人工智能發展前沿

目錄

第1章緒論

1.1人工智能發展歷程

1.1.1人工智能形態

1.1.2人工智能發展簡介

1.2人工智能研究領域

1.2.1自然語言處理

1.2.2計算機視覺

1.2.3多模態分析

1.2.4數據挖掘

1.2.5智能無人系統

1.2.6元宇宙

1.2.7腦啟發人工智能

1.2.8人工智能驅動科學研究

1.3人工智能前沿技術

1.3.1無監督學習

1.3.2自動機器學習

1.3.3內容生成技術

1.3.4大模型技術

1.3.5智能體技術

1.3.6具身智能技術

1.3.7智能芯片技術

1.3.8其他前沿技術

1.4人工智能典型應用

1.4.1人工智能早期應用

1.4.2搜索與推薦

1.4.3自動駕駛

1.4.4人形機器人

1.4.5人工智能交互

1.4.6人工智能繪圖

1.4.7智慧城市

1.4.8智慧教育

1.5人工智能安全、倫理與戰略

1.5.1人工智能安全

1.5.2人工智能倫理

1.5.3人工智能戰略

小結與展望

參考文獻

第2章無監督學習

2.1引言

2.2無監督學習簡介

2.3從無監督到自監督

2.3.1自監督學習的思想

2.3.2自監督學習的代理任務

2.3.3自監督學習評估

2.3.4自監督學習的應用場景

2.4對比學習

2.4.1計算機視覺對比學習SimCLR和MoCo

2.4.2聚類思想與無顯式負樣本

2.4.3計算機視覺Transformer與對比學習

2.4.4多模態對比學習

2.5掩膜學習

2.5.1自監督預訓練語言模型

2.5.2視覺BERT模型

2.5.3掩碼圖像建模——SimMIM算法和MAE算法

2.5.4計算機視覺掩碼學習的發展

小結與展望

參考文獻

第3章自動機器學習

3.1引言

3.2算法選擇

3.2.1特征選擇

3.2.2算法評估

3.3自動超參數優化

3.3.1問題定義

3.3.2免模型超參數優化

3.3.3近似超參數優化方法

3.4元學習

3.4.1基於優化的元學習方法

3.4.2基於模型的元學習方法

3.4.3基於度量的元學習方法

3.5神經架構搜索

3.5.1搜索空間

3.5.2搜索策略

3.5.3評估策略

小結與展望

參考文獻

第4章人工智能生成內容

4.1引言

4.2生成式模型基本概念

4.2.1生成式模型與判別式模型的區別

4.2.2概率建模與分布估計

4.2.3潛在變量

4.2.4采樣與生成

4.3生成式模型前沿

4.3.1生成對抗網絡

4.3.2變分自編碼器

4.3.3流模型

4.3.4擴散模型

4.3.5自回歸模型

4.4生成式模型應用場景

4.4.1多模態內容生成

4.4.2視頻生成

4.4.3音頻生成

4.4.4醫學圖像生成

4.4.5文本生成

4.4.6代碼生成

4.4.7人工智能修復

4.5國內外生成式大模型簡介

4.5.1OpenAI： GPT系列

4.5.2谷歌： Gemini系列

4.5.3Meta： Llama系列

4.5.4百度： 文心系列

4.5.5阿裏雲： 通義千問系列

4.5.6騰訊： 混元系列

4.5.7字節跳動： 豆包系列

4.5.8xAI： Grok系列

小結與展望

參考文獻

第5章人工智能大模型

5.1大語言模型

5.1.1語言模型的發展歷史

5.1.2大語言模型的可用資源

5.1.3大語言模型的預訓練

5.1.4大語言模型的使用

5.1.5大語言模型的評測

5.2大語言模型偏見與幻覺

5.2.1大語言模型偏見

5.2.2大語言模型幻覺

5.3大語言模型價值對齊

5.3.1大語言模型價值對齊的意義

5.3.2大語言模型價值對齊的標準

5.3.3大語言模型價值對齊的實施方法

5.4多模態大語言模型

5.4.1多模態大語言模型的背景

5.4.2多模態大語言模型的結構

5.4.3多模態大語言模型的微調方式

5.4.4多模態大語言模型的評估

小結與展望

參考文獻

第6章智能體智能

6.1引言

6.2深度強化學習

6.2.1基礎知識

6.2.2基於值函數的方法

6.2.3基於策略梯度的方法

6.2.4行動器評判器方法

6.2.5深度強化學習前沿

6.3多智能體強化學習

6.3.1基礎知識

6.3.2完全合作

6.3.3完全競爭

6.3.4混合合作競爭

6.4大模型與智能體

6.4.1大模型驅動智能體

6.4.2大模型與智能決策

6.4.3大模型與群體智能

6.4.4決策大模型行業應用

6.5開放環境合作與競爭

6.5.1開放環境及其挑戰

6.5.2開放環境合作方法

6.5.3開放環境競爭方法

6.5.4開放環境下的人機協同

小結與展望

參考文獻

第7章智能無人系統

7.1引言

7.2智能無人系統技術

7.2.1感知與理解

7.2.2導航與軌跡規劃

7.2.3控制與決策

7.2.4集群協同

7.3自動駕駛領域前沿

7.3.1發展現狀

7.3.2核心技術

7.3.3前沿應用

7.3.4發展趨勢

7.4工業機器人領域前沿

7.4.1發展現狀

7.4.2核心技術

7.4.3前沿應用

7.4.4發展趨勢

7.5服務機器人領域前沿

7.5.1發展現狀

7.5.2核心技術

7.5.3前沿應用

7.5.4發展趨勢

7.6智能無人機領域前沿

7.6.1發展現狀

7.6.2核心技術

7.6.3前沿應用

7.6.4發展趨勢

7.7水面/水下智能無人系統領域前沿

7.7.1發展現狀

7.7.2核心技術

7.7.3前沿應用

7.7.4發展趨勢

小結與展望

參考文獻

第8章元宇宙

8.1引言

8.2從虛擬現實到元宇宙

8.2.1元宇宙起源與發展歷史

8.2.2元宇宙組成

8.2.3元宇宙基礎

8.2.4元宇宙應用前景

8.3三維重建渲染

8.3.1三維重建技術概念

8.3.2神經輻射場

8.3.3三維高斯潑濺

8.4虛擬數字人

8.4.1虛擬數字人概念

8.4.2虛擬數字人系統框架

8.4.3虛擬數字人視覺制作技術

8.4.4交互式虛擬數字人

8.5具身元宇宙

8.5.1具身元宇宙概念

8.5.2虛擬空間交互技術

8.5.3具身智能技術

8.6元宇宙發展趨勢

8.6.1科技領域

8.6.2經濟社會領域

小結與展望

參考文獻

第9章腦啟發人工智能

9.1引言

9.2人工智能與腦科學

9.2.1腦科學發展歷程

9.2.2腦科學和認知科學

9.2.3技術與應用

9.2.4人工智能與腦科學雙向促進

9.3腦啟發新型傳感設備

9.3.1腦啟發傳感器發展歷程

9.3.2腦啟發傳感原理

9.3.3腦啟發視覺采樣模型

9.3.4腦啟發視覺傳感器的應用

9.4腦啟發人工智能模型

9.4.1脈沖神經網絡與腦啟發人工智能

9.4.2脈沖神經元模型

9.4.3脈沖神經網絡編碼方式

9.4.4脈沖神經網絡訓練方式

9.4.5脈沖神經網絡前沿進展

9.5腦機接口

9.5.1腦機接口發展歷程

9.5.2腦機接口關鍵技術

9.5.3腦機接口應用場景

9.5.4腦機接口前沿進展

9.5.5腦機接口發展挑戰

小結與展望

參考文獻

第10章AI4S： 科學研究新範式

10.1引言

10.2AI4S簡介

10.2.1AI4S的“四梁N柱”

10.2.2人工智能促進科學研究的五大關鍵應用方式

10.3AI4S驅動的數學研究新範式

10.3.1符號回歸尋找數學表達式

10.3.2機器學習生成數學新猜想

10.3.3語言模型實現交互式研究

10.4AI4S驅動的物理研究新範式

10.4.1物理規律發現的方法演進路徑

10.4.2潛在變量識別的數據驅動策略

10.4.3物理系統模擬的高效建模機制

10.5AI4S驅動的生物研究新範式

10.5.1計算生物學研究的智能方法革新

10.5.2多源組學數據的深度解析策略

10.5.3醫藥研發流程的智能優化路徑

10.6AI4S驅動的材料研究新範式

10.6.1數據驅動的材料設計與優化

10.6.2智能算法賦能復合材料創新

10.7AI4S驅動的其他科學領域發展

10.7.1多維地球科學數據的智能解析與建模

10.7.2分子工程的自動化推演與結構創新

10.7.3能源系統的智能化技術革新

10.7.4計算架構的智能增強方法

小結與展望

參考文獻

第11章人工智能產業布局

11.1引言

11.2產業整體布局

11.2.1核心技術演進

11.2.2應用場景拓展

11.2.3產業生態建設

11.2.4國際合作與競爭

11.3產業創新體系

11.3.1創新驅動力

11.3.2商業模式創新

11.3.3產品創新

11.3.4人才培養創新

11.3.5信息共享創新

11.4產業投資動態

11.4.1計算機行業行情回顧

11.4.2人工智能企業現狀

11.4.3人工智能商業落地投資價值

11.4.4人工智能未來投資機會

11.5人工智能人才戰略

11.5.1高校和企業聯培人工智能人才

11.5.2人工智能人才狀況

11.5.3人工智能在教育體系的融合與發展

11.5.4人工智能教育市場分析

小結與展望

參考文獻

第12章人工智能產業發展

12.1引言

12.2人工智能產業格局

12.2.1全球人工智能產業格局

12.2.2中國人工智能產業格局

12.2.3人工智能產業鏈

12.3前沿研究發展

12.3.1研究產出趨勢

12.3.2關鍵技術突破

12.3.3開源技術生態演進

12.4技術產業發展

12.4.1人工智能產業應用

12.4.2領域獨角獸生態分析

12.4.3產業政策發展

12.5產業趨勢

12.5.1技術趨勢

12.5.2應用趨勢

12.5.3安全倫理的趨嚴管控

12.5.4生態協同

小結與展望

參考文獻

第13章人工智能安全

13.1引言

13.2人工智能安全問題

13.2.1人工智能技術應用引發的安全問題

13.2.2人工智能系統本身的安全問題

13.3人工智能安全戰略

13.3.1美國： 關註人工智能技術對國家安全的影響

13.3.2英國及歐盟： 關註人工智能技術對個人安全的影響

13.3.3中國及其他國際組織： 關註人工智能技術的全球治理

13.4人工智能安全技術

13.4.1人工智能安全技術簡介

13.4.2可信人工智能四大支撐技術

13.5人工智能安全應用

13.5.1自動駕駛領域安全防護

13.5.2在線電商/數字金融領域安全防護

13.5.3社交媒體智能安全防護

13.5.4軍事領域智能安全防護

小結與展望

參考文獻

第14章人工智能倫理與監管

14.1引言

14.1.1人工智能倫理的概念及範疇

14.1.2人工智能倫理帶來的主要社會挑戰

14.2AI倫理規範

14.2.1歐盟《可信賴人工智能倫理指南》

14.2.2美國《人工智能倫理道德標準》

14.2.3中國《新一代人工智能倫理規範》

14.2.4聯合國教科文組織《人工智能倫理建議書》

14.3AI倫理的宏觀監管

14.3.1歐盟： 強化政府主導的倫理原則建設和法律法規約束

14.3.2美國： 依托市場力量，強化應用監管

14.3.3英國： 促進創新的人工智能監管方法

14.3.4中國： 堅持規劃引領和應用規範，探索構建人工智能安全管理體系

14.3.5各國際組織： 開發人工智能的國際指導原則

14.3.6討論

14.4企業級人工智能倫理實踐

14.4.1微軟的人工智能倫理實踐

14.4.2谷歌的人工智能倫理實踐

14.4.3百度的人工智能倫理實踐

14.4.4商湯科技的人工智能倫理實踐

小結與展望

參考文獻

第15章回顧、建議與展望

15.1引言

15.2內容回顧

15.2.1人工智能理論方法前沿

15.2.2人工智能技術創新前沿

15.2.3人工智能產業發展前沿

15.2.4人工智能與人類社會

15.3問題與建議

15.3.1理論與技術發展

15.3.2產業與生態發展

15.3.3人工智能治理與社會責任

15.4未來展望

15.4.1下一代人工智能理論與方法研究

15.4.2人工智能終身學習研究

15.4.3開放環境智能體研究

15.4.4AI4S應對全球危機

15.4.5人工智能倫理與可控邊界研究

15.4.6生物計算與量子計算人工智能

參考文獻

附錄A英漢縮寫對照表