FOREWORD 序三

近年来，随着大数据、大算力及深度学习三大因素的驱动，人工智能迎来了新一轮的发展。大数据、大算力是这一轮人工智能发展所必需的信息环境，深度学习则是发展的根本和基础。

深度学习是机器学习中一种对数据进行表征学习的算法，至今已有多种框架，如深度神经网络、卷积神经网络和循环神经网络等。在计算机视觉、语音识别、自然语言处理与生物信息学等各个领域，深度学习都取得了不错的效果。其中，基于深度卷积神经网络的图像分类技术，已超过了人眼的准确率；基于深度神经网络的语音识别技术，准确率可达95%。

与传统机器学习相比，深度学习能够利用海量数据，在数据处理时，可以从数据中直接提取特征，而不需要像传统机器学习那样人工设计特征。同时，深度学习也面临着一系列的问题，比如深度神经网络模型的鲁棒性、模型泛化能力、模型安全性及数据的安全与隐私、可解释性等问题，这不但关系到安全性及伦理和法律，而且对深度学习走向高级认知也是十分必要的。

在本书中，陈雷教授和团队对深度学习中的高阶技术，比如数据读取、高阶微分、自动并行和图算融合给出了全面且细致的介绍，同时在面对上述提出的那些问题时，陈雷教授及其团队进行了非常多的努力及一系列积极且具有创新性的尝试。比如，针对模型可靠性，从模型鲁棒性度量与提升、概念漂移检测和模型故障注入三个主要方面完成业界调研、方案设计与应用实践；针对可解释性，讲解了一系列不同原理的可解释方法及度量体系，适用于不同细分场合。整本书不仅深入浅出地介绍了基础理论，而且结合实际，给出了具有借鉴、指导意义的实践，是广大学生、开发者及科研人员不容错过的一本好书。

陈雷教授及其团队开发的新一代深度学习框架MindSpore，以打造全流程的安全、可信的AI框架为目标，围绕生命周期的各个环节（数据准备、模型训练、模型的部署与应用、数据的安全与隐私、模型的安全与鲁棒性、公平、可解释等），开展了一系列卓有成效的工作。在这里，也推荐大家使用MindSpore开展教学、科研工作。

徐　波

中国科学院自动化研究所所长

2021年9月