目錄
第1章 緒論 1
1.1 人工智能的基本認(rèn)識 1
1.2 人工智能系統(tǒng)論 3
1.2.1 人工智能系統(tǒng)論含義 3
1.2.2 人工智能系統(tǒng)論架構(gòu) 3
1.3 人工智能五維知識體系 5
1.3.1 學(xué)科基礎(chǔ) 6
1.3.2 技術(shù)基礎(chǔ) 7
1.3.3 重點(diǎn)方向與領(lǐng)域 9
1.3.4 行業(yè)應(yīng)用 12
1.3.5 人工智能倫理與法律 12
1.4 人工智能五維知識體系與本書內(nèi)容 12
1.5 小結(jié) 14
第2章 數(shù)學(xué)背景知識 15
2.1 向量、矩陣和線性代數(shù) 15
2.1.1 向量 15
2.1.2 矩陣 17
2.1.3 特征向量和特征值 19
2.1.4 線、面和超平面 19
2.2 概率論 20
2.2.1 隨機(jī)變量和概率公理 20
2.2.2 聯(lián)合概率和條件概率 21
2.2.3 期望、方差和協(xié)方差 21
2.2.4 概率密度函數(shù) 22
2.2.5 貝葉斯法 24
2.3 馬爾可夫模型 24
2.3.1 馬爾可夫鏈 25
2.3.2 馬爾可夫決策過程 26
2.3.3 隱馬爾可夫模型 28
2.4 函數(shù)優(yōu)化基礎(chǔ) 29
2.4.1 低維函數(shù)優(yōu)化 29
2.4.2 多維函數(shù)優(yōu)化 30
2.4.3 梯度方向 31
2.5 度量準(zhǔn)則 32
2.6 常用的激活函數(shù) 33
2.7 小結(jié) 35
第3章 腦及神經(jīng)科學(xué)與人工智能 36
3.1 人腦神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò) 36
3.1.1 MP神經(jīng)元模型 36
3.1.2 神經(jīng)元計(jì)算能力新發(fā)現(xiàn) 38
3.2 生物神經(jīng)元模型與類腦計(jì)算 39
3.2.1 生物脈沖神經(jīng)元模型 39
3.2.2 神經(jīng)形態(tài)計(jì)算 40
3.3 生物視覺與機(jī)器視覺及感知智能 41
3.3.1 人的視覺機(jī)制 41
3.3.2 深度卷積神經(jīng)網(wǎng)絡(luò)的生物視覺機(jī)制 42
3.3.3 視覺模擬 43
3.4 人類學(xué)習(xí)與機(jī)器學(xué)習(xí) 44
3.5 人類的注意力機(jī)制與深度學(xué)習(xí) 46
3.5.1 人類的注意力機(jī)制 46
3.5.2 注意力機(jī)制在深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用 46
3.6 人類的記憶機(jī)制 47
3.6.1 人類的記憶類型 47
3.6.2 記憶機(jī)制在機(jī)器學(xué)習(xí)中的應(yīng)用 48
3.7 人類情感與機(jī)器情感 49
3.7.1 大腦情感模型 49
3.7.2 機(jī)器情感 49
3.8 腦與神經(jīng)科學(xué)對人工智能的作用 50
3.9 小結(jié) 51
第4章 人工神經(jīng)網(wǎng)絡(luò)原理與方法 52
4.1 人工神經(jīng)元與感知器模型 52
4.1.1 單神經(jīng)元模型 52
4.1.2 多層人工神經(jīng)網(wǎng)絡(luò) 52
4.1.3 多層感知器 54
4.1.4 反向傳播算法 54
4.2 卷積神經(jīng)網(wǎng)絡(luò) 57
4.2.1 卷積神經(jīng)網(wǎng)絡(luò)基本概念 57
4.2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)組成 58
4.2.3 損失函數(shù) 64
4.3 人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練方法 65
4.3.1 梯度下降法 65
4.3.2 改進(jìn)梯度下降法 66
4.4 深度卷積神經(jīng)網(wǎng)絡(luò) 68
4.5 循環(huán)神經(jīng)網(wǎng)絡(luò) 70
4.6 小結(jié) 72
第5章 機(jī)器學(xué)習(xí)原理與方法 73
5.1 機(jī)器學(xué)習(xí)發(fā)展歷程 73
5.2 深度學(xué)習(xí)方法 74
5.2.1 深度學(xué)習(xí)優(yōu)勢與缺陷 74
5.2.2 自編碼器 75
5.2.3 生成對抗網(wǎng)絡(luò) 77
5.2.4 transformer模型 79
5.2.5 ViT模型 81
5.2.6 擴(kuò)散模型 83
5.3 聯(lián)邦學(xué)習(xí) 84
5.3.1 橫向聯(lián)邦學(xué)習(xí) 84
5.3.2 縱向聯(lián)邦學(xué)習(xí) 85
5.3.3 聯(lián)邦遷移學(xué)習(xí) 86
5.4 強(qiáng)化學(xué)習(xí) 87
5.4.1 強(qiáng)化學(xué)習(xí)原理 87
5.4.2 強(qiáng)化學(xué)習(xí)定義 88
5.4.3 強(qiáng)化學(xué)習(xí)基本方法 89
5.5 小結(jié) 91
第6章 機(jī)器感知智能原理與方法 92
6.1 機(jī)器感知智能含義 92
6.2 數(shù)字圖像處理技術(shù) 93
6.3 計(jì)算機(jī)視覺與機(jī)器視覺 93
6.3.1 計(jì)算機(jī)視覺 93
6.3.2 機(jī)器視覺 95
6.4 模式識別 97
6.4.1 模式識別概念 97
6.4.2 模式識別系統(tǒng) 97
6.5 用于感知智能的經(jīng)典深度學(xué)習(xí)算法 99
6.5.1 YOLO算法 99
6.5.2 YOLOv7算法 102
6.6 機(jī)器感知智能案例——目標(biāo)檢測與識別 104
6.6.1 目標(biāo)檢測模型結(jié)構(gòu) 104
6.6.2 主干網(wǎng)絡(luò) 105
6.6.3 角點(diǎn)池化 108
6.7 小結(jié) 110
第7章 機(jī)器認(rèn)知智能原理與方法 111
7.1 認(rèn)知智能技術(shù)的發(fā)展及應(yīng)用 111
7.2 推理方法 111
7.2.1 直覺推理 112
7.2.2 常識推理 112
7.2.3 關(guān)系推理 112
7.2.4 因果推理 112
7.3 場景理解 115
7.4 視覺問答 117
7.5 搜索技術(shù) 119
7.5.1 蒙特卡羅規(guī)劃 119
7.5.2 AlphaZero圍棋程序 122
7.5.3 蒙特卡羅樹搜索在AlphaZero圍棋程序的應(yīng)用 122
7.6 知識圖譜方法 126
7.6.1 知識圖譜概念 126
7.6.2 如何構(gòu)建一個(gè)知識圖譜 127
7.7 小結(jié) 129
第8章 機(jī)器語言智能原理與方法 130
8.1 自然語言處理技術(shù) 130
8.2 自然語言理解方法 130
8.2.1 簡單句的理解方法 130
8.2.2 復(fù)合句的理解方法 131
8.3 機(jī)器語言智能技術(shù)應(yīng)用——聊天機(jī)器人 132
8.3.1 聊天機(jī)器人發(fā)展歷史與現(xiàn)狀 132
8.3.2 聊天機(jī)器人與自然語言理解 132
8.3.3 聊天機(jī)器人關(guān)鍵技術(shù) 133
8.3.4 一個(gè)聊天機(jī)器人的簡單例子 135
8.4 語音識別原理與方法 142
8.4.1 語音識別概念與發(fā)展歷史 142
8.4.2 語音識別系統(tǒng)與類型 142
8.4.3 語音識別的概率噪聲信道總體結(jié)構(gòu) 143
8.4.4 隱馬爾可夫模型應(yīng)用于語音識別 145
8.5 機(jī)器翻譯原理與技術(shù) 148
8.5.1 機(jī)器翻譯概念 148
8.5.2 transformer通用翻譯模型 149
8.6 小結(jié) 151
第9章 機(jī)器類腦智能原理與方法 152
9.1 類腦計(jì)算與類腦智能 152
9.1.1 類腦計(jì)算概念及意義 152
9.1.2 類腦計(jì)算主要方法 153
9.2 脈沖神經(jīng)網(wǎng)絡(luò)與神經(jīng)形態(tài)計(jì)算 155
9.3 神經(jīng)形態(tài)類腦芯片 157
9.3.1 Loihi神經(jīng)形態(tài)多核處理器 158
9.3.2 “天極”神經(jīng)形態(tài)芯片 158
9.3.3 類腦芯片KA200芯片 158
9.3.4 “達(dá)爾文”芯片 159
9.3.5 BrainScaleS 161
9.3.6 TrueNorth神經(jīng)形態(tài)計(jì)算芯片 161
9.4 神經(jīng)形態(tài)計(jì)算機(jī) 163
9.4.1 神經(jīng)形態(tài)計(jì)算機(jī)的概念 163
9.4.2 神經(jīng)形態(tài)計(jì)算機(jī)與傳統(tǒng)計(jì)算機(jī)的比較 164
9.5 基于憶阻器的類腦計(jì)算 165
9.6 人工大腦 167
9.6.1 人工神經(jīng)元 168
9.6.2 人造神經(jīng)突觸 168
9.7 小結(jié) 169
第10章 機(jī)器行為智能原理與方法 170
10.1 機(jī)器人行為智能與機(jī)器人類型 170
10.1.1 機(jī)器人與行為智能 170
10.1.2 機(jī)器人類型 170
10.2 機(jī)器人共性技術(shù) 173
10.2.1 傳感器 173
10.2.2 自由度、效應(yīng)器和執(zhí)行器 178
10.2.3 移動(dòng)機(jī)器人SLAM技術(shù) 179
10.3 基于深度相機(jī)的SLAM系統(tǒng)數(shù)學(xué)模型 181
10.3.1 深度相機(jī)模型 181
10.3.2 針孔相機(jī)模型 183
10.3.3 基于深度相機(jī)的SLAM系統(tǒng)描述 185
10.3.4 SLAM過程的圖模型與優(yōu)化方法 186
10.4 無人智能系統(tǒng) 188
10.4.1 無人車系統(tǒng) 188
10.4.2 無人艇系統(tǒng) 190
10.4.3 無人飛行器系統(tǒng) 193
10.5 小結(jié) 195
第11章 人機(jī)混合智能原理與方法 196
11.1 腦機(jī)接口混合智能技術(shù) 196
11.1.1 腦機(jī)接口原理 196
11.1.2 腦機(jī)接口系統(tǒng)分類 197
11.1.3 EEG信號模式 198
11.1.4 腦機(jī)接口技術(shù)應(yīng)用 200
11.2 外骨骼混合智能技術(shù) 206
11.2.1 外骨骼概念 206
11.2.2 結(jié)構(gòu)與原理 207
11.2.3 外骨骼關(guān)鍵技術(shù) 208
11.3 可穿戴計(jì)算 212
11.3.1 普適計(jì)算與可穿戴計(jì)算 212
11.3.2 可穿戴柔性傳感器 214
11.3.3 可穿戴計(jì)算的閉環(huán)典型應(yīng)用 215
11.3.4 智能監(jiān)控服裝 216
11.4 小結(jié) 216
第12章 人工智能行業(yè)應(yīng)用 217
12.1 人工智能與社會發(fā)展 217
12.1.1 人工智能與數(shù)字經(jīng)濟(jì) 217
12.1.2 人工智能技術(shù)產(chǎn)業(yè)應(yīng)用層次 218
12.2 智能城市 219
12.2.1 智能城市發(fā)展關(guān)鍵技術(shù) 219
12.2.2 云計(jì)算與智能城市 220
12.3 智能制造 222
12.3.1 人工智能賦能制造業(yè) 222
12.3.2 智能制造基礎(chǔ)技術(shù) 223
12.3.3 制造業(yè)與人工智能算法 225
12.4 智能醫(yī)療 225
12.4.1 智能醫(yī)療發(fā)展現(xiàn)狀 225
12.4.2 智能醫(yī)療案例——超聲影像識別 226
12.5 小結(jié) 237
第13章 人工智能倫理與法律 238
13.1 人工智能倫理與傳統(tǒng)倫理學(xué)的關(guān)系 238
13.1.1 應(yīng)用倫理、科技倫理與人工智能倫理 238
13.1.2 人工智能倫理概念與含義 239
13.1.3 人工智能倫理體系 241
13.2 狹義人工智能倫理 242
13.2.1 人工智能技術(shù)引發(fā)的倫理問題 242
13.2.2 人工智能數(shù)據(jù)倫理 242
13.2.3 人工智能算法倫理問題 244
13.2.4 機(jī)器人倫理問題 245
13.2.5 自動(dòng)駕駛汽車倫理 247
13.2.6 人工智能行業(yè)應(yīng)用倫理 248
13.2.7 人工智能設(shè)計(jì)倫理 250
13.3 廣義人工智能倫理 250
13.3.1 人機(jī)混合倫理 250
13.3.2 人工智能全球倫理 251
13.3.3 人工智能宇宙?zhèn)惱?252
13.3.4 超現(xiàn)實(shí)人工智能倫理 252
13.4 人工智能倫理原則 253
13.5 人工智能技術(shù)涉及的法律問題 254
13.5.1 自動(dòng)駕駛汽車法律問題 254
13.5.2 人工智能著作權(quán)問題 256
13.6 小結(jié) 257
參考文獻(xiàn) 258