计算技术正面临着一次颠覆式的创新，即从计算走向智算。智能计算将是支撑万物互联智能时代数字革命的新型计算理论方法、架构体系和技术能力的新型计算范式，寄希望于它可以突破“悟性的瓶颈”。本书对智能计算的各个方面进行了全面的介绍，系统介绍了智能计算的源起、提出、类型和形态、创新趋势，以及智能计算的之江行动和未来应用展望。

内 容 提 要 本书以图文结合的方式介绍了芯片的知识，共7章。第1章介绍了与芯片发明相关的重要技术，包括半导体技术的诞生，晶体管、集成电路、光刻工艺的发明等内容；第2章带领读者走进芯片的微观世界，了解芯片复杂和神奇的内部结构，以及芯片的设计和芯片制造技术；第3章讲解了芯片的设计过程，包括与芯片设计相关的EDA软件、IP、MPW等内容；第4章介绍了芯片制造的主要工艺、设备和材料，重点介绍了光刻和刻蚀工艺，以及芯片制造的基本流程；第5章介绍了目前流行的 封装形式和芯片测试的方法等；第6章介绍了芯片的各种应用；第7章通过对芯片与经济安全和信息安全关系的分析，阐述了芯片产业作为战略性产业的重要性。 本书图文并茂，讲解通俗易懂，适合各行各业的科技人员、芯片行业从业者和政府部门相关人员阅读，也可以作为广大

作者在回顾日常生活中已经存在的人工智能技术的同时，逐步详细介绍了一些重要的里程碑以及未来学家们提出的概念，例如“奇点”的概念。作者以全球化的视野剖析了一些国家人工智能战略的主要特点，揭示了人工智能带来的机会与诱惑，以及哈萨克斯坦可以怎样在应用人工智能技术和参与其进一步发展方面发挥作用，以积极的姿态进入人工智能的新时代。

如何应对以人工智能为代表的新一轮科技革命带来的伦理和治理上的挑战？这是一个未被以往任何单个学科的研究所涵盖的问题。相比以往的技术，人工智能的独特之处就在于它的“自主性”。换言之，或由于技术本身的特性、或由于其应用过程中社会赋予了它特定角色，当代人工智能技术已经在深度“参与”人的决策。在这个意义上，人工智能技术与传统的工具意义上的技术有质的区别。正是由于这种对人的决策的深度“参与”，人工智能技术导致了短期和长期的伦理问题。本书系统地讨论了这些问题，在社会如何应对新一轮科技革命和产业变革的问题上有思想资源和分析框架上的性贡献。

本书系统地介绍了机器人技术与智能系统的基础知识、工作原理以及设计与应用实例。全书共分8章,主要内容有：机器人的定义与分类，机器人的基本组成、技术参数、移动机构和传动机构，机器人的液压驱动、气压驱动、步

2023年度国家科学技术学术著作出版基金资助著作 由“中国人工智能 2.0 发展战略研究”重大咨询研究项目成果形成 覆盖无人机、无人船、空间机器人、智能工厂等11类前沿研究热点 多位院士组成编委顾问 本书由“中国人工智能 2.0 发展战略研究”重大咨询研究项目的成果形成。项目由清华大学的吴澄院士担任组长，浙江大学的孙优贤院士和中国科学院沈阳自动化研究所的王天然院士担任副组长。课题组还包括封锡盛、杨学军、钟志华、金东寒、陈杰、戴琼海、王耀南等院士以及其他 20 余位专家。本书全面阐述了智能无人系统的基础理论、关键应用、示范应用等内容，以期帮助读者对智能无人系统的现状和未来发展趋势有较为全面的了解。

本书依托国家自然科学基金"共融机器人基础理论与关键技术研究"重大研究计划项目——面向室外复杂光照与气象条件的共融机器人多模感知系统（项目编号：91648118），以及国家自然科学基金面上项目——计算机

本书依托国家自然科学基金"共融机器人基础理论与关键技术研究"重大研究计划项目——面向室外复杂光照与气象条件的共融机器人多模感知系统（项目编号：91648118），以及国家自然科学基金面上项目——计算机

针对入门者、应用者及研究开发者的多方面的需求，《图解芯片技术》在汇集大量资料的前提下，采用图文并茂的形式，全面且简明扼要地介绍芯片工作原理，集成电路材料，制作工艺，芯片的新进展、新应用及发展前景等。采

从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助初学者快速学习和构建深度学习。第1章简要介绍了图像表示和一些计算机视觉模型；第2章介绍了回归、机器学习和优化的概念；第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数，以及两类和多类问题的单神经元模型等；第4章介绍了卷积池化层和CNN；第5章通过介绍CNN的一些当前新颖实用的用法，进一步拓展和丰富了深度神经网络的结构。

这本机器学习畅销书基于TensorFlow 2和Scikit-Learn的新版本进行了全面更新，通过具体的示例、非常少的理论和可用于生产环境的Python框架，从零帮助你直观地理解并掌握构建智能系统所需要的概念和工具。 全书分为两部分。首先介绍机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。*部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。 通过本书，你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHu

从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助初学者快速学习和构建深度学习。第1章简要介绍了图像表示和一些计算机视觉模型；第2章介绍了回归、机器学习和优化的概念；第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数，以及两类和多类问题的单神经元模型等；第4章介绍了卷积池化层和CNN；第5章通过介绍CNN的一些当前新颖实用的用法，进一步拓展和丰富了深度神经网络的结构。