入家庭服务人类。

作者简介：

南野充则

毕业于东京大学工学部。大学期间创立健康管理公司MEDICA Corporation和CDSystem Corporation，曾在北京大学举行的智能电网领域国际会议上获得“最佳学生奖”。2016年8月，在日本成立了第一家专门从事健康和医疗保健领域的人工智能实验室——FiNC Wellness AI Lab，2018年9月起担任FiNC Technologies的首席技术官，也是日本深度学习协会（Japan Deep Learning Association）最年轻主任。

译者介绍

刘晓慧

日本爱知大学经营学博士。曾任爱知大学国际中国学研究中心研究员、非常勤讲师等职，现主要从事翻译与写作工作。主要译作包括《四季和食》、日本《中央省厅的政策形成过程》等。

刘星

中国政法大学政治与公共管理学院国际政治系副教授，日本名古屋大学法学博士。曾任日本国际交流基金访问学者、日本成蹊大学法学部客座研究员等。主要译作包括《日本国际政治学》《思想者的足迹：池明观》等。

◆人工智能的起点：达特茅斯会议

研究的历史先从硬件开始。第二次世界大战结束不久后的 1946 年，美国宾夕法尼亚州诞生了电子数字积分计算机（ENIAC）。其 10 年后，新罕布什尔州的达特茅斯学院召开了关于人工智能的会议（达特茅斯会议），探讨智能行动与思维的计算机程序实现的可能性。参加会议的研究学者艾伦·纽厄尔、赫伯特·西蒙论证了用计算机证明数学定理是可能的，此时使用的“逻辑理论家”（Logic Theorist）被誉为世界上第一个人工智能程序。

◆从“冷战”中的翻译到阿尔法狗的胜利

经过达特茅斯会议，人工智能研究进入“推理搜索时代”。从 20 世纪 50 年代后期到 60 年代，伴随着“冷战”的开始，英语和俄语的机器翻译在美国备受关注。此外，由人工智能自主走迷宫、进行拼图、与人对弈国际象棋和日本将棋等都取得了成功，从而掀起了研究热潮（第一次人工智能热潮）。但是，当人们明白人工智能只能在限定的状况下解决事先设定的问题后，热潮降温了。

第二次热潮始于 20 世纪 80 年代，将专业知识输入计算机的“专家系统”开发取得重要进展，人工智能研究从此进入“知识的时代”。具体而言，开发出了输入病菌等数据就可以开出相应抗生素药方的系统（第二次人工智能热潮）。但是，当载入的庞大知识库中出现了矛盾或缺乏一贯性的数据时，数据就变得难以保管和维护就变得困难，这一次浪潮也随之降温了。

进入 21 世纪后，随着大数据成为热门话题，人工智能研究热潮再次来临（第三次人工智能热潮）。以大量统计数据为基础，人工智能自主学习获得知识的“机器学习”，具体而言，就是机器翻译和检索引擎实现了实用化。此外，作为机器学习的一种，本书的主题“深度学习”也登上了历史舞台。人工智能自主学习定义知识要素的自动驾驶技术、阿尔法狗（AlphaGo）的胜利则吸引了更多关注。