在大数据的大量应用之前，研究者致力于研究提高机器学习效率的方法，他们主要使用多个处理器进行工作，这类似于一种“并行计算”的方式，通过任务拆解、分配处理单元和归并的方式解决问题，其效率依然较低。
随着大数据和机器学习的发展，分布式机器学习也随之兴起，它可以从大数据中总结规律，归纳整个人类的知识库。例如，谷歌公司通过分布式机器学习，建立了语义学习系统，通过分布式的方式，从上千亿个文本和大规模的用户数据中进行机器学习，归纳语义，形成了相关的训练模型。它可以在1ms之内解析语句，并理解语句中存在的歧义，极大地提升了广告系统、搜索引擎和推荐系统的理解能力。
目前，以分布式机器学习为基础的分布式人工智能还属于比较前沿的研究方向，国内也没出版过系统论述该领域知识的图书。作为一个深耕该领域的研究人员，笔者觉得有责任把自己的研究成果介绍给需要的读者，于是花费近一年的时间编写本书，系统地介绍分布式计算、大数据、机器学习及群体智能等相关领域的知识。本书中有笔者的理念，也有笔者的专利和获奖论文介绍，还有笔者对一些算法的改造等。另外，分布式人工智能涉及多项技术，有新技术，也有传统技术，如何综合应用这些技术来解决问题是关键，笔者对其做了广泛研究和探索。相信阅读完本书，读者将对分布式人工智能的相关知识有一个全新的认识，相应的研发能力也会有质的提升。
本书特色
1内容新颖、全面，知识体系完整
本书详细介绍分布式人工智能和群体智能的相关知识，涵盖分布式人工智能的基础概念和计算框架，以及多智能体分布式AI算法和分布式AI智能系统开发等知识，能够帮助读者全面学习分布式人工智能和群体智能的相关知识。
2讲解由浅入深，适合初学者阅读
本书按照“基础知识→计算框架→算法分析→实战开发”的模式，由浅入深、循序渐进地进行讲解，带领读者先掌握基础知识，再深入理解技术原理，最后进行算法应用与实战开发。本书学习梯度很平滑，非常适合初学分布式人工智能的读者阅读。
3以实例引导学习，上手快
本书结合实例，图文并茂地讲解技术要点，并对系统开发过程中的难点和痛点做了重点讲解，帮助读者融会贯通地快速理解相关方法与原理，让整个学习过程轻松、愉悦。
4提供大量的原理图
俗话说，一图胜千言。本书在讲解相关的底层原理时绘制了多幅原理图，帮助读者更加深入、清晰地理解相关内容，避免读者被晦涩的文字“绕晕”。
5提供完整的工程级性能源代码
本书提供完整的工程级性能源代码，所提供的源代码基于笔者开发的工程级系统简化而来，并且结合相关前沿技术，完成从基础知识到工程应用的研发落地，可以帮助读者从0到1全面学习分布式人工智能的相关知识，并带领读者实际开发相关的工程应用。
本书内容
第1篇 基础概念（第1、2章）
第1章主要介绍分布式系统的概念与发展，以及并行计算、边缘计算、超算系统、分布式多智能体、单体人工智能、多人博弈、群体智能决策及价值等内容。
第2章主要介绍分布式系统的框架构成、体系结构、算法模型、AI算法模型的分布式改造、计算的核心原理与组成等内容。
第2篇 计算框架（第3～5章）
第3章主要对TensorFlow深度学习框架做必要介绍。在分布式人工智能系统中，子系统和智能体算法都需要自我进化能力，于是需要一个神经网络库来提供深度学习的能力，TensorFlow作为深度学习的主要功能库非常适合。
第4章主要对SintolRTOS框架做详细介绍。人工智能的发展需要相关的底层技术，而在分布式人工智能方面，SintolRTOS框架具有一定的突破性和创新性，基于该框架可以解决一些群体智能方面的问题。
第5章主要介绍分布式人工智能系统中需要用到的大数据技术及相关存储框架。分布式人工智能应用大部分面对的是复杂而庞大的群体智能问题，针对这样的问题，无论是训练AI智能体，还是常规的系统运作，都会产生并存储大量的数据，需要有相应的技术加以解决。
第3篇 多智能体分布式AI算法（第6～8章）
第6章主要介绍机器学习的监督学习算法，并且完成它的分布式改造，让其可以适应更大规模、更为复杂的应用场景。基于分布式系统，如何应用和改造监督学习算法是本章重点探讨的问题。
第7章主要介绍人工智能发展的重要分支——生成对抗网络和强化学习的相关知识，涉及群体智能系统中的智能博弈、对抗及协作等最重要的算法。
第8章作为第7章的进阶内容，主要探讨强化学习在对抗、博弈和群体智能方面的算法发展与应用。
第4篇 分布式AI智能系统开发实战（第9、10章）
第9章带领读者进入系统开发的实战演练环节，让读者首先体验游戏化的群体智能对抗仿真环境，然后使用本书所学知识搭建《星际争霸2》的仿真开发环境，并提供相关的API对游戏的特征进行获取，从而创建用于强化学习的环境。
第10章主要介绍强化智能开发的相关知识，通过强化学习算法与智能强化博弈实现分布式多智能体博弈。
本书读者对象
* 分布式计算的开发和研究人员；
* 机器学习、人工智能
随着大数据和机器学习的发展，分布式机器学习也随之兴起，它可以从大数据中总结规律，归纳整个人类的知识库。例如，谷歌公司通过分布式机器学习，建立了语义学习系统，通过分布式的方式，从上千亿个文本和大规模的用户数据中进行机器学习，归纳语义，形成了相关的训练模型。它可以在1ms之内解析语句，并理解语句中存在的歧义，极大地提升了广告系统、搜索引擎和推荐系统的理解能力。
目前，以分布式机器学习为基础的分布式人工智能还属于比较前沿的研究方向，国内也没出版过系统论述该领域知识的图书。作为一个深耕该领域的研究人员，笔者觉得有责任把自己的研究成果介绍给需要的读者，于是花费近一年的时间编写本书，系统地介绍分布式计算、大数据、机器学习及群体智能等相关领域的知识。本书中有笔者的理念，也有笔者的专利和获奖论文介绍，还有笔者对一些算法的改造等。另外，分布式人工智能涉及多项技术，有新技术，也有传统技术，如何综合应用这些技术来解决问题是关键，笔者对其做了广泛研究和探索。相信阅读完本书，读者将对分布式人工智能的相关知识有一个全新的认识，相应的研发能力也会有质的提升。
本书特色
1内容新颖、全面，知识体系完整
本书详细介绍分布式人工智能和群体智能的相关知识，涵盖分布式人工智能的基础概念和计算框架，以及多智能体分布式AI算法和分布式AI智能系统开发等知识，能够帮助读者全面学习分布式人工智能和群体智能的相关知识。
2讲解由浅入深，适合初学者阅读
本书按照“基础知识→计算框架→算法分析→实战开发”的模式，由浅入深、循序渐进地进行讲解，带领读者先掌握基础知识，再深入理解技术原理，最后进行算法应用与实战开发。本书学习梯度很平滑，非常适合初学分布式人工智能的读者阅读。
3以实例引导学习，上手快
本书结合实例，图文并茂地讲解技术要点，并对系统开发过程中的难点和痛点做了重点讲解，帮助读者融会贯通地快速理解相关方法与原理，让整个学习过程轻松、愉悦。
4提供大量的原理图
俗话说，一图胜千言。本书在讲解相关的底层原理时绘制了多幅原理图，帮助读者更加深入、清晰地理解相关内容，避免读者被晦涩的文字“绕晕”。
5提供完整的工程级性能源代码
本书提供完整的工程级性能源代码，所提供的源代码基于笔者开发的工程级系统简化而来，并且结合相关前沿技术，完成从基础知识到工程应用的研发落地，可以帮助读者从0到1全面学习分布式人工智能的相关知识，并带领读者实际开发相关的工程应用。
本书内容
第1篇 基础概念（第1、2章）
第1章主要介绍分布式系统的概念与发展，以及并行计算、边缘计算、超算系统、分布式多智能体、单体人工智能、多人博弈、群体智能决策及价值等内容。
第2章主要介绍分布式系统的框架构成、体系结构、算法模型、AI算法模型的分布式改造、计算的核心原理与组成等内容。
第2篇 计算框架（第3～5章）
第3章主要对TensorFlow深度学习框架做必要介绍。在分布式人工智能系统中，子系统和智能体算法都需要自我进化能力，于是需要一个神经网络库来提供深度学习的能力，TensorFlow作为深度学习的主要功能库非常适合。
第4章主要对SintolRTOS框架做详细介绍。人工智能的发展需要相关的底层技术，而在分布式人工智能方面，SintolRTOS框架具有一定的突破性和创新性，基于该框架可以解决一些群体智能方面的问题。
第5章主要介绍分布式人工智能系统中需要用到的大数据技术及相关存储框架。分布式人工智能应用大部分面对的是复杂而庞大的群体智能问题，针对这样的问题，无论是训练AI智能体，还是常规的系统运作，都会产生并存储大量的数据，需要有相应的技术加以解决。
第3篇 多智能体分布式AI算法（第6～8章）
第6章主要介绍机器学习的监督学习算法，并且完成它的分布式改造，让其可以适应更大规模、更为复杂的应用场景。基于分布式系统，如何应用和改造监督学习算法是本章重点探讨的问题。
第7章主要介绍人工智能发展的重要分支——生成对抗网络和强化学习的相关知识，涉及群体智能系统中的智能博弈、对抗及协作等最重要的算法。
第8章作为第7章的进阶内容，主要探讨强化学习在对抗、博弈和群体智能方面的算法发展与应用。
第4篇 分布式AI智能系统开发实战（第9、10章）
第9章带领读者进入系统开发的实战演练环节，让读者首先体验游戏化的群体智能对抗仿真环境，然后使用本书所学知识搭建《星际争霸2》的仿真开发环境，并提供相关的API对游戏的特征进行获取，从而创建用于强化学习的环境。
第10章主要介绍强化智能开发的相关知识，通过强化学习算法与智能强化博弈实现分布式多智能体博弈。
本书读者对象
* 分布式计算的开发和研究人员；
* 机器学习、人工智能
L968968 2020-11-15 01:37:29
质量很好，内容详实丰富。