[内容简介]《为机器立心》每每站在 命运的十字路口，我们总会听到来自历史的叩问。无论是“李约瑟难题”“钱学森之问”“杨振宁三问”，还是 的人工智能“中国之问”，都考验着我们 战略方向的确立和科学家的使命感。要交出一份满意的答卷，就要走出一条属于我们自己的路，一条底层逻辑自主可控的创新之路，走人工智能与人类价值观对齐的创新之路，走不随大流、坚信人工智能的“中国时代”必将到来的创新之路。 《为机器立心》的主题是迈向通用人工智能的中国路线，让AI不再缺“心”，点亮人工智能的“中国时刻”。在书中，朱松纯教授解答了什么是通用人工智能、如何认清智能的本质、如何为人工智能找到统一理论与认知架构，进而为机器立“心”等重要问题。全书共分为两大部分。 部分“厘清通用人工智能的3大关键迷思”：ChatGPT等大模型

。

本书全面、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分 地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

这是一本介绍 系统前沿技术的技术书。本书前几章着重介绍深度学习排序模型的技术演化趋势，然后依次介绍 系统其他模块的技术细节和工程实现，通过业界前沿的 系统实例将所有知识融会贯通。本书着重讨论的是 系统相关的经典和前沿技术内容，尤其是深度学习在 系统业界的应用。

微软创始人比尔?盖茨曾经称雷?库兹韦尔是“我知道在预测人工智能上最厉害的人”。过去30年他对未来预测的准确率超过了86%。在这本书中，雷?库兹韦尔阐述了极其令人信服的大胆预测：未来的世界，人类和机器将难分彼此，人类将不再是万物之灵。电脑将比人脑有高一万倍的智能。量子计算将引爆技术未来。机器不仅拥有智能，而且拥有心灵，将具有人类的意识、情绪和欲望。人类身体中植入了用生物工程和纳米材料制成的电脑芯片、人造器官，将比现代人类更长寿（甚至长生不老），有更强的学习能力，更灵敏的视觉和听觉。虚拟现实有可能使人机发生“恋爱”……你会认为这不可能？当人类不再继续生活在树上，并且吃烤熟了的东西的时候，有某个猴子也是和你一样看待人类进化的。

本书为斯蒂芬·沃尔弗拉姆的随笔集，汇集了其过去十余年不同场合的文章、讲稿等，以计算思维范式为中心，讲述了沃尔弗拉姆在科学、技术、艺术、哲学、商业等多个领域的思想探索与实践。从为电影《降临》提供科学咨询、解决人工智能道德规范问题、寻找一个不寻常的多面体的来源、与外星人交流，到建立Mathematica 和Wolfram|Alpha，再到寻找物理学的基本理论和探索π，本书捕捉到了计算世界伟大先驱之一的感染力和好奇心，向读者展示了计算思维在当代科技发展中的无限可能。本书适合所有对科技史、科学哲学感兴趣，对开阔视野、提升认知与思考能力有需求的读者阅读。

本书第1章从工业机器人坐标系概念入手，介绍了机器人TCP、工件坐标系的计算原理与ABB工业机器人坐标系指令/函数的使用；第2章介绍了工业机器人D-H模型及ABB工业机器人正向运动学的计算，帮助读者从理论层面了解工业机器人的运动机理；第3章详细介绍了ABB工业机器人编程（RAPID）的内核与应用技巧，以帮助读者深入了解ABB工业机器人的相关指令；第4～13章就ABB工业机器人的进阶应用功能做了介绍与实例讲解，其中包括MultiMove（多机协同）、RobotStudio在线编程、RobotStudio数字孪生、RobotLoad负载测试软件、ModBus/TCP、弧焊、力控、外轴/变位机配置与Standalone控制柜（Gantry机器人）、RobotWare 6控制系统中文交互、基于视觉的输送链跟踪等； 4章介绍了ABB工业机器人 推出的Omnicore机器人控制系统与RobotWare 6控制系统的异同，并针对Robot Web Service 2.0、Omnicore自定义App等新功能做

全书分为三个部分。第1和第2章感性介绍神经网络的基础知识，并给出一个利用PyTorch搭建神经网络解决实际问题的例子，使读者对神经网络和PyTorch有初步的了解；第3～9章介绍基于Python和PyTorch的科学计算和神经网络搭建，涵盖了几乎所有Python基础知识和PyTorch基础功能，并通过例子使读者完全掌握相关技术；第10和第11章介绍生成对抗网络和强化学习，使读者了解更多神经网络的常用用法。

如何估计机器人在空间中移动时的状态（如位置、方向）是机器人研究中一个重要的问题。大多数机器人、自动驾驶汽车都需要导航信息。导航的数据来自于相机、激光测距仪等各种传感器，而它们往往受噪声影响，这给状态估计带来了挑战。本书将介绍常用的传感器模型，以及如何在现买世界中利用传感器数据对旋转或其他状态变量进行估计。本书涵盖了经典的状态估计方法（如卡尔曼滤波）以及为现代的方法（如批量估计、贝叶斯滤波、sigmapoint滤波和粒子滤波、剔除外点的鲁棒估计、连续时间的轨迹估计和高斯过程回归）。这些方法在诸如点云对齐、位姿图松弛、光束平差法以及同时定位与地图构建等重要应用中得以验证。对机器人领域的学生和相关从业者来说，本书将是一份宝贵的资料。