AI必修課：日本情感研究權威的人工智慧秒懂攻略

　　NHK、全球財經衛星、朝日新聞爭相邀請
　　日本AI情感研究第一人
　　亞馬遜網友熱烈贊同，讀懂AI的第一本書

　　人工智慧來了！
　　AlphaGo在棋盤上打敗人類、蘇菲亞成為沙國公民…
　　未來，AI還會造成什麼樣的影響？
　　準備好迎接人造智慧的時代了嗎？

　　本書適合想了解AI，但似懂非懂，覺得相關知識很難的讀者，能為學生建立基礎概念，提前職涯規劃，也能讓社會人士速修最新知識，領先時代潮流。

　　日本AI情感研究第一人、第一位分析AlphaGo及AI情感的研究者坂本真樹教授，
　　手把手帶你了解AI！

　　本書重點：
　　★人工智慧(AI)到底是什麼？漫畫插圖一次看懂！
　　★AI≠機器人！人工智慧與機器人的關係，就像大腦和身體
　　★AI也有分等級，你身邊的冰箱、冷氣可能就是AI！
　　★根據摩爾定律，電腦將在2045年超越人腦！
　　★哪些工作會在未來消失，哪些工作不會被AI取代？
　　★課外補充、求職先修、職場加分必讀！

　　立刻了解AI發展史、現況，掌握未來趨勢！

作者簡介

坂本真樹

　　●日本電氣通信大學研究所 資訊工程學研究科 資訊工程學專攻／人工智慧尖端研究中心 教授
　　●活躍於電視、廣播、雜誌、報紙等各大媒體
　　●Oscar Promotion（業務合作）

　　坂本真樹老師，資訊更新中！
　　電氣通信大學 坂本真樹研究室 搜尋
　　坂本真樹Official Blog「清新閃亮☆研究LIFE」

　　ameblo.jp/maki-sakamoto1215/
　　Oscar Promotion官方網站「beamie」
　　beamie.jp/d/maki_sakamoto.html
　
譯者簡介

陳朕疆

　　自由譯者。清大生科學士、政大財管碩士、京都大學農學部交換一年、台大經濟系研究助理一年。碰到新的領域就想一探究竟，成為譯者是偶然，卻也越做越喜歡，歡迎批評指教。Facebook帳號同名字，email: czj.kyoto@gmail.com

第一章 人工智慧是什麼？
1.1 人工智慧何時誕生？
●人的智慧？人工智慧？
●哪一邊是人呢？圖靈測試
●看起來有點孤單的人工智慧？
●人類和人工智慧的差異
●與電腦性能一起發展
●AI的歷史＜達特茅斯會議＞
●AI的歷史＜第一次AI熱潮＞
●AI的歷史＜第二次AI熱潮＞
●現在進行式＜第三次AI熱潮＞！

1.2 這就是人工智慧？
●人工智慧和機器人的差異
●機器人研究？人工智慧研究？
●人工智慧是否需要身體？
●第一級人工智慧
●第二級人工智慧
●第三級人工智慧
●第四級人工智慧、特化型人工智慧
●第五級人工智慧、泛用人工智慧

1.3 人工智慧會超越人類嗎？
●「科技奇點」是什麼？
●科技奇點值得擔憂嗎？
●怎麼製作泛用人工智慧？
●人類是否有可能因AI而滅亡？
●AI會改變人類的未來嗎？
●未來可能消失的工作？
●未來可能留下的工作？

第二章 人工智慧擅長與不擅長處理的事
2.1 人工智慧擅長處理的事
●擅長處理Web資訊
●0與1組成的數位資料
●電腦資料（語言、影片、聲音）
●以電腦處理視覺資訊
●數位相機的進化
●提高解析度，相機可以超越人眼嗎？
●世界共通的資料
●圖像識別競賽ILSVRC
●電腦處理聽覺資訊
●使用兩個麥克風的聲音辨識
●使用多個麥克風的「麥克風陣列」
●如何將聲音轉換成文字？
●聲音模型、語言模型

2.2 人工智慧不擅長處理的事
●事物的意義難以理解
●語意網路是什麼？
●就算不懂問題的意義仍可回答？
●潛在語義分析是什麼？
●東Robo君放棄的理由
●為了變聰明，五感是必要條件？
●對人工智慧來說，什麼是味覺？
●對人工智慧來說，什麼是嗅覺？
●氣味在未來有哪些相關發展？
●對人工智慧來說，什麼是觸覺？
●實現觸覺很困難！

第三章 人工智慧如何從資訊中學習？
3.1 機器學習是什麼？
●想要教機器（電腦）如何「學習」！
●監督式學習
●分類問題＜判斷垃圾郵件＞
●回歸問題＜預測數值＞
●找出適當的直線（函數）！
●過度學習
●什麼是非監督式學習？
●把資料分成數個群集吧！
●k-means分類法
●強化學習是講賞與懲罰

3.2 類神經網路是什麼？
●神經元建構的腦
●人工神經元的結構
●權重代表重要度與信賴度
●赫布理論
●什麼是感知器？
●線性不可分的問題
●Backpropagation（誤差反向傳播法）
●為了讓誤差變小，需要調整權重！
●增加層數後…誤差反而傳不過去？
●支援向量機的優點是什麼？
●過度學習的避免與泛化能力不能兩者兼得

3.3 Deep Learning厲害在哪裡？
●Deep Learning出名之日
●電腦自動尋找特徵量！
●Deep Learning可以到四層以上
●自動編碼器的輸入與輸出相同？
●輸入與輸出相同所代表的意義
●更接近人類的方式
●Deep Learning方法

3.4 AI三大家之一的「遺傳演算法」是什麼？
●AI三大家的各種面向
●達爾文演化論的啟發
●遺傳演算法的使用方式

第四章 人工智慧的應用
4.1 從「遊戲」應用看人工智慧
●遊戲AI進化史
●人類 vs AI ～西洋棋篇～
●人類 vs AI ～將棋篇～
●人類 vs AI ～圍棋篇～

4.2 「影像」應用，引發第三次AI熱潮
●Google的貓識別
●影像辨識的進化
●醫療上的應用（庄野研究室）
●醫療上的應用（黑色素瘤的判別）
●醫療上的應用（癌症診斷）
●提升診斷精確度

4.3 熱門話題「自動駕駛AI」應用
●自動化達成的程度？
●為實現自動駕駛必須做到哪些事？
●訓練自動駕駛的步驟
●如何判斷位置與狀況
●發生交通事故，如何釐清事故原因？

4.4 「對話AI」應用實例
●如何讓電腦與人對話？
●「有知識的」對話AI
●「沒有知識的」對話AI
●編寫對話的三種技術
●如何使機器進行自然對話？
4.5 遺傳演算法的「擬聲詞」應用實例
●傳遞人類感受的擬聲詞
●擬聲詞生成系統
●生成擬聲詞的步驟
●執行最適化過程
●擬聲詞生成系統的內部機制
●擬聲詞的生成

4.6 AI的「藝術」應用實例
●AI在藝術方面的挑戰～小說篇～
●AI小說計畫
●AI在藝術方面的挑戰～繪畫篇～
●AI在藝術方面的挑戰～作曲篇～

結語
參考文獻
索引