掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
人工智能通識教程(第2版·微課版) 版權信息
- ISBN：9787302665762
- 條形碼：9787302665762 ; 978-7-302-66576-2
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能通識教程(第2版·微課版) 本書特色
1. 這是一本全新設計的人工智能通識教材，作為學科導論與概覽，本書涉及領域寬泛，內容新穎先進，結構合理。人工智能學科（artificial intelligence，AI）以大數據、機器學習、深度學習、增強學習、遷移學習、對抗學習等作為基礎方法，在眾多應用領域取得了重大突破，不僅解決了重要的科學問題，還將數據挖掘、計算機視覺、大語言模型、機器人等技術應用到了更廣泛的領域。
2. 文字流暢，通俗易懂，適合不同起點、不同層次讀者的學習需要，并具有必要的技術深度。雖然對讀者的知識起點要求不高，但認真讀完全書，相信定會受益匪淺。雖然是計算機科學的重要分支，但人工智能對世界的影響“將超過迄今為止人類歷史上的任何事物”，它可以與任何智能任務產生聯系，是真正普遍存在的領域。因此，本書努力適應不同學科不同專業讀者的閱讀能力，做到觸類旁通，舉一反三，構筑知識和應用基礎。
3. 把學科知識融入在理論與實踐當中，用生動、豐富的實際案例引導讀者閱讀且開卷有益。課前有密切相關的“導讀案例”，課后安排了針對課文閱讀和知識實踐的選擇題訓練和參考答案——重在掌握學習方法，提高學習能力。
4. 助力教師開展課程教育。讀者可從清華大學出版社網站（http://www.tup.com.cn）獲取本書豐富的配套教學資源，包括教學進度、教學大綱等、可供備課刪減的完整教學課件等。全書配套錄制了30課微課教學視頻，供教學過程的不時之需，讀者可通過書中的二維碼掃描獲取。
人工智能通識教程(第2版·微課版) 內容簡介
人工智能（AI）是計算機科學的一個重要分支，它涉及理解和構建智能實體，確保這些智能實體機器在各種情況下能有效和安全地行動。人工智能對世界的影響“將超過迄今為止人類歷史上的任何事物”，它可以與任何智能任務產生聯系，是真正普遍存在的領域。
本書的知識內容包括思考的工具、定義人工智能、大數據與人工智能、智能體與智能代理、機器學習、深度學習、強化學習、數據挖掘、機器人技術、計算機視覺、自然語言處理、GPT——大語言模型起步、群體智能、自動規劃和人工智能的發展等。
本書是結合本科教育、職業教育各專業學生發展需要，針對“人工智能”基礎課程、通識課程而全新設計編寫，具有豐富知識性與應用特色的教材。本書主題特色鮮明，內容易讀易學，既適合各專業學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。
人工智能通識教程(第2版·微課版) 目錄
第1章思考的工具1
【導讀案例】動物智能: 聰明的漢斯1
1.1計算的淵源2
1.1.1巨石陣2
1.1.2安提基特拉機械3
1.1.3阿拉伯數字3
1.2巴貝奇與數學機器4
1.2.1差分機4
1.2.2分析機4
1.2.3“機器人”的由來5
1.3計算機的出現6
1.3.1為戰爭而發展的計算機器6
1.3.2計算機無處不在7
1.3.3通用計算機7
1.3.4計算機語言9
1.3.5計算機建模9
1.4計算機的智能行為10
1.4.1類人行為: 圖靈測試10
1.4.2類人思考: 認知建模10
1.4.3理性思考: “思維法則”11
1.4.4理性行為: 理性智能體11
1.4.5對人類可證益的智能體12
1.5人工智能大師13
【作業】13
第2章定義人工智能16
【導讀案例】自動駕駛概述16
2.1人工智能的學科基礎19
2.2人工智能概述24
2.2.1“人工”與“智能”24
2.2.2人工智能的定義26
2.2.3人工智能的實現途徑26
2.2.4人工智能發展的6個階段27
2.3人工智能的發展歷史29
2.3.1人工智能研究獲得的圖靈獎29
2.3.2從人工神經元開始（1943—1956）29
2.3.3早期期望無限（1952—1969）31
2.3.4一些現實（1966—1973）32
2.3.5專家系統（1969—1986）33
2.3.6神經網絡的回歸（1986至今）34
2.3.7概率推理和機器學習（1987至今）34
2.3.8大數據（2001至今）35
2.3.9深度學習（2011至今）36
2.4人工智能的研究36
【作業】40
第3章大數據與人工智能43
【導讀案例】電子商務的推薦系統43
3.1什么是模糊邏輯44
3.1.1甲蟲機器人的規則45
3.1.2模糊邏輯的發明45
3.1.3制定模糊邏輯的規則46
3.1.4模糊邏輯的定義47
3.1.5模糊理論的發展47
3.2模糊邏輯系統48
3.2.1純模糊邏輯系統48
3.2.2高木—關野模糊邏輯系統49
3.2.3具有產生器及消除器的模糊邏輯系統49
3.3數據思維與變革49
3.3.1思維轉變之一: 樣本=總體50
3.3.2思維轉變之二: 接受數據的混雜性51
3.3.3思維轉變之三: 數據的相關關系52
3.4大數據與人工智能53
3.4.1人工智能與大數據的聯系53
3.4.2人工智能與大數據的區別54
3.4.3人工智能深化大數據應用54
【作業】55
第4章智能體與智能代理58
【導讀案例】智能體: 下一個顛覆性AI應用58
4.1智能體和環境61
4.2智能體的良好行為62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、學習和自主63
4.3環境的本質64
4.3.1指定任務環境64
4.3.2任務環境的屬性65
4.4智能體的結構68
4.4.1智能體程序68
4.4.2學習型智能體69
4.4.3智能體程序組件的工作71
4.5智能代理技術72
4.5.1智能代理的定義72
4.5.2智能代理的典型工作過程72
4.5.3智能代理的特點73
4.5.4系統內的協同合作74
4.6智能代理的典型應用75
4.6.1股票/債券/期貨交易75
4.6.2醫療診斷76
4.6.3搜索引擎76
4.6.4實體機器人77
4.6.5電腦游戲77
【作業】78
第5章機器學習80
【導讀案例】奈飛的電影推薦引擎80
5.1什么是機器學習81
5.1.1機器學習的發展81
5.1.2機器學習的定義83
5.1.3機器學習的研究85
5.2基于學習方式的分類86
5.2.1監督學習86
5.2.2無監督學習87
5.2.3強化學習87
5.2.4機器學習的其他分類88
5.3機器學習的基本結構89
5.4機器學習算法90
5.4.1專注于學習能力91
5.4.2回歸算法92
5.4.3K近鄰算法92
5.4.4決策樹算法92
5.4.5貝葉斯算法93
5.4.6聚類算法94
5.4.7支持向量機算法94
5.4.8神經網絡算法94
5.4.9梯度增強算法94
5.4.10關聯規則算法95
5.4.11EM（期望*大化）算法95
5.5機器學習的應用95
5.5.1數據分析與挖掘96
5.5.2模式識別96
5.5.3生物信息學應用96
5.5.4物聯網96
5.5.5聊天機器人97
5.5.6自動駕駛98
【作業】98
第6章深度學習101
【導讀案例】人類與動物智商的差別101
6.1動物的中樞神經系統103
6.1.1神經系統的結構103
6.1.2神經系統的學習機制104
6.2了解人工神經網絡104
6.2.1人工神經網絡的研究105
6.2.2典型的人工神經網絡105
6.2.3類腦計算機106
6.3深度學習的定義106
6.3.1深度學習的優勢107
6.3.2深度學習的意義107
6.3.3神經網絡理解圖片108
6.3.4訓練神經網絡110
6.3.5深度學習的方法111
6.4卷積神經網絡114
6.4.1為什么選擇卷積114
6.4.2卷積神經網絡結構116
6.5遷移學習117
6.5.1基于實例的遷移118
6.5.2基于特征的遷移118
6.5.3基于共享參數的遷移118
6.6深度學習的應用118
【作業】120
第7章強化學習122
【導讀案例】谷歌制定新“守則”，確保機器人決策更安全122
7.1強化學習的定義123
7.1.1發展歷史123
7.1.2基本模型和原理124
7.1.3網絡模型設計124
7.1.4設計考慮126
7.1.5數據依賴性126
7.2與監督學習的區別127
7.2.1學習方式128
7.2.2先驗知識與標注數據129
7.3強化學習基礎理論129
7.3.1基于模型與免模型環境129
7.3.2探索與利用130
7.3.3預測與控制131
7.4強化學習分類131
7.4.1從獎勵中學習131
7.4.2被動強化學習132
7.4.3主動強化學習132
7.4.4強化學習中的泛化132
7.4.5學徒學習與逆強化學習132
7.5強化學習的應用133
7.5.1游戲博弈134
7.5.2機器人控制134
7.5.3制造業135
7.5.4醫療服務業135
7.5.5電子商務136
【作業】136
第8章數據挖掘139
【導讀案例】葡萄酒的品質139
8.1從數據到知識142
8.1.1決策樹分析143
8.1.2購物車分析143
8.1.3貝葉斯網絡144
8.2數據挖掘方法145
8.2.1數據挖掘的發展145
8.2.2數據挖掘的對象146
8.2.3數據挖掘的步驟146
8.2.4數據挖掘分析方法147
8.3數據挖掘的經典算法148
8.3.1神經網絡法148
8.3.2決策樹法149
8.3.3遺傳算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6關聯規則法150
8.4機器學習與數據挖掘150
8.4.1數據挖掘和機器學習典型過程150
8.4.2機器學習與數據挖掘應用案例152
【作業】154
第9章機器人技術156
【導讀案例】劃時代的阿波羅計劃156
9.1包容體系結構158
9.1.1所謂“中文房間”159
9.1.2傳統機器人學159
9.1.3建立包容體系結構160
9.2包容體系結構的實現160
9.2.1艾倫機器人161
9.2.2赫伯特機器人161
9.2.3托托機器人162
9.3機器感知162
9.3.1機器智能與智能機器163
9.3.2機器思維與思維機器163
9.3.3機器行為與行為機器163
9.4機器人的概念164
9.4.1機器人的發展164
9.4.2機器人“三原則”165
9.5機器人的技術問題166
9.5.1機器人的組成166
9.5.2機器人的運動167
9.5.3機器人大狗168
【作業】169
第10章計算機視覺172
【導讀案例】谷歌大腦的誕生172
10.1模式識別174
10.2圖像識別175
10.2.1人類的圖像識別能力176
10.2.2圖像識別的基礎176
10.2.3圖形識別的模型178
10.2.4神經網絡圖像識別178
10.3計算機視覺技術179
10.3.1什么是機器視覺179
10.3.2定義計算機視覺180
10.3.3計算機視覺與機器視覺的區別181
10.4智能圖像處理技術182
10.4.1圖像采集182
10.4.2圖像預處理182
10.4.3圖像分割182
10.4.4目標識別和分類183
10.4.5目標定位和測量183
10.4.6目標檢測和跟蹤183
10.5計算機視覺系統典型功能184
10.6計算機視覺技術的應用185
10.6.1機器視覺的行業應用186
10.6.2檢測與機器人視覺應用186
10.6.3布匹生產質量檢測188
【作業】190
第11章自然語言處理192
【導讀案例】機器翻譯: 大數據簡單算法與小數據復雜算法192
11.1語言的問題和可能性194
11.2什么是自然語言處理195
11.2.1自然語言處理的原因195
11.2.2自然語言處理的方法196
11.2.3自然語言處理的任務197
11.2.4語言模型198
11.3語法類型與語義分析199
11.3.1語法類型200
11.3.2語義分析200
11.3.3IBM機器翻譯系統200
11.4處理數據與處理工具201
11.4.1統計NLP語言數據集201
11.4.2自然語言處理工具201
11.4.3自然語言處理的技術難點202
11.5語音處理202
11.5.1語音處理的發展202
11.5.2語音理解203
11.5.3語音識別203
【作業】205
第12章GPT——大語言模型起步207
【導讀案例】2023年國內大模型匯總207
12.1自然語言處理的進步209
12.1.1關于ImageNet210
12.1.2自然語言處理的ImageNet時刻210
12.1.3從GPT1到GPT3211
12.1.4ChatGPT聊天機器人模型與對策212
12.1.5從文本生成音樂的MusicLM模型213
12.1.6檢測AI文本的DetectGPT算法213
12.2科普AI大語言模型214
12.3ChatGPT的模仿秀215
12.3.1舊的守衛，新的想法215
12.3.2搜索引擎結合LLM216
12.3.3克服簡單編造與重復216
12.4傳統行業的下崗217
12.4.1客服市場，AI本來就很卷217
12.4.2伐木場迎來工業革命219
12.4.3新技術，新問題221
【作業】222
第13章群體智能225
【導讀案例】無人機*快圈速: 算法控制戰勝專業駕駛員225
13.1向蜜蜂學習群體智能227
13.2什么是群體智能229
13.2.1群體人工智能技術229
13.2.2群體智能的兩種機制230
13.2.3基本原則與特點230
13.3典型算法模型231
13.3.1蟻群算法231
13.3.2搜索機器人233
13.3.3微粒群（鳥群）優化算法234
13.3.4沒有機器人的集群236
13.4群體智能背后的故事236
13.5群體智能的應用238
13.6群體智能的發展240
【作業】240
第14章自動規劃243
【導讀案例】自動駕駛泊車技術243
14.1規劃的概念244
14.2人工智能的烏姆普斯世界245
14.2.1描述烏姆普斯世界245
14.2.2探索烏姆普斯世界246
14.3什么是自動規劃247
14.3.1定義經典規劃247
14.3.2自動規劃問題248
14.3.3規劃問題示例249
14.4規劃方法252
14.4.1規劃即搜索252
14.4.2部分有序規劃254
14.4.3分級規劃255
14.4.4基于案例的規劃255
14.4.5規劃方法分析255
14.5時間、調度和資源256
14.5.1時間約束和資源約束的表示256
14.5.2解決調度問題256
【作業】257
第15章人工智能的發展259
【導讀案例】科學家發現新的人類腦細胞259
15.1創新發展與社會影響261
15.1.1人工智能發展的啟示262
15.1.2人工智能的發展現狀與影響262
15.2倫理與安全264
15.2.1創造智能機器的大猩猩問題264
15.2.2積極與消極的方面264
15.2.3人才和基礎設施短缺265
15.2.4設定倫理要求266
15.2.5強力保護個人隱私267
15.2.6機器人權利267
15.3人工智能的極限268
15.3.1由非形式化得出的論據268
15.3.2衡量人工智能268
15.4人工智能架構269
15.4.1傳感器與執行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的機遇與挑戰271
15.6未來的人工智能272
15.6.1意識與感質273
15.6.2機器能思考嗎273
15.6.3未來已來274
【作業】274
【課程學 結】277
附錄A作業參考答案281
參考文獻285
【導讀案例】動物智能: 聰明的漢斯1
1.1計算的淵源2
1.1.1巨石陣2
1.1.2安提基特拉機械3
1.1.3阿拉伯數字3
1.2巴貝奇與數學機器4
1.2.1差分機4
1.2.2分析機4
1.2.3“機器人”的由來5
1.3計算機的出現6
1.3.1為戰爭而發展的計算機器6
1.3.2計算機無處不在7
1.3.3通用計算機7
1.3.4計算機語言9
1.3.5計算機建模9
1.4計算機的智能行為10
1.4.1類人行為: 圖靈測試10
1.4.2類人思考: 認知建模10
1.4.3理性思考: “思維法則”11
1.4.4理性行為: 理性智能體11
1.4.5對人類可證益的智能體12
1.5人工智能大師13
【作業】13
第2章定義人工智能16
【導讀案例】自動駕駛概述16
2.1人工智能的學科基礎19
2.2人工智能概述24
2.2.1“人工”與“智能”24
2.2.2人工智能的定義26
2.2.3人工智能的實現途徑26
2.2.4人工智能發展的6個階段27
2.3人工智能的發展歷史29
2.3.1人工智能研究獲得的圖靈獎29
2.3.2從人工神經元開始（1943—1956）29
2.3.3早期期望無限（1952—1969）31
2.3.4一些現實（1966—1973）32
2.3.5專家系統（1969—1986）33
2.3.6神經網絡的回歸（1986至今）34
2.3.7概率推理和機器學習（1987至今）34
2.3.8大數據（2001至今）35
2.3.9深度學習（2011至今）36
2.4人工智能的研究36
【作業】40
第3章大數據與人工智能43
【導讀案例】電子商務的推薦系統43
3.1什么是模糊邏輯44
3.1.1甲蟲機器人的規則45
3.1.2模糊邏輯的發明45
3.1.3制定模糊邏輯的規則46
3.1.4模糊邏輯的定義47
3.1.5模糊理論的發展47
3.2模糊邏輯系統48
3.2.1純模糊邏輯系統48
3.2.2高木—關野模糊邏輯系統49
3.2.3具有產生器及消除器的模糊邏輯系統49
3.3數據思維與變革49
3.3.1思維轉變之一: 樣本=總體50
3.3.2思維轉變之二: 接受數據的混雜性51
3.3.3思維轉變之三: 數據的相關關系52
3.4大數據與人工智能53
3.4.1人工智能與大數據的聯系53
3.4.2人工智能與大數據的區別54
3.4.3人工智能深化大數據應用54
【作業】55
第4章智能體與智能代理58
【導讀案例】智能體: 下一個顛覆性AI應用58
4.1智能體和環境61
4.2智能體的良好行為62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、學習和自主63
4.3環境的本質64
4.3.1指定任務環境64
4.3.2任務環境的屬性65
4.4智能體的結構68
4.4.1智能體程序68
4.4.2學習型智能體69
4.4.3智能體程序組件的工作71
4.5智能代理技術72
4.5.1智能代理的定義72
4.5.2智能代理的典型工作過程72
4.5.3智能代理的特點73
4.5.4系統內的協同合作74
4.6智能代理的典型應用75
4.6.1股票/債券/期貨交易75
4.6.2醫療診斷76
4.6.3搜索引擎76
4.6.4實體機器人77
4.6.5電腦游戲77
【作業】78
第5章機器學習80
【導讀案例】奈飛的電影推薦引擎80
5.1什么是機器學習81
5.1.1機器學習的發展81
5.1.2機器學習的定義83
5.1.3機器學習的研究85
5.2基于學習方式的分類86
5.2.1監督學習86
5.2.2無監督學習87
5.2.3強化學習87
5.2.4機器學習的其他分類88
5.3機器學習的基本結構89
5.4機器學習算法90
5.4.1專注于學習能力91
5.4.2回歸算法92
5.4.3K近鄰算法92
5.4.4決策樹算法92
5.4.5貝葉斯算法93
5.4.6聚類算法94
5.4.7支持向量機算法94
5.4.8神經網絡算法94
5.4.9梯度增強算法94
5.4.10關聯規則算法95
5.4.11EM（期望*大化）算法95
5.5機器學習的應用95
5.5.1數據分析與挖掘96
5.5.2模式識別96
5.5.3生物信息學應用96
5.5.4物聯網96
5.5.5聊天機器人97
5.5.6自動駕駛98
【作業】98
第6章深度學習101
【導讀案例】人類與動物智商的差別101
6.1動物的中樞神經系統103
6.1.1神經系統的結構103
6.1.2神經系統的學習機制104
6.2了解人工神經網絡104
6.2.1人工神經網絡的研究105
6.2.2典型的人工神經網絡105
6.2.3類腦計算機106
6.3深度學習的定義106
6.3.1深度學習的優勢107
6.3.2深度學習的意義107
6.3.3神經網絡理解圖片108
6.3.4訓練神經網絡110
6.3.5深度學習的方法111
6.4卷積神經網絡114
6.4.1為什么選擇卷積114
6.4.2卷積神經網絡結構116
6.5遷移學習117
6.5.1基于實例的遷移118
6.5.2基于特征的遷移118
6.5.3基于共享參數的遷移118
6.6深度學習的應用118
【作業】120
第7章強化學習122
【導讀案例】谷歌制定新“守則”，確保機器人決策更安全122
7.1強化學習的定義123
7.1.1發展歷史123
7.1.2基本模型和原理124
7.1.3網絡模型設計124
7.1.4設計考慮126
7.1.5數據依賴性126
7.2與監督學習的區別127
7.2.1學習方式128
7.2.2先驗知識與標注數據129
7.3強化學習基礎理論129
7.3.1基于模型與免模型環境129
7.3.2探索與利用130
7.3.3預測與控制131
7.4強化學習分類131
7.4.1從獎勵中學習131
7.4.2被動強化學習132
7.4.3主動強化學習132
7.4.4強化學習中的泛化132
7.4.5學徒學習與逆強化學習132
7.5強化學習的應用133
7.5.1游戲博弈134
7.5.2機器人控制134
7.5.3制造業135
7.5.4醫療服務業135
7.5.5電子商務136
【作業】136
第8章數據挖掘139
【導讀案例】葡萄酒的品質139
8.1從數據到知識142
8.1.1決策樹分析143
8.1.2購物車分析143
8.1.3貝葉斯網絡144
8.2數據挖掘方法145
8.2.1數據挖掘的發展145
8.2.2數據挖掘的對象146
8.2.3數據挖掘的步驟146
8.2.4數據挖掘分析方法147
8.3數據挖掘的經典算法148
8.3.1神經網絡法148
8.3.2決策樹法149
8.3.3遺傳算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6關聯規則法150
8.4機器學習與數據挖掘150
8.4.1數據挖掘和機器學習典型過程150
8.4.2機器學習與數據挖掘應用案例152
【作業】154
第9章機器人技術156
【導讀案例】劃時代的阿波羅計劃156
9.1包容體系結構158
9.1.1所謂“中文房間”159
9.1.2傳統機器人學159
9.1.3建立包容體系結構160
9.2包容體系結構的實現160
9.2.1艾倫機器人161
9.2.2赫伯特機器人161
9.2.3托托機器人162
9.3機器感知162
9.3.1機器智能與智能機器163
9.3.2機器思維與思維機器163
9.3.3機器行為與行為機器163
9.4機器人的概念164
9.4.1機器人的發展164
9.4.2機器人“三原則”165
9.5機器人的技術問題166
9.5.1機器人的組成166
9.5.2機器人的運動167
9.5.3機器人大狗168
【作業】169
第10章計算機視覺172
【導讀案例】谷歌大腦的誕生172
10.1模式識別174
10.2圖像識別175
10.2.1人類的圖像識別能力176
10.2.2圖像識別的基礎176
10.2.3圖形識別的模型178
10.2.4神經網絡圖像識別178
10.3計算機視覺技術179
10.3.1什么是機器視覺179
10.3.2定義計算機視覺180
10.3.3計算機視覺與機器視覺的區別181
10.4智能圖像處理技術182
10.4.1圖像采集182
10.4.2圖像預處理182
10.4.3圖像分割182
10.4.4目標識別和分類183
10.4.5目標定位和測量183
10.4.6目標檢測和跟蹤183
10.5計算機視覺系統典型功能184
10.6計算機視覺技術的應用185
10.6.1機器視覺的行業應用186
10.6.2檢測與機器人視覺應用186
10.6.3布匹生產質量檢測188
【作業】190
第11章自然語言處理192
【導讀案例】機器翻譯: 大數據簡單算法與小數據復雜算法192
11.1語言的問題和可能性194
11.2什么是自然語言處理195
11.2.1自然語言處理的原因195
11.2.2自然語言處理的方法196
11.2.3自然語言處理的任務197
11.2.4語言模型198
11.3語法類型與語義分析199
11.3.1語法類型200
11.3.2語義分析200
11.3.3IBM機器翻譯系統200
11.4處理數據與處理工具201
11.4.1統計NLP語言數據集201
11.4.2自然語言處理工具201
11.4.3自然語言處理的技術難點202
11.5語音處理202
11.5.1語音處理的發展202
11.5.2語音理解203
11.5.3語音識別203
【作業】205
第12章GPT——大語言模型起步207
【導讀案例】2023年國內大模型匯總207
12.1自然語言處理的進步209
12.1.1關于ImageNet210
12.1.2自然語言處理的ImageNet時刻210
12.1.3從GPT1到GPT3211
12.1.4ChatGPT聊天機器人模型與對策212
12.1.5從文本生成音樂的MusicLM模型213
12.1.6檢測AI文本的DetectGPT算法213
12.2科普AI大語言模型214
12.3ChatGPT的模仿秀215
12.3.1舊的守衛，新的想法215
12.3.2搜索引擎結合LLM216
12.3.3克服簡單編造與重復216
12.4傳統行業的下崗217
12.4.1客服市場，AI本來就很卷217
12.4.2伐木場迎來工業革命219
12.4.3新技術，新問題221
【作業】222
第13章群體智能225
【導讀案例】無人機*快圈速: 算法控制戰勝專業駕駛員225
13.1向蜜蜂學習群體智能227
13.2什么是群體智能229
13.2.1群體人工智能技術229
13.2.2群體智能的兩種機制230
13.2.3基本原則與特點230
13.3典型算法模型231
13.3.1蟻群算法231
13.3.2搜索機器人233
13.3.3微粒群（鳥群）優化算法234
13.3.4沒有機器人的集群236
13.4群體智能背后的故事236
13.5群體智能的應用238
13.6群體智能的發展240
【作業】240
第14章自動規劃243
【導讀案例】自動駕駛泊車技術243
14.1規劃的概念244
14.2人工智能的烏姆普斯世界245
14.2.1描述烏姆普斯世界245
14.2.2探索烏姆普斯世界246
14.3什么是自動規劃247
14.3.1定義經典規劃247
14.3.2自動規劃問題248
14.3.3規劃問題示例249
14.4規劃方法252
14.4.1規劃即搜索252
14.4.2部分有序規劃254
14.4.3分級規劃255
14.4.4基于案例的規劃255
14.4.5規劃方法分析255
14.5時間、調度和資源256
14.5.1時間約束和資源約束的表示256
14.5.2解決調度問題256
【作業】257
第15章人工智能的發展259
【導讀案例】科學家發現新的人類腦細胞259
15.1創新發展與社會影響261
15.1.1人工智能發展的啟示262
15.1.2人工智能的發展現狀與影響262
15.2倫理與安全264
15.2.1創造智能機器的大猩猩問題264
15.2.2積極與消極的方面264
15.2.3人才和基礎設施短缺265
15.2.4設定倫理要求266
15.2.5強力保護個人隱私267
15.2.6機器人權利267
15.3人工智能的極限268
15.3.1由非形式化得出的論據268
15.3.2衡量人工智能268
15.4人工智能架構269
15.4.1傳感器與執行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的機遇與挑戰271
15.6未來的人工智能272
15.6.1意識與感質273
15.6.2機器能思考嗎273
15.6.3未來已來274
【作業】274
【課程學 結】277
附錄A作業參考答案281
參考文獻285
展開全部
人工智能通識教程(第2版·微課版) 作者簡介
周蘇，浙江大學城市學院教授， 科學技術部認證的創新工程師，創新培訓師。高校計算機基礎教育、計算機專業教育經驗豐富，著作等身，是浙江省創新方法推廣教師團隊的核心成員。目前主要從事計算機專業教育以及創新思維與創新方法教育、大數據技術與應用教育。近期在多家出版社連續出版《創新思維與創新方法》高校教材多部。正在積極探索創新思維、創新方法和計算機教育的結合。主講課程：《創新思維與創新方法》、《大數據導論》、《大數據可視化技術》以及計算機專業教育的多門課程。
書友推薦
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
苦雨齋序跋文-周作人自編集
- >
月亮與六便士
- >
巴金－再思錄
- >
羅庸西南聯大授課錄
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
自卑與超越
- >
我與地壇
本類暢銷
