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、主要流派和關鍵技術，使讀者能夠快速了解人工智能的全貌，為后續(xù)深入學習打下基礎。全書共十二章，內容涵蓋人工智能的基本理論和核心技術，以及人工智能在各領域的應用。具體包括概述、表示與理解、機器學習、深度學習、計算機視覺、自然語言處理、大語言模型、知識圖譜、智能語音、無人駕駛與無人機、智能穿戴和人工智能安全與倫理。
本書是人工智能學科的“零基礎”入門級教材，可以作為高等院校人工智能專業(yè)、計算機科學與技術專業(yè)、大數據專業(yè)、軟件工程專業(yè)等相關專業(yè)的教材和參考書，也可以作為人工智能愛好者及相關研究人員、企事業(yè)單位相關專業(yè)人員進行人工智能開發(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”與復興 007
1.2.3 人工智能的挑戰(zhàn)與機遇 011
1.3 人工智能發(fā)展趨勢 012
1.3.1 技術發(fā)展趨勢 012
1.3.2 應用發(fā)展趨勢 014
習題 016
第2章 表示與理解 018
2.1 知識表示及方法 018
2.1.1 知識與知識表示的概念 018
2.1.2 語義網絡 019
2.1.3 一階謂詞邏輯 019
2.1.4 產生式表示法 022
2.1.5 框架表示法 024
2.2 推理方法及實現(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
習題 040
第3章 機器學習 041
3.1 機器學習概念與分類 041
3.1.1 有監(jiān)督學習 043
3.1.2 無監(jiān)督學習 044
3.1.3 弱監(jiān)督學習 044
3.1.4 集成學習 047
3.1.5 遷移學習 049
3.1.6 強化學習 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
習題 060
第4章 深度學習 061
4.1 神經網絡概述 061
4.1.1 神經網絡的基本原理 061
4.1.2 激活函數的作用與種類 062
4.1.3 損失函數與優(yōu)化算法 065
4.2 深度學習算法 066
4.2.1 反向傳播算法 066
4.2.2 卷積神經網絡 067
4.2.3 循環(huán)神經網絡 068
4.2.4 長短期記憶網絡 069
4.2.5 生成對抗網絡 069
4.2.6 注意力機制 070
4.3 深度學習框架 070
4.3.1 TensorFlow 070
4.3.2 Keras 072
4.3.3 MXNet 074
4.3.4 PyTorch 075
4.4 庫管理工具：Anaconda 076
習題 077
第5章 計算機視覺 079
5.1 計算機視覺的基本原理 079
5.1.1 智能視覺技術 080
5.1.2 傳統(tǒng)的數字圖像處理技術 082
5.1.3 智能視覺系統(tǒng) 084
5.2 智能視覺模型和關鍵技術 088
5.2.1 深度學習模型 089
5.2.2 特征提取與物體識別 090
5.2.3 YOLO 模型 091
5.2.4 三維視覺技術 093
5.3 智能視覺典型應用案例 095
5.3.1 文本生成圖像 095
5.3.2 三維場景重建 098
習題 102
第6章 自然語言處理 104
6.1 語言學基礎 104
6.1.1 語言學的核心概念 104
6.1.2 語法與句法結構 104
6.1.3 語義與語用分析 105
6.1.4 詞匯學與詞典學簡介 106
6.1.5 語言多樣性 107
6.2 文本預處理 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 數據增強與平衡策略 113
6.3 相關模型與技術 114
6.3.1 詞嵌入技術 114
6.3.2 注意力機制 116
6.3.3 文本生成技術 117
6.4 下游任務 118
6.4.1 命名實體識別 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 機器翻譯 119
習題 121
第7章 大語言模型 122
7.1 大語言模型概述 122
7.1.1 什么是大語言模型？ 122
7.1.2 LLMs 的歷史與發(fā)展 123
7.2 主流大語言模型概覽 125
7.2.1 GPT 系列大語言模型 125
7.2.2 BERT 及其衍生模型解析 125
7.2.3 T5、ERNIE、ViT 等先進模型介紹 126
7.2.4 國內外大語言模型的特點對比 127
7.3 大語言模型的訓練與優(yōu)化 129
7.3.1 數據準備與預處理 129
7.3.2 損失函數與優(yōu)化算法 130
7.3.3 分布式訓練與模型并行化 132
7.3.4 模型壓縮與輕量化技術 133
7.3.5 評估方法與指標 134
7.4 大語言模型的應用案例 135
7.4.1 對話系統(tǒng) 135
7.4.2 信息檢索 135
7.4.3 文本生成 136
習題 136
第8章 知識圖譜 137
8.1 知識圖譜的演變 137
8.2 圖結構與圖查詢 139
8.2.1 RDF 圖 139
8.2.2 屬性圖 140
8.2.3 圖查詢語言 141
8.3 知識圖譜構建技術 142
8.3.1 信息抽取 142
8.3.2 知識融合 144
8.3.3 知識加工 145
8.3.4 跨語言知識圖譜構建 146
8.4 知識圖譜表示學習 147
8.4.1 知識圖譜嵌入的概念 147
8.4.2 知識圖譜嵌入的主要方法 147
8.4.3 知識圖譜嵌入的下游任務 149
8.5 知識圖譜推理 150
8.5.1 基于圖結構的推理 150
8.5.2 基于規(guī)則學習的推理 154
8.5.3 基于表示學習的推理 156
8.6 知識圖譜的應用 159
8.6.1 智能語義搜索問答系統(tǒng) 159
8.6.2 基于知識圖譜的個性化推薦 160
8.6.3 多模態(tài)與跨語言知識圖譜 161
8.6.4 知識圖譜增強AI 系統(tǒng)的語義理解 161
習題 163
第9章 智能語音 164
9.1 智能語音概述 164
9.2 智能語音關鍵技術 166
9.2.1 智能語音識別技術 166
9.2.2 語音合成技術 172
9.3 語音增強方法 174
9.3.1 語音信號增強 174
9.3.2 語音質量評價 175
9.4 智能語音發(fā)展趨勢 176
習題 177
第10章 無人駕駛與無人機 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 無人駕駛應用場景 183
10.2 無人駕駛關鍵技術 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 187
10.2.3 無人駕駛中的控制與執(zhí)行技術 189
10.3 無人機概述 191
10.3.1 無人機起源與發(fā)展191
10.3.2 無人機關鍵技術 192
10.3.3 無人機應用場景 195
習題 201
第11章 智能穿戴 203
11.1 智能穿戴設備概述 203
11.1.1 智能穿戴設備的發(fā)展歷程 203
11.1.2 智能穿戴設備定義 204
11.1.3 智能穿戴設備的類型與形態(tài) 205
11.2 智能穿戴設備功能設計 207
11.2.1 健康監(jiān)測 207
11.2.2 運動助手 208
11.2.3 通信便捷 209
11.2.4 生活小秘書 210
11.3 智能穿戴設備關鍵技術 211
11.3.1 心跳感知技術 211
11.3.2 皮膚生理特性分析 215
11.3.3 運動感知技術 216
11.4 智能穿戴設備應用 217
11.4.1 健康管理：從預防到康復的全方位支持 217
11.4.2 時尚搭配：科技與美學的完美結合 218
11.4.3 特殊領域：工業(yè)、軍事與醫(yī)療的專屬定制 219
習題 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 人工智能應用的安全風險 224
12.2.3 安全防護措施 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 倫理治理與實踐 233
12.4 人工智能與社會責任 235
12.4.1 企業(yè)社會責任與人工智能 235
12.4.2 人工智能對社會的影響 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 237
12.5.2 人工智能安全與倫理的全球合作 239
習題 240
參考文獻 241
書單推薦
