新書推薦：
《
理解人性：成熟不是看懂事情 而是看透人性 任何事件中 都别低估人性的影响
》
售價：HK$
286
《
看见情绪价值2（做个情绪自由的成年人 不要和别人一起欺负自己，你的情绪比全世界的期待都重要）
》
售價：HK$
254
《
罪案调查科：罪终迷局
》
售價：HK$
269
《
从达·芬奇到互联网 ： 文艺复兴以来的技术与文化
》
售價：HK$
439
《
绑架游戏（东野圭吾相当出色的设定系推理）
》
售價：HK$
305
《
逆战：日本失去的三十年之警示（日本财政学会理事经济学教授金子胜深刻解读日本经济 敲响中国警钟）
》
售價：HK$
347
《
不要担心2小时和8公里以外的事情
》
售價：HK$
254
《
叫卖伦敦：街头商贩与英国都市生活
》
售價：HK$
398
|
| 編輯推薦： |
|
本书以“人工智能”通识入门为导向，内容既包括经典算法(如k近邻、贝叶斯、决策树和神经网络等)，又涵盖前沿技术(如深度学习、自然语言处理等)，以讲述“人工智能”的通识知识为主，适合本科生“人工智能”通识课程的教学要求。本书文笔流畅幽默，通俗易懂，内容涉及人工智能的历史、哲学和人文科学等领域，将多学科知识融会贯通，兼具可读性和趣味性。本书配有很多实战项目，帮助读者在实践中理解原理。对于没有编程基础的读者，准备了简易上手的Excel版本实践(部分项目适用)。对有编程基础的读者，随书提供了Python版本的源代码，让多层次的读者皆有所获。
|
| 內容簡介： |
|
本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术，并对其背后的思想逻辑与哲学基础进行深入思辨。内容涵盖k近邻、贝叶斯、决策树、神经网络等经典算法，以及深度学习、自然语言处理等前沿技术，算法配套Excel和/或Python实战项目，帮助读者在实践中理解原理。第2版新增第9章“大模型:涌现而来的智能”，系统讲解了以ChatGPT、GLM、Llama和DeepSeek为代表的大语言模型的发展基础、核心机制与本地部署方法，并配套开发实战，助力读者把握智能演进新趋势。本书适用于高等学校通识课教学，也适用于研究生、工程师和人工智能初学者的系统学习与实践参考。
|
| 關於作者： |
|
张玉宏，博士（博士后），副教授，高级大数据分析师，2009年~2011年美国西北大学访问学者，2019年~至2020年美国IUPUI高级访问学者，CCF高级会员，CCF公益大使，CCF郑州分部执行委员主要研究方向为人工智能、大数据、大模型等，先后出版《品味大数据》《深度学习之美》《从深度学习到图神经网络》等17部科技畅销书图书，发表论文30余篇，主持省厅级项目7项，参与项目2项。
|
| 目錄：
|
目录
第1章光辉岁月：人工智能的那些人和事1
1.1追问智能的本质1
1.2复杂机器与智能3
1.3远古人工智能发展简史4
1.3.1远古神器与机器4
1.3.2复杂机器与智能6
1.3.3计算自动化的发展脉络10
1.3.4机器与类人机器15
1.3.5思维逻辑化的演变19
1.4现代人工智能的诞生28
1.4.1简洁优雅的图灵测试28
1.4.2群星闪耀的达特茅斯会议32
1.5人工智能的三个流派35
1.5.1符号主义35
1.5.2联结主义38
1.5.3行为主义40
1.6人工智能的定义42
1.7人工智能的研究领域43
1.7.1认知建模43
1.7.2知识表示43
1.7.3机器感知44
1.7.4自动推理44
1.7.5机器学习45
1.7.6问题求解与博弈45
1.7.7自然语言处理46
1.7.8深度神经网络47
1.7.9智能信息检索47
1.8本章小结48
1.9思考与练习49
参考文献50
第2章机器学习：各司其职的四大门派51
2.1人工智能的两种研究范式51
2.2从学习到机器学习53
2.2.1什么是学习53
2.2.2学习有何用54
2.2.3什么是机器学习56
2.2.4机器学习的本质57
2.2.5传统编程与机器学习的差别58
2.2.6为什么机器学习不容易59
2.3监督学习62
2.3.1感性认知监督学习62
2.3.2监督学习的工作流程63
2.3.3分类与回归的区分64
2.3.4监督学习中的损失函数66
2.4无监督学习67
2.4.1感性认知无监督学习67
2.4.2无监督学习的代表——k均值聚类69
2.5半监督学习72
2.6强化学习74
2.6.1感性认识强化学习74
2.6.2强化学习的形式描述76
2.7LeCun的蛋糕理论77
2.8从哲学视角审视机器学习79
2.8.1预测的本质79
2.8.2归纳法的不完备性81
2.8.3大卫·休谟问题： 事实归纳不出价值84
2.9本章小结85
2.10思考与练习86
参考文献87
第3章k近邻算法：近朱者赤、近墨者黑88
3.1“君君臣臣”传达的分类思想88
3.2k近邻算法的核心思想89
3.3k近邻算法的数学基础91
3.3.1特征向量与矩阵91
3.3.2特征向量的归一化98
3.4k近邻算法的三个要素100
3.4.1k值的选取100
3.4.2邻居距离的度量101
3.4.3分类决策的制定102
3.4.4苏格拉底之死与k近邻之弊103
3.4.5瑞·达里奥的“话份”104
3.5k近邻算法实战105
3.5.1分类任务与数据准备105
3.5.2可视化图展现106
3.5.3计算相似性107
3.5.4判定类别111
3.6机器学习利器——scikitlearn116
3.7k近邻回归120
3.7.1k近邻回归的核心思想120
3.7.2利用k近邻回归预测体重120
3.8本章小结122
3.9思考与练习122
参考文献123
第4章贝叶斯：一种现代世界观的人生算法124
4.1贝叶斯的历史渊源124
4.2重温贝叶斯定理127
4.3贝叶斯的“问题”131
4.3.1案例分析： “汤姆断案”131
4.3.2江湖恩怨： 贝叶斯学派与频率学派135
4.4贝叶斯方法在机器学习中的应用138
4.4.1朴素贝叶斯138
4.4.2能否出去玩，贝叶斯说了算142
4.5基于贝叶斯的垃圾邮件过滤148
4.5.1垃圾邮件的来源148
4.5.2过滤垃圾邮件的贝叶斯原理149
4.5.3构建训练集150
4.5.4联合概率是如何计算的152
4.5.5朴素贝叶斯“朴素”在哪里153
4.5.6贝叶斯的不同类型154
4.5.7贝叶斯分类的一些工程优化155
4.6贝叶斯网络156
4.7本章小结158
4.8思考与练习159
参考文献160
第5章决策树：一种高胜算的决策思维162
5.1感性认知决策树162
5.1.1生活中的决策树162
5.1.2决策树的智慧165
5.1.3决策树与熵166
5.2机器学习中的各种熵166
5.2.1熵是一种世界观166
5.2.2信息熵168
5.2.3互信息174
5.3如何构建决策树176
5.3.1信息增益与ID3176
5.3.2信息增益率与C4.5189
5.3.3基尼指数与CART194
5.3.4决策树的特点195
5.4本章小结197
5.5思考与练习197
参考文献198
第6章神经网络：道法自然的智慧199
6.1本能是学习吗199
6.1.1关于“人性”的一则故事199
6.1.2故事背后的逻辑200
6.2神经网络中的“学习”本质202
6.2.1巴甫洛夫的“狗”202
6.2.2卡哈尔的“手”203
6.2.3美妙的赫布定律205
6.3人工神经网络的工作原理207
6.3.1为什么要用人工神经网络207
6.3.2人工神经网络的定义207
6.3.3“恒常连接”与联结主义208
6.3.4神经网络的优质性原理210
6.4人工神经网络的几个经典模型211
6.4.1MP神经元模型211
6.4.2罗森布拉特的感知机模型213
6.4.3来自马文·明斯基的攻击215
6.4.4多层感知机的表征能力217
6.4.5BP反向传播算法222
6.5不可忽视的激活函数225
6.6实战：手把手搭建一个简易神经网络227
6.6.1利用感知机识别“西瓜”与“香蕉”227
6.6.2利用感知机解决异或问题233
6.7走向更深的方向——神经网络的拓扑结构设计238
6.8本章小结239
6.9思考与练习240
参考文献241
第7章深度学习：一种数据重于算法的思维转换242
7.1深度学习所处的知识象限242
7.2深度学习的感性认知246
7.3深度学习中的方法论247
7.4深度学习发展简史249
7.4.1来自休伯尔的启发249
7.4.2福岛邦彦的神经认知机251
7.4.3LeCun提出的卷积神经网络252
7.4.4Hinton开启的深度学习革命253
7.4.5深度学习“层”的内涵256
7.5卷积神经网络的概念257
7.5.1卷积的数学定义257
7.5.2生活中的卷积258
7.5.3计算机“视界”中的图像258
7.5.4卷积运算259
7.5.5卷积在图像处理中的应用263
7.6卷积神经网络的结构268
7.6.1卷积层269
7.6.2池化层270
7.6.3全连接层273
7.6.4深度之“难”——过拟合与欠拟合274
7.6.5防止过拟合的Dropout机制276
7.7本章小结280
7.8思考与练习281
参考文献281
第8章自然语言处理：指月指非月的顿悟283
8.1为什么自然语言处理重要283
8.2自然语言处理的一个假设285
8.3词向量表示方法289
8.3.1独热编码表示289
8.3.2分布式表示291
8.3.3词嵌入表示294
8.4经典的自然语言处理统计模型298
8.4.1NGram模型298
8.4.2基于神经网络的语言模型299
8.5基于循环神经网络的语言模型305
8.5.1Vanilla递归神经网络305
8.5.2感性认知RNN的“记忆”功能306
8.5.3RNN的工作原理310
8.5.4RNN的梯度弥散314
8.5.5长短期记忆网络315
8.5.6RNN语言模型319
8.6基于RNN的常见自然语言处理拓扑结构321
8.6.1onetoone322
8.6.2onetomany322
8.6.3manytoone323
8.6.4manytomany323
8.7EncoderDecoder与Seq2Seq325
8.7.1编码器与解码器325
8.7.2Seq2Seq326
8.8Attention机制327
8.9NLP常用工具与开发流程331
8.10本章小结336
8.11思考与练习337
参考文献337
第9章大模型：涌现而来的智能340
9.1一张引发思考的有趣图片340
9.2什么是大模型342
9.3大模型理论基础——Transformer342
9.4大模型的本质——压缩智能345
9.5大模型独特能力347
9.5.1涌现与扩展法则347
9.5.2思维链349
9.5.3提示词351
9.6主流大模型352
9.6.1生成预训练模型GPT352
9.6.2通用语言模型GLM354
9.6.3Meta大模型Llama354
9.6.4深度探索大模型DeepSeek356
9.7大模型本地部署358
9.7.1安装Ollama359
9.7.2Ollama下载Llama 3360
9.7.3安装Docker363
9.7.4安装Open WebUI365
9.7.5加载大模型368
9.7.6加载DeepSeek R1371
9.8二次开发利用大模型374
9.8.1构造一个图片解析器374
9.8.2利用系统提示词打造一个AI翻译助手379
9.8.3构建一个简易PDF文档解读工具381
9.9对待人工智能的两个态度386
9.10本章小结387
9.11思考与练习388
参考文献388
|
| 內容試閱：
|
第2版前言
在本书第1版中，我们曾一同穿越人工智能（AI）发展历程的光辉岁月，探寻了机器学习的四大门派，领略了k近邻算法的近朱者赤、近墨者黑，感悟了贝叶斯统计所折射出的理性世界观，体会了决策树中每次高胜算抉择的逻辑美学，触摸了神经网络自然而然的演化之道，以及在深度学习的实践中认识数据在其中所占据的核心地位。在自然语言处理的章节中，我们经历了那“指月而非月”的顿悟时刻，从表象中窥见了智慧的本质。
然而，科技的进步犹如不断翻涌的海浪，每次冲击都激起全新的浪花。近几年，大模型如ChatGPT、Llama 以及DeepSeek（深度求索）等相继涌现，以其庞大的参数规模和超凡的数据处理能力，为我们揭开了一幅前所未见的智能蓝图。为了与时代同行，第2版特别增设了第9章，专门探讨大模型的崛起及其引发的革命性变革。
在第9章中，将深入探讨Llama 3 和DeepSeek 等开源大模型的工作原理以及它们在各个领域的实际应用。读者将看到，这些大模型如何通过海量数据的学习，涌现出令人惊叹的智能表现，能够在自然语言处理、图像识别、智能对话等方面展示出近乎人类的理解力和创造力。
特别值得一提的是，在科技演进的浪潮中，DeepSeek 不仅是一项技术突破，更是一种哲学启示。它以低成本、高效推理的方式，打破了传统大模型技术的桎梏，向我们展示了开放与共享精神如何激发出无限可能。技术的本质在于让复杂的世界变得简单，而人工智能正是这把钥匙，开启未来智慧之门。
DeepSeek 的成功不仅让我们看到了 AI 大模型在推动社会进步和产业变革中的关键作用，更为中国 AI 研究提供了一种全新的思路——在自主创新的道路上，通过融合开放式研发与高效资源利用，中国正迎来属于自己的 AI 时代。
为了增强全书的实践性，除第1章外的每章均配有Python范例（适配于有编程基础的读者）。这些范例既帮助读者从直观实践中理解各类算法和模型的实现，又提供了锻炼解决实际问题能力的平台。
古人云，“学而不思则罔，思而不学则殆。”在AI的学习之路上，理论与实践相辅相成，缺一不可。希望通过这本书，读者不仅能掌握人工智能的基础理论，还能通过实践提升自己的技能，成为真正的AI践行者。
时代的浪潮滚滚向前，每次技术的革新，都带来了前所未有的机遇和挑战。愿本书能够成为读者在AI学习之路上的一盏灯，照亮前行的道路，激励你不断探索、勇往直前，成为新时代的AI先行者。
让我们一起迎接大模型时代的到来，迈向智能未来的新篇章！
最后，特别感谢河南省高等教育研究重点项目“‘教育+产业’双主体协同育人的产教融合共同体建设路径探索与实践”(2025SXHLX061)，河南省教育科学规划重点课题“共生视角下河南省新型现代产业学院高质量发展路径研究”(2025JKZD20)，产学合作协同育人项目“支撑智慧党建的课程体系开发和AI教学创新实践”(231100273243720)，河南工业大学教改教研专项“机器学习”(26400602)等项目的部分资助。
本书的顺利出版离不开许多人的鼎力支持。在此，特别感谢清华大学出版社的白立军老师，他在选题策划上给予了宝贵的指导;同时，河南工业大学的张朔、李璞、陈嘉钰等同学在文字校对过程中付出了大量心血。对所有为本书付出辛勤努力的朋友们深表感谢!
张玉宏
2025年6月〖1〗人工智能极简入门（第2版·通识课版）〖1〗序做一回“颜色不一样的烟火”第1版前言
做一回“颜色不一样的烟火”
为什么写这么一本书
写这本书时，我正身处他国，独在异乡为异客。那时，国际风云变幻，山雨欲来风满楼。无意间，读到坊间一篇好文——《反思华为，无“根”之痛》鲁不逊. 反思华为，无“根”之痛. 量子学派，2020.5.。文章认为，中国受制于人，原因在于，我们缺少“根”技术。“根”技术，是碳基文明的驱动引擎。例如，Android系统是安卓手机行业里的“根”，ARM架构是计算机芯片行业的“根”，Linux开源体系是很多软件服务的“根”，诸如此类。中国缺少“根”技术的原因有很多，文章盘点十条以论之，言之凿凿，不可谓不深刻，但有两条最能刺激我的神经。第四条： 对形式逻辑毫不在意，理性思考至今是稀缺资源。第八条： 视浅薄趣味为人生追求，对哲学思辨毫无感觉。为什么是这两条最触动我呢？倒不是因为它们特别独到，而是因为，或许能为之做点什么。很早之前，我就有意写一本有关人工智能的科普书籍，但由于诸多原因，未能成行。趁这次和清华大学出版社结缘之际，心中潜伏已久的暗流喷涌而出——或许，我可以做一回“颜色不一样的烟火”——写一本不太一样的“人工智能”！人工智能在中国非常火爆。君不见，人工智能企业，数不胜数。君不见，高校专业设置，蜂拥而至。是的，掌握“人工智能”技术很有用，它能帮助公司获取更多客户，立于不败之地，挥斥市场方遒。学习“人工智能”技术很有用，它能帮你找到一份好工作，站稳职场，前途如花似锦。〖1〗人工智能极简入门（第2版·通识课版）〖1〗第1版前言但需要反思的是，“有用”的终极标准是什么？很多年以来，我们常说，“师夷长技以制夷。”学习他人先进的技术，是有用的。然而，站在当下，重新审视这句话，我们会发现，它可能是有问题的。这是因为，“师夷长技”，很可能不“制夷”，反而“被夷制（抑制）”。为何会这样？无他，只因“根”不在我们这里。生产“根技”的思想，我们还不够熟稔。然而，无名如我，在诸如国家、学科这样宏大的叙事面前，我，一名普通的高校教师，能做什么呢？但我觉得，有一分热，发一分光，犹如萤火，即使微弱，也可在黑暗里发出一点光，不必等候炬火。古人很早就告诫我们，“勿以善小而不为。”是的，我尝试写了这本《人工智能极简入门》，添加一点点“小善”。相比于其他同类图书，除了通俗易懂、图文并茂地介绍人工智能的前沿技术之外，这本书的“小善”还体现在，它融合了更多的“理性思考”和“哲学反思”。特别是“哲学反思”，在很多人看起来，是无用的。但庄子很早就说了，“无用之用，方为大用。”在人类历史发展的长河中，无数的事实警醒我们，很多当下“无用”之学，长远看来，都意义深远，流芳百世。针对人工智能，哲学思辨有什么存在价值呢？我们知道，在人工智能发展过程中，势必会遇到各式各样的问题。哲学反思或许并不能解决问题，但它能突出问题的本质，并引导着我们继续探寻下去。一个好的问题，有时可能比答案更重要。追寻一个好问题，预启未来探索的方向。在欧美文化圈内，诞生了一大批天才哲学家，例如亚里士多德、巴门尼德、莱布尼茨、休谟、维特根斯坦等。他们很多看似无用的哲学思想，犹如火种，在批判中接力与传承，熠熠生辉，潜移默化地指引着人工智能的发展。例如，目前的符号推理、知识图谱、自然语言处理等众多子领域，无不蕴含着他们的哲学理念。最终，这些看似“无用”的哲学反思，成为人工智能的众“根”之一。对于读者来说，如果能在了解人工智能前沿技术的同时，还能多培养一抹人文品位，多探究一些“无用”之学，长远来看，无疑是有益处的。如果本书能在这方面起一丁点作用，那它就是有价值的。至少，我认为，这个尝试是值得的。此外，我想说的是，王小波是我的偶像。他不仅是一个有趣的小说家，其实还是一个地道的理工男。在《沉默的大多数》里他写道： 我对自己的要求很低： 我活在世上，
|
|
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
