人工智能凭借其在化学及生物学域中预测精准高、合成效率高的特点,推动了领域内科研人员研究方式的变革,助力化学与生物的加速发展,因此得到了科研人员与企业的大力支持。本书从大众科普的角度,对人工智能在化学、生物领域的应用进行了阐述,内容包括人工智能对化学合成分析、蛋白质结构预测、基因调控、生物集群研究、新材料预测与合成、环境保护的革命性作用及应用,以通俗的语言向大众展示了人工智能为这一领域带来的巨大变化。
本书为读者提供了一个前瞻性视角,了解人工智能未来几年的前景如何。人工智能将带来无数的商业机会和风险。本书提供了必要的信息,使读者能够以实际可行的方式掌握这一切,包括:根据需要找到现成的人工智能解决方案;通过执行成本/收益分析,将人工智能纳入业务战略;在 投入前训练和测试人工智能;组建良好人工智能团队的方式;确保保持 的方式。本书还包含了作者与各行业知名企业家及人工智能专家的对话,读者可从中了解到,通过使用这种革命性技术,哪些行业和企业正在以令人兴奋的方式进行自我改造。
《漫话人工智能:坂本真树老师带你轻松读懂人工智能》将读者群设定为普通大众,旨在令不熟悉人工智能专业词汇、没有专业背景的普通读者也能够读懂本书。书中所选取的都是人工智能基础研究相关的代表性主题,也是读者想要了解的问题,如人工智能是什么时候出现的,人工智能会超越人类吗,什么易导入人工智能,什么不易导入人工智,怎样从信息角度来学习人工智能,人工智能应用的领域有哪些等等。 本书语言通俗易懂,采用大量插画进行讲解,一一为读者解答了人工智能的问题,不论是对人工智能感兴趣的非专业人士,还是准备从事人工智能相关工作的学生,都能通过本书了解人工智能的方方面面。
全书分为4章。第一章:介绍了生活中常见的智能博弈,引出了计算机博弈发展历程。第二章:介绍了人工智能第三次浪潮前的几个计算机博弈的标志性事件,阐明了计算机博弈对人工智能发展的推动促进作用,并介绍从阿尔法狗以来的石破惊天式的人机对战,揭秘比阿尔法狗更强悍的人工智能,简要介绍国内计算机博弈的发展。第三章:介绍了计算机博弈的几类关键技术,并以阿尔法狗为实例,简单讲解计算机博弈程序的几个核心算法。第四章:介绍智能博弈的最新进展并提出未来发展方向。本书将面向大学生、企事业工作人员,作为帮助他们了解人工智、计算机博弈的科普读物。
本书系统全面地覆盖了深度学习的主要原理、方法和应用实践。介绍了深度学习的概念、主流工具及框架,分析了神经网络原理并实现,对卷积神经网络(CNN)、循环神经网络(RNN)和生成对抗网络(GAN)这些常用的深度学习模型进行了演练,在此基础上展开基于深度学习的目标检测、图像分割、人脸识别、文本自动生成等热门应用,为读者提供了从理论学习到工程实践的视图。 本书适合高等学校计算机、软件工程、人工智能等本专科专业,也适合作为对实际使用深度学习感兴趣的研究生、工程师和研究人员的学习资料。
在AI时代,各种各样的工作正逐渐被 AI 所替代,很多人都会担心自己的工作被抢走。日本经济学家野口悠纪雄认为,没有哪个时代的创意价值比现在还高;从某种意义上来说,这也是一个重大的机遇。实际上,很多人都对如何产生新的想法这一问题感兴趣。产生想法并不是一件简单的事情,有些人提出了各种各样的思考方法。但思考并非按照定型的程序来进行。我们却可以发现,在如何思考上是有一定规律可循的。本书首先揭示了关于思考的一些规律,并基于这些规律,提出了如何进行思考的具体意见。 作者通过本书,从原理原则到ZUI新技巧,彻底解释作者所提倡的AI时代的 超 思考法。具体介绍了 不变的思考5法则 、 用智能手机制作的 超 笔记 、即使没有灵感也能想出主意的思考秘诀及思考方法。阅读本书后,一定会想出越来越多的好点子!
本书是新一代人工智能实践系列教材之一,是一本系统介绍人工智能基础知识和基本原理的入门书籍,从经典人工智能入手, 介绍知识表示、确定性推理、不确定性推理、专家系统和演化算法等。同时, 也介绍了典型机器学习和深度学习的学习框架和方法, 如决策树、支持向量机、卷积神经网络、循环神经网络和生成对抗网络等。 另外,本书以Pytorch、sklearn等为基础通过实践项目巩固人工智能的基础知识, 帮助读者从理论和实践中提高人工智能的知识水平。 本书适合作为高等学校人工智能专业及计算机类相关专业的本科生、研究生学习人工智能的教材,也可作为从事人工智能领域或对人工智能感兴趣的读者的参考书。
本书涉及人工智能及信息系统相关科学理论前沿,并横跨哲学、科学史、心理学、逻辑学、语言学、数学、脑科学、人类学、计算机科学等多个学科,内容广泛、文笔简洁、思想深刻。全书共有6个章节,分别对应信息系统、智能系统、推理系统、自组织过程、经验与行为,以及社群与科学,主要讨论的是一般意义下的智能系统的特征,以具体的智能形式为例,尤其是人类智能和人工智能,厘清了许多智能理论中容易混淆的概念。其中,有关智能是一个信息系统在知识和资源相对不足时的适应能力,以及非公理逻辑等提法都是原创性的,极具启发性。
本书是新一代人工智能系列教材之一。金融科技经历了金融电子化阶段、互联网金融阶段,进入了金融智能阶段。本书从金融智能的理论、应用和监管三个视角出发,围绕金融智能的理论,结合金融智能应用场景,介绍了人工智能、大数据等新兴技术所引起的金融业的解构与重构。本书共分5篇14章,主要内容包括金融智能概论、金融大数据概览、金融大数据管理、金融智能建模基础、推荐系统、知识图谱、金融智能客服、金融智能风控、金融智能营销、智能投顾、传统金融的智能化、合规科技、监管科技以及实验要求和实验指南。本书内容丰富、系统全面、实践性强,为读者学习金融智能提供了广泛的视角。 本书可作为高等学校人工智能、金融科技等专业高年级本科生和研究生相关课程教材,也可作为金融从业人员学习金融智能知识的参考读物。
统计学习是机器学习的重要分支,本书兼顾了数学上的理论和代码实践,内容主要包括基础知识和统计学习模型。第1章、第2章结合VC维介绍过拟合的本质,并介绍手动特征选择的办法; 第3章、第4章从简单的线性模型出发经过概率统计的解读而得到分类和回归算法; 第5章讨论不依赖于假设分布的非参数模型; 第6章介绍将核方法作为一种非线性拓展的技巧,介绍如何将该方法应用到很多算法中,并引出了著名的高斯过程; 第7章以混合高斯作为软分配聚类的代表性方法,从而引出著名的EM算法; 第8章讨论了机器学习的集成算法; 第9章介绍的线性和非线性降维方法将会解决维度灾难问题,并且不同于单纯的特征选择; 第10章讨论不依赖于独立同分布假设的时间序列算法。 本书适合对于统计学习感兴趣的大学生、工程师阅读参考。阅读本书需要具备基础的Python编程
本书是一本科技哲学的文集,多数是关于人工智能问题的,但不限于人工智能,也涉及基因编辑,还有一篇讨论“宇宙社会学”——刘慈欣设想的一个存在于科幻中的理论,虽然不是被承认的学科,但其中包含重要的现实意义。主要论文有:《一个反存在的存在论问题》,《近忧远虑:人工智能的伦理学和存在论分析》,《人工智能的自我意识何以可能?》,《人工智能会是一个要命的问题吗?》,《是人的问题还是人工智能的问题?——回应博古睿研究院(Berggruen Institute)关于人工智能的问题》,《 是 的吗?》,《人类可能会死于好事而不是坏事》,《 坏可能世界与“安全声明”——来自 的问题》,《未来的合法限度》,《要命的不是人工智能统治世界, 而是人可能先亡于它创造的一切好事》等。书稿较为集中探讨了现代人工智能的区分、本质、危险、可能的
近年来,人工智能发展 迅速,在可以预见的未来,它必然会强烈冲击并深刻变革人类既有的生活模式。实际上,除技术问题外,人工智能的逻辑基础和伦理基础与哲学之间的关系也十分密切。有鉴于此,本书从与人工智能紧密相关的哲学问题入手,关注如下话题:强人工智能是否可能;近代唯理论和经验论争论对于人工智能的影响;苏联、日本及欧盟在人工智能发展历程中的哲学教训;航空器自动驾驶背后的哲学难题;军用机器人的伦理是非;儒家与人工智能等。作者从逻辑架构和历史经验出发,展望了未来通用人工智能发展的可能性、可行性以及相应的社会和伦理影响。
《人工智能》为创客教育系列丛书小学第二册,包括 体验人工智能 编程控制机器人 两部分内容,围绕创新思维的培养目标,设计了 爱学习的机器猫 机器人闯关 项目范例,通过 情境 主题 规划 探究 实施 成果 评价 的小项目学习方式,开展自主、探究、合作学习活动,运用简单的硬件设备和方便操作的软件平台,帮助同学们体验人工智能和智能机器人的技术魅力,学会通过编程尝试实现简单的人工智能,控制机器人的简单动作。 《人工智能》为创客教育系列丛书小学第二册,适合小学二年级学生阅读使用。
近年来,人工智能发展 迅速,在可以预见的未来,它必然会强烈冲击并深刻变革人类既有的生活模式。实际上,除技术问题外,人工智能的逻辑基础和伦理基础与哲学之间的关系也十分密切。有鉴于此,本书从与人工智能紧密相关的哲学问题入手,关注如下话题:强人工智能是否可能;近代唯理论和经验论争论对于人工智能的影响;苏联、日本及欧盟在人工智能发展历程中的哲学教训;航空器自动驾驶背后的哲学难题;军用机器人的伦理是非;儒家与人工智能等。作者从逻辑架构和历史经验出发,展望了未来通用人工智能发展的可能性、可行性以及相应的社会和伦理影响。
随着人工智能技术的发展,深度学习成为*受关注的领域之一。在深度学习的诸多开发框架中, TensorFlow 是*受欢迎的开发框架。 本书以培养人工智能编程思维和技能为核心,以工作过程为导向,采用任务驱动的方式组织内容。全 书共分为8 个任务,任务1 介绍深度学习的发展历程、应用领域以及开发环境的搭建过程;任务2 介绍 TensorFlow 框架的基本原理、计算图、会话、张量等概念;任务3 和任务4 阐述全连接神经网络模型、神 经网络优化方法及反向传播算法;任务5 和任务6 讨论卷积神经网络、卷积、池化的原理;任务7 和任务8 演示网络模型可视化操作步骤及制作与解析数据集的方法。 本书既可作为大数据、人工智能等相关专业应用型人才的教学用书,也可以作为TensorFlow 初学者的 学习参考书。