从文本生成到视觉生成，当你面对AI界的新 C位 跃跃欲试却不知从何开始；当你向AIGC工具提出需求却总是得不到满意的结果，你需要一本通俗易懂、简明易学的工具书来认识它、学习它、并高效运用它！把火爆全网的AI概念转变为可切实利用的日常工具，在生活、学习、工作、创作中效率倍增。 本书从多个应用场景入手，搭配多种模态工具，将文本生成、音频生成、图像生成、视频生成等AIGC工具一网打尽。并附有各场景需求下的提示词（Prompt）大全及指令步骤，帮助读者学会提示、引导模型生成特定的语言风格或内容类型，提高AI生成内容的准确性与输出质量。
加里.卡斯帕罗夫在1997年对战IBM公司的超级计算机 深蓝 是科技史上的一个分水岭。这是人工智能时代的一个新纪元:在这场*激烈的比赛中，首次出现了能够击败国际象棋世界冠军的机器。那一刻是人类-一个多世纪以来孜孜以求、勇攀科技高峰的结晶。在这本突破性的书中，卡斯帕罗夫第次揭示了他惊人的一面，描述了他在面对*为强大的对手时的谋划与布局，在全世界的注视下奋勇争先，并叙述了通过国际象棋程序的发展考察人工智能的发展历史。 卡斯帕罗夫用他无与伦比的经验审视了智能机器的未来，并预见到它的可能性。许多批评家谴责人工智能是一个巨大的威胁，特别是对某些特定人群的工作岗位而言。卡斯帕罗夫在本书中强有力地论证了:人类不应害怕我们*为非凡的创造物，而是应与之协作，达到新的高度。
《未来可期：与人工智能同行》是一部探讨人工智能的现在和未来，以及人工智能时代的种种难题的作品集。 在ChatGPT横空出世的今天，我们只有了解人工智能，跟上它的脚步，才能不被时代淘汰。家用智能器、数字疗法、具身智能、元宇宙、虚拟人、数字分身 越来越多的新概念已经或即将涌入我们的生活，并切实影响衣食住行的方方面面。作者在书中不仅分析了当前的人工智能发展，更预测在不远的将来，人工智能如何一步步走进和改变我们的生活，如何给我们带来前所未有的便利，又如何给我们带来纷繁复杂的困扰。 人工智能的发展与人类自身的发展是一体两面的关系。作者真正想要预测的并不是人工智能技术会发展成什么样，而是人类会通过人工智能技术发展成什么样。
《MATLAB智能算法30个案例分析（第2版）》是作者多年从事算法研究的经验总结.书中所有案例均应国内各大MATLAB技术论坛网友的切身需求而精心设计,其中不少案例所涉及的内容和求解方法在国内现已出版的 MATLAB书籍中鲜有介绍. 《MATLAB智能算法30个案例分析（第2版）》采用案例形式,以智能算法为主线,讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等Z常用的智能算法的MATLAB实现.本书共给出３０个案例,每个案例都是一个使用智能算法解决问题的具体实例,所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成,并配有完整的程序源码和讲解视频,使读者在掌握算法的同时,也可以学习到作者们多年积累的编程经验与技巧,从而快速提高使用算法求解实际问题的能力. 《MATLAB智能算法30个案例分析
本书主要介绍经典的机器学习算法的原理及改进，以及MATLAB的实例实现。本书内容分为三部分。*部分(第1章)是机器学习概念篇，介绍机器学习的相关概念，并且对机器学习的各类算法进行分类，以便读者对机器学习的知识框架有一个整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法。第二部分(第2章、第3章)是MATLAB机器学习基础篇，介绍MATLAB的基本使用方法，以及MATLAB集成的机器学习工具箱。MATLAB易上手的特点让使用者将更多的精力专注于算法开发与使用，而不是搭建算法实现开发平台。第三部分(第4章~第19章)是机器学习算法与MATLAB实践篇，对监督学习、无/非监督学习、强化学习三大类常用算法进行逐个讲解，包括机器学习算法原理、算法优缺点、算法的实例解释以及MATLAB的实践应用。本书适合以下读者： 对人工智能、机器学习感兴趣的读者；
本书主要介绍经典的机器学习算法的原理和改进，以及Python的实例实现。本书的内容可以分成三部分： 部分是机器学习概念篇（第1章），充分介绍机器学习的相关概念，并且对机器学习的各种算法进行分类，以便读者对机器学习的知识框架有整体的了解，从而在后续的学习中更容易接受机器学习涉及的各类算法； 第二部分是Python机器学习基础篇（第2章和第3章），简单介绍Python的基本使用方法、机器学习库scikit learn和人工智能工具集OpenAI Gym； 第三部分是机器学习算法与Python实践篇（第4~19章），对监督学习、无/非监督学习、强化学习三大类常用算法逐一讲解，包括机器学习算法的原理、算法的优缺点、算法的实例解释以及Python的实践应用。 本书适合对人工智能、机器学习感兴趣的读者，希望用机器学习完成设计的计算机或电子信息专业的学生，准备开设机器学
人类即将全面进入机器人时代。计算机已经可以从事金融交易、控制电力供应和驾驶火车。很快，服务类机器人将能在家照顾老人，军事机器人可以投入战斗。温德尔 华莱士和科林 艾伦认为，当机器人要承担越来越多的责任时，为了我们的安全，它们必须通过程序学会道德判断。在快速回顾了*前沿的道德哲学与人工智能之后，两人主张，设计某种功能性的道德指令，让人工智能机器人习得某些基本的道德感是很有必要的，而且是可行的。并且，即便让机器人承担十足的道德责任有很远的路要走，但随着人类对道德理解的深入和完善，能接收复杂道德指令的各类服务型机器人将诞生。 《道德机器：如何让机器人明辨是非》基于人类道德判断和伦理的本质，深入探讨了人类在设计具有道德判断能力的机器人的漫漫征途上所面临的巨大挑战。
脑机接口研究致力于在人类大脑与外部设备之间建立起连接通路，架设起生物智能和人工智能之间的桥梁。认知科学建立了研究认知(Cognition)和智力(Intelligence)的基本概念和科学方法论，为脑机接口对大脑的工作状态及认知活动的解读提供了理论基础。 本书从认知科学理论、探索脑认知活动的技术手段、脑机接口的代表性技术及其前沿应用四个方面系统介绍脑机接口领域的研究成果。全书内容主要来源于创作组成员多年来在认知科学和脑机接口研究领域的知识积累，不少章节内容直接来自于作者在这些领域的科研成果。创作组成员都是国内认知科学与脑机接口领域的学者，对书中的技术论述力图做到深入浅出、通俗易懂、独立完整。 本书适用于具有一般大学理工科背景的读者，可作为科学技术人员了解认知科学和脑机接口研究领域的参考书，也可作为高等院校面向
《人工智能入门与实战 使用Raspberry Pi和Python演练》使用Raspberry Pi作为计算平台，介绍AI世界。本书探索了大部分主要的人工智能主题，包括专家系统、浅层和深层的机器学习、模糊逻辑控制等。 主要内容： AI简介、基本的AI概念、专家系统的展示、游戏、模糊逻辑系统、机器学习、机器学习：人工神经网络、机器学习：深入学习、机器学习：ANN展示实践、演化计算、基于行为的机器人等。
在两位顶尖数据科学家的引导下，你将系统了解LLM前沿技术的更新进展，学习理论知识，以最负责任的方式将LLM技术融入商业场景；将构建一个LLM驱动的应用，直观感受框架的实际运作，掌握数据版本控制、实验跟踪、模型监控和伦理等知识点。 本书旨在为不同层级的数据领域从业者提供助力，使用前沿技术与方法论，全方位呈现LLM应用，介绍上佳技术实践。通过 数据优先 视角，识别整合LLM并驱动业务成功的机会。
本书介绍在人工智能时代，用来建模和求解大规模机器人推断问题所使用的因子图。重点介绍解决机器人面临的大规模推理问题，以及部署机器人的相关知识。因子图相关知识（概率图模型的一种）是机器人感知中至关重要的一环，而机器人感知是机器人领域较难的技术点。希望本书能给读者带来启发。书共通过7章，深入浅出地介绍了因子图数学定义、推断方法，以及真实环境中机器人上的各种应用。在涵盖了详细的背景知识及数学论证的同时，提供了充足的SLAM应用案例以供读者参考。
本书是一本以机器人学、人工智能知识和技术为中心内容的科普及科幻长篇小说。书中通过形象与连续的故事和插图，介绍机器人的发展历史、基本结构与分类，工矿业与农林业、空间与海洋探索、国防与安保、医疗卫生、家庭服务、文化娱乐、教育教学等方面的应用， 机器人化 智能制造工厂、未来宇宙开发和星际航行以及发展方向等。此外，还展望了其他一些新技术或潜在高新技术的未来应用。本书故事情节生动，图文并茂，寓知识性、趣味性和娱乐性于一体，是广大青少年、大中小学生、中小学教师、机器人和人工智能产业园科技与工作人员以及从事科技与产业管理的政府与企业人员的课外阅读佳作，也是对机器人感兴趣的其他读者值得一看的优秀作品。通过阅读本书，读者能够了解机器人的过去、现在和将来，增进对机器人技术的兴趣与认识。
机器学习借助算法让计算机对大量流动数据集进行识别，这种方式能够通过历史数据来预测未来事件和行为。微软公司在其公有云Azure上推出了基于Web使用的机器学习应用工具 Azure Machine Learning ，通过图表化来把握 现在的进度和结果 ，并配备了各种统计处理和多样化的机器学习处理方式，便于开发人员、业务分析师和数据科学家进行广泛、便捷地应用。 书中通过大量的微软机器学习截图，有步骤地讲解了微软机器学习模板构建的方法，是一本实战版机器学习入门手册。 在以前，仅是运作并学习的门槛就已很高，更不用说对机器学习的实际运用。而现在，使用Azure Machine Learning就可以马上进入机器学习的世界。 我们的目标是让技术及商务人士可以通过机器学习，来创造新的服务，并通过数据获得前所未有的视点。
目标专利的权利要求项给无效掉，这不就实现人工智能自动判定专利无效了么？一切似乎 很简单。但照着这个思路来，我们的结果始终不行。 直到后来的一件事改变了我的想法。 那是 2019年 6月 24日，我旁观了在清华大学举办的第三届中国专利检索技能大赛决赛，这是一个国内专利检索领域顶尖高手齐集的盛会，专利无效的检索和判定是竞技重点。赛后我意识到，我把专利无效流程想得过于简单了。 那么一线审查员眼里的专利无效流程究竟是个什么样子呢？ 步骤仍然是专利检索和无效判定两步，但操作和想象中完全不同。 先说专利检索，照我原来的想法，就是从一次检索的结果中挑出可能的若干件对比文件就 OK了。事实上，即便对于领域知识和检索经验极其丰富的审查员，一出手就能写出精确匹配到对比文件的检索条件也是件极其困难的事情，但一旦找出第一
本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。 机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。 机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最快捷的办法还是带着机器学习的具体问题来掌握背后的数学原理。因为线性代数和概率理论使用较多，本书在最后两章集中把重要的一些概率论和线性代数的内容加以介绍，如果有需要的同学可以参考。另外，学习任何知识，动手练习加深理解的**方法，所以本书的每一章都配备了习题供大家实践和练习。
