新書推薦：
《
江淮方言精汇
》
售價：NT$
500.0
《
历史动力学：帝国的兴衰密码
》
售價：NT$
500.0
《
广岛 普利策奖得主首次揭示原子弹爆炸真相 20世纪美国百佳新闻作品TOP1
》
售價：NT$
296.0
《
全生命周期动作发展 第7版
》
售價：NT$
1265.0
《
广西常用动物类中药
》
售價：NT$
500.0
《
清末民初的“问题”与“主义”
》
售價：NT$
485.0
《
新中式服装设计、制板与裁剪
》
售價：NT$
449.0
《
诗经译注（彩图珍藏本）
》
售價：NT$
1010.0
|
| 編輯推薦： |
|
面向本科院校、职业院校的人工智能通识教育需求。从基础知识入手，重点着眼于生成式AI的核心技术。结合近期人工智能爆发式增长的社会和教育热点。全面介绍生成式人工智能在多个领域的落地应用。配套提供电子课件、微课视频、教学大纲、教案、教学指导、作业集与答案。
|
| 內容簡介： |
|
本书系统性地探讨了人工智能的核心技术、应用场景及未来挑战。全书共13章，从人工智能的基础概念与发展历程出发，深入解析机器学习、深度学习、强化学习等关键技术，并涵盖群体智能、生成式人工智能、大语言模型等前沿领域。本书结合丰富的应用案例，如医学诊断、自动驾驶、智能客服等，展现出AI技术的实用价值。同时，聚焦伦理、安全、就业等社会议题，展望人工智能的未来趋势与潜在影响。本书内容全面系统，涵盖核心技术、多个应用领域；案例丰富，结合实际；同时兼具专业性与前瞻性。本书既可以作为本科院校、职业院校低年级的人工智能通识课教材，也可以作为企业培训的参考用书。
|
| 關於作者： |
|
梁杨，男，工学博士，湖南中医药大学信息科学与工程学院副教授。博士毕业于中南大学计算机科学与技术专业，中国计算机学会会员，湖南省生物医学工程学会理事。主要研究方向为中医药信息化，高性能与分布式计算，嵌入式系统。主持省部级课题，湖南省教育厅优秀青年项目，高等教育司产学合作协同育人项目，长沙市自然科学基金，湖南中医药大学校级科研基金项目等；作为第一指导老师立项国家大学生创新创业训练计划1项；作为申请人登记软件著作权20余项；作为主要完成人获湖南省自然科学二等奖1项；作为主要参与人授权国家发明专利多项；出版专著1部，担任多部国家规划教材编委，指导学生学科竞赛获国家和省部级以上奖励50余项。作为项目骨干参与国家自然科学基金面上项目，国家重点研发计划，湖南省教育厅科学研究重点项目，湖南省中医药管理局重点项目，湖南省自然科学基金等。
|
| 目錄：
|
|
前言第1章 人工智能的奥秘 11.1 重新定义智能：从人类智能到机器智能 11.1.1 人类智能与人工智能概述 11.1.2 人类智能的构成与机制 21.1.3 人工智能的实现路径 31.2 人工智能的发展浪潮 31.2.1 第一次浪潮 41.2.2 第二次浪潮 61.2.3 第三次浪潮 71.3 智能哲学 91.3.1 认知边界 91.3.2 人工智能伦理 91.3.3 智能与创造的协同 101.3.4 数据主权与治理博弈 111.3.5 存在主义的人机共生 121.3.6 宇宙认知 121.4 智能应用案例 131.4.1 图灵测试 131.4.2 中文房屋 141.4.3 阿尔法狗 15本章小结 16【习题】 17第2章 人工智能的核心技术 192.1 数据 192.1.1 数据的定义 192.1.2 数据预处理与特征工程 202.1.3 大数据与人工智能 242.1.4 数据思维与人工智能的融合与发展 242.2 算法 262.2.1 算法的定义与分类 262.2.2 经典人工智能算法 272.2.3 人工智能的推理方式 272.3 算力 282.3.1 计算机硬件的演进 282.3.2 云计算 292.3.3 算力对人工智能发展的影响 312.4 平台和工具 322.4.1 常用人工智能开发框架 322.4.2 人工智能开发流程与工具链 332.4.3 开源社区与资源共享 332.5 核心技术的应用案例 342.5.1 联影医疗 342.5.2 山东算网平台 352.5.3 TSINGSEE智能分析网关 36本章小结 37【习题】 37第3章 机器学习—从数据中获取智慧 393.1 机器学习概述 393.1.1 机器学习的发展 393.1.2 机器学习的分类 403.2 监督学习 413.2.1 线性回归与逻辑回归 413.2.2 决策树与随机森林 423.2.3 支持向量机与神经网络 443.3 无监督学习 453.3.1 聚类分析 463.3.2 降维技术 473.3.3 关联规则挖掘 483.4 半监督学习 483.4.1 半监督学习的基本概念 493.4.2 半监督学习的典型方法 513.4.3 半监督学习的应用场景 513.5 机器学习的应用案例 523.5.1 数据分析与数据挖掘 523.5.2 模式识别与智能感知 533.5.3 预测建模与决策支持 54本章小结 55【习题】 55第4章 深度学习—模拟大脑的学习过程 574.1 深度学习概述 574.1.1 深度学习的定义 574.1.2 深度学习的发展历史 594.1.3 深度学习的优势 604.2 神经网络的基本原理与结构 604.2.1 神经元模型与激活函数 604.2.2 前馈神经网络与反向传播算法 624.2.3 卷积神经网络与循环神经网络 634.3 深度学习的训练与优化 644.3.1 损失函数与优化算法 644.3.2 正则化与防止过拟合 654.3.3 超参数调优与模型评估 664.4 深度学习的应用案例 674.4.1 虚拟个人助理 674.4.2 医学诊断 684.4.3 人脸识别与身份验证 694.4.4 自动语言翻译 70本章小结 71【习题】 71第5章 强化学习—通过试错优化决策 735.1 强化学习概述 735.1.1 强化学习的定义 735.1.2 强化学习的发展历史 745.1.3 强化学习的分类 775.2 强化学习的基础理论 785.2.1 强化学习的核心要素 785.2.2 马尔可夫决策过程 795.2.3 奖励函数与策略优化 805.3 强化学习的经典算法 825.3.1 Q-learning 825.3.2 深度Q网络 835.3.3 策略梯度 845.3.4 Actor-Critic 855.4 强化学习的应用案例 855.4.1 游戏AI 855.4.2 机器人控制 875.4.3 自动驾驶 88本章小结 90【习题】 90第6章 群体智能—集体智慧的涌现 926.1 群体智能的基本概念 926.1.1 群体智能的生物学启发 926.1.2 群体智能的定义 956.1.3 群体智能的基本原则与特点 956.1.4 群体智能的挑战与未来 966.2 群体智能的经典算法 976.2.1 蚁群算法 976.2.2 粒子群优化算法 996.2.3 人工蜂群算法 1006.3 群体智能的应用案例 1016.3.1 蜂群无人机 1026.3.2 交通与物流优化 1036.3.3 机器人协同作业 104本章小结 106【习题】 106第7章 生成式人工智能—创造内容的新引擎 1087.1 生成式人工智能概述 1087.1.1 生成式人工智能的定义 1087.1.2 生成式人工智能的发展历程 1107.1.3 生成式人工智能的未来发展 1117.2 生成式人工智能的基本原理 1127.2.1 生成对抗网络（GAN） 1127.2.2 变分自编码器（VAE） 1147.2.3 自回归模型 1167.2.4 扩散模型 1197.3 生成式人工智能的应用案例 1207.3.1 图像生成 1207.3.2 视频生成 1217.3.3 跨模态生成 123本章小结 123【习题】 124第8章 智能体与智能代理—构建自主决策的虚拟体 1268.1 智能体与智能代理 1268.1.1 智能体的定义及特征 1268.1.2 智能体的一般运行过程 1288.1.3 智能代理的分类 1308.2 智能代理的工作原理 1328.2.1 核心架构 1338.2.2 关键技术 1348.2.3 规划与优化 1378.3 智能代理的应用案例 1398.3.1 虚拟智能代理案例 1398.3.2 物理智能代理案例 1398.3.3 多代理系统案例 141本章小结 141【习题】 141第9章 计算机视觉技术与应用—让机器看懂世界 1439.1 计算机视觉基础 1439.1.1 计算机视觉的概念与发展历程 1439.1.2 计算机视觉处理流程 1459.1.3 计算机视觉与相关领域的联系和区别 1509.2 计算机视觉的基本任务 1519.2.1 图像分类 1529.2.2 目标检测与定位 1529.2.3 图像分割 1549.3 计算机视觉应用案例 1559.3.1 图像技术应用案例 1569.3.2 人体分析应用案例 160本章小结 163【习题】 163第10章 自然语言处理—解锁机器语言理解 16510.1 自然语言理解 16510.1.1 词法分析：分词、词性标注 16510.1.2 句法分析：短语结构、依存关系 16910.1.3 语义分析：词义消歧、语义角色标注 17210.2 自然语言生成 17410.2.1 文本摘要：抽取式摘要、生成式摘要 17410.2.2 机器翻译：统计机器翻译、神经机器翻译 17510.2.3 对话系统：任务型对话、开放域对话 17710.3 自然语言处理应用案例 18010.3.1 智能客服：自动问答、问题分类 18010.3.2 情感分析：文本情感分类、观点挖掘 18010.3.3 信息抽取：命名实体识别、关系抽取 181本章小结 181【习题】 182第11章 大语言模型与多模态智能—认知融合的新范式 18411.1 大语言模型概述 18411.1.1 大语言模型的定义与发展历程 18411.1.2 大语言模型的核心技术：Transformer架构 18511.1.3 大语言模型的训练数据与规模 18611.1.4 国内外典型大语言模型 18711.2 大语言模型的能力 18911.2.1 文本生成 18911.2.2 文本理解 19111.2.3 跨领域交互 19111.3 多模态智能 19211.3.1 多模态数据的融合与处理 19211.3.2 多模态交互：图像描述、视频理解、跨模态生成 19411.4 大语言模型与多模态智能的应用案例 19511.4.1 大模型应用之文本生成：创作故事、撰写文章、编写代码 19511.4.2 大模型应用之文本理解：问答系统、信息抽取、情感分析 19611.4.3 多模态智能应用：图文生成、音视频分析 196本章小结 197【习题】 198第12章 具身智能—人工智能与物理世界的接口 19912.1 具身智能的基本概念 19912.1.1 具身智能的发展史 19912.1.2 具身智能的定义与特点 20012.1.3 具身智能与机器人技术的结合 20212.2 具身智能的关键技术 20312.2.1 感知与决策 20312.2.2 运动控制 20412.2.3 人机交互 20512.3 具身智能的应用场景 20612.3.1 家庭机器人 20612.3.2 工业机器人 20712.3.3 特种机器人 20812.4 具身智能的应用案例 20912.4.1 特斯拉Optimus对具身智能的探索 20912.4.2 中国华为对具身智能的探索 210本章小结 212【习题】 212第13章 人工智能的未来与挑战 21413.1 人工智能对就业市场的影响 21413.1.1 人工智能创造的就业机会 21413.1.2 人工智能可能取代的就业岗位 21613.1.3 人工智能时代的人才需求 21813.2 人工智能伦理问题：算法偏见、隐私保护、责任归属 21913.2.1 算法偏见的成因与危害 22013.2.2 人工智能时代的隐私保护挑战 22113.2.3 人工智能系统的责任归属问题 22213.3 人工智能安全问题：数据安全、算法安全、系统安全 22313.3.1 人工智能数据安全风险 22413.3.2 人工智能算法安全漏洞 22513.3.3 人工智能系统安全威胁 22513.4 人工智能的未来发展趋势与展望 22613.4.1 人工智能技术发展趋势 22613.4.2 人工智能应用领域拓展 22813.4.3 人工智能对社会发展的深远影响 229本章小结 230【习题】 231参考文献 233
|
| 內容試閱：
|
|
在数字化和智能化时代的今天，人工智能（AI）已不再是科技行业的一个前沿领域，它的深远影响已经渗透到社会生活的方方面面，从智能助手到自动驾驶，再到医疗诊断，人工智能的应用早已成为人们日常生活的一部分。本书旨在全面探索人工智能的奥秘，揭示其技术原理、发展历程及应用场景，带领读者走进这个充满未知和潜力的领域。从最初的图灵测试到如今深度学习和生成式对抗网络的广泛应用，人工智能经历了三次浪潮。通过本书细致的讲解，读者不仅可以了解机器学习、深度学习的基础和实践，还能深入探讨强化学习、群体智能等前沿技术及发展趋势。本书特别关注人工智能在实际生活中的应用，并提供了多个典型案例，帮助读者理解这些技术如何变革各行各业。此外，本书还探讨了人工智能的伦理和社会影响，包括智能算法的偏见、隐私保护问题以及技术给就业带来的影响。随着人工智能逐渐走向自主与智能决策的高峰，相关的伦理与安全问题变得尤为突出。本书将帮助读者理性思考这些问题，并展望未来的发展方向。本书系统解析人工智能全领域知识体系，共13章，涵盖技术原理、应用场景与未来挑战。第1章从智能定义切入，梳理发展浪潮与哲学议题，给出图灵测试等经典案例。第2～8章聚焦核心技术，详解数据、算法、算力三要素，以及机器学习、深度学习、强化学习等关键领域，并给出联影医疗、阿尔法狗等应用实例。第9～12章探讨计算机视觉、自然语言处理、大语言模型与多模态智能、具身智能等前沿方向，覆盖图像分割、智能客服、特斯拉Optimus等应用场景。第13章分析人工智能对就业、伦理及安全的影响，展望技术趋势与社会价值，兼具学术深度和实践指导意义。本书内容全面系统，涵盖核心技术、多个应用领域；案例丰富，结合实际；同时兼具专业性与前瞻性。授课教师可以按照自己对人工智能通识课的理解适当地增减章节，也可以根据教学目标，灵活地调整章节顺序，增减各章节的学时数。本书微课视频二维码的使用方式：1）刮开教材封底处的“刮刮卡”，获得“兑换码”。2）关注微信公众号“天工讲堂”，选择“我的”—“使用”。3）输入“兑换码”和“验证码”，选择本书全部资源并免费结算。4）使用微信扫描教材中的二维码观看微课视频。本书的作者为梁杨、陈威扬、孔文、谢光明、黄蕊、呙心柔、李微、林彦桦、周鹏湘、吕云翔，曾洪立参与了部分内容的编写及资料整理工作。由于作者的水平和能力有限，书中难免有疏漏之处。恳请各位同仁和广大读者给予批评指正。
|
|
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
