&#23448;&#26415;&#32593;&#95;&#20070;&#21451;&#26368;&#20540;&#24471;&#25910;&#34255;&#33;

圖解大模型：生成式AI原理與實(shí)戰(zhàn)

本書全程圖解式講解，通過大量全彩插圖拆解概念，讓讀者真正告別學(xué)習(xí)大模型的枯燥和復(fù)雜。全書分為三部分，依次介紹語言模型的原理、應(yīng)用及優(yōu)化。第一部分理解語言模型（第1~3章），解析語言模型的核心概念，包括詞元、嵌入向量及Transformer架構(gòu)，幫助讀者建立基礎(chǔ)認(rèn)知。第二部分使用預(yù)訓(xùn)練語言模型（第4~9章），介紹如何使用大模型進(jìn)行文本分類、聚類、語義搜索、文本生成及多模態(tài)擴(kuò)展，提升模型的應(yīng)用能力。第三部分訓(xùn)練和微調(diào)語言模型（第10~12章），探討大模型的訓(xùn)練與微調(diào)方法，包括嵌入模型的構(gòu)建、分類任務(wù)的優(yōu)化及生成式模型的微調(diào)，以適應(yīng)特定需求。本書適合對大模型感興趣的開發(fā)者、研究人員和行業(yè)從業(yè)者。讀者無須深度學(xué)習(xí)基礎(chǔ)，只要會(huì)用Python，就可以通過本書深入理解大模型的原理并上手大模型應(yīng)用開發(fā)。書中示例還可以一鍵在線運(yùn)行，讓學(xué)習(xí)過程更輕松。

·16.4萬字

通用人工智能標(biāo)準(zhǔn)、評級、測試與架構(gòu)

本書聚焦通用人工智能的學(xué)科內(nèi)涵與發(fā)展趨勢，以一套基于“能力與價(jià)值雙系統(tǒng)”的通用人工智能認(rèn)知架構(gòu)與測試模式為核心，梳理形成“一個(gè)定義、兩個(gè)完備性、三個(gè)特征、八個(gè)關(guān)鍵問題”的理論框架。本書共6章，從人工智能的歷史、內(nèi)涵與哲學(xué)基礎(chǔ)切入，依次介紹通用人工智能的定義與特征、測試與評級、訓(xùn)練與測試平臺，以及TongAI理論框架，最后給出對發(fā)展通用人工智能的建議。本書既有助于科技領(lǐng)域的管理者和投資者提綱挈領(lǐng)，把握前瞻性科技目標(biāo)，也可為專業(yè)研究人員提供通用人工智能標(biāo)準(zhǔn)、評級、測試、架構(gòu)的參照系與發(fā)展指南。同時(shí)，本書還可供希望了解通用人工智能基本概念與關(guān)鍵問題的大眾讀者參考。

·16.4萬字

智能革命：迎接人工智能時(shí)代的社會(huì)、經(jīng)濟(jì)與文化變革

人類歷史上的歷次技術(shù)革命，都帶來了人類感知和認(rèn)知能力的不斷提升，從而使人類知道更多，做到更多，體驗(yàn)更多。以此為標(biāo)準(zhǔn)，李彥宏在本書中將人工智能定義為堪比任何一次技術(shù)革命的偉大變革，并且明確提出，在技術(shù)與人的關(guān)系上，智能革命不同于前幾次技術(shù)革命，不是人去適應(yīng)機(jī)器，而是機(jī)器主動(dòng)來學(xué)習(xí)和適應(yīng)人類，并同人類一起學(xué)習(xí)和創(chuàng)新這個(gè)世界。大數(shù)據(jù)是智能社會(huì)運(yùn)轉(zhuǎn)的根本動(dòng)力和燃料。以百度為代表的搜索引擎公司，由于對數(shù)據(jù)資源的獲取和使用類似深度學(xué)習(xí)的商業(yè)模式，也與大數(shù)據(jù)—深度學(xué)習(xí)—提取模式—?jiǎng)?chuàng)造用戶價(jià)值這一研發(fā)文化相匹配，使其天然具備了人工智能的基因。本書從硬件集群、計(jì)算能力、大數(shù)據(jù)資源、人工智能文化等方面提出了智能化的基本標(biāo)準(zhǔn)，并且從制造業(yè)升級、金融革新、無人駕駛、管理革命、智能生活等多個(gè)維度，描繪即將到來的智能社會(huì)，反思人類即將面臨的種種挑戰(zhàn)。“人工智能”正式寫入2017年政府工作報(bào)告，折射出未來人工智能產(chǎn)業(yè)在我國經(jīng)濟(jì)發(fā)展與轉(zhuǎn)型中的重要性。本書內(nèi)容涵蓋了人工智能發(fā)展的主要領(lǐng)域，刻畫了人工智能未來發(fā)展的場景和商業(yè)模式，對我國各行各業(yè)應(yīng)對智能化轉(zhuǎn)型提供了很好的指引和借鑒。

新未來簡史：區(qū)塊鏈、人工智能、大數(shù)據(jù)陷阱與數(shù)字化生活

本書為您揭示：面對極速變快、復(fù)雜的社會(huì)，“三大沖突”映射到未來，人類或?qū)⒚媾R兩輪崩潰或翻轉(zhuǎn)的“生死”大沖擊。危機(jī)與機(jī)遇交織呈現(xiàn)，如何抉擇？未來，區(qū)塊鏈、時(shí)間戳與智能等技術(shù)被深度運(yùn)用，社會(huì)模式或?qū)⒈桓膶懀f物可溯與追算“你被丟失的90%的價(jià)值”成為可能。如何理解？人工智能，單一、少許維度的超級能力，“非通用”與“難破意識”的范式牢籠將會(huì)讓其長久性地被困限于工具范疇（“智能與意識的分離”子虛烏有）。不過，人工智能對未來生產(chǎn)力的成倍提升，或?qū)⒄嬲_啟“讓90%的人最終徹底擺脫無用階級”的偉大旅程，而絕非淪為“無用”。當(dāng)然，在過渡期內(nèi)，人們將會(huì)面臨挑戰(zhàn)。如何應(yīng)對？大數(shù)據(jù)悖論、陷阱與誤解，讓其被神話（如“數(shù)據(jù)主義”“數(shù)據(jù)宗教”等）的可能性微乎其微。在共享、透明的大趨勢下，大數(shù)據(jù)也將成為等同于電能、信息與空氣等人類生存、發(fā)展所需的一種“習(xí)慣性擁有”。如何認(rèn)知？未來，互聯(lián)網(wǎng)或?qū)⒈惶娲祟悓?huì)在兩大超級“新時(shí)空”中生活、進(jìn)化，成為新人類。如何準(zhǔn)備？

深度學(xué)習(xí)從0到1

深度學(xué)習(xí)是人工智能研究領(lǐng)域中的一個(gè)極其重要的方向。本書是一本介紹深度學(xué)習(xí)理論和實(shí)戰(zhàn)應(yīng)用的教程，從深度學(xué)習(xí)的發(fā)展歷史，單層感知器，線性神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)，一直介紹到深度學(xué)習(xí)算法卷積神經(jīng)網(wǎng)絡(luò)CNN，長短時(shí)記憶網(wǎng)絡(luò)LSTM。并從圖像，自然語言處理，音頻信號三方面分別介紹了深度學(xué)習(xí)算法的實(shí)際應(yīng)用。案例實(shí)戰(zhàn)部分使用的深度學(xué)習(xí)框架為Tensorflow2/Keras。

深度學(xué)習(xí)

全球科技巨頭紛紛擁抱深度學(xué)習(xí)，自動(dòng)駕駛、AI醫(yī)療、語音識別、圖像識別、智能翻譯以及震驚世界的AlphaGo，背后都是深度學(xué)習(xí)在發(fā)揮神奇的作用。深度學(xué)習(xí)是人工智能從概念到繁榮得以實(shí)現(xiàn)的主流技術(shù)。經(jīng)過深度學(xué)習(xí)訓(xùn)練的計(jì)算機(jī)，不再被動(dòng)按照指令運(yùn)轉(zhuǎn)，而是像自然進(jìn)化的生命那樣，開始自主地從經(jīng)驗(yàn)中學(xué)習(xí)。本書作者特倫斯·謝諾夫斯基是全球人工智能十大科學(xué)家之一、深度學(xué)習(xí)先驅(qū)及奠基者，親歷了深度學(xué)習(xí)在20世紀(jì)70年代到90年代的寒冬。但他和一眾開拓者，利用大數(shù)據(jù)和不斷增強(qiáng)的計(jì)算能力，終于在神經(jīng)網(wǎng)絡(luò)算法上取得重大突破，實(shí)現(xiàn)了人工智能井噴式的發(fā)展。作為深度學(xué)習(xí)領(lǐng)域的通識作品，本書以恢弘的筆觸，通過3個(gè)部分全景展現(xiàn)了深度學(xué)習(xí)的發(fā)展、演變與應(yīng)用，首次以親歷者視角回溯了深度學(xué)習(xí)浪潮在過去60年間的發(fā)展脈絡(luò)與人工智能的螺旋上升，并前瞻性地預(yù)測了智能時(shí)代的商業(yè)圖景。

智能化變革：人工智能技術(shù)進(jìn)化與價(jià)值創(chuàng)造

智能化變革將是一輪經(jīng)濟(jì)社會(huì)全面變革，涉及科學(xué)研究、技術(shù)創(chuàng)新、商業(yè)落地、社會(huì)融合、科技倫理等方方面面。本書立足技術(shù)趨勢，著眼業(yè)界動(dòng)向，給出對人工智能理論、技術(shù)、產(chǎn)業(yè)化和社會(huì)融合等方面趨勢的科普解讀，希望對讀者開展人工智能科學(xué)研究、產(chǎn)品研發(fā)和行業(yè)應(yīng)用等有所啟發(fā)。

千腦智能

近些年，當(dāng)人們談?wù)撊斯ぶ悄軙r(shí)，總熱衷于討論算法的優(yōu)化、模型的迭代、算力的多少。人們不斷地在追求模型的深度、數(shù)據(jù)的規(guī)模和芯片的算力。海量參數(shù)的復(fù)雜網(wǎng)絡(luò)仿佛就是人工智能的發(fā)展方向。然而，這就是真的智能嗎？科技界的一代傳奇人物、計(jì)算機(jī)科學(xué)家與神經(jīng)科學(xué)家杰夫·霍金斯在《千腦智能》中揭示了一種關(guān)于大腦和智能的理論——千腦智能理論，這將徹底改變我們對大腦和人工智能的未來的理解。就像人類蕞終不是通過模仿鳥類，而是通過理解空氣動(dòng)力學(xué)而發(fā)明了飛行一樣，在我們改進(jìn)機(jī)器和深度學(xué)習(xí)的同時(shí)，我們需要首先了解大腦是如何工作的。杰夫·霍金斯和他的團(tuán)隊(duì)發(fā)現(xiàn)，大腦使用類似地圖的結(jié)構(gòu)來建立一個(gè)世界的模型——不僅僅是一個(gè)模型，而是成千上萬個(gè)我們所知道的一切的模型，也就是千腦智能理論。這一發(fā)現(xiàn)為創(chuàng)造機(jī)器智能提供了清晰的路線圖。霍金斯多年深耕于大腦研究的領(lǐng)域，終于在這本書中給出了答案。

深入理解XGBoost：高效機(jī)器學(xué)習(xí)算法與進(jìn)階

本書主要介紹：XGBoost相關(guān)的機(jī)器學(xué)習(xí)基礎(chǔ)算法；XGBoost安裝編譯與簡單使用；XGBoost的實(shí)現(xiàn)原理與理論證明；XGBoost基于CPU多線程的實(shí)現(xiàn)以及分布式訓(xùn)練方法；剖析XGBoost源碼，從代碼層面洞徹XGBoost的實(shí)現(xiàn)原理，以及XGBoost的應(yīng)用與調(diào)優(yōu)，通過典型示例為讀者提供使用參考，掌握實(shí)戰(zhàn)技能。通過閱讀本書，不僅能使讀者理解XGBoost的原理，將XGBoost應(yīng)用到業(yè)務(wù)場景中，更能從源碼的角度深入學(xué)習(xí)XGBoost的并行化和分布式實(shí)現(xiàn)等優(yōu)化技術(shù)，以更短的時(shí)間訓(xùn)練出高準(zhǔn)確度的模型，使XGBoost成為學(xué)習(xí)和工作中的一把利劍。

人工智能訓(xùn)練師基礎(chǔ)（上冊）

本書基于《人工智能訓(xùn)練師國家職業(yè)技能標(biāo)準(zhǔn)（2021年版）》，對“人工智能訓(xùn)練師”這一新興職業(yè)給予了清晰的描述。全書從人工智能的相關(guān)技術(shù)入手，介紹了人工智能領(lǐng)域的發(fā)展歷程和相關(guān)知識，重點(diǎn)講述了人工智能訓(xùn)練師的職業(yè)技能鑒定要求和各等級從業(yè)人員工作要求，講述了人工智能訓(xùn)練師相關(guān)的工作內(nèi)容及流程方法，包括數(shù)據(jù)采集和處理、數(shù)據(jù)標(biāo)注、智能系統(tǒng)運(yùn)維、業(yè)務(wù)分析、智能訓(xùn)練、智能系統(tǒng)設(shè)計(jì)、培訓(xùn)與指導(dǎo)等方面，對人工智能訓(xùn)練相關(guān)工作做了系統(tǒng)的描述和指導(dǎo)。本書可以幫助新入行的人員較快熟悉行業(yè)知識和崗位技能，幫助已入行的人員明晰自身的崗位能力定位和職業(yè)發(fā)展方向。

多智能體技術(shù)及應(yīng)用

多智能體系統(tǒng)是分布式人工智能的一個(gè)重要分支。本書介紹了多智能體建模的基本理論與技術(shù)，將基于多智能體的模型應(yīng)用于自然與環(huán)境、智能城市、交通、地理信息與空間智能、社會(huì)與民生、復(fù)雜網(wǎng)絡(luò)等，涵蓋了智能交通、智能城市、地理空間智能和人工智能社會(huì)等方面的系統(tǒng)智能建模與問題優(yōu)化求解。本書主要面向各高等院校本科人工智能專業(yè)、計(jì)算機(jī)等專業(yè)開設(shè)多智能體系統(tǒng)課程或相關(guān)專業(yè)開設(shè)人工智能的通識核心課程需求，也可以作為研究生、科研院所科技工作者及相關(guān)企業(yè)的工程技術(shù)人員閱讀參考。

高性能超標(biāo)量CPU：微架構(gòu)剖析與設(shè)計(jì)

《高性能超標(biāo)量CPU：微架構(gòu)剖析與設(shè)計(jì)》基于當(dāng)前主流的高性能CPU設(shè)計(jì)規(guī)格，全面介紹了高性能超標(biāo)量CPU微架構(gòu)的設(shè)計(jì)，并做出對應(yīng)的分析。主要內(nèi)容包括業(yè)界主流高性能處理器架構(gòu)及超標(biāo)量流水線背景知識（第1章）；CPU前端，包括指令提取單元、分支預(yù)測單元、指令譯碼單元的設(shè)計(jì)和優(yōu)化，以及指令緩存的相關(guān)設(shè)計(jì)（第2、3章）；分支預(yù)測單元的原理、設(shè)計(jì)和優(yōu)化，寄存器重命名與發(fā)射隊(duì)列的原理和設(shè)計(jì)（第4、5章）；執(zhí)行單元與浮點(diǎn)運(yùn)算單元的設(shè)計(jì)實(shí)現(xiàn)（第6、7章）；訪存單元與數(shù)據(jù)緩存設(shè)計(jì)（第8章）；重排序緩沖的原理及設(shè)計(jì)（第9章）；IntelP6CPU微架構(gòu)設(shè)計(jì)實(shí)例（第10章）。微架構(gòu)設(shè)計(jì)對應(yīng)于指令的生命周期，為讀者提供直觀和清晰的視角，便于讀者對高性能CPU設(shè)計(jì)深入理解。《高性能超標(biāo)量CPU：微架構(gòu)剖析與設(shè)計(jì)》可作為從事高性能CPU相關(guān)研發(fā)工作專業(yè)人員的參考書，或用作高等院校計(jì)算機(jī)及集成電路相關(guān)專業(yè)研究生和高年級本科生的教學(xué)參考用書，也可供對CPU設(shè)計(jì)感興趣的讀者閱讀。

基于MATLAB與fuzzyTECH的模糊與神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

模糊與神經(jīng)網(wǎng)絡(luò)是兩種常用的智能信息處理技術(shù)，它們都能模擬人的智能行為，解決不確定、非線性、復(fù)雜的控制與分類問題，具有非常廣闊的應(yīng)用前景。本書以fuzzyTECH和MATLAB軟件平臺對模糊與神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行了綜合講解并介紹了它們的應(yīng)用，以使讀者更全面地了解模糊與神經(jīng)網(wǎng)絡(luò)領(lǐng)域的最新研究成果。

知識圖譜導(dǎo)論

知識圖譜的發(fā)展歷史源遠(yuǎn)流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時(shí)代的語義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識表示、表示學(xué)習(xí)、自然語言處理、圖數(shù)據(jù)庫和圖計(jì)算等多個(gè)領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融合、問答和分析等七大方面，一百多個(gè)基礎(chǔ)知識點(diǎn)的內(nèi)容，同時(shí)囊括多模態(tài)知識圖譜、知識圖譜與圖神經(jīng)網(wǎng)絡(luò)的融合、本體表示學(xué)習(xí)、事理知識圖譜，以及知識增強(qiáng)的語言預(yù)訓(xùn)練模型等新熱點(diǎn)、新發(fā)展。作為一本導(dǎo)論性質(zhì)的書，本書希望幫助初學(xué)者梳理知識圖譜的基本知識點(diǎn)和關(guān)鍵技術(shù)要素，也希望幫助技術(shù)決策者建立知識圖譜的整體視圖和系統(tǒng)工程觀，為前沿科研人員拓展創(chuàng)新視野和研究方向。本書在技術(shù)廣度和深度上兼具極強(qiáng)的參考性，適合高等院校的計(jì)算機(jī)專業(yè)師生閱讀，也可供計(jì)算機(jī)相關(guān)行業(yè)的管理者和研發(fā)人員參考。

地平線2025：人工智能來了

極為通俗的人工智能科普讀物，半小時(shí)帶你認(rèn)識人工智能！各類智能化產(chǎn)品已經(jīng)成為人類生活當(dāng)中不可或缺的一部分。智能手機(jī)、電腦、數(shù)控電器，甚至是已經(jīng)逐漸形成規(guī)模化生產(chǎn)制造的各類機(jī)器人……所有的這一切表明：人工智能來了，人工智能的時(shí)代到來了！本書用非常淺顯通俗的語言介紹了人工智能的前世今生，介紹了人工智能的發(fā)展現(xiàn)狀及未來的發(fā)展趨勢，也分析了中國在該領(lǐng)域中所處的位置及未來發(fā)展前景。同時(shí)，本書還從制造業(yè)、農(nóng)業(yè)、教育、醫(yī)療、交通、金融、物流、軍事等多方面展示了人工智能發(fā)展的現(xiàn)狀及趨勢，并穿插了專家學(xué)者的分析解讀。

社交網(wǎng)絡(luò)信息傳播模型、算法及應(yīng)用

本書系統(tǒng)地闡述信息傳播問題中所涉及的各種傳播模型、數(shù)學(xué)優(yōu)化方法以及計(jì)算方法等，并通過對大量信息傳播的實(shí)際問題進(jìn)行了建模與分析。該著作將為人工智能、大數(shù)據(jù)、管理科學(xué)、運(yùn)籌學(xué)、人文社會(huì)科學(xué)等領(lǐng)域開展相關(guān)研究的本科生、研究生以及學(xué)者提供重要的參考。

·16萬字

人工智能原理與實(shí)踐

人工智能的日益廣泛的應(yīng)用和普及，而要深入理解人工智能，我們必須全面理解底層的各類機(jī)器學(xué)習(xí)算法基本原理并能駕馭人工智能各種應(yīng)用。《人工智能原理與實(shí)踐》分為13章，前7章為原理篇。原理篇中，我們重點(diǎn)討論機(jī)器學(xué)習(xí)模型建模的全部流程，各類常用的機(jī)器學(xué)習(xí)算法原理，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)原理，機(jī)器學(xué)習(xí)涉及的優(yōu)化論原理，以及機(jī)器學(xué)習(xí)和自然語言處理技術(shù)。后面6章為實(shí)戰(zhàn)篇，我們重點(diǎn)討論信用卡場景中的客戶細(xì)分，保險(xiǎn)行業(yè)中的生活事件時(shí)間序列預(yù)測，電商交易中欺詐客戶預(yù)測，信用卡和金融貸款場景中的風(fēng)控預(yù)測，房價(jià)估值和預(yù)測，以及股市短期回報(bào)率預(yù)測等多個(gè)實(shí)際應(yīng)用場景。《人工智能原理與實(shí)踐》理論知識覆蓋面廣而又保留了有價(jià)值的推導(dǎo)，特別適合在各個(gè)行業(yè)工作的數(shù)據(jù)科學(xué)從業(yè)者，在校學(xué)習(xí)的人工智能和數(shù)據(jù)科學(xué)專業(yè)學(xué)生，科技公司的管理者和決策者，以及人工智能的初學(xué)者和愛好者。

·15.9萬字