舉報 
會員
人工智能導論（第2版）
最新章節：
13.9 問題與實踐
本書遵循理念與方法、經典與前沿、技術與應用相融合滲透的原則，在理念、結構、內容和資源上都極具特色和創新。按照人工智能新知識體系，本書內容分為五大部分13章。將傳統或經典人工智能理論、方法與技術以及新一代人工智能技術和方法相結合，形成基礎概念（1-3章）+基礎技術（4-5章）+重點研究內容與方向（機器智能）（6-12章）+行業應用與倫理基礎（12、13章）的新知識體系模式。
- 13.9 問題與實踐 更新時間：2024-03-14 11:08:19
- 13.8 關鍵知識梳理
- 13.7 超現實人工智能倫理問題
- 13.6.2 人工智能的法律主體和法律人格問題
- 13.6.1 人工智能引發的法律問題
- 13.6 人工智能法律問題
- 13.5 人工智能倫理規范
- 13.4.2 機器人倫理基本原則
- 13.4.1 機器人倫理問題
- 13.4 機器人倫理問題與基本原則
- 13.3 人工智能倫理問題
- 13.2 人工智能倫理的定義
- 13.1 電車難題引發的人工智能道德困境
- 13.0 學習導言
- 13 人工智能倫理與法律
- 第5部分 倫理與法律
- 12.6 問題與實踐
- 12.5 關鍵知識梳理
- 12.4.3 人工智能技術在電商營銷中的應用
- 12.4.2 人工智能技術在零售業中的應用
- 12.4.1 企業應用的主要人工智能技術
- 12.4 人工智能技術在企業的應用
- 12.3.3 新基建拓展人工智能應用場景
- 12.3.2 新基建完善人工智能基礎設施
- 12.3.1 新基建加速企業智能化轉型
- 12.3 人工智能與新基建
- 12.2.3 智能醫療應用場景
- 12.2.2 智能醫療核心技術
- 12.2.1 智能醫療的定義與組成
- 12.2 智能醫療
- 12.1.4 智能工廠
- 12.1.3 智能制造產業核心內容
- 12.1.2 智能制造與數字化制造
- 12.1.1 智能制造的定義
- 12.1 智能制造
- 12.0 學習導言
- 12 人工智能的行業應用
- 第4部分 行業應用
- 11.9 問題與實踐
- 11.8 關鍵知識梳理
- 11.7 人體增強
- 11.6 動物混合智能
- 11.5 外骨骼混合智能
- 11.4.2 人造感覺神經
- 11.4.1 電子識別芯片
- 11.4 可植入電子芯片
- 11.3.2 可穿戴神經刺激
- 11.3.1 可穿戴傳感器
- 11.3 可穿戴技術
- 11.2.5 腦機接口應用
- 11.2.4 非侵入式腦機接口
- 11.2.3 侵入式腦機接口
- 11.2.2 可探測識別的腦電波信號
- 11.2.1 腦機接口工作原理
- 11.2 腦機接口
- 11.1 混合智能基本形態
- 11.0 學習導言
- 11 混合智能
- 10.7 問題與實踐
- 10.6 關鍵知識梳理
- 10.5 非神經形態智能計算芯片
- 10.4.3 深度學習腦功能模擬
- 10.4.2 虛擬大腦
- 10.4.1 人工大腦的基本單元
- 10.4 人工大腦
- 10.3.2 憶阻器芯片
- 10.3.1 憶阻器原理
- 10.3 基于憶阻器的類腦計算
- 10.2.4 神經形態類腦計算機
- 10.2.3 神經形態類腦芯片
- 10.2.2 神經形態計算
- 10.2.1 類腦計算的研究內容與實現方法
- 10.2 類腦計算的研究內容與相關技術
- 10.1.3 類腦計算機
- 10.1.2 馮·諾依曼結構計算機的局限
- 10.1.1 類腦計算的定義
- 10.1 類腦計算與類腦計算機
- 10.0 學習導言
- 10 類腦智能
- 9.14 問題與實踐
- 9.13 關鍵知識梳理
- 9.12 認知發展機器人
- 9.11 群體機器人
- 9.10 微型機器人
- 9.9 軟體機器人
- 9.8 機器動物
- 9.7 人形機器人
- 9.6 太空機器人
- 9.5 水下機器人
- 9.4 無人飛行器
- 9.3 移動機器人
- 9.2 工業機器人
- 9.1.3 智能機器人
- 9.1.2 機器人的基本組成
- 9.1.1 行為主義載體——機器人
- 9.1 機器人與行為智能
- 9.0 學習導言
- 09 機器人
- 8.8 問題與實踐
- 8.7 關鍵知識梳理
- 8.6.2 通用翻譯模型
- 8.6.1 機器翻譯原理與過程
- 8.6 機器翻譯
- 8.5.2 語音識別過程
- 8.5.1 語音識別系統
- 8.5 語音識別
- 8.4.2 聊天機器人與自然語言處理
- 8.4.1 聊天機器人類型
- 8.4 聊天機器人
- 8.3 智能問答系統
- 8.2.3 自然語言處理技術
- 8.2.2 自然語言處理應用
- 8.2.1 自然語言處理源起
- 8.2 自然語言處理
- 8.1 語言與認知
- 8.0 學習導言
- 08 語言智能
- 7.8 問題與實踐
- 7.7 關鍵知識梳理
- 7.6 認知智能的興起
- 7.5 認知計算
- 7.4.3 知識圖譜的構建
- 7.4.2 知識圖譜基本技術
- 7.4.1 知識圖譜與認知智能
- 7.4 知識圖譜
- 7.3.3 蒙特卡羅規劃方法
- 7.3.2 啟發式搜索
- 7.3.1 盲目搜索
- 7.3 搜索技術
- 7.2.2 語義網絡表示法
- 7.2.1 謂詞邏輯表示法
- 7.2 知識表示
- 7.1.3 模糊推理
- 7.1.2 推理類型
- 7.1.1 命題與推理
- 7.1 邏輯推理
- 7.0 學習導言
- 07 認知智能
- 6.8 問題與實踐
- 6.7 關鍵知識梳理
- 6.6 無人駕駛汽車的環境感知
- 6.5 目標檢測與識別
- 6.4.2 深度學習與圖像分類
- 6.4.1 圖像分類的概念
- 6.4 圖像分類
- 6.3.2 模式識別過程
- 6.3.1 模式識別方法
- 6.3 模式識別
- 6.2 計算機視覺與機器視覺
- 6.1.7 圖像分析
- 6.1.6 圖像特征提取
- 6.1.5 圖像分割
- 6.1.4 圖像銳化
- 6.1.3 圖像邊緣檢測
- 6.1.2 圖像平滑處理
- 6.1.1 灰度直方圖
- 6.1 圖像處理技術
- 6.0 學習導言
- 06 感知智能
- 第3部分 重點方向與領域（機器智能）
- 5.11 問題與實踐
- 5.10 關鍵知識梳理
- 5.9.2 強化學習的應用
- 5.9.1 能夠自適應學習的機器人
- 5.9 強化學習
- 5.8.3 結構因果模型
- 5.8.2 因果學習概念及其作用
- 5.8.1 深度學習缺陷
- 5.8 深度學習缺陷與因果學習
- 5.7 遷移學習
- 5.6.3 女媧
- 5.6.2 悟道1.0和悟道2.0
- 5.6.1 DALL·E和CLIP
- 5.6 深度學習大模型
- 5.5.2 判別網絡
- 5.5.1 生成網絡
- 5.5 生成對抗網絡
- 5.4.2 深度學習的應用——圖像描述
- 5.4.1 淺層學習與深度學習
- 5.4 深度學習
- 5.3.6 集成學習
- 5.3.5 隨機森林算法
- 5.3.4 k-均值聚類算法
- 5.3.3 樸素貝葉斯分類器
- 5.3.2 SVM
- 5.3.1 k-最近鄰分類
- 5.3 監督學習與無監督學習
- 5.2 機器學習模型的類型和應用
- 5.1 機器學習能否實現機器智能
- 5.0 學習導言
- 05 機器學習
- 4.9 問題與實踐
- 4.8 關鍵知識梳理
- 4.7 深度置信網絡
- 4.6 受限玻爾茲曼機
- 4.5 長短時記憶網絡
- 4.4 循環神經網絡
- 4.3.8 CNN算法
- 4.3.7 損失函數
- 4.3.6 激活函數層
- 4.3.5 全連接層
- 4.3.4 池化層
- 4.3.3 卷積層
- 4.3.2 權值共享與特征提取
- 4.3.1 稀疏連接與全連接
- 4.3 卷積神經網絡原理
- 4.2 人工神經網絡的訓練——BP算法
- 4.1.2 感知機模型
- 4.1.1 神經元模型
- 4.1 如何構建人工神經網絡
- 4.0 學習導言
- 04 人工神經網絡
- 第2部分 技術基礎
- 3.8 問題與實踐
- 3.7 關鍵知識梳理
- 3.6.3 社會互動增強神經復雜性
- 3.6.2 大腦孕周發育
- 3.6.1 大腦導航功能
- 3.6 腦科學新發現
- 3.5 腦的學習機制
- 3.4 腦的記憶機制
- 3.3.2 視覺皮層區域
- 3.3.1 腦的視覺結構
- 3.3 腦的視覺機制
- 3.2.3 大腦皮層
- 3.2.2 神經元與信息傳遞
- 3.2.1 腦神經組織
- 3.2 腦神經系統
- 3.1 腦與神經科學
- 3.0 學習導言
- 03 腦科學基礎
- 2.4 問題與實踐
- 2.3 關鍵知識梳理
- 2.2 人工智能的局限性
- 2.1.4 人工智能的本質
- 2.1.3 大歷史觀——智能進化
- 2.1.2 與人工智能有關的主要哲學分支
- 2.1.1 與人工智能有關的哲學概念
- 2.1 從哲學角度理解人工智能
- 2.0 學習導言
- 02 人工智能哲學觀
- 1.11 問題與實踐
- 1.10 關鍵知識梳理
- 1.9.3 人工智能5個認識層次
- 1.9.2 本書內容與結構
- 1.9.1 人工智能五維知識體系
- 1.9 本書內容
- 1.8 人工智能發展趨勢
- 1.7 機器博弈與機器創造
- 1.6.9 人工智能倫理與法律
- 1.6.8 類腦智能
- 1.6.7 情感智能
- 1.6.6 混合智能
- 1.6.5 群體智能
- 1.6.4 行為智能
- 1.6.3 認知智能
- 1.6.2 感知智能
- 1.6.1 計算智能
- 1.6 人工智能主要研究內容
- 1.5.2 數據驅動方法
- 1.5.1 傳統實現方法
- 1.5 人工智能實現方法
- 1.4 人工智能學科交叉與融合
- 1.3 中國人工智能發展歷史
- 1.2.4 第四階段：大突破時期（1993年至今）
- 1.2.3 第三階段：發展時期（1970—1992年）
- 1.2.2 第二階段：形成時期（1957—1969年）
- 1.2.1 第一階段：初創時期（1936—1956年）
- 1.2 國際人工智能發展歷史
- 1.1.3 人工智能圖譜
- 1.1.2 圖靈測試與人工智能
- 1.1.1 什么是智能
- 1.1 生命與智能
- 1.0 學習導言
- 01 緒論
- 第1部分 學科與概念基礎
- 前言
- 內容提要
- 版權信息
- 封面
- 封面
- 版權信息
- 內容提要
- 前言
- 第1部分 學科與概念基礎
- 01 緒論
- 1.0 學習導言
- 1.1 生命與智能
- 1.1.1 什么是智能
- 1.1.2 圖靈測試與人工智能
- 1.1.3 人工智能圖譜
- 1.2 國際人工智能發展歷史
- 1.2.1 第一階段：初創時期（1936—1956年）
- 1.2.2 第二階段：形成時期（1957—1969年）
- 1.2.3 第三階段：發展時期（1970—1992年）
- 1.2.4 第四階段：大突破時期（1993年至今）
- 1.3 中國人工智能發展歷史
- 1.4 人工智能學科交叉與融合
- 1.5 人工智能實現方法
- 1.5.1 傳統實現方法
- 1.5.2 數據驅動方法
- 1.6 人工智能主要研究內容
- 1.6.1 計算智能
- 1.6.2 感知智能
- 1.6.3 認知智能
- 1.6.4 行為智能
- 1.6.5 群體智能
- 1.6.6 混合智能
- 1.6.7 情感智能
- 1.6.8 類腦智能
- 1.6.9 人工智能倫理與法律
- 1.7 機器博弈與機器創造
- 1.8 人工智能發展趨勢
- 1.9 本書內容
- 1.9.1 人工智能五維知識體系
- 1.9.2 本書內容與結構
- 1.9.3 人工智能5個認識層次
- 1.10 關鍵知識梳理
- 1.11 問題與實踐
- 02 人工智能哲學觀
- 2.0 學習導言
- 2.1 從哲學角度理解人工智能
- 2.1.1 與人工智能有關的哲學概念
- 2.1.2 與人工智能有關的主要哲學分支
- 2.1.3 大歷史觀——智能進化
- 2.1.4 人工智能的本質
- 2.2 人工智能的局限性
- 2.3 關鍵知識梳理
- 2.4 問題與實踐
- 03 腦科學基礎
- 3.0 學習導言
- 3.1 腦與神經科學
- 3.2 腦神經系統
- 3.2.1 腦神經組織
- 3.2.2 神經元與信息傳遞
- 3.2.3 大腦皮層
- 3.3 腦的視覺機制
- 3.3.1 腦的視覺結構
- 3.3.2 視覺皮層區域
- 3.4 腦的記憶機制
- 3.5 腦的學習機制
- 3.6 腦科學新發現
- 3.6.1 大腦導航功能
- 3.6.2 大腦孕周發育
- 3.6.3 社會互動增強神經復雜性
- 3.7 關鍵知識梳理
- 3.8 問題與實踐
- 第2部分 技術基礎
- 04 人工神經網絡
- 4.0 學習導言
- 4.1 如何構建人工神經網絡
- 4.1.1 神經元模型
- 4.1.2 感知機模型
- 4.2 人工神經網絡的訓練——BP算法
- 4.3 卷積神經網絡原理
- 4.3.1 稀疏連接與全連接
- 4.3.2 權值共享與特征提取
- 4.3.3 卷積層
- 4.3.4 池化層
- 4.3.5 全連接層
- 4.3.6 激活函數層
- 4.3.7 損失函數
- 4.3.8 CNN算法
- 4.4 循環神經網絡
- 4.5 長短時記憶網絡
- 4.6 受限玻爾茲曼機
- 4.7 深度置信網絡
- 4.8 關鍵知識梳理
- 4.9 問題與實踐
- 05 機器學習
- 5.0 學習導言
- 5.1 機器學習能否實現機器智能
- 5.2 機器學習模型的類型和應用
- 5.3 監督學習與無監督學習
- 5.3.1 k-最近鄰分類
- 5.3.2 SVM
- 5.3.3 樸素貝葉斯分類器
- 5.3.4 k-均值聚類算法
- 5.3.5 隨機森林算法
- 5.3.6 集成學習
- 5.4 深度學習
- 5.4.1 淺層學習與深度學習
- 5.4.2 深度學習的應用——圖像描述
- 5.5 生成對抗網絡
- 5.5.1 生成網絡
- 5.5.2 判別網絡
- 5.6 深度學習大模型
- 5.6.1 DALL·E和CLIP
- 5.6.2 悟道1.0和悟道2.0
- 5.6.3 女媧
- 5.7 遷移學習
- 5.8 深度學習缺陷與因果學習
- 5.8.1 深度學習缺陷
- 5.8.2 因果學習概念及其作用
- 5.8.3 結構因果模型
- 5.9 強化學習
- 5.9.1 能夠自適應學習的機器人
- 5.9.2 強化學習的應用
- 5.10 關鍵知識梳理
- 5.11 問題與實踐
- 第3部分 重點方向與領域（機器智能）
- 06 感知智能
- 6.0 學習導言
- 6.1 圖像處理技術
- 6.1.1 灰度直方圖
- 6.1.2 圖像平滑處理
- 6.1.3 圖像邊緣檢測
- 6.1.4 圖像銳化
- 6.1.5 圖像分割
- 6.1.6 圖像特征提取
- 6.1.7 圖像分析
- 6.2 計算機視覺與機器視覺
- 6.3 模式識別
- 6.3.1 模式識別方法
- 6.3.2 模式識別過程
- 6.4 圖像分類
- 6.4.1 圖像分類的概念
- 6.4.2 深度學習與圖像分類
- 6.5 目標檢測與識別
- 6.6 無人駕駛汽車的環境感知
- 6.7 關鍵知識梳理
- 6.8 問題與實踐
- 07 認知智能
- 7.0 學習導言
- 7.1 邏輯推理
- 7.1.1 命題與推理
- 7.1.2 推理類型
- 7.1.3 模糊推理
- 7.2 知識表示
- 7.2.1 謂詞邏輯表示法
- 7.2.2 語義網絡表示法
- 7.3 搜索技術
- 7.3.1 盲目搜索
- 7.3.2 啟發式搜索
- 7.3.3 蒙特卡羅規劃方法
- 7.4 知識圖譜
- 7.4.1 知識圖譜與認知智能
- 7.4.2 知識圖譜基本技術
- 7.4.3 知識圖譜的構建
- 7.5 認知計算
- 7.6 認知智能的興起
- 7.7 關鍵知識梳理
- 7.8 問題與實踐
- 08 語言智能
- 8.0 學習導言
- 8.1 語言與認知
- 8.2 自然語言處理
- 8.2.1 自然語言處理源起
- 8.2.2 自然語言處理應用
- 8.2.3 自然語言處理技術
- 8.3 智能問答系統
- 8.4 聊天機器人
- 8.4.1 聊天機器人類型
- 8.4.2 聊天機器人與自然語言處理
- 8.5 語音識別
- 8.5.1 語音識別系統
- 8.5.2 語音識別過程
- 8.6 機器翻譯
- 8.6.1 機器翻譯原理與過程
- 8.6.2 通用翻譯模型
- 8.7 關鍵知識梳理
- 8.8 問題與實踐
- 09 機器人
- 9.0 學習導言
- 9.1 機器人與行為智能
- 9.1.1 行為主義載體——機器人
- 9.1.2 機器人的基本組成
- 9.1.3 智能機器人
- 9.2 工業機器人
- 9.3 移動機器人
- 9.4 無人飛行器
- 9.5 水下機器人
- 9.6 太空機器人
- 9.7 人形機器人
- 9.8 機器動物
- 9.9 軟體機器人
- 9.10 微型機器人
- 9.11 群體機器人
- 9.12 認知發展機器人
- 9.13 關鍵知識梳理
- 9.14 問題與實踐
- 10 類腦智能
- 10.0 學習導言
- 10.1 類腦計算與類腦計算機
- 10.1.1 類腦計算的定義
- 10.1.2 馮·諾依曼結構計算機的局限
- 10.1.3 類腦計算機
- 10.2 類腦計算的研究內容與相關技術
- 10.2.1 類腦計算的研究內容與實現方法
- 10.2.2 神經形態計算
- 10.2.3 神經形態類腦芯片
- 10.2.4 神經形態類腦計算機
- 10.3 基于憶阻器的類腦計算
- 10.3.1 憶阻器原理
- 10.3.2 憶阻器芯片
- 10.4 人工大腦
- 10.4.1 人工大腦的基本單元
- 10.4.2 虛擬大腦
- 10.4.3 深度學習腦功能模擬
- 10.5 非神經形態智能計算芯片
- 10.6 關鍵知識梳理
- 10.7 問題與實踐
- 11 混合智能
- 11.0 學習導言
- 11.1 混合智能基本形態
- 11.2 腦機接口
- 11.2.1 腦機接口工作原理
- 11.2.2 可探測識別的腦電波信號
- 11.2.3 侵入式腦機接口
- 11.2.4 非侵入式腦機接口
- 11.2.5 腦機接口應用
- 11.3 可穿戴技術
- 11.3.1 可穿戴傳感器
- 11.3.2 可穿戴神經刺激
- 11.4 可植入電子芯片
- 11.4.1 電子識別芯片
- 11.4.2 人造感覺神經
- 11.5 外骨骼混合智能
- 11.6 動物混合智能
- 11.7 人體增強
- 11.8 關鍵知識梳理
- 11.9 問題與實踐
- 第4部分 行業應用
- 12 人工智能的行業應用
- 12.0 學習導言
- 12.1 智能制造
- 12.1.1 智能制造的定義
- 12.1.2 智能制造與數字化制造
- 12.1.3 智能制造產業核心內容
- 12.1.4 智能工廠
- 12.2 智能醫療
- 12.2.1 智能醫療的定義與組成
- 12.2.2 智能醫療核心技術
- 12.2.3 智能醫療應用場景
- 12.3 人工智能與新基建
- 12.3.1 新基建加速企業智能化轉型
- 12.3.2 新基建完善人工智能基礎設施
- 12.3.3 新基建拓展人工智能應用場景
- 12.4 人工智能技術在企業的應用
- 12.4.1 企業應用的主要人工智能技術
- 12.4.2 人工智能技術在零售業中的應用
- 12.4.3 人工智能技術在電商營銷中的應用
- 12.5 關鍵知識梳理
- 12.6 問題與實踐
- 第5部分 倫理與法律
- 13 人工智能倫理與法律
- 13.0 學習導言
- 13.1 電車難題引發的人工智能道德困境
- 13.2 人工智能倫理的定義
- 13.3 人工智能倫理問題
- 13.4 機器人倫理問題與基本原則
- 13.4.1 機器人倫理問題
- 13.4.2 機器人倫理基本原則
- 13.5 人工智能倫理規范
- 13.6 人工智能法律問題
- 13.6.1 人工智能引發的法律問題
- 13.6.2 人工智能的法律主體和法律人格問題
- 13.7 超現實人工智能倫理問題
- 13.8 關鍵知識梳理
- 13.9 問題與實踐 更新時間：2024-03-14 11:08:19
