序 / FOREWORD

我在北美精算师协会的Predictive Analytics & Futurism快报做了几年编辑，很高兴与许多才华横溢的数学家、经济学家和未来学家合作，分享他们有关新技术的知识，以更好地应对日益复杂的世界。几年前，我说服不是精算师的Jeffery Heaton参加我们的遗传算法竞赛，他赢了！从那时起，Jeff一直是频繁的贡献者、同事（我们现在一起工作）、北美精算师协会的联合演讲者，也是我们正在进行的机器学习探险中的好朋友和同伴。Jeff长期从事机器学习、人工智能（AI）和相关主题的研究。对他来说，这是爱好，也是投入激情的事情。现在，他被聘为数据科学家，他热爱这个能在日常工作中沉浸于自己的爱好的机会。他的热情具有感染力，我认为你在阅读他的书时会发现这一点。

Jeff的网站每月的点击量超过100 000次，访问来自世界各地的研究人员、学者和爱好者。Encog是他的开源认知研究引擎，医生用它来寻找检测癌症的更好方法，而高频交易者则尝试用它来优化交易算法。

最近，Jeff申请了一个计算机科学博士学位项目并被采纳。与其他撰写AI图书的作者不同，Jeff不是一位学术型教授，他不会通过复杂的公式和神秘的术语来空谈并让人迷惑，以炫耀他的知识才能。而且，他也不假设读者是“傻瓜”。我个人认为“傻瓜”丛书令人反感。谁愿意被当作“傻瓜”？Jeff和我们一样！他通过阅读、编码和修改来学习技能。他为一些AI解决方案所必需的线性代数知识而苦苦挣扎，不得不上课学习。他很同情那些聪明的“门外汉”，他们想学习AI，但在专业数学方面需要一些帮助。有些作者会将他们最喜欢的编程语言强加给所有读者，但Jeff不是这样，他让我们避免了针对特定语言的陡峭学习曲线。Jeff做出了特殊的努力，让广大读者都可以阅读本书，而不仅仅是统计学或计算机科学专业的博士才可以阅读。广大读者想了解AI的内容是什么，也想知道为什么随着大数据海啸席卷而来，AI变得越来越重要。

根据人们对他的Encog引擎和他以前编著的书的反馈，Jeff发现，读者不希望为了尝试一种新的AI技术而去学习一种新的计算机编程语言。本书的示例采用伪代码，因此每个人都可以理解它们。本书的GitHub开源库提供了几种编程语言的版本，因此你可以通过实践来强化学习过程。你可以自行修改这些“无秘密”代码。这不是“黑盒子”演示。如果你是一名程序员，使用Java、R、Python、C#、C、Scala等语言之一（可能还有更多的语言），那么你可以下载并运行所有示例代码。这些代码已经过测试，能够正常运行。你无须花费时间来调试代码，只需享受体验AI学习过程。

在此，我强调了本书的可读性，但是这并不意味着本书的内容不重要。在本卷中，Jeff介绍了诸如遗传算法、蚁群优化和粒子群优化等算法，展示了它们的用途（何时有用以及为何有用），以及如何实现它们。这些是重要的主题。他的“人工智能算法”系列图书介绍了一些令人兴奋的主题，许多人会认为这些主题令人生畏。这本书是在讲脑外科手术吗？不是！但是它涉及神经网络和一些前沿话题，例如深度信念网络。请享受本书，享受本系列图书，享受这场冒险！

Dave Snell^[1]

[1]　Dave Snell于2007年从位于澳大利亚悉尼的RGA Reinsurance Company的亚太技术副总裁职位退休，他负责管理亚洲和澳大利亚地区的新技术和现有技术。目前，他回到美国，担任RGA副主席的顾问。在那里，他与精算师和技术合作伙伴之间有着良好的关系，通过使用技术工具来更好地识别和克服业务障碍。Dave用数十种编程语言编写了数千个程序，包括在十几个国家和地区使用的基于人工智能的专家系统。他参与发明的一个机器学习方法最近获得了美国专利（专利号8775218）。