人工智能導論(慕課版）
王生進 李亞利
相關主題
商品描述
本書是多位長期從事人工智能領域教學與研究的作者集體智慧的結晶。本書分為3篇，共7章，全面介紹了人工智能的基礎理論、應用拓展、素養與安全等知識。內容包括認識人工智能、人工智能的科學背景、人工智能的技術基礎、人工智能的行業應用、人工智能的未來發展方向、人工智能素養和人工智能數據安全。 本書可作為普通高等學校開設的“人工智能導論”“人工智能通識”等通識課的教材，也可供對人工智能感興趣的廣大讀者學習、參考。
作者簡介
王生進（第一主編）
清華大學長聘教授、博士生導師、工學博士。中國圖象圖形學學會視頻圖像與安全專業委員會主任。連續4年入選愛思唯爾“中國高被引學者”榜單。主持了國家自然科學基金項目、國家高技術研究發展計劃（863計劃）項目、國家科技支撐計劃項目、國家重點研發計劃項目等多項國家縱向項目。研究成果獲得1次國家科學技術進步獎和3次省市科學技術獎。長期從事計算機視覺、機器學習、具身智能研究。
李亞利（第二主編）
清華大學副研究員，工學博士，中國圖象圖形學學會視頻圖像與安全專業委員會成員。主持了“十四五”國家重點研發計劃課題、國家自然科學基金青年科學基金項目等。曾獲吳文俊人工智能科學技術獎、公安部科學技術獎、ICPR2018年最佳論文獎、ECCV無人機目標檢測挑戰賽獎項等。長期從事智能視覺識別與理解領域的研究。
目錄大綱
上篇 基礎理論篇
第 1章 認識人工智能 \\ 2
引導案例 \\ 3
1.1 人工智能的概念及範疇 \\ 3
1.2 人工智能發展史 \\ 5
1.2.1 早期發展階段 \\ 5
1.2.2 以深度學習為主流技術的階段 \\ 9
1.2.3 大模型興起階段 \\ 10
1.3 人工智能的特征與價值 \\ 14
1.3.1 人工智能的特征 \\ 14
1.3.2 人工智能的價值 \\ 15
課後習題 \\ 19
第 2章 人工智能的科學背景 \\ 21
引導案例 \\ 22
2.1 神經科學 \\ 22
2.1.1 神經元學說 \\ 23
2.1.2 神經可塑性 \\ 24
2.1.3 感覺和知覺 \\ 26
2.1.4 註意機制 \\ 27
2.1.5 記憶機制 \\ 28
2.2 語言學 \\ 31
2.2.1 喬姆斯基的語言學理論 \\ 31
2.2.2 言語分析理論 \\ 33
2.2.3 語料庫語言學 \\ 34
2.2.4 統計語言學 \\ 34
2.2.5 計算語言學 \\ 35
2.3 哲學 \\ 36
2.3.1 人工智能的哲學背景 \\ 37
2.3.2 機器倫理學 \\ 39
2.4 心理學 \\ 40
2.4.1 認知心理學 \\ 40
2.4.2 情感智能 \\ 42
2.4.3 認知模擬 \\ 43
課後習題 \\ 44
第3章 人工智能的技術基礎 \\ 46
引導案例 \\ 47
3.1 機器學習 \\ 47
3.1.1 機器學習的基本概念 \\ 48
3.1.2 機器學習算法 \\ 52
3.2 深度學習 \\ 55
3.2.1 感知機 \\ 56
3.2.2 深度神經網絡 \\ 56
3.2.3 深度神經網絡的優化學習 \\ 63
3.2.4 深度學習框架 \\ 63
3.3 大模型實踐 \\ 65
3.3.1 數據準備 \\ 66
3.3.2 模型選擇與設計 \\ 67
3.3.3 模型訓練與優化 \\ 67
3.3.4 模型評估與調試 \\ 69
3.3.5 模型部署與應用 \\ 69
課後習題 \\ 70
中篇 應用拓展篇
第4章 人工智能的行業應用 \\ 73
引導案例 \\ 74
4.1 人工智能+工業 \\ 74
4.1.1 人工智能+高端裝備制造 \\ 75
4.1.2 智能化工業質檢 \\ 76
4.2 人工智能+經濟金融 \\ 78
4.2.1 智能投顧 \\ 79
4.2.2 高頻量化交易 \\ 79
4.2.3 智能風控 \\ 79
4.3 人工智能+醫療 \\ 80
4.3.1 醫學影像智能判讀 \\ 80
4.3.2 冠脈造影圖像分析 \\ 82
4.4 人工智能+交通 \\ 84
4.4.1 無人駕駛 \\ 84
4.4.2 智能交通系統 \\ 94
4.5 人工智能+文化創作 \\ 102
4.5.1 AI+新聞寫作 \\ 103
4.5.2 AI+音樂創作 \\ 104
4.5.3 AI+影視創作 \\ 105
4.6 人工智能+公共安全 \\ 107
4.6.1 人臉識別 \\ 108
4.6.2 智能視頻分析 \\ 112
課後習題 \\ 114
第5章 人工智能的未來發展 \\ 116
引導案例 \\ 117
5.1 人工智能技術的發展方向 \\ 117
5.1.1 多模態人工智能 \\ 118
5.1.2 代理型人工智能 \\ 120
5.1.3 量子人工智能 \\ 123
5.1.4 具身人工智能 \\ 126
5.2 人工智能產品的發展方向 \\ 131
5.2.1 文化遺產保護 \\ 131
5.2.2 醫療服務升級 \\ 134
5.2.3 教育創新變革 \\ 135
5.2.4 工業智能制造 \\ 137
5.3 人工智能人才的培養方向 \\ 138
5.3.1 人工智能時代的人才需求與現狀 \\ 138
5.3.2 高層次人工智能人才的培養挑戰 \\ 139
5.3.3 高層次人工智能人才的培養對策 \\ 140
5.4 人工智能暢想與挑戰：通用人工智能 \\ 141
5.4.1 通用人工智能概述 \\ 142
5.4.2 通用人工智能的未來 \\ 143
課後習題 \\ 143
下篇 素養與安全篇
第6章 人工智能素養 \\ 146
引導案例 \\ 147
6.1 人工智能素養的內涵與範疇 \\ 147
6.1.1 人工智能素養的內涵 \\ 147
6.1.2 人工智能素養的範疇 \\ 148
6.2 人工智能素養與信息素養、數據素養的關系辨析 \\ 152
6.3 人工智能素養的層次框架 \\ 154
6.3.1 意識和理解AI \\ 154
6.3.2 應用和分析AI \\ 155
6.3.3 評估和創造AI \\ 155
6.4 人工智能素養的評估框架 \\ 155
6.4.1 人工智能素養的四維評估框架 \\ 155
6.4.2 人工智能素養的三維評估框架 \\ 157
6.5 大學生人工智能素養的培養 \\ 159
6.5.1 人工智能通識教育：素養養成的基石 \\ 160
6.5.2 “AI+X”輔修：促進復合型人才培養 \\ 160
6.5.3 微專業：跨專業協同促進“AI+X”人才培養 \\ 161
課後習題 \\ 162
第7章 人工智能數據安全 \\ 164
引導案例 \\ 165
7.1 人工智能數據安全的挑戰和必要性 \\ 165
7.1.1 現實中的代表性案例 \\ 166
7.1.2 人工智能數據安全存在的挑戰 \\ 167
7.1.3 增強人工智能數據安全的必要性 \\ 168
7.2 人工智能數據安全的維度 \\ 170
7.2.1 人工智能數據的隱私安全 \\ 170
7.2.2 人工智能數據的公平性 \\ 171
7.2.3 人工智能數據的可信性 \\ 172
7.3 人工智能數據安全的保障策略 \\ 173
7.3.1 對人工智能數據的監管 \\ 173
7.3.2 對人工智能產品開發者的倫理培訓 \\ 173
7.4 人工智能研究和產品研發中使用的數據安全增強技術 \\ 174
7.4.1 數據加密與脫敏技術 \\ 174
7.4.2 聯邦學習和安全多方計算 \\ 175
7.4.3 數據公平性評估與去偏技術 \\ 177
7.4.4 對抗樣本防禦 \\ 177
7.4.5 虛假信息檢測技術 \\ 180
7.4.6 數據水印技術 \\ 181
課後習題 \\ 181
