新書推薦：
《
投资你自己
》
售價：NT$
561.0
《
我喜欢相爱的人们
》
售價：NT$
388.0
《
网格本·飘（全两册/外国文学名著丛书）
》
售價：NT$
959.0
《
时刻人文·环球共此食：工业化英国、食品系统与世界生态（2021年美国历史学会杰里·本特利世界史奖获奖作品。一部融合饮食史、环境史、科技史的力作，揭示“地球不能承受之食”的来龙去脉）
》
售價：NT$
434.0
《
DK艺术百科（典藏版）（全彩）
》
售價：NT$
857.0
《
心流2.0：在复杂世界中创造最优体验
》
售價：NT$
301.0
《
日本艺术50讲（一本读懂日本5000年艺术史，20余种艺术类型，280余幅经典之作）
》
售價：NT$
1117.0
《
疑案里的中国史1.2.3（套装3册）
》
售價：NT$
1019.0
|
| 編輯推薦： |
|
本书系统构建了从“起源—原理—应用—未来”的清晰知识链条，为读者提供一次全面深入的人工智能之旅?本书结合实际案例，用清晰、生动的语言讲解人工智能的核心原理，使读者能轻松理解人工智能的基础概念与应用逻辑?本书不仅探讨技术本身，还深入分析AI的伦理、隐私及滥用风险，呼吁技术发展与社会规范的平衡，体现对人文精神的关注?本书附赠PPT课件，核心知识点讲解视频，课程上线智慧树平台
|
| 內容簡介： |
|
本书是人工智能领域的通识教材，旨在带领读者开启一次全面的人工智能之旅。本书分为四部分，第1部分回顾人工智能的发展历史，探讨符号主义、联结主义和行为主义三大学派的形成及其对现代社会的影响，强调AI背后的人文精神与社会责任。第二部分深入剖析AI的数理基础，通过案例引导读者理解AI的核心原理，避免复杂的数学公式，从而使读者能够轻松掌握。第三部分聚焦AI在各个领域的应用，包括专家系统、计算机视觉、机器人、自然语言处理等，并通过前沿技术案例展示AI如何推动行业创新。第四部分展望AI的未来发展，探讨技术的挑战与安全风险，如数据隐私、伦理问题及技术滥用等，呼吁对AI技术持续发展进行深思与规范。 本书内容丰富，语言通俗易懂，既可作为高校各专业学生的通识教材，也可供人工智能相关领域从业人员和广大读者参考。
|
| 關於作者： |
|
印鉴中山大学人工智能学院副院长，二级教授、博士生导师，广东省大数据管理与应用工程技术研究中心主任。目前，主要从事人工智能、机器学习、大数据分析与处理等方面的研究工作。现为中国计算机学会数据库专业委员会委员、中国计算机学会大数据专家委员会委员、中国计算机学会大模型论坛执行委员、中国中文信息学会大模型与生成专业委员会委员、广东省计算机学会副理事长、广东省计算机学会大数据专业委员会主任、广东省计算机学会数据库分会副理事长。在包括IEEE Trans.等国际著名期刊和KDD、AAAI、ACL、NeurIPS等国际会议上发表论文200多篇；主持了国家自然科学基金重点和面上项目等三十多个项目的研究工作，科研成果共四次获得广东省科技进步奖一等奖（排名第一）、二等奖、三等奖和中华中医药学会科技奖一等奖，入选新世纪优秀人才计划、广东省特支计划杰出人才。王雪鹤中山大学人工智能学院百人计划副教授，主要从事智能优化、博弈论、联邦学习等方面的研究。中国计算机学会专业委员会教育专业委员会执行委员，广东省计算机学会物联网与网络专委会副主任委员。以第一作者或通讯作者在国际著名期刊和会议上（如TMC，TON，INFOCOM等）发表论文二十余篇。主持国家自然科学基金青年科学基金、广东省面上项目、产学研合作开发项目等，参与国家重点研发计划、新加坡与麻省理工学院联合研究机构、新加坡等科研项目。入选广东省高层次青年人才，广东省计算机学会优秀论文一等奖，校级线下一流课程、教学竞赛奖等，教研论文获中国高校计算机教育大会（CCEC）最佳论文奖。赵宝全中山大学人工智能学院百人计划副教授，硕士生导师。研究方向主要包括人工智能内容生成、计算机图形学、智能多媒体技术等。目前已在IEEE TCSVT， IEEE TIP， IEEE TMM， IEEE TPAMI， ACM Multimedia， ACL等国际重要期刊和会议上发表学术论文40余篇，申请/授权中国专利和PCT国际专利10余件，主持/参与了多项国家级和省部级项目，长期担任十余个知名学术期刊和会议的审稿人和技术委员会成员。毛旭东中山大学人工智能学院百人计划副教授，主要从事扩散模型、生成对抗网络、生成式人工智能等方向的研究。在国际学术期刊和会议上（如TPAMI、ICCV、CVPR、NeurIPS等）发表学术论文20余篇，在谷歌学术上的引用次数超过7000次；以第一作者发表的LSGAN论文，单篇引用次数超过6000次；主持国家自然科学基金面上和青年基金等项目4项；入选斯坦福大学发布的全球前2%顶尖科学家榜单。
|
| 目錄：
|
|
目 录前言第一部分 遇见人工智能，遇见爱（AI）第1章 人工智能的发展历史21.1 什么是人工智能21.2 厚积薄发：人工智能的崛起之路31.2.1 人工智能的早期萌芽31.2.2 人工智能的诞生：达特茅斯会议61.2.3 黄金年代与寒冬降临81.2.4 春天的曙光：AI的复兴—从低谷走向复苏111.2.5 学习的革命：深度学习的崛起151.2.6 一次爆发：大模型时代的到来201.3 百家争鸣：人工智能的三大学派221.3.1 思想的碰撞：AI学派的形成背景221.3.2 符号主义：逻辑的信徒241.3.3 联结主义：仿生的追随者261.3.4 行为主义：现实的实践者281.3.5 融合、创新与展望：走向多元化的未来30本章小结33延伸阅读33本章习题40第二部分 想说爱（AI）你不容易第2章 逻辑演绎442.1 搜索算法442.1.1 搜索算法的定义452.1.2 基础搜索策略462.1.3 高级搜索技术562.2 知识表示652.2.1 知识表示的基本概念662.2.2 知识表示的方法68本章小结77本章习题78第3章 归纳推理793.1 分类预测793.1.1 基本概念803.1.2 常见的分类算法823.1.3 评估分类模型933.1.4 应用场景963.2 神经网络983.2.1 神经网络的灵感来源—大脑中的神经元983.2.2 感知机983.2.3 神经网络概述1003.2.4 BP神经网络1053.2.5 神经网络的应用领域1073.2.6 神经网络的挑战109本章小结114本章习题114第4章 强化学习1154.1 概述1154.1.1 强化学习的发展历史1154.1.2 强化学习的基本结构1164.1.3 强化学习的分类1174.2 策略梯度算法1194.2.1 标准的策略梯度算法1194.2.2 策略梯度算法的两种优化方法1214.2.3 策略梯度算法的实现过程1234.3 深度Q网络算法1244.3.1 价值函数1244.3.2 深度Q网络算法的基本流程1274.3.3 常见的优化方法1274.3.4 深度Q网络算法的实现过程1294.3.5 连续动作空间下的深度Q网络1304.4 演员-评论员算法1314.4.1 策略梯度算法的简单回顾1314.4.2 深度Q网络算法的简单回顾1324.4.3 演员-评论员算法的基本流程1324.4.4 常见的优化技巧1334.4.5 演员-评论员算法的实现过程1344.4.6 异步演员-评论员算法1354.5 稀疏奖励环境下的强化学习1364.5.1 设计奖励1364.5.2 课程学习1374.5.3 分层强化学习1384.6 无奖励环境下的强化学习1394.6.1 行为克隆1394.6.2 逆强化学习140本章小结140本章习题141第三部分 对你爱（AI）不完第5章 专家系统1445.1 什么是专家系统1445.1.1 专家系统的定义1445.1.2 专家系统的发展历史1465.2 专家系统的组成部分1475.2.1 知识库1485.2.2 推理机1535.2.3 用户接口1555.2.4 知识获取模块1565.2.5 解释模块1585.3 专家系统的应用场景1595.3.1 医疗诊断1595.3.2 金融分析1605.3.3 法律咨询1625.3.4 工业故障诊断1635.3.5 农业管理164本章小结166本章习题166第6章 计算机视觉1676.1 图像理解：计算机视觉的核心目标1676.2 计算机如何“看”图像1696.2.1 什么是数字图像1706.2.2 数字图像的表示方式1706.3 计算机如何“认识”图像1716.3.1 什么是图像分类1716.3.2 线性分类器1726.3.3 全连接网络1756.3.4 卷积神经网络1766.4 计算机如何更深层地“理解”图像1806.4.1 目标检测1806.4.2 图像分割1836.5 计算机视觉的应用1856.5.1 人脸检测与识别1856.5.2 光学字符识别1886.5.3 智能制造1906.5.4 增强现实和虚拟现实192本章小结193本章习题194第7章 机器人1957.1 机器人概述1957.1.1 机器人的定义与发展历程1957.1.2 机器人的主要构成1967.1.3 机器人的关键技术1987.2 强化学习在机器人中的应用2007.2.1 环境感知：如何获取环境信息2007.2.2 决策过程：如何选择下一步动作2027.2.3 奖励机制：如何评价动作的好坏2037.2.4 经验积累：如何从历史数据中学习2047.3 机器人的典型应用场景2067.3.1 工业机器人2067.3.2 服务机器人2077.3.3 医疗机器人2087.3.4 军事和安防机器人2117.3.5 探索和研究用机器人212本章小结213本章习题214第8章 自然语言处理2158.1 自然语言处理概述2158.1.1 自然语言处理的基本概念和发展历程2158.1.2 自然语言处理的核心任务2178.2 自然语言的表示2188.2.1 离散词向量表示2198.2.2 分布式词向量表示2218.3 自然语言分析的层次结构2258.3.1 词法分析2258.3.2 句法分析2268.3.3 语义分析2288.3.4 篇章分析2308.4 语言模型的技术演进2318.4.1 基于规则的语言分析2318.4.2 统计语言模型2328.4.3 神经网络语言模型2328.5 自然语言处理的关键应用2348.5.1 信息抽取2358.5.2 情感分析2368.5.3 机器翻译2368.5.4 文本摘要2378.5.5 智能问答2378.5.6 知识图谱构建238本章小结239本章习题240第9章 生成式人工智能2419.1 什么是生成式人工智能2419.2 文生文：让文字生根发芽2429.2.1 自回归模型2429.2.2 预训练语言模型2439.2.3 大型语言模型2489.3 文生图：当文字化作绚丽画卷2529.3.1 图像生成模型的基本原理2539.3.2 图像生成模型的主流技术路线2549.4 文生视频：让文字在时空中舞动2599.4.1 视频生成模型的基本原理2599.4.2 视频生成模型的主流技术路线2619.5 提示词工程：与AI对话的艺术2649.5.1 提示词工程的基本概念2659.5.2 提示词的构成要素2669.5.3 提示词编写的核心技巧2679.5.4 典型应用场景的提示词策略2699.5.5 高级提示词技术272本章小结274延伸阅读275本章习题280第10章 AI X28110.1 金融科技28110.1.1 概述28210.1.2 金融大模型28510.2 智慧医疗29210.2.1 概述29210.2.2 AlphaFold29310.3 科学智能29810.3.1 概述29910.3.2 气象大模型301本章小结307本章习题308第四部分 爱（AI）你一万年第11章 人工智能的未来发展31011.1 概述31011.2 技术趋势31311.2.1 从有监督学习到自主学习31411.2.2 从单模态大模型到多模态大模型31511.2.3 从黑箱AI到可解释AI31711.3 未来挑战与瓶颈31911.3.1 数据质量与获取31911.3.2 计算资源与能耗32111.3.3 通用人工智能的实现323本章小结326本章习题326第12章 人工智能的安全风险32812.1 技术安全风险32812.1.1 模型鲁棒性风险32812.1.2 系统可靠性风险33112.1.3 隐私安全风险33212.2 伦理风险33412.2.1 决策公平风险33412.2.2 透明度风险33512.2.3 自主性风险33512.3 技术风险的防护策略33812.3.1 模型鲁棒性增强33812.3.2 系统可靠性保障34012.3.3 隐私保护机制34112.4 伦理规范策略34312.4.1 公平性保障34312.4.2 透明度提升34412.4.3 自主性管控345本章小结346延伸阅读347本章习题349参考文献350
|
| 內容試閱：
|
|
前 言在这个信息时代，人工智能（AI）已经成为我们生活中不可或缺的一部分。十四届全国政协第二十二次双周协商座谈会上，副部长吴岩提出打造人工智能通识课程体系，赋能理工农医文等各类人才培养。基于人工智能通识教育普及的迫切目标，本书旨在带领读者开启一次全面的人工智能之旅，从人工智能的发展历史到基础理论，再到前沿应用，最后对AI的未来进行展望。本书的第一部分将引领读者踏上一段非凡的时空之旅，从人工智能的起源开始，追溯其波澜壮阔的发展历史。读者将了解AI的诞生、发展、高潮与低谷，见证三大学派——符号主义、联结主义和行为主义的诞生与演变。该部分还将探讨AI如何在现代社会中扮演越来越重要的角色，其应用如何深刻影响着我们的生活。我们不仅希望读者能够通过这段旅程深入了解人工智能的多样性和复杂性，更希望读者能够感受到AI背后的人文精神和承担的社会责任。这段旅程将帮助读者认识到，AI不仅是技术的革新，更是人类智慧的延伸，它的发展需要我们共同思考和参与。第二部分将从AI三大学派切入，探讨AI的基石—数理基础，包括逻辑演绎、归纳推理和强化学习等核心概念。该部分可帮助读者理解AI如何进行思考和学习，以及这些数学原理如何支撑智能系统的构建和发展。考虑到读者的多学科背景，本书尽量避免复杂的数学公式，力求以通俗易懂的语言来讲解AI的核心原理，因此，即便读者没有深厚的数学背景，也能够轻松理解AI的精髓。每一章都将从一个实际的问题案例出发，引导读者思考如何运用AI来解决这些问题，并介绍相应的AI工具。第三部分主要聚焦AI在专家系统、计算机视觉、机器人、自然语言处理、生成式人工智能等领域的应用。该部分主要讲述人工智能在实际中的应用，并讨论最新的大语言模型等前沿技术。本部分通过丰富的案例分析，展示了AI技术如何推动各行各业的创新，以及它如何为社会带来深刻的变革。希望读者能够通过这些实际案例，直观地感受到AI技术的力量，以及它在解决现实问题和推动社会发展中的巨大潜力。第四部分将在深入探讨AI的过去和现在之后，共同展望AI的未来发展趋势以及伴随而来的安全风险。该部分将详细讨论AI技术的发展趋势、面临的挑战和瓶颈，包括多模态大模型、可解释人工智能、计算资源问题等。同时，也将探讨技术进步带来的安全风险和伦理挑战，如数据泄露风险、模型滥用、对抗性攻击等问题。通过对AI未来的深入探讨，希望激发读者对AI持续发展和应用的深入思考，以及如何在享受AI带来的便利的同时，确保技术的伦理性和安全性。这是一本AI思想启蒙书。无论是理工科学生，还是文科背景的读者，本书都将为你呈现一个全面且深入浅出的AI世界图景。让我们一起探索人工智能的无限可能，遇见一个更加智能的未来。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
