《機器學習vs復雜系統(tǒng)》從跨學科視角來看待人工智能這個技術性的學科。圍繞用數(shù)學模型預測未來這一主題，介紹算法，主要包括現(xiàn)在流行的機器學習和深度學習算法，以及算法要解決問題本身的復雜性。復雜的問題，需要復雜的算法，而算法設計背后的老師正是自然界的復雜性本身。

最終，我們上升到自然界解決復雜性最有利的工具，即人類智能本身，讓讀者從神經(jīng)科學的角度再次理解人工智能這個大主題，理解神經(jīng)科學是如何啟發(fā)人工智能的，而人工智能又如何幫助我們理解人類智能本身。

《機器學習vs復雜系統(tǒng)》既適合具有高中以上數(shù)學知識的一般讀者，作為他們了解人工智能和復雜系統(tǒng)領域的科普讀物；也適合已經(jīng)在人工智能領域工作的專業(yè)人士，使他們從工程視角之外的更大視角去看待這一領域，獲得新的啟發(fā)。

目錄

第一部分 復雜性
1 復雜系統(tǒng)
2 用復雜網(wǎng)絡看世界經(jīng)濟（閱讀難度1星）
3 風險管理策略之復雜科學視角
4 從物理角度看復雜
第二部分 機器學習
5 白話機器學習（閱讀難度1星）
6 淺談貝葉斯分析
7 簡單貝葉斯分類器（閱讀難度1星）
8 決策樹方法（閱讀難度2星）
9 感知機：神經(jīng)網(wǎng)絡的基礎（閱讀難度3星）
10 降維：應對復雜的通用武器（閱讀難度1星）
第三部分 神經(jīng)網(wǎng)絡
11 神經(jīng)網(wǎng)絡不神秘
12 CNN 的幾個關鍵詞（閱讀難度3星）
13 時間序列與RNN
14 會遺忘的神經(jīng)網(wǎng)絡（閱讀難度3星）
15 跟著AlphaGo 理解深度強化學習框架（閱讀難度3星）
16 從阿爾法元看強化學習的更廣闊潛力
第四部分 宇宙間最復雜的就是我們的大腦
17 深層視覺信息的編碼機制（閱讀難度1星）
18 大腦的自由能假說――兼論認知科學與機器學習（閱讀難度2星）
19 大腦中的支持向量機（閱讀難度3星）
20 機器學習是如何巧妙理解我們大腦的工作原理的
21 大腦經(jīng)濟學（閱讀難度1星）
22 人工智能vs 人類智能（閱讀難度2星）
第五部分 人工智能應用談
23 人工智能會取代藝術家的工作嗎
24 機器學習預測心理疾病
25 人機協(xié)作決策的兩種方式
26 小數(shù)據(jù)機器學習
27 用深度學習玩圖像的七重關卡
28 深度學習助力基因科技
29 機器學習對戰(zhàn)復雜系統(tǒng)