掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
中醫(yī)基礎(chǔ)理論
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國(guó)特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
-
>
中醫(yī)診斷學(xué)--新世紀(jì)第五版
-
>
中藥學(xué)·全國(guó)中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥47.5
加入購(gòu)物車
人工智能通識(shí)教程(第2版·微課版) 版權(quán)信息
- ISBN：9787302665762
- 條形碼：9787302665762 ; 978-7-302-66576-2
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類：>
人工智能通識(shí)教程(第2版·微課版) 本書特色
1. 這是一本全新設(shè)計(jì)的人工智能通識(shí)教材，作為學(xué)科導(dǎo)論與概覽，本書涉及領(lǐng)域?qū)挿，?nèi)容新穎先進(jìn)，結(jié)構(gòu)合理。人工智能學(xué)科（artificial intelligence，AI）以大數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、增強(qiáng)學(xué)習(xí)、遷移學(xué)習(xí)、對(duì)抗學(xué)習(xí)等作為基礎(chǔ)方法，在眾多應(yīng)用領(lǐng)域取得了重大突破，不僅解決了重要的科學(xué)問題，還將數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、大語(yǔ)言模型、機(jī)器人等技術(shù)應(yīng)用到了更廣泛的領(lǐng)域。
2. 文字流暢，通俗易懂，適合不同起點(diǎn)、不同層次讀者的學(xué)習(xí)需要，并具有必要的技術(shù)深度。雖然對(duì)讀者的知識(shí)起點(diǎn)要求不高，但認(rèn)真讀完全書，相信定會(huì)受益匪淺。雖然是計(jì)算機(jī)科學(xué)的重要分支，但人工智能對(duì)世界的影響“將超過迄今為止人類歷史上的任何事物”，它可以與任何智能任務(wù)產(chǎn)生聯(lián)系，是真正普遍存在的領(lǐng)域。因此，本書努力適應(yīng)不同學(xué)科不同專業(yè)讀者的閱讀能力，做到觸類旁通，舉一反三，構(gòu)筑知識(shí)和應(yīng)用基礎(chǔ)。
3. 把學(xué)科知識(shí)融入在理論與實(shí)踐當(dāng)中，用生動(dòng)、豐富的實(shí)際案例引導(dǎo)讀者閱讀且開卷有益。課前有密切相關(guān)的“導(dǎo)讀案例”，課后安排了針對(duì)課文閱讀和知識(shí)實(shí)踐的選擇題訓(xùn)練和參考答案——重在掌握學(xué)習(xí)方法，提高學(xué)習(xí)能力。
4. 助力教師開展課程教育。讀者可從清華大學(xué)出版社網(wǎng)站（http://www.tup.com.cn）獲取本書豐富的配套教學(xué)資源，包括教學(xué)進(jìn)度、教學(xué)大綱等、可供備課刪減的完整教學(xué)課件等。全書配套錄制了30課微課教學(xué)視頻，供教學(xué)過程的不時(shí)之需，讀者可通過書中的二維碼掃描獲取。
人工智能通識(shí)教程(第2版·微課版) 內(nèi)容簡(jiǎn)介
人工智能（AI）是計(jì)算機(jī)科學(xué)的一個(gè)重要分支，它涉及理解和構(gòu)建智能實(shí)體，確保這些智能實(shí)體機(jī)器在各種情況下能有效和安全地行動(dòng)。人工智能對(duì)世界的影響“將超過迄今為止人類歷史上的任何事物”，它可以與任何智能任務(wù)產(chǎn)生聯(lián)系，是真正普遍存在的領(lǐng)域。
本書的知識(shí)內(nèi)容包括思考的工具、定義人工智能、大數(shù)據(jù)與人工智能、智能體與智能代理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、數(shù)據(jù)挖掘、機(jī)器人技術(shù)、計(jì)算機(jī)視覺、自然語(yǔ)言處理、GPT——大語(yǔ)言模型起步、群體智能、自動(dòng)規(guī)劃和人工智能的發(fā)展等。
本書是結(jié)合本科教育、職業(yè)教育各專業(yè)學(xué)生發(fā)展需要，針對(duì)“人工智能”基礎(chǔ)課程、通識(shí)課程而全新設(shè)計(jì)編寫，具有豐富知識(shí)性與應(yīng)用特色的教材。本書主題特色鮮明，內(nèi)容易讀易學(xué)，既適合各專業(yè)學(xué)生學(xué)習(xí)，也適合對(duì)人工智能相關(guān)領(lǐng)域感興趣的讀者閱讀參考。
人工智能通識(shí)教程(第2版·微課版) 目錄
第1章思考的工具1
【導(dǎo)讀案例】動(dòng)物智能: 聰明的漢斯1
1.1計(jì)算的淵源2
1.1.1巨石陣2
1.1.2安提基特拉機(jī)械3
1.1.3阿拉伯?dāng)?shù)字3
1.2巴貝奇與數(shù)學(xué)機(jī)器4
1.2.1差分機(jī)4
1.2.2分析機(jī)4
1.2.3“機(jī)器人”的由來5
1.3計(jì)算機(jī)的出現(xiàn)6
1.3.1為戰(zhàn)爭(zhēng)而發(fā)展的計(jì)算機(jī)器6
1.3.2計(jì)算機(jī)無(wú)處不在7
1.3.3通用計(jì)算機(jī)7
1.3.4計(jì)算機(jī)語(yǔ)言9
1.3.5計(jì)算機(jī)建模9
1.4計(jì)算機(jī)的智能行為10
1.4.1類人行為: 圖靈測(cè)試10
1.4.2類人思考: 認(rèn)知建模10
1.4.3理性思考: “思維法則”11
1.4.4理性行為: 理性智能體11
1.4.5對(duì)人類可證益的智能體12
1.5人工智能大師13
【作業(yè)】13
第2章定義人工智能16
【導(dǎo)讀案例】自動(dòng)駕駛概述16
2.1人工智能的學(xué)科基礎(chǔ)19
2.2人工智能概述24
2.2.1“人工”與“智能”24
2.2.2人工智能的定義26
2.2.3人工智能的實(shí)現(xiàn)途徑26
2.2.4人工智能發(fā)展的6個(gè)階段27
2.3人工智能的發(fā)展歷史29
2.3.1人工智能研究獲得的圖靈獎(jiǎng)29
2.3.2從人工神經(jīng)元開始（1943—1956）29
2.3.3早期期望無(wú)限（1952—1969）31
2.3.4一些現(xiàn)實(shí)（1966—1973）32
2.3.5專家系統(tǒng)（1969—1986）33
2.3.6神經(jīng)網(wǎng)絡(luò)的回歸（1986至今）34
2.3.7概率推理和機(jī)器學(xué)習(xí)（1987至今）34
2.3.8大數(shù)據(jù)（2001至今）35
2.3.9深度學(xué)習(xí)（2011至今）36
2.4人工智能的研究36
【作業(yè)】40
第3章大數(shù)據(jù)與人工智能43
【導(dǎo)讀案例】電子商務(wù)的推薦系統(tǒng)43
3.1什么是模糊邏輯44
3.1.1甲蟲機(jī)器人的規(guī)則45
3.1.2模糊邏輯的發(fā)明45
3.1.3制定模糊邏輯的規(guī)則46
3.1.4模糊邏輯的定義47
3.1.5模糊理論的發(fā)展47
3.2模糊邏輯系統(tǒng)48
3.2.1純模糊邏輯系統(tǒng)48
3.2.2高木—關(guān)野模糊邏輯系統(tǒng)49
3.2.3具有產(chǎn)生器及消除器的模糊邏輯系統(tǒng)49
3.3數(shù)據(jù)思維與變革49
3.3.1思維轉(zhuǎn)變之一: 樣本=總體50
3.3.2思維轉(zhuǎn)變之二: 接受數(shù)據(jù)的混雜性51
3.3.3思維轉(zhuǎn)變之三: 數(shù)據(jù)的相關(guān)關(guān)系52
3.4大數(shù)據(jù)與人工智能53
3.4.1人工智能與大數(shù)據(jù)的聯(lián)系53
3.4.2人工智能與大數(shù)據(jù)的區(qū)別54
3.4.3人工智能深化大數(shù)據(jù)應(yīng)用54
【作業(yè)】55
第4章智能體與智能代理58
【導(dǎo)讀案例】智能體: 下一個(gè)顛覆性AI應(yīng)用58
4.1智能體和環(huán)境61
4.2智能體的良好行為62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、學(xué)習(xí)和自主63
4.3環(huán)境的本質(zhì)64
4.3.1指定任務(wù)環(huán)境64
4.3.2任務(wù)環(huán)境的屬性65
4.4智能體的結(jié)構(gòu)68
4.4.1智能體程序68
4.4.2學(xué)習(xí)型智能體69
4.4.3智能體程序組件的工作71
4.5智能代理技術(shù)72
4.5.1智能代理的定義72
4.5.2智能代理的典型工作過程72
4.5.3智能代理的特點(diǎn)73
4.5.4系統(tǒng)內(nèi)的協(xié)同合作74
4.6智能代理的典型應(yīng)用75
4.6.1股票/債券/期貨交易75
4.6.2醫(yī)療診斷76
4.6.3搜索引擎76
4.6.4實(shí)體機(jī)器人77
4.6.5電腦游戲77
【作業(yè)】78
第5章機(jī)器學(xué)習(xí)80
【導(dǎo)讀案例】奈飛的電影推薦引擎80
5.1什么是機(jī)器學(xué)習(xí)81
5.1.1機(jī)器學(xué)習(xí)的發(fā)展81
5.1.2機(jī)器學(xué)習(xí)的定義83
5.1.3機(jī)器學(xué)習(xí)的研究85
5.2基于學(xué)習(xí)方式的分類86
5.2.1監(jiān)督學(xué)習(xí)86
5.2.2無(wú)監(jiān)督學(xué)習(xí)87
5.2.3強(qiáng)化學(xué)習(xí)87
5.2.4機(jī)器學(xué)習(xí)的其他分類88
5.3機(jī)器學(xué)習(xí)的基本結(jié)構(gòu)89
5.4機(jī)器學(xué)習(xí)算法90
5.4.1專注于學(xué)習(xí)能力91
5.4.2回歸算法92
5.4.3K近鄰算法92
5.4.4決策樹算法92
5.4.5貝葉斯算法93
5.4.6聚類算法94
5.4.7支持向量機(jī)算法94
5.4.8神經(jīng)網(wǎng)絡(luò)算法94
5.4.9梯度增強(qiáng)算法94
5.4.10關(guān)聯(lián)規(guī)則算法95
5.4.11EM（期望*大化）算法95
5.5機(jī)器學(xué)習(xí)的應(yīng)用95
5.5.1數(shù)據(jù)分析與挖掘96
5.5.2模式識(shí)別96
5.5.3生物信息學(xué)應(yīng)用96
5.5.4物聯(lián)網(wǎng)96
5.5.5聊天機(jī)器人97
5.5.6自動(dòng)駕駛98
【作業(yè)】98
第6章深度學(xué)習(xí)101
【導(dǎo)讀案例】人類與動(dòng)物智商的差別101
6.1動(dòng)物的中樞神經(jīng)系統(tǒng)103
6.1.1神經(jīng)系統(tǒng)的結(jié)構(gòu)103
6.1.2神經(jīng)系統(tǒng)的學(xué)習(xí)機(jī)制104
6.2了解人工神經(jīng)網(wǎng)絡(luò)104
6.2.1人工神經(jīng)網(wǎng)絡(luò)的研究105
6.2.2典型的人工神經(jīng)網(wǎng)絡(luò)105
6.2.3類腦計(jì)算機(jī)106
6.3深度學(xué)習(xí)的定義106
6.3.1深度學(xué)習(xí)的優(yōu)勢(shì)107
6.3.2深度學(xué)習(xí)的意義107
6.3.3神經(jīng)網(wǎng)絡(luò)理解圖片108
6.3.4訓(xùn)練神經(jīng)網(wǎng)絡(luò)110
6.3.5深度學(xué)習(xí)的方法111
6.4卷積神經(jīng)網(wǎng)絡(luò)114
6.4.1為什么選擇卷積114
6.4.2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)116
6.5遷移學(xué)習(xí)117
6.5.1基于實(shí)例的遷移118
6.5.2基于特征的遷移118
6.5.3基于共享參數(shù)的遷移118
6.6深度學(xué)習(xí)的應(yīng)用118
【作業(yè)】120
第7章強(qiáng)化學(xué)習(xí)122
【導(dǎo)讀案例】谷歌制定新“守則”，確保機(jī)器人決策更安全122
7.1強(qiáng)化學(xué)習(xí)的定義123
7.1.1發(fā)展歷史123
7.1.2基本模型和原理124
7.1.3網(wǎng)絡(luò)模型設(shè)計(jì)124
7.1.4設(shè)計(jì)考慮126
7.1.5數(shù)據(jù)依賴性126
7.2與監(jiān)督學(xué)習(xí)的區(qū)別127
7.2.1學(xué)習(xí)方式128
7.2.2先驗(yàn)知識(shí)與標(biāo)注數(shù)據(jù)129
7.3強(qiáng)化學(xué)習(xí)基礎(chǔ)理論129
7.3.1基于模型與免模型環(huán)境129
7.3.2探索與利用130
7.3.3預(yù)測(cè)與控制131
7.4強(qiáng)化學(xué)習(xí)分類131
7.4.1從獎(jiǎng)勵(lì)中學(xué)習(xí)131
7.4.2被動(dòng)強(qiáng)化學(xué)習(xí)132
7.4.3主動(dòng)強(qiáng)化學(xué)習(xí)132
7.4.4強(qiáng)化學(xué)習(xí)中的泛化132
7.4.5學(xué)徒學(xué)習(xí)與逆強(qiáng)化學(xué)習(xí)132
7.5強(qiáng)化學(xué)習(xí)的應(yīng)用133
7.5.1游戲博弈134
7.5.2機(jī)器人控制134
7.5.3制造業(yè)135
7.5.4醫(yī)療服務(wù)業(yè)135
7.5.5電子商務(wù)136
【作業(yè)】136
第8章數(shù)據(jù)挖掘139
【導(dǎo)讀案例】葡萄酒的品質(zhì)139
8.1從數(shù)據(jù)到知識(shí)142
8.1.1決策樹分析143
8.1.2購(gòu)物車分析143
8.1.3貝葉斯網(wǎng)絡(luò)144
8.2數(shù)據(jù)挖掘方法145
8.2.1數(shù)據(jù)挖掘的發(fā)展145
8.2.2數(shù)據(jù)挖掘的對(duì)象146
8.2.3數(shù)據(jù)挖掘的步驟146
8.2.4數(shù)據(jù)挖掘分析方法147
8.3數(shù)據(jù)挖掘的經(jīng)典算法148
8.3.1神經(jīng)網(wǎng)絡(luò)法148
8.3.2決策樹法149
8.3.3遺傳算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6關(guān)聯(lián)規(guī)則法150
8.4機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘150
8.4.1數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)典型過程150
8.4.2機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘應(yīng)用案例152
【作業(yè)】154
第9章機(jī)器人技術(shù)156
【導(dǎo)讀案例】劃時(shí)代的阿波羅計(jì)劃156
9.1包容體系結(jié)構(gòu)158
9.1.1所謂“中文房間”159
9.1.2傳統(tǒng)機(jī)器人學(xué)159
9.1.3建立包容體系結(jié)構(gòu)160
9.2包容體系結(jié)構(gòu)的實(shí)現(xiàn)160
9.2.1艾倫機(jī)器人161
9.2.2赫伯特機(jī)器人161
9.2.3托托機(jī)器人162
9.3機(jī)器感知162
9.3.1機(jī)器智能與智能機(jī)器163
9.3.2機(jī)器思維與思維機(jī)器163
9.3.3機(jī)器行為與行為機(jī)器163
9.4機(jī)器人的概念164
9.4.1機(jī)器人的發(fā)展164
9.4.2機(jī)器人“三原則”165
9.5機(jī)器人的技術(shù)問題166
9.5.1機(jī)器人的組成166
9.5.2機(jī)器人的運(yùn)動(dòng)167
9.5.3機(jī)器人大狗168
【作業(yè)】169
第10章計(jì)算機(jī)視覺172
【導(dǎo)讀案例】谷歌大腦的誕生172
10.1模式識(shí)別174
10.2圖像識(shí)別175
10.2.1人類的圖像識(shí)別能力176
10.2.2圖像識(shí)別的基礎(chǔ)176
10.2.3圖形識(shí)別的模型178
10.2.4神經(jīng)網(wǎng)絡(luò)圖像識(shí)別178
10.3計(jì)算機(jī)視覺技術(shù)179
10.3.1什么是機(jī)器視覺179
10.3.2定義計(jì)算機(jī)視覺180
10.3.3計(jì)算機(jī)視覺與機(jī)器視覺的區(qū)別181
10.4智能圖像處理技術(shù)182
10.4.1圖像采集182
10.4.2圖像預(yù)處理182
10.4.3圖像分割182
10.4.4目標(biāo)識(shí)別和分類183
10.4.5目標(biāo)定位和測(cè)量183
10.4.6目標(biāo)檢測(cè)和跟蹤183
10.5計(jì)算機(jī)視覺系統(tǒng)典型功能184
10.6計(jì)算機(jī)視覺技術(shù)的應(yīng)用185
10.6.1機(jī)器視覺的行業(yè)應(yīng)用186
10.6.2檢測(cè)與機(jī)器人視覺應(yīng)用186
10.6.3布匹生產(chǎn)質(zhì)量檢測(cè)188
【作業(yè)】190
第11章自然語(yǔ)言處理192
【導(dǎo)讀案例】機(jī)器翻譯: 大數(shù)據(jù)簡(jiǎn)單算法與小數(shù)據(jù)復(fù)雜算法192
11.1語(yǔ)言的問題和可能性194
11.2什么是自然語(yǔ)言處理195
11.2.1自然語(yǔ)言處理的原因195
11.2.2自然語(yǔ)言處理的方法196
11.2.3自然語(yǔ)言處理的任務(wù)197
11.2.4語(yǔ)言模型198
11.3語(yǔ)法類型與語(yǔ)義分析199
11.3.1語(yǔ)法類型200
11.3.2語(yǔ)義分析200
11.3.3IBM機(jī)器翻譯系統(tǒng)200
11.4處理數(shù)據(jù)與處理工具201
11.4.1統(tǒng)計(jì)NLP語(yǔ)言數(shù)據(jù)集201
11.4.2自然語(yǔ)言處理工具201
11.4.3自然語(yǔ)言處理的技術(shù)難點(diǎn)202
11.5語(yǔ)音處理202
11.5.1語(yǔ)音處理的發(fā)展202
11.5.2語(yǔ)音理解203
11.5.3語(yǔ)音識(shí)別203
【作業(yè)】205
第12章GPT——大語(yǔ)言模型起步207
【導(dǎo)讀案例】2023年國(guó)內(nèi)大模型匯總207
12.1自然語(yǔ)言處理的進(jìn)步209
12.1.1關(guān)于ImageNet210
12.1.2自然語(yǔ)言處理的ImageNet時(shí)刻210
12.1.3從GPT1到GPT3211
12.1.4ChatGPT聊天機(jī)器人模型與對(duì)策212
12.1.5從文本生成音樂的MusicLM模型213
12.1.6檢測(cè)AI文本的DetectGPT算法213
12.2科普AI大語(yǔ)言模型214
12.3ChatGPT的模仿秀215
12.3.1舊的守衛(wèi)，新的想法215
12.3.2搜索引擎結(jié)合LLM216
12.3.3克服簡(jiǎn)單編造與重復(fù)216
12.4傳統(tǒng)行業(yè)的下崗217
12.4.1客服市場(chǎng)，AI本來就很卷217
12.4.2伐木場(chǎng)迎來工業(yè)革命219
12.4.3新技術(shù)，新問題221
【作業(yè)】222
第13章群體智能225
【導(dǎo)讀案例】無(wú)人機(jī)*快圈速: 算法控制戰(zhàn)勝專業(yè)駕駛員225
13.1向蜜蜂學(xué)習(xí)群體智能227
13.2什么是群體智能229
13.2.1群體人工智能技術(shù)229
13.2.2群體智能的兩種機(jī)制230
13.2.3基本原則與特點(diǎn)230
13.3典型算法模型231
13.3.1蟻群算法231
13.3.2搜索機(jī)器人233
13.3.3微粒群（鳥群）優(yōu)化算法234
13.3.4沒有機(jī)器人的集群236
13.4群體智能背后的故事236
13.5群體智能的應(yīng)用238
13.6群體智能的發(fā)展240
【作業(yè)】240
第14章自動(dòng)規(guī)劃243
【導(dǎo)讀案例】自動(dòng)駕駛泊車技術(shù)243
14.1規(guī)劃的概念244
14.2人工智能的烏姆普斯世界245
14.2.1描述烏姆普斯世界245
14.2.2探索烏姆普斯世界246
14.3什么是自動(dòng)規(guī)劃247
14.3.1定義經(jīng)典規(guī)劃247
14.3.2自動(dòng)規(guī)劃問題248
14.3.3規(guī)劃問題示例249
14.4規(guī)劃方法252
14.4.1規(guī)劃即搜索252
14.4.2部分有序規(guī)劃254
14.4.3分級(jí)規(guī)劃255
14.4.4基于案例的規(guī)劃255
14.4.5規(guī)劃方法分析255
14.5時(shí)間、調(diào)度和資源256
14.5.1時(shí)間約束和資源約束的表示256
14.5.2解決調(diào)度問題256
【作業(yè)】257
第15章人工智能的發(fā)展259
【導(dǎo)讀案例】科學(xué)家發(fā)現(xiàn)新的人類腦細(xì)胞259
15.1創(chuàng)新發(fā)展與社會(huì)影響261
15.1.1人工智能發(fā)展的啟示262
15.1.2人工智能的發(fā)展現(xiàn)狀與影響262
15.2倫理與安全264
15.2.1創(chuàng)造智能機(jī)器的大猩猩問題264
15.2.2積極與消極的方面264
15.2.3人才和基礎(chǔ)設(shè)施短缺265
15.2.4設(shè)定倫理要求266
15.2.5強(qiáng)力保護(hù)個(gè)人隱私267
15.2.6機(jī)器人權(quán)利267
15.3人工智能的極限268
15.3.1由非形式化得出的論據(jù)268
15.3.2衡量人工智能268
15.4人工智能架構(gòu)269
15.4.1傳感器與執(zhí)行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的機(jī)遇與挑戰(zhàn)271
15.6未來的人工智能272
15.6.1意識(shí)與感質(zhì)273
15.6.2機(jī)器能思考嗎273
15.6.3未來已來274
【作業(yè)】274
【課程學(xué) 結(jié)】277
附錄A作業(yè)參考答案281
參考文獻(xiàn)285
【導(dǎo)讀案例】動(dòng)物智能: 聰明的漢斯1
1.1計(jì)算的淵源2
1.1.1巨石陣2
1.1.2安提基特拉機(jī)械3
1.1.3阿拉伯?dāng)?shù)字3
1.2巴貝奇與數(shù)學(xué)機(jī)器4
1.2.1差分機(jī)4
1.2.2分析機(jī)4
1.2.3“機(jī)器人”的由來5
1.3計(jì)算機(jī)的出現(xiàn)6
1.3.1為戰(zhàn)爭(zhēng)而發(fā)展的計(jì)算機(jī)器6
1.3.2計(jì)算機(jī)無(wú)處不在7
1.3.3通用計(jì)算機(jī)7
1.3.4計(jì)算機(jī)語(yǔ)言9
1.3.5計(jì)算機(jī)建模9
1.4計(jì)算機(jī)的智能行為10
1.4.1類人行為: 圖靈測(cè)試10
1.4.2類人思考: 認(rèn)知建模10
1.4.3理性思考: “思維法則”11
1.4.4理性行為: 理性智能體11
1.4.5對(duì)人類可證益的智能體12
1.5人工智能大師13
【作業(yè)】13
第2章定義人工智能16
【導(dǎo)讀案例】自動(dòng)駕駛概述16
2.1人工智能的學(xué)科基礎(chǔ)19
2.2人工智能概述24
2.2.1“人工”與“智能”24
2.2.2人工智能的定義26
2.2.3人工智能的實(shí)現(xiàn)途徑26
2.2.4人工智能發(fā)展的6個(gè)階段27
2.3人工智能的發(fā)展歷史29
2.3.1人工智能研究獲得的圖靈獎(jiǎng)29
2.3.2從人工神經(jīng)元開始（1943—1956）29
2.3.3早期期望無(wú)限（1952—1969）31
2.3.4一些現(xiàn)實(shí)（1966—1973）32
2.3.5專家系統(tǒng)（1969—1986）33
2.3.6神經(jīng)網(wǎng)絡(luò)的回歸（1986至今）34
2.3.7概率推理和機(jī)器學(xué)習(xí)（1987至今）34
2.3.8大數(shù)據(jù)（2001至今）35
2.3.9深度學(xué)習(xí)（2011至今）36
2.4人工智能的研究36
【作業(yè)】40
第3章大數(shù)據(jù)與人工智能43
【導(dǎo)讀案例】電子商務(wù)的推薦系統(tǒng)43
3.1什么是模糊邏輯44
3.1.1甲蟲機(jī)器人的規(guī)則45
3.1.2模糊邏輯的發(fā)明45
3.1.3制定模糊邏輯的規(guī)則46
3.1.4模糊邏輯的定義47
3.1.5模糊理論的發(fā)展47
3.2模糊邏輯系統(tǒng)48
3.2.1純模糊邏輯系統(tǒng)48
3.2.2高木—關(guān)野模糊邏輯系統(tǒng)49
3.2.3具有產(chǎn)生器及消除器的模糊邏輯系統(tǒng)49
3.3數(shù)據(jù)思維與變革49
3.3.1思維轉(zhuǎn)變之一: 樣本=總體50
3.3.2思維轉(zhuǎn)變之二: 接受數(shù)據(jù)的混雜性51
3.3.3思維轉(zhuǎn)變之三: 數(shù)據(jù)的相關(guān)關(guān)系52
3.4大數(shù)據(jù)與人工智能53
3.4.1人工智能與大數(shù)據(jù)的聯(lián)系53
3.4.2人工智能與大數(shù)據(jù)的區(qū)別54
3.4.3人工智能深化大數(shù)據(jù)應(yīng)用54
【作業(yè)】55
第4章智能體與智能代理58
【導(dǎo)讀案例】智能體: 下一個(gè)顛覆性AI應(yīng)用58
4.1智能體和環(huán)境61
4.2智能體的良好行為62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、學(xué)習(xí)和自主63
4.3環(huán)境的本質(zhì)64
4.3.1指定任務(wù)環(huán)境64
4.3.2任務(wù)環(huán)境的屬性65
4.4智能體的結(jié)構(gòu)68
4.4.1智能體程序68
4.4.2學(xué)習(xí)型智能體69
4.4.3智能體程序組件的工作71
4.5智能代理技術(shù)72
4.5.1智能代理的定義72
4.5.2智能代理的典型工作過程72
4.5.3智能代理的特點(diǎn)73
4.5.4系統(tǒng)內(nèi)的協(xié)同合作74
4.6智能代理的典型應(yīng)用75
4.6.1股票/債券/期貨交易75
4.6.2醫(yī)療診斷76
4.6.3搜索引擎76
4.6.4實(shí)體機(jī)器人77
4.6.5電腦游戲77
【作業(yè)】78
第5章機(jī)器學(xué)習(xí)80
【導(dǎo)讀案例】奈飛的電影推薦引擎80
5.1什么是機(jī)器學(xué)習(xí)81
5.1.1機(jī)器學(xué)習(xí)的發(fā)展81
5.1.2機(jī)器學(xué)習(xí)的定義83
5.1.3機(jī)器學(xué)習(xí)的研究85
5.2基于學(xué)習(xí)方式的分類86
5.2.1監(jiān)督學(xué)習(xí)86
5.2.2無(wú)監(jiān)督學(xué)習(xí)87
5.2.3強(qiáng)化學(xué)習(xí)87
5.2.4機(jī)器學(xué)習(xí)的其他分類88
5.3機(jī)器學(xué)習(xí)的基本結(jié)構(gòu)89
5.4機(jī)器學(xué)習(xí)算法90
5.4.1專注于學(xué)習(xí)能力91
5.4.2回歸算法92
5.4.3K近鄰算法92
5.4.4決策樹算法92
5.4.5貝葉斯算法93
5.4.6聚類算法94
5.4.7支持向量機(jī)算法94
5.4.8神經(jīng)網(wǎng)絡(luò)算法94
5.4.9梯度增強(qiáng)算法94
5.4.10關(guān)聯(lián)規(guī)則算法95
5.4.11EM（期望*大化）算法95
5.5機(jī)器學(xué)習(xí)的應(yīng)用95
5.5.1數(shù)據(jù)分析與挖掘96
5.5.2模式識(shí)別96
5.5.3生物信息學(xué)應(yīng)用96
5.5.4物聯(lián)網(wǎng)96
5.5.5聊天機(jī)器人97
5.5.6自動(dòng)駕駛98
【作業(yè)】98
第6章深度學(xué)習(xí)101
【導(dǎo)讀案例】人類與動(dòng)物智商的差別101
6.1動(dòng)物的中樞神經(jīng)系統(tǒng)103
6.1.1神經(jīng)系統(tǒng)的結(jié)構(gòu)103
6.1.2神經(jīng)系統(tǒng)的學(xué)習(xí)機(jī)制104
6.2了解人工神經(jīng)網(wǎng)絡(luò)104
6.2.1人工神經(jīng)網(wǎng)絡(luò)的研究105
6.2.2典型的人工神經(jīng)網(wǎng)絡(luò)105
6.2.3類腦計(jì)算機(jī)106
6.3深度學(xué)習(xí)的定義106
6.3.1深度學(xué)習(xí)的優(yōu)勢(shì)107
6.3.2深度學(xué)習(xí)的意義107
6.3.3神經(jīng)網(wǎng)絡(luò)理解圖片108
6.3.4訓(xùn)練神經(jīng)網(wǎng)絡(luò)110
6.3.5深度學(xué)習(xí)的方法111
6.4卷積神經(jīng)網(wǎng)絡(luò)114
6.4.1為什么選擇卷積114
6.4.2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)116
6.5遷移學(xué)習(xí)117
6.5.1基于實(shí)例的遷移118
6.5.2基于特征的遷移118
6.5.3基于共享參數(shù)的遷移118
6.6深度學(xué)習(xí)的應(yīng)用118
【作業(yè)】120
第7章強(qiáng)化學(xué)習(xí)122
【導(dǎo)讀案例】谷歌制定新“守則”，確保機(jī)器人決策更安全122
7.1強(qiáng)化學(xué)習(xí)的定義123
7.1.1發(fā)展歷史123
7.1.2基本模型和原理124
7.1.3網(wǎng)絡(luò)模型設(shè)計(jì)124
7.1.4設(shè)計(jì)考慮126
7.1.5數(shù)據(jù)依賴性126
7.2與監(jiān)督學(xué)習(xí)的區(qū)別127
7.2.1學(xué)習(xí)方式128
7.2.2先驗(yàn)知識(shí)與標(biāo)注數(shù)據(jù)129
7.3強(qiáng)化學(xué)習(xí)基礎(chǔ)理論129
7.3.1基于模型與免模型環(huán)境129
7.3.2探索與利用130
7.3.3預(yù)測(cè)與控制131
7.4強(qiáng)化學(xué)習(xí)分類131
7.4.1從獎(jiǎng)勵(lì)中學(xué)習(xí)131
7.4.2被動(dòng)強(qiáng)化學(xué)習(xí)132
7.4.3主動(dòng)強(qiáng)化學(xué)習(xí)132
7.4.4強(qiáng)化學(xué)習(xí)中的泛化132
7.4.5學(xué)徒學(xué)習(xí)與逆強(qiáng)化學(xué)習(xí)132
7.5強(qiáng)化學(xué)習(xí)的應(yīng)用133
7.5.1游戲博弈134
7.5.2機(jī)器人控制134
7.5.3制造業(yè)135
7.5.4醫(yī)療服務(wù)業(yè)135
7.5.5電子商務(wù)136
【作業(yè)】136
第8章數(shù)據(jù)挖掘139
【導(dǎo)讀案例】葡萄酒的品質(zhì)139
8.1從數(shù)據(jù)到知識(shí)142
8.1.1決策樹分析143
8.1.2購(gòu)物車分析143
8.1.3貝葉斯網(wǎng)絡(luò)144
8.2數(shù)據(jù)挖掘方法145
8.2.1數(shù)據(jù)挖掘的發(fā)展145
8.2.2數(shù)據(jù)挖掘的對(duì)象146
8.2.3數(shù)據(jù)挖掘的步驟146
8.2.4數(shù)據(jù)挖掘分析方法147
8.3數(shù)據(jù)挖掘的經(jīng)典算法148
8.3.1神經(jīng)網(wǎng)絡(luò)法148
8.3.2決策樹法149
8.3.3遺傳算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6關(guān)聯(lián)規(guī)則法150
8.4機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘150
8.4.1數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)典型過程150
8.4.2機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘應(yīng)用案例152
【作業(yè)】154
第9章機(jī)器人技術(shù)156
【導(dǎo)讀案例】劃時(shí)代的阿波羅計(jì)劃156
9.1包容體系結(jié)構(gòu)158
9.1.1所謂“中文房間”159
9.1.2傳統(tǒng)機(jī)器人學(xué)159
9.1.3建立包容體系結(jié)構(gòu)160
9.2包容體系結(jié)構(gòu)的實(shí)現(xiàn)160
9.2.1艾倫機(jī)器人161
9.2.2赫伯特機(jī)器人161
9.2.3托托機(jī)器人162
9.3機(jī)器感知162
9.3.1機(jī)器智能與智能機(jī)器163
9.3.2機(jī)器思維與思維機(jī)器163
9.3.3機(jī)器行為與行為機(jī)器163
9.4機(jī)器人的概念164
9.4.1機(jī)器人的發(fā)展164
9.4.2機(jī)器人“三原則”165
9.5機(jī)器人的技術(shù)問題166
9.5.1機(jī)器人的組成166
9.5.2機(jī)器人的運(yùn)動(dòng)167
9.5.3機(jī)器人大狗168
【作業(yè)】169
第10章計(jì)算機(jī)視覺172
【導(dǎo)讀案例】谷歌大腦的誕生172
10.1模式識(shí)別174
10.2圖像識(shí)別175
10.2.1人類的圖像識(shí)別能力176
10.2.2圖像識(shí)別的基礎(chǔ)176
10.2.3圖形識(shí)別的模型178
10.2.4神經(jīng)網(wǎng)絡(luò)圖像識(shí)別178
10.3計(jì)算機(jī)視覺技術(shù)179
10.3.1什么是機(jī)器視覺179
10.3.2定義計(jì)算機(jī)視覺180
10.3.3計(jì)算機(jī)視覺與機(jī)器視覺的區(qū)別181
10.4智能圖像處理技術(shù)182
10.4.1圖像采集182
10.4.2圖像預(yù)處理182
10.4.3圖像分割182
10.4.4目標(biāo)識(shí)別和分類183
10.4.5目標(biāo)定位和測(cè)量183
10.4.6目標(biāo)檢測(cè)和跟蹤183
10.5計(jì)算機(jī)視覺系統(tǒng)典型功能184
10.6計(jì)算機(jī)視覺技術(shù)的應(yīng)用185
10.6.1機(jī)器視覺的行業(yè)應(yīng)用186
10.6.2檢測(cè)與機(jī)器人視覺應(yīng)用186
10.6.3布匹生產(chǎn)質(zhì)量檢測(cè)188
【作業(yè)】190
第11章自然語(yǔ)言處理192
【導(dǎo)讀案例】機(jī)器翻譯: 大數(shù)據(jù)簡(jiǎn)單算法與小數(shù)據(jù)復(fù)雜算法192
11.1語(yǔ)言的問題和可能性194
11.2什么是自然語(yǔ)言處理195
11.2.1自然語(yǔ)言處理的原因195
11.2.2自然語(yǔ)言處理的方法196
11.2.3自然語(yǔ)言處理的任務(wù)197
11.2.4語(yǔ)言模型198
11.3語(yǔ)法類型與語(yǔ)義分析199
11.3.1語(yǔ)法類型200
11.3.2語(yǔ)義分析200
11.3.3IBM機(jī)器翻譯系統(tǒng)200
11.4處理數(shù)據(jù)與處理工具201
11.4.1統(tǒng)計(jì)NLP語(yǔ)言數(shù)據(jù)集201
11.4.2自然語(yǔ)言處理工具201
11.4.3自然語(yǔ)言處理的技術(shù)難點(diǎn)202
11.5語(yǔ)音處理202
11.5.1語(yǔ)音處理的發(fā)展202
11.5.2語(yǔ)音理解203
11.5.3語(yǔ)音識(shí)別203
【作業(yè)】205
第12章GPT——大語(yǔ)言模型起步207
【導(dǎo)讀案例】2023年國(guó)內(nèi)大模型匯總207
12.1自然語(yǔ)言處理的進(jìn)步209
12.1.1關(guān)于ImageNet210
12.1.2自然語(yǔ)言處理的ImageNet時(shí)刻210
12.1.3從GPT1到GPT3211
12.1.4ChatGPT聊天機(jī)器人模型與對(duì)策212
12.1.5從文本生成音樂的MusicLM模型213
12.1.6檢測(cè)AI文本的DetectGPT算法213
12.2科普AI大語(yǔ)言模型214
12.3ChatGPT的模仿秀215
12.3.1舊的守衛(wèi)，新的想法215
12.3.2搜索引擎結(jié)合LLM216
12.3.3克服簡(jiǎn)單編造與重復(fù)216
12.4傳統(tǒng)行業(yè)的下崗217
12.4.1客服市場(chǎng)，AI本來就很卷217
12.4.2伐木場(chǎng)迎來工業(yè)革命219
12.4.3新技術(shù)，新問題221
【作業(yè)】222
第13章群體智能225
【導(dǎo)讀案例】無(wú)人機(jī)*快圈速: 算法控制戰(zhàn)勝專業(yè)駕駛員225
13.1向蜜蜂學(xué)習(xí)群體智能227
13.2什么是群體智能229
13.2.1群體人工智能技術(shù)229
13.2.2群體智能的兩種機(jī)制230
13.2.3基本原則與特點(diǎn)230
13.3典型算法模型231
13.3.1蟻群算法231
13.3.2搜索機(jī)器人233
13.3.3微粒群（鳥群）優(yōu)化算法234
13.3.4沒有機(jī)器人的集群236
13.4群體智能背后的故事236
13.5群體智能的應(yīng)用238
13.6群體智能的發(fā)展240
【作業(yè)】240
第14章自動(dòng)規(guī)劃243
【導(dǎo)讀案例】自動(dòng)駕駛泊車技術(shù)243
14.1規(guī)劃的概念244
14.2人工智能的烏姆普斯世界245
14.2.1描述烏姆普斯世界245
14.2.2探索烏姆普斯世界246
14.3什么是自動(dòng)規(guī)劃247
14.3.1定義經(jīng)典規(guī)劃247
14.3.2自動(dòng)規(guī)劃問題248
14.3.3規(guī)劃問題示例249
14.4規(guī)劃方法252
14.4.1規(guī)劃即搜索252
14.4.2部分有序規(guī)劃254
14.4.3分級(jí)規(guī)劃255
14.4.4基于案例的規(guī)劃255
14.4.5規(guī)劃方法分析255
14.5時(shí)間、調(diào)度和資源256
14.5.1時(shí)間約束和資源約束的表示256
14.5.2解決調(diào)度問題256
【作業(yè)】257
第15章人工智能的發(fā)展259
【導(dǎo)讀案例】科學(xué)家發(fā)現(xiàn)新的人類腦細(xì)胞259
15.1創(chuàng)新發(fā)展與社會(huì)影響261
15.1.1人工智能發(fā)展的啟示262
15.1.2人工智能的發(fā)展現(xiàn)狀與影響262
15.2倫理與安全264
15.2.1創(chuàng)造智能機(jī)器的大猩猩問題264
15.2.2積極與消極的方面264
15.2.3人才和基礎(chǔ)設(shè)施短缺265
15.2.4設(shè)定倫理要求266
15.2.5強(qiáng)力保護(hù)個(gè)人隱私267
15.2.6機(jī)器人權(quán)利267
15.3人工智能的極限268
15.3.1由非形式化得出的論據(jù)268
15.3.2衡量人工智能268
15.4人工智能架構(gòu)269
15.4.1傳感器與執(zhí)行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的機(jī)遇與挑戰(zhàn)271
15.6未來的人工智能272
15.6.1意識(shí)與感質(zhì)273
15.6.2機(jī)器能思考嗎273
15.6.3未來已來274
【作業(yè)】274
【課程學(xué) 結(jié)】277
附錄A作業(yè)參考答案281
參考文獻(xiàn)285
展開全部
人工智能通識(shí)教程(第2版·微課版) 作者簡(jiǎn)介
周蘇，浙江大學(xué)城市學(xué)院教授， 科學(xué)技術(shù)部認(rèn)證的創(chuàng)新工程師，創(chuàng)新培訓(xùn)師。高校計(jì)算機(jī)基礎(chǔ)教育、計(jì)算機(jī)專業(yè)教育經(jīng)驗(yàn)豐富，著作等身，是浙江省創(chuàng)新方法推廣教師團(tuán)隊(duì)的核心成員。目前主要從事計(jì)算機(jī)專業(yè)教育以及創(chuàng)新思維與創(chuàng)新方法教育、大數(shù)據(jù)技術(shù)與應(yīng)用教育。近期在多家出版社連續(xù)出版《創(chuàng)新思維與創(chuàng)新方法》高校教材多部。正在積極探索創(chuàng)新思維、創(chuàng)新方法和計(jì)算機(jī)教育的結(jié)合。主講課程：《創(chuàng)新思維與創(chuàng)新方法》、《大數(shù)據(jù)導(dǎo)論》、《大數(shù)據(jù)可視化技術(shù)》以及計(jì)算機(jī)專業(yè)教育的多門課程。
書友推薦
- >
隨園食單
- >
中國(guó)歷史的瞬間
- >
經(jīng)典常談
- >
二體千字文
- >
名家?guī)阕x魯迅:朝花夕拾
- >
龍榆生：詞曲概論/大家小書
- >
煙與鏡
- >
唐代進(jìn)士錄
本類暢銷
