本書主要內容分5大部分，共13章，較全面地介紹了目前人工智能的主流概念、理論、方法、技術及應用等內容。第一部分人工智能概念基礎(第1-3章)，介紹了人工智能與哲學、腦科學有關的概念和知識基礎，包括緒論、人工智能哲學基礎和腦科學基礎。緒論部分介紹了智能的定義以及人工智能的定義、歷史、實現方法、研究內容、發展趨勢；第二章哲學思想介紹與人工智能有關的哲學思想以及技術的思想起源，使學生可以深入理解人工智能隱含的哲學理念。第三章腦科學介紹大腦與神經系統基礎以及腦的認知機理。第二部分人工智能方法與技術基礎(第4-5章)，主要介紹了人工神經網絡、機器學習的基本概念、方法與原理，主流的深度神經網絡和深度學習，配合案例介紹相關方法。第三部分重要研究方向或領域基礎(第6章-11章)，該部分重點圍繞機器智能技術，包括六章內容，分別從感知智能、認知智能、語言智能、行為智能(機器人)、混合智能、類腦智能六個方面分別介紹了機器智能有關的傳統與前沿理論、方法及技術；第四部分介紹人工智能行業應用(第12章)，人工智能行業應用介紹人工智能在智能制造、智能農業、智能醫療、智能教育等多個行業的技術及案例。第五部分人工智能倫理與法律(第13章)，介紹人工智能倫理問題產生、人工智能倫理基本原則與規范，以及人工智能倫理措施。對人工智能涉及的法律問題進行了初步介紹。
目錄
第1章 緒論 1
1.1 人工智能的基本認識 1
1.2 人工智能系統論 3
1.2.1 人工智能系統論含義 3
1.2.2 人工智能系統論架構 3
1.3 人工智能五維知識體系 5
1.3.1 學科基礎 6
1.3.2 技術基礎 7
1.3.3 重點方向與領域 9
1.3.4 行業應用 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容 12
1.5 小結 14
第2章 數學背景知識 15
2.1 向量、矩陣和線性代數 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 隨機變量和概率公理 20
2.2.2 聯合概率和條件概率 21
2.2.3 期望、方差和協方差 21
2.2.4 概率密度函數 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 函數優化基礎 29
2.4.1 低維函數優化 29
2.4.2 多維函數優化 30
2.4.3 梯度方向 31
2.5 度量準則 32
2.6 常用的激活函數 33
2.7 小結 35
第3章 腦及神經科學與人工智能 36
3.1 人腦神經元與人工神經網絡 36
3.1.1 MP神經元模型 36
3.1.2 神經元計算能力新發現 38
3.2 生物神經元模型與類腦計算 39
3.2.1 生物脈沖神經元模型 39
3.2.2 神經形態計算 40
3.3 生物視覺與機器視覺及感知智能 41
3.3.1 人的視覺機制 41
3.3.2 深度卷積神經網絡的生物視覺機制 42
3.3.3 視覺模擬 43
3.4 人類學習與機器學習 44
3.5 人類的注意力機制與深度學習 46
3.5.1 人類的注意力機制 46
3.5.2 注意力機制在深度神經網絡的應用 46
3.6 人類的記憶機制 47
3.6.1 人類的記憶類型 47
3.6.2 記憶機制在機器學習中的應用 48
3.7 人類情感與機器情感 49
3.7.1 大腦情感模型 49
3.7.2 機器情感 49
3.8 腦與神經科學對人工智能的作用 50
3.9 小結 51
第4章 人工神經網絡原理與方法 52
4.1 人工神經元與感知器模型 52
4.1.1 單神經元模型 52
4.1.2 多層人工神經網絡 52
4.1.3 多層感知器 54
4.1.4 反向傳播算法 54
4.2 卷積神經網絡 57
4.2.1 卷積神經網絡基本概念 57
4.2.2 卷積神經網絡結構組成 58
4.2.3 損失函數 64
4.3 人工神經網絡學習訓練方法 65
4.3.1 梯度下降法 65
4.3.2 改進梯度下降法 66
4.4 深度卷積神經網絡 68
4.5 循環神經網絡 70
4.6 小結 72
第5章 機器學習原理與方法 73
5.1 機器學習發展歷程 73
5.2 深度學習方法 74
5.2.1 深度學習優勢與缺陷 74
5.2.2 自編碼器 75
5.2.3 生成對抗網絡 77
5.2.4 transformer模型 79
5.2.5 ViT模型 81
5.2.6 擴散模型 83
5.3 聯邦學習 84
5.3.1 橫向聯邦學習 84
5.3.2 縱向聯邦學習 85
5.3.3 聯邦遷移學習 86
5.4 強化學習 87
5.4.1 強化學習原理 87
5.4.2 強化學習定義 88
5.4.3 強化學習基本方法 89
5.5 小結 91
第6章 機器感知智能原理與方法 92
6.1 機器感知智能含義 92
6.2 數字圖像處理技術 93
6.3 計算機視覺與機器視覺 93
6.3.1 計算機視覺 93
6.3.2 機器視覺 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 97
6.5 用于感知智能的經典深度學習算法 99
6.5.1 YOLO算法 99
6.5.2 YOLOv7算法 102
6.6 機器感知智能案例——目標檢測與識別 104
6.6.1 目標檢測模型結構 104
6.6.2 主干網絡 105
6.6.3 角點池化 108
6.7 小結 110
第7章 機器認知智能原理與方法 111
7.1 認知智能技術的發展及應用 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 119
7.5.1 蒙特卡羅規劃 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 如何構建一個知識圖譜 127
7.7 小結 129
第8章 機器語言智能原理與方法 130
8.1 自然語言處理技術 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 復合句的理解方法 131
8.3 機器語言智能技術應用——聊天機器人 132
8.3.1 聊天機器人發展歷史與現狀 132
8.3.2 聊天機器人與自然語言理解 132
8.3.3 聊天機器人關鍵技術 133
8.3.4 一個聊天機器人的簡單例子 135
8.4 語音識別原理與方法 142
8.4.1 語音識別概念與發展歷史 142
8.4.2 語音識別系統與類型 142
8.4.3 語音識別的概率噪聲信道總體結構 143
8.4.4 隱馬爾可夫模型應用于語音識別 145
8.5 機器翻譯原理與技術 148
8.5.1 機器翻譯概念 148
8.5.2 transformer通用翻譯模型 149
8.6 小結 151
第9章 機器類腦智能原理與方法 152
9.1 類腦計算與類腦智能 152
9.1.1 類腦計算概念及意義 152
9.1.2 類腦計算主要方法 153
9.2 脈沖神經網絡與神經形態計算 155
9.3 神經形態類腦芯片 157
9.3.1 Loihi神經形態多核處理器 158
9.3.2 “天極”神經形態芯片 158
9.3.3 類腦芯片KA200芯片 158
9.3.4 “達爾文”芯片 159
9.3.5 BrainScaleS 161
9.3.6 TrueNorth神經形態計算芯片 161
9.4 神經形態計算機 163
9.4.1 神經形態計算機的概念 163
9.4.2 神經形態計算機與傳統計算機的比較 164
9.5 基于憶阻器的類腦計算 165
9.6 人工大腦 167
9.6.1 人工神經元 168
9.6.2 人造神經突觸 168
9.7 小結 169
第10章 機器行為智能原理與方法 170
10.1 機器人行為智能與機器人類型 170
10.1.1 機器人與行為智能 170
10.1.2 機器人類型 170
10.2 機器人共性技術 173
10.2.1 傳感器 173
10.2.2 自由度、效應器和執行器 178
10.2.3 移動機器人SLAM技術 179
10.3 基于深度相機的SLAM系統數學模型 181
10.3.1 深度相機模型 181
10.3.2 針孔相機模型 183
10.3.3 基于深度相機的SLAM系統描述 185
10.3.4 SLAM過程的圖模型與優化方法 186
10.4 無人智能系統 188
10.4.1 無人車系統 188
10.4.2 無人艇系統 190
10.4.3 無人飛行器系統 193
10.5 小結 195
第11章 人機混合智能原理與方法 196
11.1 腦機接口混合智能技術 196
11.1.1 腦機接口原理 196
11.1.2 腦機接口系統分類 197
11.1.3 EEG信號模式 198
11.1.4 腦機接口技術應用 200
11.2 外骨骼混合智能技術 206
11.2.1 外骨骼概念 206
11.2.2 結構與原理 207
11.2.3 外骨骼關鍵技術 208
11.3 可穿戴計算 212
11.3.1 普適計算與可穿戴計算 212
11.3.2 可穿戴柔性傳感器 214
11.3.3 可穿戴計算的閉環典型應用 215
11.3.4 智能監控服裝 216
11.4 小結 216
第12章 人工智能行業應用 217
12.1 人工智能與社會發展 217
12.1.1 人工智能與數字經濟 217
12.1.2 人工智能技術產業應用層次 218
12.2 智能城市 219
12.2.1 智能城市發展關鍵技術 219
12.2.2 云計算與智能城市 220
12.3 智能制造 222
12.3.1 人工智能賦能制造業 222
12.3.2 智能制造基礎技術 223
12.3.3 制造業與人工智能算法 225
12.4 智能醫療 225
12.4.1 智能醫療發展現狀 225
12.4.2 智能醫療案例——超聲影像識別 226
12.5 小結 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倫理學的關系 238
13.1.1 應用倫理、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 人工智能技術引發的倫理問題 242
13.2.2 人工智能數據倫理 242
13.2.3 人工智能算法倫理問題 244
13.2.4 機器人倫理問題 245
13.2.5 自動駕駛汽車倫理 247
13.2.6 人工智能行業應用倫理 248
13.2.7 人工智能設計倫理 250
13.3 廣義人工智能倫理 250
13.3.1 人機混合倫理 250
13.3.2 人工智能全球倫理 251
13.3.3 人工智能宇宙倫理 252
13.3.4 超現實人工智能倫理 252
13.4 人工智能倫理原則 253
13.5 人工智能技術涉及的法律問題 254
13.5.1 自動駕駛汽車法律問題 254
13.5.2 人工智能著作權問題 256
13.6 小結 257
參考文獻 258
新書資訊