深度学习和大模型技术在推荐系统领域掀起了一场技术革命，本书从深度学习推荐模型、Embedding技术、大模型、AIGC、模型工程实现、业界前沿实践等几个方面介绍了这场技术革命中的主流技术要点。 本书既适合推荐系统、计算广告和搜索领域的从业者阅读，也适合人工智能相关专业的本科生、研究生、博士生阅读，帮助建立深度学习推荐系统的技术框架，通过学习前沿案例，加强深度学习理论与推荐系统工程实践的融合能力。
本书全面且深入地呈现了深度学习领域的知识体系，系统梳理了该领域的核心知识，阐述了深度学习的关键概念、基础理论及核心思想，剖析了当代深度学习架构与技术。全书共 20 章。本书首先介绍深度学习的发展历程、基本概念及其在诸多领域（如医疗诊断、图像合成等）产生的深远影响；继而深入探讨支撑深度学习的数学原理，包括概率、标准分布等；在网络模型方面，从单层网络逐步深入到多层网络、深度神经网络，详细讲解其结构、功能、优化方法及其在分类、回归等任务中的应用，同时涵盖卷积网络、Transformer 等前沿架构及其在计算机视觉、自然语言处理等领域的独特作用。本书还对正则化、采样、潜变量、生成对抗网络、自编码器、扩散模型等关键技术展开深入分析，阐释其原理、算法流程及实际应用场景。对于机器学习领域的新手，本书是全面且
本书从模型的结构和数据基础两个方面解构大语言模型，以便帮助读者理解和搭建类似ChatGPT的系统。在模型的结构方面，大语言模型属于深度神经网络，其设计核心是注意力机制，因此，本书涵盖了多层感知器、卷积神经网络和循环神经网络等经典模型。在模型的数据基础方面，本书既涉及模型训练的工程基础，如反向传播，又涉及数据的使用方式，如迁移学习、强化学习，以及传统的监督学习和无监督学习。此外，本书还阐述了如何从计量经济学和经典机器学习模型中汲取灵感，以提高模型的稳定性和可解释性。 本书既适用于希望深入了解大语言模型、通过人工智能技术解决实际问题的读者，也适合作为高等院校计算机及相关专业的师生参考用书。
本书坚持理念创新、内容创新、方法创新，将教材建设与现代教育技术的时代发展相结合，以 引导学生完成信息化教学设计，做快速掌握人工智能的新型教师 为编写目标。内容分为四大主题，分别为理论认知篇、技术实践篇、教育教学篇、学习研究篇，以学习活动为主线，贯穿理论知识、技术技能和实践范例，并以二维码连通在线自制的微课与优秀论文案例，提供智慧学习方式。 本书以习近平新时代中国特色社会主义思想为指导，全面贯彻党的教育方针，立足信息化智慧教学环境，注重学生实践能力的培养，精心打磨教材内容，创新呈现形式，适合师范类专业本科生与专科生、教育硕士、高校新进教师作为专业教材或培训教材使用。
本书稿具体分为以下几个部分展开对人工智能与教育现代化的论述：一、绪论，即人工智能推动教育变革、对人工智能的反思与追问、人工智能助力实现教育现代化；二、人工智能教育的源与流；三、人工智能与教育现代化的整体化发展；四、人工智能在教育现代化中的理论探索；五、人工智能在教育现代化中的应用探索；六、人工智能在教育现代化的典型案例分析；结语，人的自由全面发展：智能时代教育现代化的根本方向。
本书是关于迁移学习的基础、方法、技术和应用的一本书。内容分成两个部分：第壹部分介绍了迁移学习的基础。第二部分涵盖了迁移学习的许多应用领域。迁移学习解决的是学习系统如何快速地适应新场景、新任务和新环境。其研究涉及科学和工程的许多领域，包括人工智能、算法理论、概率和统计等。本书是一本供经验丰富的机器学习研究人员和应用程序开发人员使用的参考书。
制造业是我国国民经济主体和国家综合实力的根本保障。本书从国家战略需求出发，对国内外制造强国战略进行深入调研，在此基础上力图厘清制造业特别是高端制造业以及机器人、智能制造技术发展的新需求、新特点、发展瓶颈等，提出机器人与智能制造的科学挑战、优先发展方向、关键核心技术。本书还以航空、航天、航海等若干典型高端制造业为例，研究机器人与智能制造技术和行业发展瓶颈的关系，提出促进机器人与智能制造前沿领域发展的政策建议。
当下的AI存在哪些风险？真的有可信的AI吗？ 理想的AI与现实的AI之间究竟存在哪些差距？ 如何构建人类和AI之间的信任？ 关于人工智能的炒作总是甚嚣尘上，但要得到真正可信的AI，却远比想象的要复杂得多，超级智能的时代还远没有到来。创造真正可信的AI需要赋予机器常识和深度理解，而不是简单地统计分析数据。本书勾勒了未来人工智能发展的*路线图，对当前人工智能的现状进行了清晰且客观的评估。 作者盖瑞 马库斯是人工智能领域的专家，同时还是心理学和神经科学教授，在计算机科学、认知科学、语言学、人工智能等领域都练就了相当深厚的学术功底，并敢于挑战学术界的主流观点。当整个人工智能学术界都在过分乐观地高歌猛进时，他不断撰文和发表演讲来指出以深度学习为代表的当下AI的弊端和局限性，《如何创造可信的AI》这本书
本书主要探讨现代社会的算法如何生产社会智能问题。作者埃琳娜 埃斯波西托教授沿袭其导师尼可拉斯 卢曼的 社会沟通 理论，指出机器学习等数字技术不是人工智能，而是 人工沟通 。在算法和人类智能之间进行这种类比是一种误导。如果机器对社会智能有贡献，不是因为它们学会了如何像人类一样思考，而是因为人类学会了如何与它们进行沟通。 人工沟通 意味着人类的沟通伙伴可能不是人类，而是算法。鉴于算法在社会生活的各个领域中的广泛使用，本书深入探索了人类与算法互动、在线网络列表的激增、数字本文分析中的可视化、算法个性化与数字画像、数字记忆与被遗忘权、遗忘图像、算法预测、法律犃犐的透明度与解释等数字社会的前沿问题。在Chat GPT热潮持续升温的当下，相信本书在帮助中国读者准确了解当代数字社会的同时，也能促进我们对数字
人类躯体死亡，思维是否有可能继续存在，从而实现思维不朽？思维克隆人、网络人等虚拟人将如何颠覆人类对 我 的定义？ 利用思维克隆技术，我们能否重新构建所爱之人的记忆、行为方式以及人格特征？思维克隆人和其生物学原型有着怎样的区别？未来，我们该如何界定思维克隆人的社会地位和法律地位？ 毫无疑问，思维克隆人的出现将会对传统人类社会产生深刻的哲学影响、社会影响、法律影响以及伦理影响，人类传统社会将被彻底颠覆。那么，作为人类的我们该如何应对这些问题？如何 给思维克隆人一个说法 ？ 元宇宙概念大爆发，虚拟人成为受入局者关注的切入点，玛蒂娜罗斯布拉特《虚拟人》一书将帮助你全面了解虚拟人，了解人类未来与自己的虚拟人分身共生的未来！
本书系统介绍了知识图谱的概念、发展历程、技术体系、前沿技术与应用实践。在基础知识方面，本书囊括了知识图谱从源数据到产生决策的全生命周期的各个环节，分析了数据图谱和知识图谱的核心区别，介绍了图谱构建和知识表示等相关关键技术。在前沿技术方面，全面介绍了知识图谱自动构建、知识图谱融合和智能推理等问题和挑战。在应用实践方面，结合营销智能国家新一代人工智能开放创新平台建设，介绍了知识图谱在信息检索、推荐系统、可视化、问答机器人等场景下的实际操作案例。
本书在对人工智能技术的内涵、构成和各国对人工智能采取的监管政策进行梳理的基础上，从哲学、伦理、道德、法律等方面对人工智能技术在应用过程中可能引发的不确定性风险进行分析，提出了相应的变革之道。全书共有十一章，内容包括人工智能技术的内涵与构成，各国对人工智能采取的监管政策，人工智能对就业、医疗、金融和司法等领域的的影响，人工智能主体性的哲学和伦理审视，人工智能人格权确认的道德风险和法律困境以及人工智能时代的公共政策议程，政府治理、算法与权力的博弈，公共安全和全球治理秩序等。
人工智能已经全面进入艺术领域，与许多艺术门类如电影、绘画、舞蹈、雕塑等都有不同程度的融合发展。本书涉及各艺术门类、计算机、软件工程、仿生科学等领域，立足社会需求，面向未来发展，着重解答3个问题：人工智能现在经典的艺术应用有哪些？其原理是什么？未来人工智能与艺术的融合角度和方式是什么？本书采用总分总的结构，首先介绍人工智能与艺术的历史渊源；其次按照文学、绘画、音乐、电影、戏剧、舞蹈、建筑、游戏、雕塑9个类别分别叙述人工智能的典型案例、原理和未来发展方向； 总结人工智能与艺术融合的一般范式、现存问题和可能的发展路径。 本书适合社会大众、不同门类艺术专业人员和研究者从广度、深度、专业延伸的角度掌握人工智能与艺术的发展脉络。本书也适合作为信息艺术院校、人工智能交叉学科、新文科等相关
如今，人工智能的迅速发展给人们的日常生活和工作带来了巨大的影响。要想让人工智能朝着人类智能的方向持续迈进，我们就应该让我们创造的硅基大脑像人类大脑一样有感知、有记忆、有决策、有行动。问题的难点在于，人类大脑由约1000亿个神经元构成，神经元间交流复杂，大脑掌管认知、意识，影响我们生活的方方面面。我们如何破解如此庞大的复杂系统的运行机制呢？ 在《心智的10大模型》中，计算神经科学家格蕾丝·林赛深入探讨了数学模型在理解大脑中的关键作用。书中通过10个数学模型，从单个神经元到复杂的神经环路，再到整个大脑的行为控制，逐步展示了数学工具如何帮助科学家理解和描述大脑的决策、感觉处理、记忆等过程。本书不仅是一部科学史，也是一本前沿的神经科学指南，为读者呈现了神经科学与数学、计算机科学的跨学科融合，启
本书对所有主要的深度学习方法和最新研究趋势进行了深入探索。全书分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。本书特别注重学术前沿，对包括胶囊网络在内的当前最新成果进行了细致的讨论。全书构建了一套明晰的深度学习体系，同时
机器不断挑战人类的认知能力，而游戏设计的核心 就是认知科学，设计游戏需要了解人类如何思维和学习。游戏从来都不只是一种自我消遣娱乐的方式，它也是学习和思考的工具。 那么，当机器在所有游戏中击败人类，是不是意味着人工智能已经超越人类？我们又能从人工智能的不断进化中学到什么？ 本书全方位介绍了人工智能的进展，同时列举了《超级马里奥兄弟》《愤怒的小鸟》《DOTA》《塞尔达传说》等数十款游戏史上不同类型的爆款游戏，简明易懂地阐明了游戏、学习与人工智能的关系。我们会看到，通过学习怎样玩游戏、怎样设计游戏、怎样将游戏用于人工智能开发，可以更好地了解人类和机器是怎样思考的，并进一步探索游戏、学习和思维的新模式。
本书旨在介绍作者及其研究团队在分布式优化与学习理论方面的最新研究成果。全书共7章，第1、2章为绪论和相关数学基础；第3、4章为连续时间和基于采样数据的分布式优化算法；第5、6章分别为基于群体智能的分布式优化算法和分布式机器学习算法；第7章为基于自适应神经网络输出反馈控制的分布式合作学习方案设计。本书主要关注从分布式技术中总结出来的理论与方法方面的问题，但相关研究结论可以为解决通信网络、电网、燃气网、交通网等相关的网络优化问题提供借鉴和指导。
本书主要讲解通过深度学习和机器学习知识，在金融领域的应用。如通过大数据分析获客，通过交叉信息采集分析客户的爱好和风险偏好，以及在量化投资中和客户服务中为读者提供相应的技术防范。内容涉及了深度学习技术中的 卷积网络，循环神经网络，注意力模型等，全书案例丰富，操作性强，适合有一定基础知识但想在深度学习领域继续加深实操的用户使用。
本书对所有主要的深度学习方法和**研究趋势进行了深入探索。全书分为上下两卷，五个部分。上卷包括两个部分：第一部分是基础算法，包括机器学习基础算法、早期神经网络算法、深度学习的正则化方法和深度学习的优化方法；第二部分是判别式模型，包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆模型（LSTM）、注意力机制和记忆网络。下卷包括三个部分：第三部分是生成式模型，包括深度置信网络/深度玻尔兹曼机、自编码器（AE）/变分自编码器（VAE）、生成对抗网络（GAN）、像素级生成、深度聚类等；第四部分是前沿技术，讨论深度强化学习；第五部分是安全保障，包括深度学习的可解释性和对抗样本的攻击与防御。本书特别注重学术前沿，对包括胶囊网络在内的当前**成果进行了细致的讨论。全书构建了一套明晰的深度学习体系，同时各章内
随着科技发展的日新月异，智能汽车已经成为世界范围内汽车科技创新的热点和汽车产业增长的新兴动力。目前， 外整车企业积极探索汽车智能化产品升级路径，汽车零部件企业加快适应汽车智能化的技术研发，互联网企业、IT企业等纷纷向汽车智能化领域渗透与布局，在加强与汽车行业合作的同时也在探索新型商业模式，智能汽车产业正在快速发展。本书从产业、产品、技术研究与应用等方面，全面系统地对智能汽车发展行进了梳理和展望。
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\"【内容简介】： 诺贝尔生理或医学奖得主山中伸弥与被称为 强棋士的羽生善治，两位拥有 智慧的名人围绕着“十年后，百年后的世界将变得如何”展开对谈。人工智能、不断进化的机器人、诱导多功能干细胞带来的医学革命……话题从生命科学的 前沿，扩展到人工智能的界限与可能性。人类的直觉究竟是什么？人类将来是否真的能够不老不死？两人运用了各自领域的专业知识，热烈讨论了人类永恒的主题。 \\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
