人工智能初學者指南

[美]約翰·保羅·穆勒(John Paul Mueller )[法]盧卡·馬薩羅(Luca Massaron)

  • 人工智能初學者指南-preview-1
  • 人工智能初學者指南-preview-2
人工智能初學者指南-preview-1

買這商品的人也買了...

商品描述

“達人迷”圖書是暢銷歐美近30年的經典書系,得到了億萬初學者的認可。本書秉承了“達人迷”系列圖書一貫的優點,既簡潔易懂又能夠廣泛地帶領讀者瞭解並學習到人工智能相關的知識要點。

2017年被稱為“AI應用的元年”,這意味著人工智能正在迎來技術的革命,同時也在吸引著越來越多的人才進入。如何緊跟時代的步伐,跨入AI新紀元,變得愈加重要。本書由淺入深地帶領讀者揭開人工智能神秘的面紗,涉及算法、軟硬件、自動化、AI醫療、數據分析、機器學習、深度學習、機器人、無人機、自動駕駛汽車、AI寒冬、太空中的AI等熱點話題,同時以事實依據破除AI炒作,幫你清楚地認知真實的人工智能。

本書內容深入淺出,適合人工智能初學者、對人工智能感興趣的讀者、普通高校學生以及想要在該領域投資或想轉行進入人工智能領域的讀者閱讀。

 

作者簡介

約翰·保羅·穆勒寫過100​​多本書,並發表過600多篇文章, 主題涵蓋人工智能、網絡和數據庫管理等方面。他也是一名經驗豐富的技術編輯和顧問。盧卡·馬薩羅是一名數據科學家和市場研究總監, 專門從事多元統計分析、機器學習和消費者洞察,他對有關數據和分析的一切都頗感興趣。

目錄大綱

第1部分人工智能簡介1 
第1章AI介紹3 
1.1 AI定義3 
1.1.1智能4 
1.1.2定義AI的4種方法6 
1.2理解AI歷史9 
1.2.1從達特茅斯的符號邏輯開始9 
1.2.2專家系統的繼續發展9 
1.2.3 AI的冬天正在過去10 
1.3 AI用途11 
1.4避免AI炒作12 
1.5計算機是AI的基礎12 
第2章定義數據的角色14 
2.1數據無處不在的時代15 
2.1.1摩爾定律15 
2.1.2無處不在的數據應用17 
2.1.3將算法付諸實踐18 
2.2成功使用數據19 
2.2.1數據源19 
2.2.2獲得可靠數據20
2.2.3讓人類的輸入更可靠20 
2.2.4使用自動數據收集21 
2.3修剪數據22 
2.3.1缺失數據處理22 
2.3.2數據的不一致性23 
2.3.3提取有用數據24 
2.4數據的5個謬誤24 
2.4.1委員會25 
2.4.2遺漏25 
2.4.3視角26 
2.4.4偏見27 
2.4.5參考標準27 
2.5定義數據採集極限28 
第3章考慮算法的應用30 
3.1理解算法的作用30 
3.1.1算法意味著什麼31 
3.1.2從規劃和分支開始32 
3.1.3玩對抗性遊戲34 
3.1.4使用局部搜索和啟發式算法36 
3.2學習機38 
3.2.1利用專家系統39 
3.2.2機器學習42 
3.2.3達到新高度42 
第4章專業硬件先驅44 
4.1依靠標準硬件45 
4.1.1了解標準硬件45 
4.1.2標準硬件缺陷46 
4.2使用圖形處理器(GPU) 47 
4.2.1馮·諾依曼瓶頸48
4.2.2圖形處理器(GPU) 49 
4.2.3為什麼GPU工作得很好50 
4.3創建專門的處理環境50 
4.4提高硬件能力51 
4.5添加專用傳感器52 
4.6設計與環境交互的方法53 
第2部分人工智能的應用55 
第5章AI在計算機程序中的應用57 
5.1介紹一般的應用類型58 
5.1.1 AI在典型應用中的應用58 
5.1.2理解AI的應用範疇59 
5.1.3關於“中文房間”的論證59 
5.2如何使AI應用更友好60 
5.3自動修正61 
5.3.1修正的類別62 
5.3.2自動修正的好處62 
5.3.3為什麼自動修正在有些情況下無法工作62 
5.4提出建議63 
5.4.1基於過去行為的建議63 
5.4.2基於分組的建議63 
5.4.3錯誤的建議64 
5.5基於AI的錯誤64 
第6章一般性自動化流程66 
6.1開發應對無聊情緒的解決方案67 
6.1.1使工作更有趣67 
6.1.2使工作更有效率67 
6.1.3 AI如何幫助人們減少無聊的情緒68
6.1.4 AI為什麼無法減少無聊情緒68 
6.2在工業環境中工作69 
6.2.1發展各種級別的自動化69 
6.2.2不僅僅局限於機器人應用70 
6.2.3僅靠自動化70 
6.3創建一個安全的生產環境71 
6.3.1無聊情緒在意外事故中的作用71 
6.3.2從避免安全問題的角度來看AI 71 
6.3.3認識到AI無法徹底消除安全問題72 
第7章利用AI解決醫療需求73 
7.1便攜式患者監護74 
7.1.1可穿戴監測器74 
7.1.2依賴於關鍵的可穿戴監視器75 
7.1.3使用活動監控76 
7.2增強人的能力76 
7.2.1使用遊戲療法76 
7.2.2外骨骼的使用78 
7.3迎合“特殊需求” 79 
7.3.1基於軟件的解決方案80 
7.3.2依賴於硬件的擴展80 
7.3.3人工智能假肢80 
7.4以新的方式完成分析81 
7.5設計新的外科技術81 
7.5. 1手術建議82 
7.5.2協助手術83 
7.5.3用監護代替外科醫生83
7.6使用自動化執行任務84 
7.6.1處理醫療記錄84 
7.6.2預測未來85 
7.6.3讓過程更安全85 
7.6.4創造更好的藥物85 
7.7機器人和醫療專業人員的結合86 
第8章依靠人工智能改善人際交往88 
8.1發展新的溝通方式89 
8.1.1創建新的字母表89 
8.1.2自動語言翻譯90 
8.1.3合併肢體語言91 
8.2交換觀點92 
8.2.1建立聯繫92 
8.2.2擴展交流方式93 
8.2.3定義趨勢93 
8.3使用多媒體93 
8.4修飾人類的感官知覺94 
8.4.1轉換數據光譜94 
8.4.2增強人的知覺95 
第3部分使用基於軟件的AI應用程序97 
第9章對AI實施數據分析99 
9.1數據分析的定義99 
9.1.1為什麼分析很重要101 
9.1.2重新評估數據的價值102 
9.2定義機器學習104 
9.2.1機器學習是怎樣工作的104 
9.2.2機器學習的好處106 
9.2.3有用且平凡107
9.2.4說明機器學習的局限性107 
9.3怎樣從數據中學習109 
9.3.1監督學習109 
9.3.2無監督學習110 
9.3.3強化學習110 
第10章在AI中使用機器學習112 
10.1有很多不同的學習方法113 
10.1.1 5個機器學習的主要算法113 
10.1.2深入研究3個最有前途的人工智能學習方法115 
10.1.3等待下一個突破116 
10.2在概率中探索真理116 
10.2.1確定概率能做什麼117 
10.2.2考慮先驗知識118 
10.2.3把世界想像成一個圖表121 
10.3樹可以完成分類124 
10.3.1通過分割數據來預測結果125 
10.3.2基於數的決策126 
10.3.3修剪雜草叢生的樹木128 
第11章用深度學習來改善AI 129 
11.1形成類似於人腦的神經網絡129 
11.1.1介紹神經元130 
11.1.2從神奇的感知機開始131 
11.2模仿人腦學習132 
11.2.1簡單的神經網絡132 
11.2.2權重的奧秘133
11.2.3理解反向傳播角色134 
11.3深度學習簡介134 
11.3.1深度學習的不同之處136 
11.3.2更智能的解決方案137 
11.4從圖像中檢測邊緣和形狀139 
11.4.1從字符識別開始139 
11.4.2卷積的工作原理140 
11.4.3使用圖像的挑戰141 
11.5學習模仿藝術和生活142 
11.5.1記住重要的序列142 
11.5.2發現AI對話的神奇之處143 
11.5.3促使AI彼此競爭145 
第4部分人工智能在硬件應用中的使用149 
第12章機器人151 
12.1機器人角色定義152 
12.1.1摒棄機器人的科幻觀點153 
12.1.2為什麼很難實現類人機器人155 
12.1.3與機器人一起工作157 
12.2基本機器人的組裝159 
12.2.1組件的考慮160 
12.2.2感知世界161 
12.2.3控制機器人161 
第13章無人機163 
13.1無人機的發展現狀164 
13.1.1無人駕駛飛行任務164 
13.1.2四軸飛行器165
13.2無人機的典型用途166 
13.2.1無人機的非軍事應用167 
13.2.2人工智能推動無人機的發展169 
13.2.3監管問題171 
第14章人工智能駕駛汽車173 
14.1了解簡史174 
14.2了解移動的未來174 
14.2.1攀登六級自動化175 
14.2.2重新思考汽車在我們生活中的角色176 
14.3進入自動駕駛汽車179 
14.3.1將所有的技術整合到一起180 
14.3.2讓人工智能進入場景之中181 
14.3.3理解它不只是人工智能182 
14.4客服感知的不確定性183 
14.4.1介紹汽車傳感器184 
14.4.2將所感知到的融合到一起186 
第5部分人工智能的未來189 
第15章理解不可能實現的應用程序191 
15.1在無法工作的地方使用人工智能192 
15.1.1定義AI的限制192 
15.1.2不正確地應用人工智能194 
15.1.3進入一個充滿不切實際期望的世界195 
15.2人工智能寒冬的影響196 
15.2.1理解人工智能的寒冬196
15.2.2產生人工智能寒冬的原因197 
15.2.3用新的目標重建期望198 
15.3尋找問題的解決方案200 
15.3.1定義一個小發明200 
15.3.2迴避廣告201 
15.3.3什麼時候人類更有優勢201 
15.3.4尋找簡單的解決方案202 
第16章太空中的人工智能203 
16.1觀察宇宙204 
16.1.1第一次看清楚204 
16.1.2尋找新的去處205 
16.1.3宇宙的進化205 
16.1.4創造新的科學原理205 
16.2太空採礦206 
16.2.1收集水208 
16.2.2獲取稀土和其他金屬208 
16.2.3發現新元素209 
16.2.4加強通信209 
16.3探索新地方210 
16.3.1從探測器開始210 
16.3.2依靠機器人的任務211 
16.3.3人類的太空之旅213 
16.4太空建築物213 
16.4.1第一次太空旅行214 
16.4.2進行科學研究214 
16.4.3太空工業化214
16.4.4利用太空進行存儲215 
第17章增加新的職業216 
17.1太空中的生活和工作217 
17.2在惡劣環境裡建立城市218 
17.2.1在海洋中建造城市218 
17.2.2創建太空棲息地219 
17.2 .3構建基於月球的資源220 
17.3提高人類效率221 
17.4在全球範圍內解決問題223 
17.4.1思考世界如何運轉223 
17.4.2尋找問題的可能來源224 
17.4.3定義可能的解決方案225 
17.4.4看看解決方案的效果225 
17.4.5再次嘗試226 
第6部分幾個“十大” 227 
第18章十大人工智能安全職業229 
18.1進行人際互動229 
18.1.1教孩子230 
18.1.2護理230 
18.1 .3解決個人需求231 
18.1.4解決發展問題231 
18.2創造新事物232 
18.2.1發明232 
18.2.2藝術化232 
18.2.3虛幻想像233 
18.3憑直覺做出決定233 
18.3.1偵查犯罪233
18.3.2實時監測234 
18.3.3從幻想中分離事實234 
第19章AI的十大社會貢獻235 
19.1人類的相互作用235 
19.1.1設計主動的人類假肢236 
19.1.2持續監測236 
19.1.3給藥237 
19.2發展工業解決方案237 
19.2.1 3D打印中的人工智能237 
19.2.2機器人技術的進步237 
19.3創建新的技術環境238 
19.3.1開發稀有的新資源238 
19.3.2看人類看不到的239 
19.4工作在太空的AI 239 
19.4.1向空間站運送貨物239 
19.4.2行星外資源開採240 
19.4.3探索其他行星240 
第20章AI受局限的十大方面241 
20.1理解242 
20.1.1解釋而非分析242 
20.1.2超越純數字243 
20.1.3考慮後果243 
20.2發現244 
20.2.1由舊數據設計新數據244 
20.2.2超越模式244 
20.2.3實施新觀念245 
20.3同理心245
20.3.1從別人的角度看事物245 
20.3.2發展真正的關係246 
20.3.3視角變化246 
20.3.4信仰的飛躍246