目錄
第1章 人工智能簡(jiǎn)介 1
1.1 人工智能概述 1
1.2 人工智能的發(fā)展歷程 3
1.2.1 萌芽階段 3
1.2.2 早期發(fā)展階段 4
1.2.3 應(yīng)用發(fā)展階段 5
1.2.4 穩(wěn)步發(fā)展階段 6
1.2.5 蓬勃發(fā)展階段 7
1.3 人工智能的核心技術(shù) 10
1.3.1 自然語(yǔ)言處理 10
1.3.2 計(jì)算機(jī)視覺(jué) 11
1.3.3 智能芯片技術(shù) 12
1.3.4 腦機(jī)接口技術(shù) 12
1.3.5 跨媒體分析技術(shù) 13
1.3.6 智適應(yīng)學(xué)習(xí)技術(shù) 13
1.3.7 群體智能技術(shù) 14
1.3.8 自主無(wú)人系統(tǒng) 14
1.4 人工智能的前沿應(yīng)用 14
1.4.1 ChatGPT 15
1.4.2 智能家居控制 16
1.4.3 自動(dòng)駕駛 16
1.4.4 醫(yī)療影像分析 17
1.5 人工智能倫理道德 18
參考文獻(xiàn) 20
第2章 機(jī)器學(xué)習(xí) 21
2.1 機(jī)器學(xué)習(xí)概述 21
2.1.1 基礎(chǔ)介紹 21
2.1.2 機(jī)器學(xué)習(xí)的流程 22
2.1.3 機(jī)器學(xué)習(xí)的發(fā)展歷程 24
2.1.4 機(jī)器學(xué)習(xí)的基本分類(lèi) 27
2.1.5 機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域 28
2.2 監(jiān)督學(xué)習(xí) 30
2.2.1 線性模型 30
2.2.2 決策樹(shù) 33
2.2.3 支持向量機(jī) 35
2.2.4 K近鄰學(xué)習(xí) 36
2.3 無(wú)監(jiān)督學(xué)習(xí) 36
2.3.1 無(wú)監(jiān)督學(xué)習(xí)概述 36
2.3.2 無(wú)監(jiān)督學(xué)習(xí)的主要算法 37
2.4 神經(jīng)網(wǎng)絡(luò) 42
2.4.1 神經(jīng)網(wǎng)絡(luò)的定義 42
2.4.2 神經(jīng)網(wǎng)絡(luò)的基本單元 42
2.4.3 神經(jīng)網(wǎng)絡(luò)的早期模型 43
2.4.4 神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法 44
2.4.5 常見(jiàn)的神經(jīng)網(wǎng)絡(luò)模型 45
2.5 深度學(xué)習(xí) 47
2.5.1 深度學(xué)習(xí)的定義 47
2.5.2 深度學(xué)習(xí)的歷史背景 47
2.5.3 深度學(xué)習(xí)的三大驅(qū)動(dòng)因素 48
2.5.4 深度學(xué)習(xí)的關(guān)鍵技術(shù) 48
2.6 預(yù)訓(xùn)練模型 51
2.6.1 預(yù)訓(xùn)練模型的作用 51
2.6.2 預(yù)訓(xùn)練模型的分類(lèi) 52
2.6.3 預(yù)訓(xùn)練模型與訓(xùn)練模型的本質(zhì)區(qū)別 53
2.6.4 遷移學(xué)習(xí) 54
參考文獻(xiàn) 54
第3章 多模態(tài)人工智能 56
3.1 多模態(tài)人工智能概述 56
3.1.1 多模態(tài)人工智能的概念與作用 56
3.1.2 多模態(tài)人工智能的發(fā)展歷程 56
3.1.3 多模態(tài)信息的組合方式 57
3.1.4 多模態(tài)人工智能的挑戰(zhàn)與未來(lái)發(fā)展趨勢(shì) 58
3.2 自然語(yǔ)言處理 58
3.2.1 自然語(yǔ)言處理的基本概念與特點(diǎn) 58
3.2.2 自然語(yǔ)言處理的基本任務(wù) 60
3.2.3 深度學(xué)習(xí)在自然語(yǔ)言處理中的應(yīng)用 63
3.3 計(jì)算機(jī)視覺(jué) 64
3.3.1 計(jì)算機(jī)視覺(jué)概述及圖像的特點(diǎn) 64
3.3.2 計(jì)算機(jī)視覺(jué)的基本任務(wù) 66
3.3.3 計(jì)算機(jī)視覺(jué)的關(guān)鍵技術(shù) 66
3.3.4 計(jì)算機(jī)視覺(jué)的應(yīng)用領(lǐng)域 71
3.4 計(jì)算機(jī)聽(tīng)覺(jué) 73
3.4.1 計(jì)算機(jī)聽(tīng)覺(jué)的基本概念 73
3.4.2 計(jì)算機(jī)聽(tīng)覺(jué)的關(guān)鍵技術(shù) 74
3.4.3 計(jì)算機(jī)聽(tīng)覺(jué)的應(yīng)用領(lǐng)域 77
3.5 多模態(tài)大模型 78
3.5.1 多模態(tài)大模型的基本概念及特點(diǎn) 78
3.5.2 多模態(tài)大模型的架構(gòu)與訓(xùn)練方法 80
3.5.3 多模態(tài)大模型的應(yīng)用案例 82
參考文獻(xiàn) 83
第4章 生成式人工智能 85
4.1 生成式模型概論 85
4.1.1 認(rèn)識(shí)生成式人工智能 85
4.1.2 判別式人工智能和生成式人工智能 86
4.2 生成式模型基礎(chǔ) 87
4.2.1 生成式模型的定義與分類(lèi) 87
4.2.2 生成式模型的基本原理 88
4.2.3 深度生成式模型 89
4.3 生成式模型的功能 93
4.3.1 AIGC與文本生成 94
4.3.2 AIGC與圖像生成 95
4.3.3 AIGC與視頻生成 98
4.3.4 AIGC與3D內(nèi)容生成 100
4.4 生成式大模型 101
4.4.1 ChatGPT 101
4.4.2 文心一言 102
4.4.3 訊飛星火 103
4.4.4 通義 103
4.4.5 天工 103
4.4.6 Kimi 104
4.4.7 LLaVA 104
4.4.8 Sora 105
4.4.9 DeepSeek 105
4.5 提示工程與智能體 106
4.5.1 提示工程 106
4.5.2 提示工程要素 106
4.5.3 提示工程中的技巧 107
4.5.4 提示詞 108
4.5.5 智能體框架簡(jiǎn)介 109
4.5.6 智能體分類(lèi) 110
4.6 生成式人工智能的應(yīng)用 111
4.6.1 AIGC助力高效辦公 111
4.6.2 AIGC助力學(xué)習(xí)成長(zhǎng) 113
4.6.3 AIGC豐富日常生活 114
參考文獻(xiàn) 116
第5章 智能機(jī)器人 118
5.1 智能機(jī)器人概述 118
5.1.1 智能機(jī)器人的定義 118
5.1.2 智能機(jī)器人發(fā)展史 118
5.1.3 智能機(jī)器人發(fā)展現(xiàn)狀 119
5.2 智能機(jī)器人分類(lèi) 119
5.2.1 機(jī)器人的分類(lèi)方法 119
5.2.2 智能無(wú)人機(jī) 120
5.2.3 智能無(wú)人車(chē)與自動(dòng)駕駛 120
5.2.4 智能工業(yè)機(jī)器人 121
5.2.5 智能服務(wù)機(jī)器人 122
5.2.6 空間機(jī)器人智能技術(shù) 122
5.2.7 海洋/極地機(jī)器人智能技術(shù) 123
5.3 智能機(jī)器人關(guān)鍵技術(shù) 124
5.3.1 智能機(jī)器人機(jī)構(gòu) 124
5.3.2 智能機(jī)器人運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)系統(tǒng) 127
5.3.3 智能機(jī)器人控制系統(tǒng) 129
5.3.4 智能機(jī)器人操作系統(tǒng) 131
5.3.5 感知與環(huán)境理解 132
5.3.6 定位和建圖 136
5.3.7 導(dǎo)航與路徑規(guī)劃 138
5.4 具身機(jī)器人 141
5.4.1 具身機(jī)器人概述 141
5.4.2 具身機(jī)器人關(guān)鍵技術(shù) 143
5.4.3 具身機(jī)器人的分類(lèi) 147
5.4.4 具身機(jī)器人的挑戰(zhàn)與未來(lái)方向 147
5.5 集群機(jī)器人 148
5.5.1 集群機(jī)器人介紹 148
5.5.2 集群機(jī)器人的分類(lèi) 149
5.5.3 集群機(jī)器人的關(guān)鍵技術(shù) 150
5.5.4 應(yīng)用和展望 153
參考文獻(xiàn) 154
第6章 人工智能驅(qū)動(dòng)科學(xué)研究 155
6.1 AI for Science新范式 155
6.1.1 AI 與科學(xué)研究范式的變遷 156
6.1.2 AI 嵌入科學(xué)研究全流程的方法 158
6.2 人工智能與數(shù)學(xué) 161
6.2.1 AI輔助數(shù)學(xué)證明 162
6.2.2 AI輔助尋找數(shù)學(xué)規(guī)律 164
6.2.3 大模型輔助數(shù)學(xué)研究 165
6.3 人工智能與化學(xué) 166
6.3.1 AI輔助分子設(shè)計(jì) 166
6.3.2 AI預(yù)測(cè)化學(xué)反應(yīng) 167
6.3.3 AI預(yù)測(cè)分子性質(zhì) 167
6.3.4 AI促進(jìn)化學(xué)合成的自動(dòng)化 167
6.3.5 大模型指導(dǎo)化學(xué)結(jié)構(gòu)分割 168
6.4 人工智能與生物 169
6.4.1 人工智能與分子生物學(xué) 169
6.4.2 人工智能與生物組學(xué) 171
6.4.3 人工智能與生物醫(yī)藥研究 172
6.5 人工智能與材料科學(xué) 172
6.5.1 人工智能與材料設(shè)計(jì) 173
6.5.2 人工智能與材料性能預(yù)測(cè) 173
6.5.3 人工智能與材料微觀結(jié)構(gòu)表征 173
6.5.4 人工智能與復(fù)合材料研究 174
6.6 其他科學(xué)領(lǐng)域 174
6.6.1 人工智能與物理學(xué) 174
6.6.2 人工智能與地球科學(xué) 175
6.6.3 人工智能與能源科學(xué) 175
6.6.4 人工智能與計(jì)算科學(xué) 176
6.6.5 小結(jié) 176
參考文獻(xiàn) 176
第7章 人工智能在交叉學(xué)科中的應(yīng)用 178
7.1 人工智能在化學(xué)化工中的應(yīng)用 178
7.1.1 化學(xué)數(shù)據(jù)庫(kù)簡(jiǎn)介 179
7.1.2 分子物性預(yù)測(cè) 181
7.1.3 分子智能設(shè)計(jì) 184
7.1.4 有機(jī)合成與人工智能 185
7.1.5 能源與人工智能 187
7.2 人工智能在生物科學(xué)與工程中的應(yīng)用 189
7.2.1 人工智能在基因組學(xué)中的應(yīng)用 189
7.2.2 人工智能在蛋白質(zhì)組學(xué)中的應(yīng)用 191
7.2.3 人工智能在生物醫(yī)藥領(lǐng)域的應(yīng)用 194
7.2.4 人工智能在合成生物學(xué)中的應(yīng)用 197
7.3 人工智能在智能制造中的應(yīng)用 201
7.3.1 智能設(shè)計(jì) 202
7.3.2 智能加工 204
7.3.3 智能裝配 206
7.3.4 智能調(diào)度 208
7.3.5 智能運(yùn)維 210
7.4 人工智能在智能建造中的應(yīng)用 211
7.4.1 智能防災(zāi) 211
7.4.2 智慧交通 216
7.4.3 智慧水務(wù) 219
7.4.4 智慧人居 224
參考文獻(xiàn) 229
第8章 人工智能倫理與治理 232
8.1 人工智能倫理問(wèn)題概述 232
8.2 人工智能安全問(wèn)題 235
8.2.1 人工智能系統(tǒng)攻防 235
8.2.2 深度偽造檢測(cè) 237
8.2.3 數(shù)字水印認(rèn)證 239
8.2.4 隱私計(jì)算 241
8.3 數(shù)據(jù)倫理風(fēng)險(xiǎn)問(wèn)題及其治理 242
8.3.1 數(shù)據(jù)是人工智能學(xué)習(xí)的“原料” 243
8.3.2 人工智能數(shù)據(jù)倫理風(fēng)險(xiǎn)問(wèn)題 244
8.3.3 數(shù)據(jù)倫理風(fēng)險(xiǎn)問(wèn)題治理 246
8.4 算法倫理風(fēng)險(xiǎn)問(wèn)題及其治理 248
8.4.1 算法倫理風(fēng)險(xiǎn)問(wèn)題 248
8.4.2 算法倫理風(fēng)險(xiǎn)問(wèn)題治理 252
8.5 全球人工智能倫理治理 258
8.5.1 我國(guó)的人工智能倫理治理實(shí)踐 258
8.5.2 歐美等國(guó)家的人工智能倫理治理實(shí)踐 266
8.5.3 全球人工智能倫理治理：共治共享 266
參考文獻(xiàn) 268