目 錄

第1講 AI概覽 1
1.1 相關(guān)概念 1
1.1.1 智能的定義 1
1.1.2 人工智能的定義 2
1.2 發(fā)展歷程 4
1.2.1 漫長(zhǎng)孕育 4
1.2.2 誕生成長(zhǎng) 5
1.2.3 曲折前行 6
1.2.4 蓬勃興起 8
1.2.5 發(fā)展總結(jié) 9
1.3 主流學(xué)派 10
1.3.1 符號(hào)主義學(xué)派 10
1.3.2 連接主義學(xué)派 10
1.3.3 行為主義學(xué)派 11
1.3.4 學(xué)派對(duì)比分析 11
1.4 研究范疇 12
1.4.1 學(xué)科內(nèi)涵 12
1.4.2 研究領(lǐng)域 13
1.5 典型應(yīng)用 18
習(xí)題 21
第2講 AI學(xué)習(xí)機(jī)制 22
2.1 機(jī)器學(xué)習(xí) 22
2.1.1 機(jī)器學(xué)習(xí)概述 22
2.1.2 機(jī)器學(xué)習(xí)分類(lèi) 24
2.1.3 常見(jiàn)的機(jī)器學(xué)習(xí)算法 31
2.2 機(jī)器學(xué)習(xí)主要流程 36
2.2.1 數(shù)據(jù)與數(shù)據(jù)集——機(jī)器學(xué)習(xí)的基石 37
2.2.2 數(shù)據(jù)預(yù)處理 38
2.2.3 模型訓(xùn)練與測(cè)試 41
2.2.4 模型評(píng)估 42
2.2.5 新樣本預(yù)測(cè) 42
2.3 深度學(xué)習(xí)常見(jiàn)模型 43
2.3.1 卷積神經(jīng)網(wǎng)絡(luò) 43
2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò) 46
2.3.3 Transformer 47
2.3.4 生成對(duì)抗網(wǎng)絡(luò) 48
2.3.5 深度強(qiáng)化學(xué)習(xí) 49
習(xí)題 51
第3講 感知與認(rèn)知智能 52
3.1 機(jī)器視覺(jué) 52
3.1.1 什么是機(jī)器視覺(jué) 52
3.1.2 機(jī)器視覺(jué)的發(fā)展 53
3.1.3 機(jī)器視覺(jué)的技術(shù)要素 53
3.2 計(jì)算機(jī)視覺(jué) 54
3.2.1 什么是計(jì)算機(jī)視覺(jué) 54
3.2.2 計(jì)算機(jī)視覺(jué)的發(fā)展歷程 56
3.3 模式識(shí)別 62
3.3.1 什么是模式識(shí)別 62
3.3.2 模式識(shí)別的研究進(jìn)展 63
3.3.3 模式識(shí)別的核心任務(wù) 63
3.3.4 模式識(shí)別的主要方法 63
3.3.5 模式識(shí)別的發(fā)展趨勢(shì) 63
3.4 圖像識(shí)別 64
3.4.1 人類(lèi)的圖像識(shí)別能力 64
3.4.2 圖像識(shí)別的基礎(chǔ) 65
3.4.3 圖形識(shí)別的模型 66
3.4.4 神經(jīng)網(wǎng)絡(luò)圖像識(shí)別 67
3.5 圖像理解 67
3.5.1 圖像數(shù)據(jù)處理 67
3.5.2 圖像分類(lèi) 69
3.5.3 圖像分割 70
3.6 計(jì)算機(jī)視覺(jué)的應(yīng)用 72
3.6.1 自動(dòng)駕駛環(huán)境感知系統(tǒng) 72
3.6.2 工業(yè)智能質(zhì)檢系統(tǒng) 73
3.6.3 醫(yī)療影像輔助診斷系統(tǒng) 74
3.7 知識(shí)表示 75
3.7.1 知識(shí)和知識(shí)表示的概念 75
3.7.2 知識(shí)表示方法 75
3.7.3 知識(shí)圖譜的價(jià)值 76
習(xí)題 79
第4講 智能體與智能系統(tǒng) 80
4.1 智能體與智能系統(tǒng)概述 80
4.1.1 智能體組成要素 81
4.1.2 智能系統(tǒng)的分類(lèi)與演進(jìn) 82
4.1.3 大模型對(duì)智能體發(fā)展的影響 83
4.2 智能體的基礎(chǔ)理論與架構(gòu) 85
4.2.1 基礎(chǔ)理論 85
4.2.2 智能體的架構(gòu)模式 86
4.2.3 典型案例 87
4.3 大模型與智能體的關(guān)鍵技術(shù) 88
4.3.1 Transformer架構(gòu)與自注意力機(jī)制 88
4.3.2 預(yù)訓(xùn)練、微調(diào)與指令優(yōu)化 89
4.3.3 多模態(tài)融合 90
4.3.4 復(fù)雜環(huán)境下的動(dòng)態(tài)推理 91
4.3.5 智能體的持續(xù)學(xué)習(xí)與進(jìn)化 91
4.4 構(gòu)建基于大模型的智能體 92
4.4.1 關(guān)鍵模塊 92
4.4.2 規(guī)劃和決策能力 93
4.4.3 記憶機(jī)制 93
4.4.4 工具調(diào)用 94
4.4.5 推理引擎：ReAct框架 94
4.5 智能系統(tǒng)工程化實(shí)踐 95
4.5.1 需求分析與場(chǎng)景定制 95
4.5.2 數(shù)據(jù)處理與管理 95
4.5.3 模型選擇與訓(xùn)練優(yōu)化 96
4.5.4 智能體設(shè)計(jì)與集成 96
4.5.5 系統(tǒng)部署與運(yùn)維 96
4.5.6 開(kāi)發(fā)工具鏈與框架 97
4.6 未來(lái)技術(shù)趨勢(shì) 98
4.6.1 具身智能 98
4.6.2 通用人工智能 99
習(xí)題 100
第5講 NLP與AI大模型 101
5.1 語(yǔ)言理解為何困難 101
5.1.1 語(yǔ)言的千面之謎 101
5.1.2 孩童的啟示錄 101
5.1.3 機(jī)器的困境之旅 102
5.2 NLP的核心任務(wù) 102
5.2.1 基礎(chǔ)處理技術(shù)：語(yǔ)言的解剖學(xué) 102
5.2.2 深度理解技術(shù)：語(yǔ)義的破譯工程 103
5.2.3 內(nèi)容生成技術(shù)：機(jī)器的創(chuàng)造力覺(jué)醒 104
5.3 技術(shù)演進(jìn)之路 104
5.3.1 規(guī)則驅(qū)動(dòng)時(shí)期(1950—1989)：語(yǔ)言的“樂(lè)高積木”時(shí)代 104
5.3.2 統(tǒng)計(jì)學(xué)習(xí)時(shí)期(1990—2009)：概率開(kāi)啟的巴別塔 105
5.3.3 深度學(xué)習(xí)革命(從2010年至今)：神經(jīng)網(wǎng)絡(luò)的覺(jué)醒 105
5.4 語(yǔ)法分析與語(yǔ)義分析：解碼語(yǔ)言的雙重密碼 106
5.4.1 語(yǔ)法分析：語(yǔ)言的建筑學(xué) 106
5.4.2 語(yǔ)義分析：意義的偵探術(shù) 107
5.4.3 技術(shù)進(jìn)化的雙重奏 108
5.4.4 現(xiàn)實(shí)挑戰(zhàn)與人文思考 109
5.5 處理數(shù)據(jù)與處理工具：從原始礦藏到精煉燃料 109
5.5.1 數(shù)據(jù)集：NLP的原始礦脈 109
5.5.2 處理工具：數(shù)據(jù)煉金術(shù)的熔爐 110
5.5.3 現(xiàn)實(shí)難點(diǎn)：煉金術(shù)士的荊棘之路 110
5.6 大語(yǔ)言模型的概念：數(shù)字化的語(yǔ)言基因 111
5.6.1 無(wú)預(yù)設(shè)的進(jìn)化 111
5.6.2 動(dòng)態(tài)的語(yǔ)義網(wǎng)絡(luò) 112
5.7 發(fā)展歷程：從統(tǒng)計(jì)模型到認(rèn)知革命 113
5.7.1 統(tǒng)計(jì)機(jī)器翻譯時(shí)代(2000—2012)：笨拙的詞語(yǔ)搬運(yùn)工 113
5.7.2 深度學(xué)習(xí)崛起(2013—2017)：神經(jīng)網(wǎng)絡(luò)的啟蒙運(yùn)動(dòng) 113
5.7.3 預(yù)訓(xùn)練模型紀(jì)元(從2018年至今)：智能的寒武紀(jì)大爆發(fā) 113
5.8 技術(shù)原理：智能涌現(xiàn)的數(shù)學(xué)密碼 114
5.8.1 Transformer：語(yǔ)言的時(shí)空折疊術(shù) 114
5.8.2 訓(xùn)練范式知識(shí)的煉金術(shù) 115
5.8.3 參數(shù)矩陣：智慧的量子糾纏 116
5.8.4 計(jì)算煉獄：智能的物理代價(jià) 116
5.9 應(yīng)用場(chǎng)景：從文本生成到社會(huì)重構(gòu) 116
5.9.1 內(nèi)容創(chuàng)作革命：數(shù)字繆斯的覺(jué)醒 117
5.9.2 垂直領(lǐng)域突破：專(zhuān)業(yè)智能體的崛起 117
5.9.3 多模態(tài)融合：跨維度的認(rèn)知飛躍 118
5.9.4 社會(huì)重構(gòu)：文明演進(jìn)的雙刃劍 118
5.10 生成式人工智能：創(chuàng)造力的數(shù)字覺(jué)醒 119
5.10.1 多模態(tài)生成應(yīng)用圖譜 119
5.10.2 技術(shù)基石：創(chuàng)造力的數(shù)學(xué)密碼 121
習(xí)題 122
第6講 AI應(yīng)用與發(fā)展 123
6.1 AI在自主智能系統(tǒng)中的應(yīng)用 123
6.1.1 無(wú)人駕駛汽車(chē) 123
6.1.2 無(wú)人機(jī)集群 124
6.1.3 探索機(jī)器人 125
6.2 AI在制造業(yè)中的應(yīng)用 126
6.2.1 工業(yè)缺陷檢測(cè) 126
6.2.2 預(yù)測(cè)性維護(hù) 127
6.3 AI在農(nóng)業(yè)中的應(yīng)用 128
6.3.1 病蟲(chóng)害檢測(cè)與管理 128
6.3.2 智能采摘 129
6.4 AI在智慧城市中的應(yīng)用 129
6.4.1 智能交通 130
6.4.2 智慧能源管理 131
6.4.3 智能廢料管理 132
6.5 AI在醫(yī)療健康中的應(yīng)用 133
6.5.1 醫(yī)學(xué)影像智能診斷 133
6.5.2 健康監(jiān)測(cè)與遠(yuǎn)程醫(yī)療 134
6.5.3 AI驅(qū)動(dòng)的藥物研發(fā) 135
6.6 人工智能的未來(lái)發(fā)展趨勢(shì) 136
習(xí)題 138
第7講 AI安全與倫理 139
7.1 AI安全和隱私問(wèn)題 139
7.1.1 AI安全性挑戰(zhàn) 139
7.1.2 AI隱私保護(hù) 142
7.2 AI倫理和法律問(wèn)題 143
7.2.1 倫理與AI倫理概念 143
7.2.2 AI倫理困境 144
7.2.3 AI法律困境 146
7.3 AI產(chǎn)生的其他社會(huì)問(wèn)題 147
7.4 AI安全與倫理問(wèn)題的應(yīng)對(duì) 148
習(xí)題 152
實(shí)驗(yàn)平臺(tái) 153
實(shí)驗(yàn)任務(wù)一 客戶(hù)評(píng)價(jià)情感分析 156
實(shí)驗(yàn)任務(wù)二 語(yǔ)音識(shí)別 165
實(shí)驗(yàn)任務(wù)三 TTS文字轉(zhuǎn)語(yǔ)音 171
實(shí)驗(yàn)任務(wù)四 OCR文字識(shí)別 173
參考文獻(xiàn) 177