基本介紹
- 中文名：人工智慧導論
- 作者：莫宏偉、徐立芳
- 類別：教材
- 出版社：人民郵電出版社
- 出版時間：2020年7月1日
- 頁數：360 頁
- 定價：59.80 元
- ISBN：9787115495303
內容簡介,圖書目錄,
內容簡介
本書較全面地介紹了人工智慧的主流概念、理論、方法、技術及套用等內容。全書共 12 章，首先介紹了智慧型的定義以及人工智慧的定義、歷史、實現方法、研究內容、發展趨勢，然後介紹了人工智慧與哲學、腦科學有關的概念和知識基礎。在人工智慧方法與技術體系方面，主要介紹了人工神經網路、機器學習的基本方法與原理，之後從感知智慧型、認知智慧型、語言智慧型、機器人（行為智慧型）、混合智慧型、類腦計算六個方面分別介紹了人工智慧傳統與前沿理論、方法及技術，最後介紹了人工智慧倫理與法律的相關概念和知識。
本書可作為高等院校人工智慧、大數據、機器人工程等新工科專業以及計算機科學與技術、電子科學與技術、控制工程與科學、智慧型科學與技術、機械、數學等各個傳統理工科專業的本科生與研究生的課程教材，也可供哲學、經貿、管理、金融、財會、法律、人文社科等非理工科專業的學生學習使用，還可作為從事自然科學、社會科學、科學普及以及人工智慧交叉學科研究的科研人員、學者及愛好者的參考用書。
圖書目錄
目錄
第1章 緒論.....................................................................1
1.0 學習導言 .......................................................... 2
1.1 生命與智慧型 ..................................................... 2
1.1.1 什麼是智慧型 ...................................... 4
1.1.2 圖靈測試與人工智慧 .................. 5
1.1.3 人工智慧圖譜 .................................. 9
1.2 人工智慧的歷史 ..................................... 11
1.2.1 第一階段：初創時期（1936 年—1956 年）........... 11
1.2.2 第二階段：形成時期（1956 年—1969 年）........... 13
1.2.3 第三階段：發展時期（1970 年—1992 年） .......... 14
1.2.4 第四階段：大突破時期（1993 年--2020年） ....................... 16
1.3 人工智慧學科交叉與融合 ............19
1.4 人工智慧實現方法 ........................... 20
1.4.1 傳統實現方法 ............................... 20
1.4.2 數據驅動方法 ............................... 22
1.5 人工智慧主要研究內容 ................. 24
1.5.1 計算智慧型 .......................................... 24
1.5.2 感知智慧型 .......................................... 25
1.5.3 認知智慧型 .......................................... 25
1.5.4 行為智慧型 .......................................... 26
1.5.5 群體智慧型 .......................................... 27
1.5.6 混合智慧型 .......................................... 27
1.5.7 情感智慧型 .......................................... 28
1.5.8 類腦智慧型 .......................................... 28
1.5.9 人工智慧倫理與法律 ............... 29
1.6 人工智慧發展趨勢 ............................ 29
1.7 本書主要學習內容 ............................ 33
1.8 本章小結 ................................................. 34
1.9 習題 ............................................................ 34
第2章 人工智慧的哲學觀 .......................... 35
2.1 從哲學角度理解人工智慧 ............ 36
2.1.1 與人工智慧有關的哲學概念 ....... 36
2.1.2 與人工智慧有關的主要哲學分支 .......41
2.1.3 大歷史觀——智慧型進化 .......... 43
2.1.4 人工智慧的本質 ......................... 44
2.2 人工智慧局限性的認識 ................ 45
2.2.1 弱人工智慧與人類心智的差距 ..........46
2.2.2 影響強人工智慧實現的主要因素 ........ 48
2.3 科幻影視作品中的人工智慧 ..... 50
2.3.1 早期科幻影視作品中的人工智慧 .... 50
2.3.2 現代科幻影視作品中的人工智慧 ....... 51
2.4 本章小結 ...................................................... 53
2.5 習題 ............................................................53
第3章 腦科學基礎 .............................................. 55
3.0 學習導言 .................................................56
3.1 大腦的初步認識 ..................................56
3.2 腦神經系統 ............................................57
3.2.1 腦神經組織 .................................... 57
3.2.2 神經元與信息傳遞..................... 59
3.2.3 大腦皮層 .......................................... 63
3.3 腦的視覺與信息處理機制............65
3.3.1 腦的視覺結構 ............................... 65
3.3.2 視覺皮層區域 ............................... 66
3.4 腦的記憶與信息處理機制............67
3.5 腦的學習機制 ......................................68
3.6 腦功能新發現 ......................................69
3.6.1 大腦導航功能 ............................... 69
3.6.2 大腦孕周發育 ............................... 71
3.7 本章小結 .................................................71
3.8 習題............................................................71
第4章 人工神經網路 .............................................. 73
4.0 學習導言 ................................................ 74
4.1 如何構建人工神經網路................. 74
4.1.1 神經元模型 .................................... 74
4.1.2 感知器模型 .................................... 76
4.2 神經網路的訓練—反向傳播算法 ..... 80
4.3 生成深度神經網路 ........................... 83
4.3.1 生成模型——受限玻爾茲曼機 .... 83
4.3.2 深度生成模型—深度置信網路 .......85
4.4 卷積神經網路原理 ........................... 86
4.4.1 稀疏連線與全連線 .................... 87
4.4.2 權值共享與特徵提取 ............... 87
4.4.3 卷積層 ............................................... 88
4.4.4 池化層 ............................................... 89
4.4.5 全連線層..........................................90
4.4.6 CNN 算法 ....................................... 91
4.5 循環神經網路...................................... 93
4.6 長短時記憶網路 ................................ 94
4.7 本章小結 ................................................ 95
4.8 習題 ........................................................... 96
第5章 機器學習 ................................................97
5.0 學習導言 ................................................ 98
5.1 機器學習能否實現機器智慧型 ...... 98
5.2 機器學習的類型和套用 ................ 99
5.3 監督學習與無監督學習 ............. 101
5.3.1 支持向量機.................................. 101
5.3.2 k-最近鄰分類 ........................... 102
5.3.3 樸素貝葉斯分類器.................. 103
5.3.4 集成分類——Bagging 算法、隨機森林算法與 Boosting算法 .......104
5.3.5 k-均值聚類算法 ..................... 107
5.4 深度學習 ............................................. 107
5.4.1 淺層學習與深度學習 ............ 107
5.4.2 深度學習框架 ............................ 109
5.4.3 深度學習的套用——圖像描述 ..... 110
5.5 強化學習 .............................................. 112
5.5.1 能夠自適應學習的 BRETT機器人 ......112
5.5.2 強化學習的套用 ....................... 113
5.6 遷移學習 .............................................. 114
5.7 機器創造 .............................................. 116
5.8 本章小結 .............................................. 119
5.9 習題 ......................................................... 119
第6章 感知智慧型 ...............................................121
6.0 學習導言 .............................................. 122
6.1 數字圖像處理技術 ......................... 122
6.1.1 灰度直方圖校正 ....................... 123
6.1.2 圖像的平滑處理 ....................... 124
6.1.3 圖像的邊緣檢測 ....................... 124
6.1.4 圖像的銳化 ................................. 125
6.1.5 圖像的分割 ................................. 126
6.1.6 圖像的特徵提取與Haar 算法 ... 126
6.1.7 圖像分析 ....................................... 127
6.2 計算機視覺與機器視覺 .............. 129
6.3 模式識別與圖像分類 ................... 131
6.3.1 模式識別方法 ............................ 131
6.3.2 模式識別過程 ............................ 132
6.3.3 圖像分類 ....................................... 133
6.4 人臉識別 .............................................. 133
6.4.1 人臉識別技術的發展 ............ 134
6.4.2 人臉識別系統及其實現方法 ........ 134
6.5 深度學習在目標檢測與識別中的套用 ........ 137
6.6 無人駕駛汽車的環境感知......... 139
6.7 本章小結 .............................................. 142
6.8 習題......................................................... 142
第7章 認知智慧型 ................................................. 143
7.0 學習導言 ............................................. 144
7.1 邏輯推理 .............................................. 144
7.1.1 命題與推理 ................................. 144
7.1.2 推理的類型.................................. 145
7.1.3 模糊推理 ....................................... 148
7.2 知識表示 ............................................. 149
7.2.1 謂詞邏輯表示法 ....................... 149
7.2.2 語義網路表示法 ....................... 152
7.3 搜尋技術 ............................................. 154
7.3.1 盲目搜尋 ....................................... 155
7.3.2 啟發式搜尋.................................. 155
7.3.3 蒙特卡羅樹搜尋算法 ............ 158
7.4 知識圖譜 .............................................. 159
7.4.1 知識圖譜與認知智慧型 ............ 160
7.4.2 知識圖譜基本技術 ................. 161
7.4.3 知識圖譜架構 ............................ 163
7.5 認知計算 .............................................. 165
7.6 本章小結 .............................................. 167
7.7 習題 ......................................................... 167
第8章 語言智慧型 ............................................... 169
8.0 學習導言 ............................................. 170
8.1 語言與認知 ......................................... 170
8.2 自然語言處理.................................... 171
8.2.1 自然語言理解的源起 ............ 171
8.2.2 自然語言處理的功能套用 ........... 172
8.2.3 自然語言處理技術.................. 173
8.3 智慧型問答系統.................................... 177
8.4 聊天機器人 ......................................... 178
8.4.1 聊天機器人的分類 ................. 179
8.4.2 聊天機器人的自然語言理解 ............ 180
8.5 語音識別 .............................................. 181
8.5.1 語音識別系統 ............................ 181
8.5.2 語音識別的過程 ....................... 182
8.6 機器翻譯 .............................................. 183
8.6.1 機器翻譯原理與過程 ............ 184
8.6.2 通用翻譯模型 ............................ 186
8.7 本章小結 .............................................. 187
8.8 習題......................................................... 187
第9章 機器人 ................................................... 189
9.0 學習導言 .............................................. 190
9.1 機器人與行為智慧型 ......................... 190
9.1.1 行為主義載體——機器人 ... 190
9.1.2 機器人的基本組成.................. 192
9.1.3 智慧型機器人 ................................. 194
9.2 工業機器人 ......................................... 195
9.3 移動機器人 ......................................... 198
9.4 無人飛行器......................................... 201
9.5 水下機器人 ......................................... 203
9.6 太空機器人......................................... 204
9.7 人形機器人 ......................................... 207
9.8 機器動物 .............................................. 208
9.9 軟體機器人......................................... 212
9.10 微型機器人 ...................................... 213
9.11 群體機器人 ...................................... 215
9.12 認知發展機器人 ........................... 217
9.13 本章小結 ........................................... 218
9.14 習題 ...................................................... 218
第10章 混合智慧型 ............................................... 219
10.0 學習導言 ........................................... 220
10.1 混合智慧型的基本形態與實現 ............ 220
10.2 腦機接口 ........................................... 221
10.2.1 腦機接口工作原理............... 222
10.2.2 可探測識別的腦電波信號 ...... 223
10.2.3 侵入式腦機接口 .................... 225
10.2.4 非侵入式腦機接口 .............. 227
10.2.5 腦機接口套用 ......................... 228
10.3 可穿戴混合智慧型 ........................... 229
10.3.1 可穿戴感測器與電子文身 .......... 230
10.3.2 可穿戴神經刺激混合智慧型 ........... 231
10.4 可植入混合智慧型 ........................... 232
10.4.1 電子識別晶片 ......................... 232
10.4.2 人造感覺神經 ......................... 233
10.5 外骨骼混合智慧型 ...........................234
10.6 動物混合智慧型................................. 235
10.7 人體增強 ........................................... 237
10.8 本章小結 ........................................... 238
10.9 習題 ...................................................... 238
第11章 類腦計算 ............................................. 239
11.0 學習導言 ........................................... 240
11.1 類腦計算基礎 ................................. 240
11.1.1 馮·諾依曼結構計算機的局限 ......... 241
11.1.2 類腦計算機............................... 242
11.1.3 類腦計算研究內容與方法 ........... 242
11.2 神經形態計算基礎..................................243
11.2.1 神經形態計算 ......................... 243
11.2.2 神經形態類腦晶片............... 244
11.2.3 神經形態類腦計算機 ......... 245
11.3 基於憶阻器的類腦計算 ............249
11.3.1 憶阻器原理............................... 249
11.3.2 憶阻器晶片............................... 250
11.4 人工大腦 ............................................ 251
11.4.1 人工大腦的基本單元 ......... 251
11.4.2 仿腦模型 .................................... 253
11.4.3 虛擬大腦 .................................... 254
11.4.4 深度學習腦功能模擬 ......... 256
11.5 非神經形態智慧型晶片 ................. 258
11.6 本章小結 ............................................ 260
11.7 習題....................................................... 260
第12章 人工智慧倫理與法律 ............. 261
12.0 學習導言 ................................. 262
12.1 電車難題引發的人工智慧道德困境 .......... 262
12.2 人工智慧技術引發的社會問題..................... 264
12.3 人工智慧倫理的定義 ................ 266
12.4 弱人工智慧倫理與強人工智慧倫理 .............. 267
12.4.1 弱人工智慧倫理問題 ......... 267
12.4.2 強人工智慧倫理問題 ......... 270
12.5 機器人倫理問題與基本原則 ..... 272
12.5.1 機器人倫理問題 .................... 272
12.5.2 機器人倫理的基本原則 .... 273
12.6 軍事人工智慧倫理問題 ...........274
12.7 人工智慧倫理規範 ...................... 276
12.8 人工智慧法律問題 ...................... 278
12.8.1 人工智慧引發的法律問題 ......... 278
12.8.2 人工智慧的法律主體和法律人格問題 .........279
12.9 本章小結 ........................................... 281
12.10 習題 ................................................... 281
參考文獻 ............................................................... 283
附錄：
附錄1 大歷史觀人工智慧大事年表
附錄2數學基礎
附錄3計算機的發展歷史
附錄4計算機的存儲單位
附錄5 Python語言下的機器學習庫
附錄6 OpenCV
附錄7圖像描述程式
附錄8 CV 圖像分類常見的 36 個模型匯總
附錄9人臉特徵提取案例
附錄10 嵌入式目標檢測案例
附錄11 知識圖譜資源
附錄12知識圖譜構建方法
附錄13會有那么一天
附錄14機器人分類圖
附錄15類腦晶片歷史
附錄16日本千葉大學《機器人憲章》
附錄17 IEEE人工智慧倫理等新標準
附錄18人工智慧程式語言
