人工智能導論

01 緒論\t1
1．0　學習導言　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)時期（1936年—1956年）　11
1．2．2　第二階段：形成時期（1957年—1969年）　13
1．2．3　第三階段：發(fā)展時期（1970年—1992年）　14
1．2．4　第四階段：大突破時期（1993年至今）　16
1．3　人工智能學科交叉與融合　19
1．4　人工智能實現(xiàn)方法　20
1．4．1　傳統(tǒng)實現(xiàn)方法　20
1．4．2　數(shù)據(jù)驅(qū)動方法　22
1．5　人工智能主要研究內(nèi)容　24
1．5．1　計算智能　24
1．5．2　感知智能　25
1．5．3　認知智能　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　29
1．7　本書主要學習內(nèi)容　33
1．8　本章小結(jié)　34
1．9　習題　34
02　人工智能的哲學觀　35
2．0　學習導言　36
2．1　從哲學角度理解人工智能　36
2．1．1　與人工智能有關(guān)的哲學概念　36
2．1．2　與人工智能有關(guān)的主要哲學分支　41
2．1．3　大歷史觀——智能進化　43
2．1．4　人工智能的本質(zhì)　44
2．2　人工智能局限性的認識　45
2．2．1　弱人工智能與人類心智的差距　46
2．2．2　影響強人工智能實現(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　習題　53
03　腦科學基礎(chǔ)　55
3．0　學習導言　56
3．1　大腦的初步認識　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　腦的視覺與信息處理機制　65
3．3．1　腦的視覺結(jié)構(gòu)　65
3．3．2　視覺皮層區(qū)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(fā)現(xiàn)　69
3．6．1　大腦導航功能　69
3．6．2　大腦孕周發(fā)育　71
3．7　本章小結(jié)　71
3．8　習題　71
04　人工神經(jīng)網(wǎng)絡(luò)　73
4．0　學習導言　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　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　長短時記憶網(wǎng)絡(luò)　94
4．7　本章小結(jié)　95
4．8　習題　96
05　機器學習　97
5．0　學習導言　98
5．1　機器學習能否實現(xiàn)機器智能　98
5．2　機器學習的類型和應(yīng)用　99
5．3　監(jiān)督學習與無監(jiān)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　深度學習的應(yīng)用——圖像描述　110
5．5　強化學習　112
5．5．1　能夠自適應(yīng)學習的BRETT機器人　112
5．5．2　強化學習的應(yīng)用　113
5．6　遷移學習　114
5．7　機器創(chuàng)造　116
5．8　本章小結(jié)　119
5．9　習題　119

06　感知智能　121
6．0　學習導言　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　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(shù)的發(fā)展　134
6．4．2　人臉識別系統(tǒng)及其實現(xiàn)方法　134
6．5　深度學習在目標檢測與識別中的應(yīng)用　137
6．6　無人駕駛汽車的環(huán)境感知　139
6．7　本章小結(jié)　142
6．8　習題　142
07　認知智能　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(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　知識圖譜　159
7．4．1　知識圖譜與認知智能　160
7．4．2　知識圖譜基本技術(shù)　161
7．4．3　知識圖譜架構(gòu)　163
7．5　認知計算　165
7．6　本章小結(jié)　167
7．7　習題　167

08　語言智能　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應(yīng)用　172
8．2．3　自然語言處理技術(shù)　173
8．3　智能問答系統(tǒng)　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(tǒng)　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(jié)　187
8．8　習題　187

09　機器人　189
9．0　學習導言　190
9．1　機器人與行為智能　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　智能機器人　194
9．2　工業(yè)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(fā)展機器人　217
9．13　本章小結(jié)　218
9．14　習題　218

10　混合智能　219
10．0　學習導言　220
10．1　混合智能的基本形態(tài)與實現(xiàn)　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　電子識別芯片　232
10．4．2　人造感覺神經(jīng)　233
10．5　外骨骼混合智能　234
10．6　動物混合智能　235
10．7　人體增強　237
10．8　本章小結(jié)　238
10．9　習題　238

11　類腦計算　239
11．0　學習導言　240
11．1　類腦計算基礎(chǔ)　240
11．1．1　馮·諾依曼結(jié)構(gòu)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(nèi)容與方法　242
11．2　類腦計算基礎(chǔ)　243
11．2．1　神經(jīng)形態(tài)計算　243
11．2．2　神經(jīng)形態(tài)類腦芯片　244
11．2．3　神經(jīng)形態(tài)類腦計算機　245
11．3　基于憶阻器的類腦計算　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　深度學習腦功能模擬　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　習題　260

12　人工智能倫理與法律　261
12．0　學習導言　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)的社會問題　264
12．3　人工智能倫理的定義　266
12．4　弱人工智能倫理與強人工智能倫理　267
12．4．1　弱人工智能倫理問題　267
12．4．2　強人工智能倫理問題　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　軍事人工智能倫理問題　274
12．7　人工智能倫理規(guī)范　276
12．8　人工智能法律問題　278
12．8．1　人工智能引發(fā)的法律問題　278
12．8．2　人工智能的法律主體和法律人格問題　279
12．9　本章小結(jié)　281
12．10　習題　281
參考文獻　283