人工智能導(dǎo)論

01 緒論\t1
1．0　學(xué)習(xí)導(dǎo)言　2
1．1　生命與智能　2
1．1．1　什么是智能　4
1．1．2　圖靈測(cè)試與人工智能　5
1．1．3　人工智能圖譜　9
1．2　人工智能的歷史　11
1．2．1　第 一階段：初創(chuàng)時(shí)期（1936年—1956年）　11
1．2．2　第二階段：形成時(shí)期（1957年—1969年）　13
1．2．3　第三階段：發(fā)展時(shí)期（1970年—1992年）　14
1．2．4　第四階段：大突破時(shí)期（1993年至今）　16
1．3　人工智能學(xué)科交叉與融合　19
1．4　人工智能實(shí)現(xiàn)方法　20
1．4．1　傳統(tǒng)實(shí)現(xiàn)方法　20
1．4．2　數(shù)據(jù)驅(qū)動(dòng)方法　22
1．5　人工智能主要研究?jī)?nèi)容　24
1．5．1　計(jì)算智能　24
1．5．2　感知智能　25
1．5．3　認(rèn)知智能　25
1．5．4　行為智能　26
1．5．5　群體智能　27
1．5．6　混合智能　27
1．5．7　情感智能　28
1．5．8　類腦智能　28
1．5．9　人工智能倫理與法律　29
1．6　人工智能發(fā)展趨勢(shì)　29
1．7　本書主要學(xué)習(xí)內(nèi)容　33
1．8　本章小結(jié)　34
1．9　習(xí)題　34
02　人工智能的哲學(xué)觀　35
2．0　學(xué)習(xí)導(dǎo)言　36
2．1　從哲學(xué)角度理解人工智能　36
2．1．1　與人工智能有關(guān)的哲學(xué)概念　36
2．1．2　與人工智能有關(guān)的主要哲學(xué)分支　41
2．1．3　大歷史觀——智能進(jìn)化　43
2．1．4　人工智能的本質(zhì)　44
2．2　人工智能局限性的認(rèn)識(shí)　45
2．2．1　弱人工智能與人類心智的差距　46
2．2．2　影響強(qiáng)人工智能實(shí)現(xiàn)的主要因素　48
2．3　科幻影視作品中的人工智能　50
2．3．1　早期科幻影視作品中的人工智能　50
2．3．2　現(xiàn)代科幻影視作品中的人工智能　51
2．4　本章小結(jié)　53
2．5　習(xí)題　53
03　腦科學(xué)基礎(chǔ)　55
3．0　學(xué)習(xí)導(dǎo)言　56
3．1　大腦的初步認(rèn)識(shí)　56
3．2　腦神經(jīng)系統(tǒng)　57
3．2．1　腦神經(jīng)組織　57
3．2．2　神經(jīng)元與信息傳遞　59
3．2．3　大腦皮層　63
3．3　腦的視覺(jué)與信息處理機(jī)制　65
3．3．1　腦的視覺(jué)結(jié)構(gòu)　65
3．3．2　視覺(jué)皮層區(qū)域　66
3．4　腦的記憶與信息處理機(jī)制　67
3．5　腦的學(xué)習(xí)機(jī)制　68
3．6　腦功能新發(fā)現(xiàn)　69
3．6．1　大腦導(dǎo)航功能　69
3．6．2　大腦孕周發(fā)育　71
3．7　本章小結(jié)　71
3．8　習(xí)題　71
04　人工神經(jīng)網(wǎng)絡(luò)　73
4．0　學(xué)習(xí)導(dǎo)言　74
4．1　如何構(gòu)建人工神經(jīng)網(wǎng)絡(luò)　74
4．1．1　神經(jīng)元模型　74
4．1．2　感知器模型　76
4．2　神經(jīng)網(wǎng)絡(luò)的訓(xùn)練—反向傳播算法　80
4．3　生成深度神經(jīng)網(wǎng)絡(luò)　83
4．3．1　生成模型——受限玻爾茲曼機(jī)　83
4．3．2　深度生成模型—深度置信網(wǎng)絡(luò)　85
4．4　卷積神經(jīng)網(wǎng)絡(luò)原理　86
4．4．1　稀疏連接與全連接　87
4．4．2　權(quán)值共享與特征提取　87
4．4．3　卷積層　88
4．4．4　池化層　89
4．4．5　全連接層　90
4．4．6　CNN算法　91
4．5　循環(huán)神經(jīng)網(wǎng)絡(luò)　93
4．6　長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)　94
4．7　本章小結(jié)　95
4．8　習(xí)題　96
05　機(jī)器學(xué)習(xí)　97
5．0　學(xué)習(xí)導(dǎo)言　98
5．1　機(jī)器學(xué)習(xí)能否實(shí)現(xiàn)機(jī)器智能　98
5．2　機(jī)器學(xué)習(xí)的類型和應(yīng)用　99
5．3　監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)　101
5．3．1　支持向量機(jī)　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(jī)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(xué)習(xí)　107
5．4．1　淺層學(xué)習(xí)與深度學(xué)習(xí)　107
5．4．2　深度學(xué)習(xí)框架　109
5．4．3　深度學(xué)習(xí)的應(yīng)用——圖像描述　110
5．5　強(qiáng)化學(xué)習(xí)　112
5．5．1　能夠自適應(yīng)學(xué)習(xí)的BRETT機(jī)器人　112
5．5．2　強(qiáng)化學(xué)習(xí)的應(yīng)用　113
5．6　遷移學(xué)習(xí)　114
5．7　機(jī)器創(chuàng)造　116
5．8　本章小結(jié)　119
5．9　習(xí)題　119

06　感知智能　121
6．0　學(xué)習(xí)導(dǎo)言　122
6．1　數(shù)字圖像處理技術(shù)　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(cè)　124
6．1．4　圖像的銳化　125
6．1．5　圖像的分割　126
6．1．6　圖像的特征提取與Haar算法　126
6．1．7　圖像分析　127
6．2　計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)　129
6．3　模式識(shí)別與圖像分類　131
6．3．1　模式識(shí)別方法　131
6．3．2　模式識(shí)別過(guò)程　132
6．3．3　圖像分類　133
6．4　人臉識(shí)別　133
6．4．1　人臉識(shí)別技術(shù)的發(fā)展　134
6．4．2　人臉識(shí)別系統(tǒng)及其實(shí)現(xiàn)方法　134
6．5　深度學(xué)習(xí)在目標(biāo)檢測(cè)與識(shí)別中的應(yīng)用　137
6．6　無(wú)人駕駛汽車的環(huán)境感知　139
6．7　本章小結(jié)　142
6．8　習(xí)題　142
07　認(rèn)知智能　143
7．0　學(xué)習(xí)導(dǎo)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(shí)表示　149
7．2．1　謂詞邏輯表示法　149
7．2．2　語(yǔ)義網(wǎng)絡(luò)表示法　152
7．3　搜索技術(shù)　154
7．3．1　盲目搜索　155
7．3．2　啟發(fā)式搜索　155
7．3．3　蒙特卡羅樹搜索算法　158
7．4　知識(shí)圖譜　159
7．4．1　知識(shí)圖譜與認(rèn)知智能　160
7．4．2　知識(shí)圖譜基本技術(shù)　161
7．4．3　知識(shí)圖譜架構(gòu)　163
7．5　認(rèn)知計(jì)算　165
7．6　本章小結(jié)　167
7．7　習(xí)題　167

08　語(yǔ)言智能　169
8．0　學(xué)習(xí)導(dǎo)言　170
8．1　語(yǔ)言與認(rèn)知　170
8．2　自然語(yǔ)言處理　171
8．2．1　自然語(yǔ)言理解的源起　171
8．2．2　自然語(yǔ)言處理的功能應(yīng)用　172
8．2．3　自然語(yǔ)言處理技術(shù)　173
8．3　智能問(wèn)答系統(tǒng)　177
8．4　聊天機(jī)器人　178
8．4．1　聊天機(jī)器人的分類　179
8．4．2　聊天機(jī)器人的自然語(yǔ)言理解　180
8．5　語(yǔ)音識(shí)別　181
8．5．1　語(yǔ)音識(shí)別系統(tǒng)　181
8．5．2　語(yǔ)音識(shí)別的過(guò)程　182
8．6　機(jī)器翻譯　183
8．6．1　機(jī)器翻譯原理與過(guò)程　184
8．6．2　通用翻譯模型　186
8．7　本章小結(jié)　187
8．8　習(xí)題　187

09　機(jī)器人　189
9．0　學(xué)習(xí)導(dǎo)言　190
9．1　機(jī)器人與行為智能　190
9．1．1　行為主義載體——機(jī)器人　190
9．1．2　機(jī)器人的基本組成　192
9．1．3　智能機(jī)器人　194
9．2　工業(yè)機(jī)器人　195
9．3　移動(dòng)機(jī)器人　198
9．4　無(wú)人飛行器　201
9．5　水下機(jī)器人　203
9．6　太空機(jī)器人　204
9．7　人形機(jī)器人　207
9．8　機(jī)器動(dòng)物　208
9．9　軟體機(jī)器人　212
9．10　微型機(jī)器人　213
9．11　群體機(jī)器人　215
9．12　認(rèn)知發(fā)展機(jī)器人　217
9．13　本章小結(jié)　218
9．14　習(xí)題　218

10　混合智能　219
10．0　學(xué)習(xí)導(dǎo)言　220
10．1　混合智能的基本形態(tài)與實(shí)現(xiàn)　220
10．2　腦機(jī)接口　221
10．2．1　腦機(jī)接口工作原理　222
10．2．2　可探測(cè)識(shí)別的腦電波信號(hào)　223
10．2．3　侵入式腦機(jī)接口　225
10．2．4　非侵入式腦機(jī)接口　227
10．2．5　腦機(jī)接口應(yīng)用　228
10．3　可穿戴混合智能　229
10．3．1　可穿戴傳感器與電子文身　230
10．3．2　可穿戴神經(jīng)刺激混合智能　231
10．4　可植入混合智能　232
10．4．1　電子識(shí)別芯片　232
10．4．2　人造感覺(jué)神經(jīng)　233
10．5　外骨骼混合智能　234
10．6　動(dòng)物混合智能　235
10．7　人體增強(qiáng)　237
10．8　本章小結(jié)　238
10．9　習(xí)題　238

11　類腦計(jì)算　239
11．0　學(xué)習(xí)導(dǎo)言　240
11．1　類腦計(jì)算基礎(chǔ)　240
11．1．1　馮·諾依曼結(jié)構(gòu)計(jì)算機(jī)的局限　241
11．1．2　類腦計(jì)算機(jī)　242
11．1．3　類腦計(jì)算研究?jī)?nèi)容與方法　242
11．2　類腦計(jì)算基礎(chǔ)　243
11．2．1　神經(jīng)形態(tài)計(jì)算　243
11．2．2　神經(jīng)形態(tài)類腦芯片　244
11．2．3　神經(jīng)形態(tài)類腦計(jì)算機(jī)　245
11．3　基于憶阻器的類腦計(jì)算　249
11．3．1　憶阻器原理　249
11．3．2　憶阻器芯片　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(xué)習(xí)腦功能模擬　256
11．5　非神經(jīng)形態(tài)智能芯片　258
11．6　本章小結(jié)　260
11．7　習(xí)題　260

12　人工智能倫理與法律　261
12．0　學(xué)習(xí)導(dǎo)言　262
12．1　電車難題引發(fā)的人工智能道德困境　262
12．2　人工智能技術(shù)引發(fā)的社會(huì)問(wèn)題　264
12．3　人工智能倫理的定義　266
12．4　弱人工智能倫理與強(qiáng)人工智能倫理　267
12．4．1　弱人工智能倫理問(wèn)題　267
12．4．2　強(qiáng)人工智能倫理問(wèn)題　270
12．5　機(jī)器人倫理問(wèn)題與基本原則　272
12．5．1　機(jī)器人倫理問(wèn)題　272
12．5．2　機(jī)器人倫理的基本原則　273
12．6　軍事人工智能倫理問(wèn)題　274
12．7　人工智能倫理規(guī)范　276
12．8　人工智能法律問(wèn)題　278
12．8．1　人工智能引發(fā)的法律問(wèn)題　278
12．8．2　人工智能的法律主體和法律人格問(wèn)題　279
12．9　本章小結(jié)　281
12．10　習(xí)題　281
參考文獻(xiàn)　283