目 錄
第1章 人工智能與智能社會：人類新時代 1
1.1 人類智能與知識型社會 2
1.2 人工智能的第一縷霞光 2
1.3 人工智能是什么 3
1.4 人工智能的“進化史” 3
1.5 人工智能研究什么 5
1.6 百花齊放的人工智能應(yīng)用 6
本章小結(jié) 7
參考文獻 8
思考題 8
第2章 知識與知識表示：智能的“血液” 10
2.1 概念與本體：人類知識的基礎(chǔ)構(gòu)架 11
2.1.1 概念與概念系統(tǒng) 11
2.1.2 知識本體 12
2.2 知識的計算機表示：計算機心里的知識 13
2.2.1 分布表示方法 14
2.2.2 預訓練語言模型 16
2.3 產(chǎn)生式表示法：因果知識的表示 17
2.3.1 產(chǎn)生式規(guī)則 17
2.3.2 產(chǎn)生式系統(tǒng) 18
2.3.3 產(chǎn)生式表示法的優(yōu)缺點及適用領(lǐng)域 22
2.4 框架表示法：把知識裝進“框” 22
2.4.1 框架的構(gòu)成 23
2.4.2 框架系統(tǒng) 24
2.4.3 框架的應(yīng)用案例 24
2.5 語義網(wǎng)絡(luò)：知識的“網(wǎng)”狀化表示 25
2.5.1 語義網(wǎng)絡(luò)的發(fā)展歷史 26
2.5.2 語義網(wǎng)絡(luò)的定義和特征 26
2.5.3 語義網(wǎng)絡(luò)的分類 27
2.5.4 語義網(wǎng)絡(luò)的構(gòu)建方法 28
2.5.5 語義網(wǎng)絡(luò)的優(yōu)勢 28
2.5.6 語義網(wǎng)絡(luò)應(yīng)用面臨的困難和挑戰(zhàn) 29
2.6 知識圖譜：知識的“譜”系化表示 30
2.6.1 知識圖譜的發(fā)展 30
2.6.2 知識圖譜表示方法 31
2.6.3 知識圖譜的構(gòu)建 34
本章小結(jié) 39
參考文獻 40
思考題 42
第3章 推理技術(shù)：機器真的能舉一反三嗎 43
3.1 先來入個門 44
3.1.1 概況 44
3.1.2 基本概念 44
3.2 確定性推理：讓機器幫你做決策 45
3.3 正向推理和逆向推理：在事實與結(jié)論之間來回奔跑 46
3.3.1 正向推理 46
3.3.2 逆向推理 46
3.4 推理方法與沖突消解策略：糟糕，選擇困難癥又犯了 47
3.5 不確定性推理靠譜嗎 48
3.5.1 模糊邏輯與模糊推理：推理技術(shù)發(fā)展中的一面大旗 48
3.5.2 模糊思維表達：模糊集合的“精確”存在 49
3.5.3 模糊關(guān)系及其運算：把0～1的灰色地帶表示出來 51
3.5.4 模糊推理的應(yīng)用：讓模糊理論“咸魚翻身”的場景 53
3.6 常識推理 53
3.6.1 何謂常識 53
3.6.2 常見的常識推理 54
3.6.3 常識推理的主要技術(shù) 54
本章小結(jié) 55
參考文獻 55
思考題 56
第4章 搜索算法：弱水三千，只取一瓢飲 57
4.1 狀態(tài)空間表示：一切皆有可能 58
4.2 盲目搜索：基本圖搜索策略 59
4.2.1 回溯策略：逆流而上 59
4.2.2 寬度優(yōu)先搜索策略：先進先出 61
4.2.3 深度優(yōu)先搜索策略：后進先出 64
4.3 啟發(fā)式搜索：靈光一閃 66
4.3.1 啟發(fā)式搜索策略和估價函數(shù) 66
4.3.2 有序搜索：論價排輩 67
4.3.3 A*算法：底線思維 68
4.4 博弈搜索：勢均力敵 72
4.4.1 博弈搜索的基本思想 72
4.4.2 博弈搜索的控制策略 72
4.4.3 博弈搜索算法：極大極小值算法 73
4.4.4 對策：α?β剪枝算法 73
本章小結(jié) 75
練習題 75
思考題 76
第5章 專家系統(tǒng)：讓懂專業(yè)的系統(tǒng)做專業(yè)的事 77
5.1 系統(tǒng)構(gòu)成與工作原理：麻雀雖小，五臟俱全 78
5.2 不確定性推理：“頭疼不舒服，是感冒了嗎？可能吧！” 79
5.2.1 主觀貝葉斯推理 81
5.2.2 證據(jù)理論 83
5.2.3 模糊邏輯 88
5.2.4 信念網(wǎng)絡(luò) 92
5.3 專家系統(tǒng)示例：術(shù)業(yè)有專攻 100
5.4 專家系統(tǒng)的應(yīng)用：沒有金剛鉆，別攬瓷器活兒 102
本章小結(jié) 102
參考文獻 103
思考題 103
第6章 機器學習：讓機器變得智能 105
6.1 什么是機器學習 106
6.2 無監(jiān)督學習：無師自通 106
6.2.1 k-Means算法、k中心點算法：近朱者赤，近墨者黑 107
6.2.2 EM聚類：期望最大化 109
6.2.3 CLARA算法、CLARANS算法：隨機選擇的站隊 112
6.2.4 從傳說中走來的譜聚類 113
6.2.5 基于約束的聚類 117
6.2.6 在線聚類 117
6.3 監(jiān)督學習：嚴師出高徒 118
6.3.1 支持向量機：在超平面上反復橫跳 118
6.3.2 概率圖模型：不確定性推理的模型 119
6.3.3 神經(jīng)網(wǎng)絡(luò)：神經(jīng)元的化身 122
6.4 強化學習：不以物喜，不以己悲 123
6.4.1 強化學習模型及基本要素 124
6.4.2 馬爾可夫決策 126
6.4.3 Q學習：憤怒的小鳥 129
6.4.4 深度Q學習：強化學習的未來 131
6.5 實踐出真知 133
本章小結(jié) 134
思考題 134
第7章 神經(jīng)網(wǎng)絡(luò)：讓機器更像人一樣思考 135
7.1 概述 136
7.2 感知機：安能辨我是雄雌 138
7.2.1 傳統(tǒng)方法 138
7.2.2 感知機：從0到1，最簡單的神經(jīng)網(wǎng)絡(luò) 139
7.2.3 多層感知機：從1到100，更復雜的神經(jīng)網(wǎng)絡(luò) 142
7.3 參數(shù)學習：填飽神經(jīng)網(wǎng)絡(luò)的肚子 144
7.3.1 反向傳播算法 144
7.3.2 層間學習法 145
7.4 久經(jīng)考驗的大神們 145
7.4.1 卷積神經(jīng)網(wǎng)絡(luò) 145
7.4.2 注意力機制 150
本章小結(jié) 154
思考題 154
第8章 人工智能應(yīng)用研究 155
8.1 概述 156
8.2 智能司法：讓冤假錯案遠離人間 156
8.3 人臉識別：小偷竟然憑空消失 156
8.4 智能交互：強大的秘書 158
8.4.1 任務(wù)型對話系統(tǒng) 158
8.4.2 開放域?qū)υ捪到y(tǒng) 160
8.5 自動寫作：唐詩宋詞無所不會 161
8.6 機器翻譯：“一帶一路”的強大助手 161
8.7 汽車自動駕駛技術(shù)：攔路虎竟然是倫理與觀念 162
本章小結(jié) 163
思考題 163
第9章 智能機器人 165
9.1 機器人的誕生與分類 166
9.1.1 誕生啦，機器人 166
9.1.2 機器人的基本構(gòu)成及特點 167
9.1.3 包羅萬象的機器人類別 168
9.2 讓機器人“活起來”的關(guān)鍵技術(shù) 170
9.2.1 環(huán)境感知：看得見，摸得著 170
9.2.2 路徑規(guī)劃技術(shù)：機器人的行進方法 175
9.2.3 控制算法：機器人的“大腦” 178
9.3 多機器人協(xié)同：機器人之間的交流與合作 184
9.3.1 協(xié)同感知 184
9.3.2 協(xié)同作業(yè) 185
9.3.3 協(xié)同編隊 187
9.4 神通廣大的應(yīng)用示例 188
9.5 機器人與社會：它會怎樣影響就業(yè) 190
本章小結(jié) 191
思考題 192
第10章 人工智能倫理與未來展望：波起微瀾，拭目以待 193
10.1 機器倫理：人工智能助手還是人工智能殺手 194
10.1.1 人工智能領(lǐng)域的倫理焦點問題 198
10.1.2 人工智能技術(shù)的倫理準則 199
10.1.3 人工智能倫理規(guī)范 200
10.2 機器人行為的“有法可依” 202
10.2.1 何謂機器人 202
10.2.2 如何繩“機”以法 203
10.2.3 機器道德 205
10.3 人工智能的安全可信 206
10.3.1 數(shù)據(jù)安全風險 207
10.3.2 網(wǎng)絡(luò)安全風險 208
10.3.3 算法安全風險 208
10.3.4 國家安全風險 209
10.4 人工智能倫理與安全的關(guān)系 210
10.4.1 人工智能倫理規(guī)范和安全治理初期引導 210
10.4.2 大模型安全與倫理問題 211
10.5 人工智能，未來可期 212
參考文獻 213
思考題 214