ChatGPT是由人工智能研究实验室OpenAI研发的人工智能聊天机器人。是人工智能技术驱动的自然语言处理工具,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,真正像人类一样来聊天交流,甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务,标志着人机交互从此迈入了一个新的时代。全书从ChatGPT的产生、注册、使用等相关介绍延展旨在让你快速熟悉、掌握ChatGPT,用通俗易懂的语言,帮助读者 好地理解人工智能技术在各个领域的应用价值及其给人们的工作和生活带来的巨大变化,为读者带来关于人工智能技术新启发、新思考,激励 多人投身于人工智能技术的研究和应用。
本书是2023年不可错过的AIGC入门读物,是介绍大语言模型时代ChatGPT的重要资料,由人工智能独角兽企业硅基智能核心团队编纂而成,结合生动的比喻和有趣的案例,向所有关注未来科技的从业者、创业者、投资人、政府机构科普AIGC的源起、技术思想和商业落地场景。本书涵盖了ChatGPT、OpenAI、生成式AI、人工智能、聊天机器人、AI绘画、内容生成直播、内容生成短视频等内容。
本书从数学、哲学、计算机科学、神经科学和人工智能等角度,全面阐述了贝叶斯理论背后的基础知识、思维方式和丰富哲理。贝叶斯定理一旦与算法相结合,就不再是一套枯燥的数学理论或认识论,而变成了应用广泛的知识宝库,催生了众多现代数学定理,以及令人称道的实践成果。作者一改传统的数学探讨模式,不仅展现了贝叶斯理论背后的科学思想,还阐述了它与人类思维之间的深刻关系,并对各相关领域和人工智能的发展进行了展望。本书适合喜爱数学、算法、机器学习、人工智能、逻辑学和哲学的大众读者,读者无须过多数学和算法知识就能读懂。
本书全面叙述了蒙特卡罗方法,包括序贯蒙特卡罗方法、马尔可夫链蒙特卡罗方法基础、Metropolis算法及其变体、吉布斯采样器及其变体、聚类采样方法、马尔可夫链蒙特卡罗的收敛性分析、数据驱动的马尔可夫链蒙特卡罗方法、哈密顿和朗之万蒙特卡罗方法、随机梯度学习和可视化能级图等。为了便于学习,每章都包含了不同领域的代表性应用实例。本书旨在统计学和计算机科学之间架起一座桥梁以弥合它们之间的鸿沟,以便将其应用于计算机视觉、计算机图形学、机器学习、机器人学、人工智能等领域解决 广泛的问题,同时使这些领域的科学家和工程师们 容易地利用蒙特卡罗方法加强他们的研究。
本书是一本关于Midjourney的详细教程,旨在帮助读者了解和掌握Midjourney的基本操作和 应用。本书共分为5章,内容涉及从初识Midjourney到实际应用的全过程。 第1章主要介绍Midjourney的基本概念、功能,以及Prompt的基本结构和参数。同时,本章还将指导读者注册Discord平台的账号,并完成Midjourney的基本配置。第2章通过实际案例引导读者探索Prompt的使用技巧,同时详细介绍了Midjourney的基本操作。第3章重点介绍了生成人像、场景和静物等图片的技巧。第4章深入探讨了如何在作品中运用艺术大师的技巧、艺术风格、光影、视角和构图,以及如何体现材料的质感等。第 5 章通过平面设计、服装设计、应用设计、工业设计和建筑设计5个场景,展示了Midjourney在不同领域中的应用。
本书系统介绍了视觉 SLAM(同时定位与地图构建)所需的基本知识与核心算法,既包括数学理论基础,如三维空间的刚体运动、非线性优化,又包括计算机视觉的算法实现,例如多视图几何、回环检测等。此外,我们还提供了大量的实例代码供读者学习研究,从而 深入地掌握这些内容。本书可以作为对 SLAM 感兴趣的研究人员的入门自学材料,也可以作为 SLAM 相关的高校本科生或研究生课程教材使用。
近些年,当人们谈论人工智能时,总热衷于讨论算法的优化、模型的迭代、算力的多少。人们不断地在追求模型的深度、数据的规模和芯片的算力。海量参数的复杂网络仿佛就是人工智能的发展方向。然而,这就是真的智能吗?科技界的一代传奇人物、计算机科学家与神经科学家杰夫·霍金斯在《千脑智能》中揭示了一种关于大脑和智能的理论——千脑智能理论,这将彻 底改变我们对大脑和人工智能的未来的理解。 就像人类蕞终不是通过模仿鸟类,而是通过理解空气动力学而发明了飞行一样,在我们改进机器和深度学习的同时,我们需要首先了解大脑是如何工作的。 杰夫·霍金斯和他的团队发现,大脑使用类似地图的结构来建立一个世界的模型——不仅仅是一个模型,而是成千上万个我们所知道的一切的模型,也就是千脑智能理论。这一发现为创造机器智能
本著作面向学科发展前沿与工程迫切需求,围绕机械装备智能运维面临的新挑战:数据大而不全呈\\\"碎片化”、诊断与预测受制于专家经验、智能诊断依赖充足可用数据等,凝练出大数据背景下智能运维领域的科学问题与应用难题,按照\\\"问题-理论-技术-实例”的逻辑主线,详细介绍了监测大数据质量保障、机械装备故障深度智能诊断、机械装备故障迁移智能诊断、数据驱动的机械装备剩余寿命预测等基础理论与核心技术,所述内容兼具前沿性、创新性与工程实用性。旨在将作者团队在智能运维领域的长期经验积累与 研究成果分享给广大读者,为其开展相关学术研究、解决应用难题提供参考。
本书主要面向OpenCV领域的研究与开发人员,采用原理结合实战的方式,介绍OpenCV 4的机器学习算法模块与深度神经网络模块中的核心算法原理与C++编程实战。全书共10章, ~3章, 介绍OpenCV 4的基础知识、基本图像操作和机器学习基础知识;第4~8章,介绍K-means、KNN、决策树、随机森林、Boosting算法和支持向量机等机器学习算法与编程实战;第9~10章,介绍神经网络与深度神经网络的基本原理与编程实战,并提供了不同深度学习模型的部署示例代码。
本书系统地描述了深度学习的基本理论算法及应用。全书共14章, ~3章论述了数学基础、机器学习基础和深度学习基础;第4~7章介绍了一些经典网络及计算机视觉领域中常用的CNN、RNN、GAN等网络结构技术;第8~9章介绍了深度学习在计算机视觉领域的目标检测及图像分割两大应用; 0~14章介绍了计算机视觉领域主要的优化方法及思路等,包括迁移学习、网络架构及训练、网络优化技巧、超参数调整及模型的压缩和加速等。本书凝聚了众多一线科研人员及工程师的经验,旨在培养读者发现问题、解决问题、扩展问题的能力。本书内容取材于编者在日常学习过程中总结的知识点及各大公司常见的笔试、面试题。本书可为高等院校计算机科学、信息科学、人工智能、控制科学与工程、电子科学与技术等领域的研究及教学人员提供参考,也可为相关专业本科生及研究生提供思考
深度强化学习结合深度学习与强化学习算法各自的优势解决复杂的决策任务。得益于 DeepMind AlphaGo 和 OpenAI Five 成功的案例,深度强化学习受到大量的关注,相关技术广泛应用于不同的领域。本书分为三大部分,覆盖深度强化学习的全部内容。 部分介绍深度学习和强化学习的入门知识、一些 基础的深度强化学习算法及其实现细节,包括第 1~6 章。第二部分是一些精选的深度强化学习研究题目,这些内容对准备开展深度强化学习研究的读者 有用,包括第 7~12 章。第三部分提供了丰富的应用案例,包括 AlphaZero、让机器人学习跑步等,包括第 13~17 章。本书是为计算机科学专业背景、希望从零开始学习深度强化学习并开展研究课题和实践项目的学生准备的。本书也适合没有很强的机器学习背景、但是希望快速学习深度强化学习并将其应用到具体产品中的软件工程师阅
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
《人工智能全书:一本书读懂AI基础知识、商业应用与技术发展》系统地讲解了AI 基础知识、商业应用与技术发展,可以帮助读者快速了解人工智能,掌握行业动态与技术。全书图文并茂,浅显易懂,其中基础篇介绍了AI 的基础知识,商业篇预测了AI 在各行各业的应用与发展,技术篇则讲解了AI 的各种专业技术知识。《人工智能全书:一本书读懂AI基础知识、商业应用与技术发展》还有关于AI 的常见问题解答,能够回答大众对于AI 的常见疑问。本书适合大众及对AI感兴趣的人阅读,专业人士也能获益匪浅。
模式识别和机器学习是人工智能应用的基础。本书将模式识别任务按照监督学习和无监督学习两种方式进行组织。第1章讨论模式识别和机器学习的内在关系,介绍了两者的基础知识和模式识别的设计过程。第2章和第3章介绍了 化的和常规的基于实例的分类问题。第4~6章检验了参数的、非参数的和函数逼近的分类规则。之后在第7章和第8章就分类的误差估计和模型选择对分类模型的性能进行讨论。第9章介绍了能够提高分类模型的性能并减少存储空间的降维技术。 0章和 1章分别介绍了聚类分析技术和回归模型。本书适合相关专业高年级本科生和研究生,以及该领域的从业人员阅读。
本书围绕两个奇点对人工智能展开了讨论,即科技奇点和经济奇点。首先,科技奇点部分介绍了从弱人工智能到强人工智能再到超智能的相关现状、研究团体、可能的突破点、未来趋势。其次,经济奇点部分,首先回顾了自动化的发展历程,工业革命、石油、电力、信息革命。以及当下这波人工智能革命的不同,对当前经济的冲击,具体介绍了当下自动驾驶汽车对就业的冲击,以及会对律师、医生、经济师等职业的冲击。介绍了伦理学、隐私、社会等其他影响。以及未来可能出现的场景。 ,总结了挑战、应对及作者的独特思考。
《AIGC:让生成式AI成为自己的外脑》针对近期较为火热的AIGC技术及其相关话题,介绍AIGC的技术原理、专业知识和应用。全书共分为九章。第一章介绍AIGC技术的基本概念和发展历程;第二、三章介绍A
本书是介绍语音识别中深度学习技术细节的专著。全书首先概要介绍了传统语音识别理论和经典的深度神经网络核心算法。接着全面而深入地介绍了深度学习在语音识别中的应用,包括“深度神经网络-隐马尔可夫混合模型”的训练和优化,特征表示学习、模型融合、自适应,以及以循环神经网络为代表的若干 深度学习技术。 本书适合有一定机器学习或语音识别基础的学生、研究者或从业者阅读,所有的算法及技术细节都提供了详尽的参考文献,给出了深度学习在语音识别中应用的全景。
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