目錄
第1部分基礎(chǔ)篇
第1章緒論3
1.1人工智能及其衡量智能機(jī)器的準(zhǔn)則3
1.1.1人工智能的定義3
1.1.2衡量智能機(jī)器的準(zhǔn)則4
1.2人工智能的發(fā)展歷史和研究途徑5
1.2.1人工智能的發(fā)展歷史5
1.2.2人工智能的研究途徑7
1.3人工智能的研究?jī)?nèi)容和研究領(lǐng)域8
1.3.1人工智能的研究?jī)?nèi)容8
1.3.2人工智能的研究領(lǐng)域10
1.4人工智能的應(yīng)用及未來(lái)展望11
1.4.1人工智能的應(yīng)用11
1.4.2人工智能的未來(lái)12
1.4.3人工智能面臨的挑戰(zhàn)14
1.4.4人工智能發(fā)展的機(jī)遇14
1.5本章小結(jié)15
習(xí)題115

第2章確定性推理16
2.1確定性推理與不確定性推理16
2.1.1推理的基本概念16
2.1.2確定性推理與不確定性推理17
2.1.3確定性推理的一般過(guò)程17
2.2謂詞邏輯推理方法18
2.2.1謂詞邏輯的知識(shí)表示18
2.2.2謂詞公式的解釋20
2.2.3謂詞公式的永真性、可滿足性、不可滿足性22
2.2.4謂詞邏輯應(yīng)用案例22
2.2.5謂詞邏輯知識(shí)表示的特點(diǎn)242.3自然演繹推理方法25
2.3.1自然演繹推理的推理規(guī)則26
2.3.2自然演繹推理的推理方法28
2.3.3自然演繹推理應(yīng)用案例28
2.3.4自然演繹推理的特點(diǎn)29
2.4歸結(jié)演繹推理方法29
2.4.1子句和子句集30
2.4.2謂詞公式的Skolem標(biāo)準(zhǔn)型31
2.4.3謂詞公式化為子句集的方法32
2.4.4歸結(jié)原理32
2.4.5歸結(jié)原理的應(yīng)用案例35
2.5本章小結(jié)39
習(xí)題239

第3章不確定性推理42
3.1產(chǎn)生式知識(shí)表示與推理42
3.1.1產(chǎn)生式知識(shí)表示法42
3.1.2產(chǎn)生式系統(tǒng)與推理過(guò)程43
3.1.3產(chǎn)生式推理應(yīng)用案例44
3.2可信度推理方法46
3.2.1可信度推理的不確定性度量與表示46
3.2.2可信度推理的不確定性計(jì)算47
3.2.3可信度推理應(yīng)用案例49
3.3主觀貝葉斯推理方法50
3.3.1主觀貝葉斯推理的不確定度量與表示50
3.3.2主觀貝葉斯推理的不確定計(jì)算51
3.3.3主觀貝葉斯推理應(yīng)用案例55
3.4本章小結(jié)56
習(xí)題356

第4章搜索策略58
4.1狀態(tài)空間表示法與搜索59
4.1.1狀態(tài)空間表示法59
4.1.2狀態(tài)空間表示法的問(wèn)題求解案例60
4.1.3狀態(tài)空間表示法搜索的一般過(guò)程61
4.2寬度優(yōu)先搜索63
4.2.1寬度優(yōu)先搜索的基本思想與搜索過(guò)程63
4.2.2寬度優(yōu)先搜索應(yīng)用案例66
4.3深度優(yōu)先搜索68
4.3.1深度優(yōu)先搜索的基本思想與搜索過(guò)程68
4.3.2深度優(yōu)先搜索應(yīng)用案例69
4.4有界深度優(yōu)先搜索71
4.4.1有界深度優(yōu)先搜索的基本思想與搜索過(guò)程71
4.4.2有界深度優(yōu)先搜索應(yīng)用案例73
4.5代價(jià)樹(shù)搜索74
4.5.1代價(jià)樹(shù)搜索的基本思想與搜索過(guò)程74
4.5.2代價(jià)樹(shù)搜索應(yīng)用案例77
4.6啟發(fā)式搜索79
4.6.1啟發(fā)式搜索的基本思想與搜索過(guò)程79
4.6.2啟發(fā)式搜索應(yīng)用案例82
4.7博弈樹(shù)搜索83
4.7.1博弈類游戲83
4.7.2博弈樹(shù)的構(gòu)建及應(yīng)用84
4.7.3極大極小分析法86
4.7.4α�拨录糁�技術(shù)87
4.8本章小結(jié)88
習(xí)題488

第5章機(jī)器學(xué)習(xí)89
5.1機(jī)器學(xué)習(xí)的定義和發(fā)展歷史89
5.1.1機(jī)器學(xué)習(xí)的定義89
5.1.2機(jī)器學(xué)習(xí)的發(fā)展歷史90
5.2機(jī)器學(xué)習(xí)的分類91
5.3機(jī)器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)93
5.4機(jī)器學(xué)習(xí)方法應(yīng)用舉例94
5.4.1線性模型方法95
5.4.2聚類101
5.5本章小結(jié)117
習(xí)題5118

第6章知識(shí)圖譜120
6.1知識(shí)圖譜概述120
6.1.1什么是知識(shí)圖譜120
6.1.2知識(shí)圖譜的發(fā)展歷程121
6.1.3知識(shí)圖譜的價(jià)值121
6.2知識(shí)圖譜的表示與建模122
6.2.1知識(shí)圖譜的表示方法122
6.2.2知識(shí)建模124
6.3知識(shí)圖譜的抽取與挖掘127
6.3.1知識(shí)抽取127
6.3.2知識(shí)挖掘128
6.4知識(shí)圖譜的存儲(chǔ)與融合130
6.4.1知識(shí)存儲(chǔ)130
6.4.2知識(shí)融合133
6.5知識(shí)圖譜的檢索與推理135
6.5.1知識(shí)檢索135
6.5.2知識(shí)推理141
6.6知識(shí)圖譜的問(wèn)答與對(duì)話142
6.6.1知識(shí)問(wèn)答142
6.6.2知識(shí)對(duì)話143
6.7代表性的知識(shí)圖譜144
6.7.1經(jīng)典的通用知識(shí)圖譜144
6.7.2經(jīng)典的行業(yè)知識(shí)圖譜145
6.7.3基于互聯(lián)網(wǎng)搜索的知識(shí)圖譜145
6.7.4中文開(kāi)放知識(shí)圖譜聯(lián)盟146
6.8知識(shí)圖譜的發(fā)展趨勢(shì)與挑戰(zhàn)146
6.8.1知識(shí)圖譜的發(fā)展趨勢(shì)146
6.8.2知識(shí)圖譜面臨的挑戰(zhàn)147
6.9本章小結(jié)147
習(xí)題6147
第2部分應(yīng)用篇
第7章人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)151
7.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)151
7.1.1神經(jīng)元151
7.1.2神經(jīng)網(wǎng)絡(luò)159
7.2BP神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法160
7.2.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)160
7.2.2BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法162
7.2.3BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的例子169
7.3深度學(xué)習(xí)172
7.4生成對(duì)抗網(wǎng)絡(luò)及在圖像生成中的應(yīng)用173
7.4.1生成對(duì)抗網(wǎng)絡(luò)173
7.4.2基于生成對(duì)抗網(wǎng)絡(luò)的圖像生成方法176
7.5本章小結(jié)177
習(xí)題7178

第8章卷積神經(jīng)網(wǎng)絡(luò)及其圖像分類案例179
8.1卷積神經(jīng)網(wǎng)絡(luò)的定義及其結(jié)構(gòu)179
8.1.1卷積神經(jīng)網(wǎng)絡(luò)的定義179
8.1.2卷積神經(jīng)網(wǎng)絡(luò)的總體架構(gòu)180
8.1.3卷積層181
8.1.4池化層184
8.1.5激活函數(shù)187
8.1.6全連接層188
8.1.7學(xué)習(xí)率和優(yōu)化器190
8.2卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)與發(fā)展歷程192
8.2.1卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)192
8.2.2卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程192
8.3基于PyTorch框架的Mnist數(shù)據(jù)集分類案例196
8.3.1圖像分類196
8.3.2PyTorch介紹197
8.3.3PyTorch常用庫(kù)介紹199
8.3.4Mnist數(shù)據(jù)集介紹200
8.3.5神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程201
8.3.6案例分析201
8.4本章小結(jié)209
習(xí)題8209

第9章推薦系統(tǒng)及其應(yīng)用案例210
9.1什么是推薦系統(tǒng)210
9.2推薦系統(tǒng)的發(fā)展歷程、面臨挑戰(zhàn)與未來(lái)趨勢(shì)211
9.2.1推薦系統(tǒng)的發(fā)展歷程211
9.2.2推薦系統(tǒng)面臨的挑戰(zhàn)213
9.2.3推薦系統(tǒng)的發(fā)展趨勢(shì)214
9.3推薦系統(tǒng)的基本結(jié)構(gòu)215
9.4基于協(xié)同過(guò)濾的推薦方法218
9.4.1基于內(nèi)存的協(xié)同過(guò)濾218
9.4.2基于矩陣分解的協(xié)同過(guò)濾221
9.4.3評(píng)價(jià)指標(biāo)222
9.5推薦系統(tǒng)應(yīng)用案例223
9.6本章小結(jié)228
習(xí)題9228

第10章決策樹(shù)分類方法及案例實(shí)現(xiàn)230
10.1決策樹(shù)的基本概念230
10.2信息熵與信息增益233
10.2.1信息熵233
10.2.2信息增益235
10.3決策樹(shù)分類方法236
10.3.1ID3算法236
10.3.2C4.5算法239
10.4決策樹(shù)分類案例240
10.5本章小結(jié)245
習(xí)題10245

第11章ChatGPT246
11.1ChatGPT概述246
11.1.1ChatGPT的定義246
11.1.2ChatGPT的功能247
11.1.3ChatGPT的發(fā)展歷程247
11.1.4ChatGPT的優(yōu)勢(shì)和挑戰(zhàn)248
11.1.5ChatGPT對(duì)人類社會(huì)的影響250
11.1.6ChatGPT的倫理和法律問(wèn)題251
11.1.7ChatGPT的發(fā)展前景252
11.2ChatGPT的主體架構(gòu)及支撐技術(shù)253
11.2.1ChatGPT的架構(gòu)253
11.2.2Transformer模型254
11.2.3自然語(yǔ)言處理255
11.2.4深度學(xué)習(xí)技術(shù)255
11.2.5ChatGPT與其他AI技術(shù)的比較和融合256
11.3ChatGPT的應(yīng)用258
11.3.1ChatGPT在教育領(lǐng)域的應(yīng)用258
11.3.2ChatGPT在醫(yī)療領(lǐng)域的應(yīng)用259
11.3.3ChatGPT在智能家居領(lǐng)域的應(yīng)用259
11.3.4ChatGPT在線客服中的應(yīng)用260
11.3.5ChatGPT在智能問(wèn)答系統(tǒng)中的應(yīng)用261
11.3.6ChatGPT在機(jī)器翻譯領(lǐng)域中的應(yīng)用262
11.4ChatGPT實(shí)踐案例262
11.5本章小結(jié)269
習(xí)題11269

參考文獻(xiàn)270