本书遵循理念与方法、经典与前沿、技术与应用相融合渗透的原则,在理念、结构、内容和资源上都**特色和创新。按照人工智能新知识体系,本书内容分为五大部分13 章。 将传统或经典人工智能理论、方法与技术以及新一代人工智能技术和方法相结合,形成基础概念(1-3章)+基础技术(4-5章)+**研究内容与方向(机器智能)(6-12章)+行业应用与伦理基础(12、13章)的新知识体系模式。 本书提供了配套学习资源,可通过人邮教育社区(www.ryjiaoyu.com)下载本书配套的电子资源,包括教学大纲、教案、教学课件PPT、习题答案、思政素材、实践案例及其他拓展学习资料。

01 绪论 1.0 学习导言 1.1 生命与智能 1.1.1 什么是智能 1.1.2 图灵测试与人工智能 1.1.3 人工智能图谱 1.2 人工智能的历史 1.2.1 第 一阶段:初创时期 (1936年—1956年) 1.2.2 第二阶段:形成时期 (1957年—1969年) 1.2.3 第三阶段:发展时期 (1970年—1992年) 1.2.4 第四阶段:大突破时期 (1993年至今) 1.3 中国人工智能发展历史 1.4 人工智能学科交叉与融合 1.5 人工智能实现方法 1.5.1 传统实现方法 1.5.2 数据驱动方法 1.6 人工智能主要研究内容 1.6.1 计算智能 1.6.2 感知智能 1.6.3 认知智能 1.6.4 行为智能 1.6.5 群体智能 1.6.6 混合智能 1.6.7 情感智能 1.6.8 类脑智能 1.6.9 人工智能伦理与法律 1.7 机器创造与博弈 1.8 人工智能发展趋势 1.9 本书内容结构 1.9.1 人工智能五维知识体系与本书内容 1.9.2 人工智能五个认识层次与本书内容 1.10 关键知识梳理 1.11 问题与实践 02 人工智能哲学观 2.0 学习导言 2.1 从哲学角度理解人工智能 2.1.1 与人工智能有关的哲学 概念 2.1.2 与人工智能有关的主要 哲学分支 2.1.3 大历史观——智能进化 2.1.4 人工智能的本质 2.2 人工智能局限性的认识 2.2.1 弱人工智能与人类心智的 差距 2.2.2 强人工智能与通用人工智能 2.3 关键知识梳理 2.4 问题与实践 03 脑科学基础 3.0 学习导言 3.1 脑与神经科学 3.2 脑神经系统 3.2.1 脑神经组织 3.2.2 神经元与信息传递 3.2.3 大脑皮层 3.3 脑的视觉与信息处理机制 3.3.1 脑的视觉结构 3.3.2 视觉皮层区域 3.4 脑的记忆机制 3.5 脑的学习机制 3.6 脑功能新发现 3.6.1 大脑导航功能 3.6.2 大脑孕周发育 3.6.3 社会互动增强神经复杂性 3.7 关键知识梳理 3.8 问题与实践 04 人工神经网络 4.0 学习导言 4.1 如何构建人工神经网络 4.1.1 神经元模型 4.1.2 感知器模型 4.2 人工神经网络的训练—反向传播算法 4.3 卷积神经网络原理 4.3.1 稀疏连接与全连接 4.3.2 权值共享与特征提取 4.3.3 卷积层 4.3.4 池化层 4.3.5 全连接层 4.3.6 激活函数层 4.3.7 损失函数 4.3.8 CNN算法 4.4 循环神经网络 4.5 长短时记忆网络 4.6 受限玻尔兹曼机 4.7 深度置信网络 4.8 关键知识梳理 4.9 问题与实践 05 机器学习 5.0 学习导言 5.1 机器学习能否实现机器智能 5.2 机器学习的类型和应用 5.3 监督学习与无监督学习 5.3.1 k-*近邻分类 5.3.2 支持向量机 5.3.3 朴素贝叶斯分类器 5.3.4 k-均值聚类算法 5.3.5 随机森林算法 5.3.6 集成学习 5.4 深度学习 5.4.1 浅层学习与深度学习 5.4.2 深度学习的应用——图像 描述 5.5 生成对抗网络 5.5.1生成网络 5.5.2判别网络 5.6 深度学习大模型 5.6.1 DALL·E和CLIP 5.6.2 悟道1.0/2.0 5.6.3 NüWA(女娲) 5.7 迁移学习 5.8 深度学习缺陷与因果学习 5.8.1深度学习缺陷 5.8.2因果学习概念及其作用 5.8.3结构因果模型 5.9 强化学习 5.9.1 能够自适应学习的机器人 5.9.2 强化学习的应用 5.10 关键知识梳理 5.11 问题与实践 06 感知智能 6.0 学习导言 6.1 数字图像处理技术 6.1.1 灰度直方图 6.1.2 图像平滑处理 6.1.3 图像边缘检测 6.1.4 图像锐化 6.1.5 图像分割 6.1.6 图像特征提取 6.1.7 图像分析 6.2 计算机视觉���机器视觉 6.3 模式识别 6.3.1 模式识别方法 6.3.2 模式识别过程 6.4图像分类 6.4.1 图像分类概念 6.4.2 深度学习与图像分类 6.5 目标检测与识别 6.6 无人驾驶汽车的环境感知 6.7 关键知识梳理 6.8 问题与实践 07 认知智能 7.0 学习导言 7.1 逻辑推理 7.1.1 命题与推理 7.1.2 推理类型 7.1.3 模糊推理 7.2 知识表示 7.2.1 谓词逻辑表示法 7.2.2 语义网络表示法 7.3 搜索技术 7.3.1 盲目搜索 7.3.2 启发式搜索 7.3.3 蒙特卡罗树搜索算法 7.4 知识图谱 7.4.1 知识图谱与认知智能 7.4.2 知识图谱基本技术 7.4.3 知识图谱架构 7.5 认知计算 7.6 认知智能的兴起 7.7 关键知识梳理 7.8 问题与实践 08 语言智能 8.0 学习导言 8.1 语言与认知 8.2 自然语言处理 8.2.1 自然语言理解源起 8.2.2 自然语言处理应用 8.2.3 自然语言处理技术 8.3 智能问答系统 8.4 聊天机器人 8.4.1 聊天机器人类型 8.4.2 聊天机器人与自然语言 理解 8.5 语音识别 8.5.1 语音识别系统 8.5.2 语音识别过程 8.6 机器翻译 8.6.1 机器翻译原理与过程 8.6.2 通用翻译模型 8.7 关键知识梳理 8.8 问题与实践 09 机器人 9.0 学习导言 9.1 机器人与行为智能 9.1.1 行为主义载体——机器人 9.1.2 机器人基本组成 9.1.3 智能机器人 9.2 工业机器人 9.3 移动机器人 9.4 无人飞行器 9.5 水下机器人 9.6 太空机器人 9.7 人形机器人 9.8 机器动物 9.9 软体机器人 9.10 微型机器人 9.11 群体机器人 9.12 认知发展机器人 9.13 关键知识梳理 9.14 问题与实践 10 类脑智能 10.0 学习导言 10.1 类脑计算基础 10.1.1 冯·诺依曼结构计算机的 局限 10.1.2 类脑计算机 10.1.3 类脑计算研究内容与 方法 10.2 类脑计算基础 10.2.1 神经形态计算 10.2.2 神经形态类脑芯片 10.2.3 神经形态类脑计算机 10.3 基于忆阻器的类脑计算 10.3.1 忆阻器原理 10.3.2 忆阻器芯片 10.4 人工大脑 10.4.1 人工大脑的基本单元 10.4.2 仿脑模型 10.4.3 虚拟大脑 10.4.4 深度学习脑功能模拟 10.5 非神经形态智能芯片 10.6 关键知识梳理 11.7 问题与实践 11 混合智能 11.0 学习导言 11.1 混合智能基本形态 11.2 脑机接口 11.2.1 脑机接口工作原理 11.2.2 可探测识别的脑电波 信号 11.2.3 侵入式脑机接口 11.2.4 非侵入式脑机接口 11.2.5 脑机接口应用 11.3 可穿戴技术 11.3.1 可穿戴传感器 11.3.2 可穿戴神经刺激 11.4 可植入电子芯片 11.4.1 电子识别芯片 11.4.2 人造感觉神经 11.5 外骨骼混合智能 11.6 动物混合智能 11.7 人体增强 11.8 关键知识梳理 11.9 问题与实践 12 人工智能行业应用 12.1 学习导言 12.1 智能制造 12.1.1 智能制造定义 12.1.2 智能制造与数字制造 12.1.3 智能制造产业核心内容 12.1.4 智能工厂 12.2 智能** 12.2.1 智能**定义与组成 12.2.2 智能**核心技术 12.2.3 智能**应用场景 12.3 人工智能与新基建 12.3.1 新基建加速企业智能化转型 12.3.2新基建完善人工智能基础设施 12.3.3新基建拓展人工智能应用场景 12.4人工智能技术在企业的应用 12.4.1企业应用的主要人工智能技术 12.4.2人工智能技术零售业应用 12.4.3 人工智能技术电商营销应用 12.5 关键知识梳理 12.6 问题与实践 13 人工智能伦理与法律 13.0 学习导言 13.1 电车难题引发的人工智能 道德困境 13.2 人工智能伦理的定义 13.3 人工智能伦理问题 13.4 机器人伦理问题与基本 原则 13.4.1 机器人伦理问题 13.4.2 机器人伦理的基本原则 13.5 人工智能伦理规范 13.6 人工智能法律问题 13.6.1 人工智能引发的法律 问题 13.6.2 人工智能的法律主体和法律人格问题 13.7 超现实人工智能伦理问题 13.8 关键知识梳理 13.9 问题与实践 参考文献