本书提出“基于自否定的深度学习”这一概念，从自否定这一元人性与人的类特性出发，重审人工智能时代人类学习的独特价值；基于历史逻辑、人的发展逻辑、学习的发展逻辑视角阐述自否定何以能作为深度学习发生的前提逻辑；以自否定为前提构建深度学习“三维度、五阶段”的理论模型，并从“教的视角”与“学的视角”提出深度学习的实践指向，以破解教授主义下的学习困境，应对人工智能发展带来的学习价值危机；以“整全的人”为未来学生培养的核心意向，展望如何建构以自否定为锚点的未来深度学习的新形态。

作者认为，认知是希望获得理性，而获得理性的工具就是逻辑；知识学本质是为了推进知识创新，而逻辑学有利于推进理论创新；逻辑学的知识创新功能决定了它的认知转向，知识逻辑应运而生。知识逻辑已经成为逻辑学的重要领域，必将对整个逻辑学产生重大的学科引导作用，同时，知识逻辑也将迎来自己的多元发展。全书共分七章，论述了逻辑与知识的关系。

作者认为，认知是希望获得理性，而获得理性的工具就是逻辑；知识学本质是为了推进知识创新，而逻辑学有利于推进理论创新；逻辑学的知识创新功能决定了它的认知转向，知识逻辑应运而生。知识逻辑已经成为逻辑学的重要领域，必将对整个逻辑学产生重大的学科引导作用，同时，知识逻辑也将迎来自己的多元发展。全书共分七章，论述了逻辑与知识的关系。

以深度学习为代表的人工智能技术正改变着世界，并且已经步入到人们的日常生活之中。深度合成作为一种人工智能内容合成技术，在2017年引起人们关注。随着技术的发展，深度合成技术已经衍生出包括图像合成、视频合成、声音合成和文本生成等多种技术，能够应用于新闻传媒、影视制作、娱乐、教育和电子商务等诸多领域。本书面向对深度学习技术感兴趣的初学者，内容侧重于深度学习和深度合成的基础知识和实现方法。为了让尽可能多的读者通过本书了解深度学习和深度合成，书中没有使用过多的数学公式，而是从实践角度介绍深度学习的基本知识，给出了人工神经网络、深度合成技术以及深度学习系统的实现方法，书中附有的大量关键程序代码力图帮助读者结合实践操作快速入门。

以深度学习为代表的人工智能技术正改变着世界，并且已经步入到人们的日常生活之中。深度合成作为一种人工智能内容合成技术，在2017年引起人们关注。随着技术的发展，深度合成技术已经衍生出包括图像合成、视频合成、声音合成和文本生成等多种技术，能够应用于新闻传媒、影视制作、娱乐、教育和电子商务等诸多领域。本书面向对深度学习技术感兴趣的初学者，内容侧重于深度学习和深度合成的基础知识和实现方法。为了让尽可能多的读者通过本书了解深度学习和深度合成，书中没有使用过多的数学公式，而是从实践角度介绍深度学习的基本知识，给出了人工神经网络、深度合成技术以及深度学习系统的实现方法，书中附有的大量关键程序代码力图帮助读者结合实践操作快速入门。

本书从认知和功能语言学的角度，对汉语几种主要的否定表达的句法、语义和语用特点进行描写；着重用逻辑语义学的方法，分析显性否定表达（“不/没有+VP”类构式）和隐性否定表达（“避免/否认/拒绝/怀疑/差点儿+VP” 类构式）的语义结构特点，揭示它们在断言、推论、预设和焦点结构方面的同异。还构建了语言使用者在获取复杂的否定表达的语义解释时，可能采用的自上而下的概率性的处理策略，以及所受到惯例、仪式和道义等社会心理原则的约束，从而展示了一种基于语言运用的汉语语法的研究范式。

本书从认知和功能语言学的角度，对汉语几种主要的否定表达的句法、语义和语用特点进行描写；着重用逻辑语义学的方法，分析显性否定表达（“不/没有+VP”类构式）和隐性否定表达（“避免/否认/拒绝/怀疑/差点儿+VP” 类构式）的语义结构特点，揭示它们在断言、推论、预设和焦点结构方面的同异。还构建了语言使用者在获取复杂的否定表达的语义解释时，可能采用的自上而下的概率性的处理策略，以及所受到惯例、仪式和道义等社会心理原则的约束，从而展示了一种基于语言运用的汉语语法的研究范式。

本书主要利用现代逻辑、现代语言学、心理学、人工智能等学科交叉的优势，基于现代逻辑的理论和方法，注重逻辑、语言与认知的深度结合，从如下四大方向入手探讨“信息交互中的主体认知”。包括自然语言的逻辑刻画和语用分析、论辩语义与论辩结构、主体互动与偏好博弈以及隐喻认知和计算建模。

本书主要利用现代逻辑、现代语言学、心理学、人工智能等学科交叉的优势，基于现代逻辑的理论和方法，注重逻辑、语言与认知的深度结合，从如下四大方向入手探讨“信息交互中的主体认知”。包括自然语言的逻辑刻画和语用分析、论辩语义与论辩结构、主体互动与偏好博弈以及隐喻认知和计算建模。

这是一本深入浅出且极富趣味的深度学习入门书。本书选取深度学习近年来最重大的突破之一 AlphaGo，将其背后的技术和原理娓娓道来，并配合一套基于BetaGo的开源代码，带领读者从零开始一步步实现自己的“AlphaGo”。本书侧重实践，深入浅出，庖丁解牛般地将深度学习和AlphaGo这样深奥的话题变得平易近人、触手可及，内容非常精彩。 全书共分为3个部分：第一部分介绍机器学习和围棋的基础知识，并构建一个最简围棋机器人，作为后面章节内容的基础；第二部分分层次深入介绍AlphaGo背后的机器学习和深度学习技术，包括树搜索、神经网络、深度学习机器人和强化学习，以及强化学习的几个高级技巧，包括策略梯度、价值评估方法、演员-评价方法 3 类技术；第三部分将前面两部分准备好的知识集成到一起，并最终引导读者实现自己的AlphaGo，以及改进版AlphaGo Zero。读完本书之后，读者会对深度学习这个学科以及AlphaGo的技术细节有非常全面的了解，为进一步深入钻研AI理论、拓展AI应用打下良好基础。本书不要求读者对AI或围棋有任何了解，只需要了解基本的Python语法以及基础的线性代数和微积分知识。