本書通過深入淺出的方式，系統(tǒng)介紹了人工智能的基本概念、發(fā)展歷程、主要流派和關(guān)鍵技術(shù)，使讀者能夠快速了解人工智能的全貌，為后續(xù)深入學(xué)習(xí)打下基礎(chǔ)。全書共十二章，內(nèi)容涵蓋人工智能的基本理論和核心技術(shù)，以及人工智能在各領(lǐng)域的應(yīng)用。具體包括概述、表示與理解、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺、自然語(yǔ)言處理、大語(yǔ)言模型、知識(shí)圖譜、智能語(yǔ)音、無人駕駛與無人機(jī)、智能穿戴和人工智能安全與倫理。
本書是人工智能學(xué)科的“零基礎(chǔ)”入門級(jí)教材，可以作為高等院校人工智能專業(yè)、計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)、大數(shù)據(jù)專業(yè)、軟件工程專業(yè)等相關(guān)專業(yè)的教材和參考書，也可以作為人工智能愛好者及相關(guān)研究人員、企事業(yè)單位相關(guān)專業(yè)人員進(jìn)行人工智能開發(fā)研究工作的參考資料。
第1章 人工智能概述 001
1.1 人工智能的定義與范疇 001
1.1.1 人工智能的定義 001
1.1.2 人工智能的三大流派 003
1.1.3 人工智能的研究領(lǐng)域 004
1.2 人工智能的歷史與發(fā)展 005
1.2.1 人工智能的起源與早期發(fā)展 005
1.2.2 人工智能的“寒冬”與復(fù)興 007
1.2.3 人工智能的挑戰(zhàn)與機(jī)遇 011
1.3 人工智能發(fā)展趨勢(shì) 012
1.3.1 技術(shù)發(fā)展趨勢(shì) 012
1.3.2 應(yīng)用發(fā)展趨勢(shì) 014
習(xí)題 016
第2章 表示與理解 018
2.1 知識(shí)表示及方法 018
2.1.1 知識(shí)與知識(shí)表示的概念 018
2.1.2 語(yǔ)義網(wǎng)絡(luò) 019
2.1.3 一階謂詞邏輯 019
2.1.4 產(chǎn)生式表示法 022
2.1.5 框架表示法 024
2.2 推理方法及實(shí)現(xiàn) 025
2.2.1 推理方式及分類 025
2.2.2 確定性推理 027
2.2.3 非確定性推理 029
2.3 搜索策略及算法 031
2.3.1 狀態(tài)空間表示法 032
2.3.2 盲目搜索 034
2.3.3 啟發(fā)式搜索 038
習(xí)題 040
第3章 機(jī)器學(xué)習(xí) 041
3.1 機(jī)器學(xué)習(xí)概念與分類 041
3.1.1 有監(jiān)督學(xué)習(xí) 043
3.1.2 無監(jiān)督學(xué)習(xí) 044
3.1.3 弱監(jiān)督學(xué)習(xí) 044
3.1.4 集成學(xué)習(xí) 047
3.1.5 遷移學(xué)習(xí) 049
3.1.6 強(qiáng)化學(xué)習(xí) 054
3.2 群體智能 057
3.2.1 群體智能概述 057
3.2.2 群體智能算法 058
習(xí)題 060
第4章 深度學(xué)習(xí) 061
4.1 神經(jīng)網(wǎng)絡(luò)概述 061
4.1.1 神經(jīng)網(wǎng)絡(luò)的基本原理 061
4.1.2 激活函數(shù)的作用與種類 062
4.1.3 損失函數(shù)與優(yōu)化算法 065
4.2 深度學(xué)習(xí)算法 066
4.2.1 反向傳播算法 066
4.2.2 卷積神經(jīng)網(wǎng)絡(luò) 067
4.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 068
4.2.4 長(zhǎng)短期記憶網(wǎng)絡(luò) 069
4.2.5 生成對(duì)抗網(wǎng)絡(luò) 069
4.2.6 注意力機(jī)制 070
4.3 深度學(xué)習(xí)框架 070
4.3.1 TensorFlow 070
4.3.2 Keras 072
4.3.3 MXNet 074
4.3.4 PyTorch 075
4.4 庫(kù)管理工具：Anaconda 076
習(xí)題 077
第5章 計(jì)算機(jī)視覺 079
5.1 計(jì)算機(jī)視覺的基本原理 079
5.1.1 智能視覺技術(shù) 080
5.1.2 傳統(tǒng)的數(shù)字圖像處理技術(shù) 082
5.1.3 智能視覺系統(tǒng) 084
5.2 智能視覺模型和關(guān)鍵技術(shù) 088
5.2.1 深度學(xué)習(xí)模型 089
5.2.2 特征提取與物體識(shí)別 090
5.2.3 YOLO 模型 091
5.2.4 三維視覺技術(shù) 093
5.3 智能視覺典型應(yīng)用案例 095
5.3.1 文本生成圖像 095
5.3.2 三維場(chǎng)景重建 098
習(xí)題 102
第6章 自然語(yǔ)言處理 104
6.1 語(yǔ)言學(xué)基礎(chǔ) 104
6.1.1 語(yǔ)言學(xué)的核心概念 104
6.1.2 語(yǔ)法與句法結(jié)構(gòu) 104
6.1.3 語(yǔ)義與語(yǔ)用分析 105
6.1.4 詞匯學(xué)與詞典學(xué)簡(jiǎn)介 106
6.1.5 語(yǔ)言多樣性 107
6.2 文本預(yù)處理 108
6.2.1 文本清洗與規(guī)范化 108
6.2.2 分詞與詞性標(biāo)注 110
6.2.3 停用詞與詞干提取 111
6.2.4 文本向量化與特征工程 112
6.2.5 數(shù)據(jù)增強(qiáng)與平衡策略 113
6.3 相關(guān)模型與技術(shù) 114
6.3.1 詞嵌入技術(shù) 114
6.3.2 注意力機(jī)制 116
6.3.3 文本生成技術(shù) 117
6.4 下游任務(wù) 118
6.4.1 命名實(shí)體識(shí)別 118
6.4.2 文本分類與情感分析 119
6.4.3 問答系統(tǒng) 119
6.4.4 機(jī)器翻譯 119
習(xí)題 121
第7章 大語(yǔ)言模型 122
7.1 大語(yǔ)言模型概述 122
7.1.1 什么是大語(yǔ)言模型？ 122
7.1.2 LLMs 的歷史與發(fā)展 123
7.2 主流大語(yǔ)言模型概覽 125
7.2.1 GPT 系列大語(yǔ)言模型 125
7.2.2 BERT 及其衍生模型解析 125
7.2.3 T5、ERNIE、ViT 等先進(jìn)模型介紹 126
7.2.4 國(guó)內(nèi)外大語(yǔ)言模型的特點(diǎn)對(duì)比 127
7.3 大語(yǔ)言模型的訓(xùn)練與優(yōu)化 129
7.3.1 數(shù)據(jù)準(zhǔn)備與預(yù)處理 129
7.3.2 損失函數(shù)與優(yōu)化算法 130
7.3.3 分布式訓(xùn)練與模型并行化 132
7.3.4 模型壓縮與輕量化技術(shù) 133
7.3.5 評(píng)估方法與指標(biāo) 134
7.4 大語(yǔ)言模型的應(yīng)用案例 135
7.4.1 對(duì)話系統(tǒng) 135
7.4.2 信息檢索 135
7.4.3 文本生成 136
習(xí)題 136
第8章 知識(shí)圖譜 137
8.1 知識(shí)圖譜的演變 137
8.2 圖結(jié)構(gòu)與圖查詢 139
8.2.1 RDF 圖 139
8.2.2 屬性圖 140
8.2.3 圖查詢語(yǔ)言 141
8.3 知識(shí)圖譜構(gòu)建技術(shù) 142
8.3.1 信息抽取 142
8.3.2 知識(shí)融合 144
8.3.3 知識(shí)加工 145
8.3.4 跨語(yǔ)言知識(shí)圖譜構(gòu)建 146
8.4 知識(shí)圖譜表示學(xué)習(xí) 147
8.4.1 知識(shí)圖譜嵌入的概念 147
8.4.2 知識(shí)圖譜嵌入的主要方法 147
8.4.3 知識(shí)圖譜嵌入的下游任務(wù) 149
8.5 知識(shí)圖譜推理 150
8.5.1 基于圖結(jié)構(gòu)的推理 150
8.5.2 基于規(guī)則學(xué)習(xí)的推理 154
8.5.3 基于表示學(xué)習(xí)的推理 156
8.6 知識(shí)圖譜的應(yīng)用 159
8.6.1 智能語(yǔ)義搜索問答系統(tǒng) 159
8.6.2 基于知識(shí)圖譜的個(gè)性化推薦 160
8.6.3 多模態(tài)與跨語(yǔ)言知識(shí)圖譜 161
8.6.4 知識(shí)圖譜增強(qiáng)AI 系統(tǒng)的語(yǔ)義理解 161
習(xí)題 163
第9章 智能語(yǔ)音 164
9.1 智能語(yǔ)音概述 164
9.2 智能語(yǔ)音關(guān)鍵技術(shù) 166
9.2.1 智能語(yǔ)音識(shí)別技術(shù) 166
9.2.2 語(yǔ)音合成技術(shù) 172
9.3 語(yǔ)音增強(qiáng)方法 174
9.3.1 語(yǔ)音信號(hào)增強(qiáng) 174
9.3.2 語(yǔ)音質(zhì)量評(píng)價(jià) 175
9.4 智能語(yǔ)音發(fā)展趨勢(shì) 176
習(xí)題 177
第10章 無人駕駛與無人機(jī) 179
10.1 無人駕駛系統(tǒng)概述 179
10.1.1 無人駕駛的起源與發(fā)展背景 179
10.1.2 無人駕駛的定義 181
10.1.3 無人駕駛應(yīng)用場(chǎng)景 183
10.2 無人駕駛關(guān)鍵技術(shù) 185
10.2.1 無人駕駛中的環(huán)境感知 185
10.2.2 無人駕駛中的決策與規(guī)劃技術(shù) 187
10.2.3 無人駕駛中的控制與執(zhí)行技術(shù) 189
10.3 無人機(jī)概述 191
10.3.1 無人機(jī)起源與發(fā)展191
10.3.2 無人機(jī)關(guān)鍵技術(shù) 192
10.3.3 無人機(jī)應(yīng)用場(chǎng)景 195
習(xí)題 201
第11章 智能穿戴 203
11.1 智能穿戴設(shè)備概述 203
11.1.1 智能穿戴設(shè)備的發(fā)展歷程 203
11.1.2 智能穿戴設(shè)備定義 204
11.1.3 智能穿戴設(shè)備的類型與形態(tài) 205
11.2 智能穿戴設(shè)備功能設(shè)計(jì) 207
11.2.1 健康監(jiān)測(cè) 207
11.2.2 運(yùn)動(dòng)助手 208
11.2.3 通信便捷 209
11.2.4 生活小秘書 210
11.3 智能穿戴設(shè)備關(guān)鍵技術(shù) 211
11.3.1 心跳感知技術(shù) 211
11.3.2 皮膚生理特性分析 215
11.3.3 運(yùn)動(dòng)感知技術(shù) 216
11.4 智能穿戴設(shè)備應(yīng)用 217
11.4.1 健康管理：從預(yù)防到康復(fù)的全方位支持 217
11.4.2 時(shí)尚搭配：科技與美學(xué)的完美結(jié)合 218
11.4.3 特殊領(lǐng)域：工業(yè)、軍事與醫(yī)療的專屬定制 219
習(xí)題 221
第12章 人工智能安全與倫理 222
12.1 安全與倫理的重要性 222
12.2 人工智能安全 223
12.2.1 人工智能安全的定義與范疇 224
12.2.2 人工智能應(yīng)用的安全風(fēng)險(xiǎn) 224
12.2.3 安全防護(hù)措施 226
12.3 人工智能倫理 229
12.3.1 人工智能倫理原則 229
12.3.2 倫理挑戰(zhàn)與案例分析 231
12.3.3 倫理治理與實(shí)踐 233
12.4 人工智能與社會(huì)責(zé)任 235
12.4.1 企業(yè)社會(huì)責(zé)任與人工智能 235
12.4.2 人工智能對(duì)社會(huì)的影響 235
12.5 未來展望 237
12.5.1 人工智能安全與倫理的發(fā)展趨勢(shì) 237
12.5.2 人工智能安全與倫理的全球合作 239
習(xí)題 240
參考文獻(xiàn) 241
書單推薦
