本書為高等院校人工智能通識課程系列教材之一，系統(tǒng)介紹了人工智能的核心理論、主要方法、關(guān)鍵技術(shù)及其實際應(yīng)用。從基礎(chǔ)概念到具體應(yīng)用，本書涵蓋了人工智能發(fā)展之路、知識表示方法、搜索推理技術(shù)、計算智能、機器學習、自然語言理解、計算機視覺、神經(jīng)網(wǎng)絡(luò)等內(nèi)容。全書將前沿技術(shù)與實際案例相結(jié)合，幫助讀者理論聯(lián)系實踐，較全面地反映人工智能領(lǐng)域當前的研究進展和發(fā)展方向，展示人工智能在各行業(yè)中的應(yīng)用。并根據(jù)后續(xù)課程教學需求，融入了人工智能與其他學科（如計算機科學、心理學、語言學等）之間的關(guān)系，以培養(yǎng)學生跨學科思維。本書內(nèi)容科學嚴謹、語言通俗易懂，適合作為高等院�！叭斯ぶ悄芡ㄗR”課程的教材或參考書，也適合作為相關(guān)技術(shù)人員的培訓教材。
（1）由淺入深的內(nèi)容引導：通過理論-技術(shù)-應(yīng)用的解析思路逐步引導讀者通過實際應(yīng)用理解復雜的理論和技術(shù)，適合不同層次的學習者，既適合初學者也能滿足進階學習者的需求。（2）注重理論與方法：不僅介紹了基本概念，還深入探討了各種算法和方法，增強讀者的實際操作能力。（3）豐富的實例與應(yīng)用：結(jié)合實際案例，展示了人工智能在各行業(yè)中的應(yīng)用，幫助學生直觀理解人工智能在實際應(yīng)用與影響。（4）覆蓋前沿技術(shù)：包括最新的機器學習、深度學習等前沿技術(shù)，確保讀者接觸到當前人工智能領(lǐng)域的最新發(fā)展。
白路鋒，博士，副教授，現(xiàn)任教于江蘇第二師范學院計算機工程學院，專業(yè)方向：人工智能及優(yōu)化計算，主授課程包括最優(yōu)化方法、人工智能、離散數(shù)學、Python程序設(shè)計等。近年來發(fā)表學術(shù)研究論文10余篇，其中核心論文3篇。宋智軍，博士，講師，現(xiàn)任教于江蘇第二師范學院計算機工程學院。曾擔任中國指揮與控制學會專委會委員，中國指揮與控制學會標準審查委員會委員，中國道路交通安全智庫委員會專家等。主授課程包括數(shù)據(jù)結(jié)構(gòu)、操作系統(tǒng)、大型數(shù)據(jù)庫概論、計算機圖形學等；主編《智能網(wǎng)聯(lián)技術(shù)》等教材7部；主持江蘇省科技成果轉(zhuǎn)化專項項目，承擔國家重點研發(fā)計劃子課題等項目；發(fā)表學術(shù)研究論文20余篇；參與制定多項國家和行業(yè)標準及白皮書；已申請發(fā)明專利、實用新型等知識產(chǎn)權(quán)80多項；曾榮獲智能交通世界大會創(chuàng)新大賽高校專題賽一等獎。
目 錄第1章緒論11.1人工智能的概念11.2人工智能簡史21.2.1孕育階段21.2.2形成階段31.2.3發(fā)展階段31.3主要技術(shù)分支41.3.1機器學習41.3.2自然語言處理71.3.3計算機視覺71.3.4智能語音71.4應(yīng)用領(lǐng)域81.4.1醫(yī)療健康81.4.2交通出行91.4.3金融服務(wù)91.4.4工業(yè)制造101.5面臨的挑戰(zhàn)與問題101.5.1倫理道德困境101.5.2數(shù)據(jù)隱私111.5.3安全隱患111.5.4就業(yè)結(jié)構(gòu)111.6未來展望12小結(jié)12思考與練習12第2章編程語言142.1AI程序語言的發(fā)展歷程142.2常見AI程序語言152.3AI程序語言的特點172.3.1符號處理能力172.3.2結(jié)構(gòu)化程序設(shè)計182.3.3遞歸與回溯功能182.3.4人機交互能力192.3.5推理能力202.3.6數(shù)據(jù)與控制模式匹配機制202.4Python語言基礎(chǔ)212.4.1基礎(chǔ)語法212.4.2數(shù)據(jù)類型212.4.3控制結(jié)構(gòu)222.4.4函數(shù)與模塊232.5基于Python語言的AI關(guān)鍵技術(shù)實現(xiàn)242.5.1機器學習242.5.2深度學習252.5.3自然語言處理272.5.4計算機視覺28小結(jié)29思考與練習29第3章數(shù)學基礎(chǔ)313.1常用的代數(shù)知識313.1.1矩陣和向量313.1.2特征值和特征向量323.1.3矩陣運算矩陣乘法323.1.4譜半徑和奇異值分解333.2概率統(tǒng)計的常用知識343.2.1隨機變量343.2.2事件獨立343.2.3期望和方差343.2.4最大似然估計353.2.5貝葉斯定理353.2.6蒙特卡羅方法363.2.7馬爾可夫鏈363.3優(yōu)化常用知識373.3.1鏈式法則373.3.2泰勒展開383.3.3梯度下降法383.3.4拉格朗日乘數(shù)法393.3.5牛頓法393.3.6凸優(yōu)化簡介403.4圖論中的常用知識413.4.1圖的基本概念413.4.2常用相關(guān)算法413.5信息論相關(guān)知識423.5.1信息量423.5.2信息熵433.5.3交叉熵443.5.4KL散度44小結(jié)45思考與練習46第4章機器學習494.1機器學習概述494.1.1機器學習解決的問題494.1.2機器學習所需的基礎(chǔ)504.1.3機器學習的概念504.1.4機器學習發(fā)展歷程514.1.5評估指標514.2機器學習的基本類型524.2.1監(jiān)督學習524.2.2無監(jiān)督學習534.2.3半監(jiān)督學習534.2.4強化學習534.3機器學習中的分類算法534.3.1邏輯回歸544.3.2支持向量機554.3.3k-近鄰算法554.3.4決策樹564.3.5隨機森林584.3.6神經(jīng)網(wǎng)絡(luò)584.4機器學習中的回歸算法584.4.1線性回歸584.4.2多項式回歸604.4.3嶺回歸614.4.4拉索回歸624.5常用的聚類算法624.5.1K-Means聚類624.5.2層次聚類644.5.3DBSCAN644.5.4均值漂移644.5.5高斯混合模型644.6常用的降維算法654.6.1主成分分析654.6.2多維尺度分析664.6.3自編碼器66小結(jié)66思考與練習67第5章自然語言處理695.1自然語言處理概述695.1.1自然語言與自然語言處理695.1.2自然語言處理的挑戰(zhàn)與機遇715.2自然語言處理基礎(chǔ)735.2.1語言學基礎(chǔ)735.2.2機器學習基礎(chǔ)745.2.3深度學習基礎(chǔ)755.3自然語言處理核心技術(shù)765.3.1文本預處理765.3.2語言模型775.3.3文本分類與情感分析785.3.4信息抽取805.4自然語言處理前沿技術(shù)815.4.1預訓練語言模型815.4.2多模態(tài)自然語言處理825.4.3自然語言生成835.5自然語言處理實踐與應(yīng)用845.5.1自然語言處理工具與平臺845.5.2應(yīng)用與展望84小結(jié)85思考與練習85第6章計算機視覺866.1計算機視覺概述866.2計算機視覺的發(fā)展歷程876.3計算機視覺的主要任務(wù)876.3.1圖像分類876.3.2目標檢測896.3.3語義分割906.4計算機視覺的應(yīng)用領(lǐng)域906.5實踐案例916.6計算機視覺發(fā)展趨勢與挑戰(zhàn)936.6.1計算機視覺的發(fā)展趨勢936.6.2計算機視覺面臨的挑戰(zhàn)94小結(jié)94思考與練習94第7章神經(jīng)網(wǎng)絡(luò)967.1神經(jīng)網(wǎng)絡(luò)的起源與發(fā)展967.2神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)987.2.1神經(jīng)元模型987.2.2網(wǎng)絡(luò)架構(gòu)與類型997.3神經(jīng)網(wǎng)絡(luò)工作原理1017.3.1訓練與推理1017.3.2數(shù)據(jù)準備1027.3.3前向傳播1037.3.4損失函數(shù)概念及類型1037.3.5反向傳播1047.4應(yīng)用場景與典型案例1057.4.1應(yīng)用場景1057.4.2典型案例1067.5神經(jīng)網(wǎng)絡(luò)的未來發(fā)展1097.5.1突破算力限制1097.5.2提升可解釋性110小結(jié)110思考與練習111第8章深度學習1128.1定義與概述1128.2神經(jīng)網(wǎng)絡(luò)架構(gòu)基礎(chǔ)1148.2.1多層感知機（MLP）1148.2.2卷積神經(jīng)網(wǎng)絡(luò)（CNN）1158.2.3循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其變體1168.2.4自注意力機制1178.3訓練過程1178.3.1損失函數(shù)選擇1178.3.2優(yōu)化算法1188.3.3正則化技術(shù)1198.3.4超參數(shù)調(diào)整1208.4應(yīng)用領(lǐng)域1208.4.1計算機視覺1208.4.2自然語言處理1218.4.3其他領(lǐng)域1228.5挑戰(zhàn)與趨勢123小結(jié)124思考與練習124第9章知識圖譜1269.1知識圖譜概述1269.1.1什么是知識圖譜1269.1.2知識圖譜的挑戰(zhàn)與機遇1299.2知識圖譜構(gòu)建與推理1309.2.1知識獲取1309.2.2知識表示1319.2.3知識融合1329.2.4知識推理1339.3知識圖譜應(yīng)用1359.3.1智能問答1359.3.2推薦系統(tǒng)1359.3.3語義搜索1369.4知識圖譜前沿技術(shù)1369.4.1大規(guī)模知識圖譜構(gòu)建1369.4.2動態(tài)知識圖譜更新1379.4.3知識圖譜與深度學習結(jié)合1389.4.4知識圖譜的可解釋性與可信度139小結(jié)140思考與練習140第10章機器翻譯14110.1定義與概述14110.1.1語言學基礎(chǔ)14210.1.2計算機科學14410.1.3數(shù)學14410.2發(fā)展歷程14510.3主流模型14610.3.1循環(huán)神經(jīng)網(wǎng)絡(luò)模型14610.3.2卷積神經(jīng)網(wǎng)絡(luò)模型14710.4評價標準14810.4.1BLEU14810.4.2METEOR14910.4.3ROUGE14910.4.4TER14910.5應(yīng)用場景15010.5.1頁面即時翻譯15010.5.2視頻字幕翻譯15010.5.3文檔翻譯15110.6挑戰(zhàn)與趨勢15210.6.1挑戰(zhàn)15210.6.2趨勢152小結(jié)152思考與練習153第11章人工智能生成內(nèi)容15411.1AIGC概述15411.1.1AIGC的定義與內(nèi)涵15411.1.2AIGC的發(fā)展歷程15511.1.3AIGC常用工具介紹15611.1.4AIGC與傳統(tǒng)內(nèi)容創(chuàng)作模式對比15811.2AIGC的應(yīng)用領(lǐng)域15811.2.1AIGC文本生成和提示詞工程15811.2.2AIGC圖像生成與處理16311.2.3AIGC影音生成與處理16411.2.4AIGC與新媒體16611.2.5AIGC教育和學術(shù)研究16711.2.6AIGC辦公應(yīng)用與電商行業(yè)16811.3AIGC的優(yōu)勢與挑戰(zhàn)16911.3.1AIGC的優(yōu)勢16911.3.2AIGC面臨的挑戰(zhàn)17011.4AIGC的發(fā)展趨勢與展望17111.4.1技術(shù)演進方向17211.4.2行業(yè)規(guī)范與政策引導173小結(jié)175思考與練習175第12章應(yīng)用案例17612.1人臉識別17612.1.1人臉識別過程17612.1.2人臉識別函數(shù)OpenCV17812.2無人駕駛汽車Apollo RT618312.2.1Apollo RT6無人駕駛汽車工作原理18412.2.2Apollo RT6無人駕駛汽車整車全冗余系統(tǒng)技術(shù)18412.2.3Apollo星河平臺技術(shù)18512.3AI聊天機器人19012.3.1DeepSeek文生文案例19012.3.2DeepSeek+Kimi生成PPT案例19012.3.3DeepSeek+Pycharm生成游戲案例19112.3.4DeepSeek+Xmind生成思維導圖案例19212.3.5DeepSeek+即夢AI生成視頻案例19212.3.6豆包文生圖案例19312.3.7基于Transformer的生成式對話模型案例194小結(jié)195思考與練習195參考文獻197致謝198
書單推薦
