人工智能導論

第 1 章? 緒論 …………………………………………………………………………………… 001
1.1? 計算機概述 …………………………………………………………………………… 002
1.1.1 計算機的定義與本質 ………………………………………………………… 002
1.1.2 通用計算機模型：馮·諾依曼體系結構 …………………………………… 003
1.2? 計算機的發展史 ……………………………………………………………………… 004
1.2.1 硬件發展 ……………………………………………………………………… 004
1.2.2 軟件發展 ……………………………………………………………………… 005
1.3? 人工智能概述 ………………………………………………………………………… 006
1.3.1 人工智能的定義 ……………………………………………………………… 006
1.3.2 圖靈測試 ……………………………………………………………………… 006
1.3.3 人工智能的三大學派 ………………………………………………………… 007
1.4? 人工智能分類 ………………………………………………………………………… 009
1.4.1 從與人的融合程度分類 ……………………………………………………… 009
1.4.2 按照發展過程及功能強度分類 ……………………………………………… 009
1.5? 人工智能的發展史 …………………………………………………………………… 010
1.5.1 國外人工智能發展史 ………………………………………………………… 010
1.5.2 人工智能國內發展史 ………………………………………………………… 012
1.6? 人工智能的應用 ……………………………………………………………………… 015
1.6.1 智能安防 ……………………………………………………………………… 015
1.6.2 智慧醫療 ……………………………………………………………………… 017
1.6.3 智能制造 ……………………………………………………………………… 018
1.6.4 智能家居與個人助理 ………………………………………………………… 019
1.6.5 智能客服 ……………………………………………………………………… 020
1.6.6 智慧教育 ……………………………………………………………………… 021
1.6.7 地球觀測與預測 ……………………………………………………………… 022
VI? /? 人工智能導論
1.7? 知識表示與知識推理 ………………………………………………………………… 023
1.7.1 知識表示 ……………………………………………………………………… 023
1.7.2 知識圖譜 ……………………………………………………………………… 024
1.7.3 知識推理 ……………………………………………………………………… 026
本章小結 …………………………………………………………………………………… 027
習題 ………………………………………………………………………………………… 027
第 2 章? 機器學習基礎 ………………………………………………………………………… 029
2.1? 機器學習發展歷程 …………………………………………………………………… 029
2.2? 機器學習分類 ………………………………………………………………………… 030
2.3? 機器學習算法實現流程 ……………………………………………………………… 031
2.4? 數據預處理 …………………………………………………………………………… 032
2.4.1 數據探索 ……………………………………………………………………… 033
2.4.2 數據清洗 ……………………………………………………………………… 033
2.4.3 數據變換 ……………………………………………………………………… 034
2.4.4 數據規約 ……………………………………………………………………… 034
2.5? 機器學習算法介紹及其應用 ………………………………………………………… 036
2.5.1 線性模型 ……………………………………………………………………… 036
2.5.2 邏輯回歸 ……………………………………………………………………… 037
2.5.3 決策樹模型 …………………………………………………………………… 042
2.5.4 K- 近鄰………………………………………………………………………… 046
2.5.5 樸素貝葉斯模型 ……………………………………………………………… 050
2.5.6 SVM 算法 …………………………………………………………………… 055
2.5.7 隨機森林 ……………………………………………………………………… 060
2.5.8 K- 均值聚類…………………………………………………………………… 065
2.5.9 神經網絡 ……………………………………………………………………… 069
本章小結 …………………………………………………………………………………… 071
習題 ………………………………………………………………………………………… 071
第 3 章? 深度學習 ……………………………………………………………………………… 072
3.1? 深度學習起源 ………………………………………………………………………… 073
3.1.1 淺層學習的局限性 …………………………………………………………… 073
3.1.2 深度學習的提出 ……………………………………………………………… 074
3.1.3 深度學習的發展 ……………………………………………………………… 075
3.1.4 深度學習情景案例 …………………………………………………………… 076
3.2? 卷積神經網絡與膠囊網絡 …………………………………………………………… 077
目錄? /? VII
3.2.1 卷積神經網絡結構 …………………………………………………………… 077
3.2.2 卷積的物理、生物與生態學意義 …………………………………………… 079
3.2.3 卷積神經網絡的卷積運算 …………………………………………………… 080
3.2.4 卷積神經網絡的關鍵技術 …………………………………………………… 081
3.2.5 卷積神經網絡的應用 ………………………………………………………… 084
3.2.6 膠囊網絡 ……………………………………………………………………… 085
3.3? 深度學習工具框架介紹 ……………………………………………………………… 087
3.3.1 深度學習框架概述 …………………………………………………………… 087
3.3.2 PyTorch ……………………………………………………………………… 087
3.3.2 TensorFlow …………………………………………………………………… 090
3.3.3 Keras…………………………………………………………………………… 093
3.3.5 對比與選擇建議 ……………………………………………………………… 094
3.3.6 模型調優 ……………………………………………………………………… 095
3.4? 生成對抗網絡及其應用 ……………………………………………………………… 097
3.4.1 生成對抗網絡的基本原理 …………………………………………………… 097
3.4.2 生成對抗網絡的結構與訓練 ………………………………………………… 098
3.4.3 生成對抗網絡在圖像處理中的意義 ………………………………………… 100
3.4.4 生成對抗網絡在語言處理中的意義 ………………………………………… 101
3.4.5 生成對抗網絡在視頻生成中的意義 ………………………………………… 102
3.4.6 生成對抗網絡在醫療中的意義 ……………………………………………… 104
本章小結 …………………………………………………………………………………… 104
習題 ………………………………………………………………………………………… 104
第 4 章? 自然語言處理 ………………………………………………………………………… 105
4.1? 自然語言處理概論 …………………………………………………………………… 106
4.1.1 基本概念 ……………………………………………………………………… 106
4.1.2 發展歷程 ……………………………………………………………………… 107
4.1.3 自然語言的層次結構 ………………………………………………………… 109
4.2? 自然語言處理的典型應用 …………………………………………………………… 111
4.2.1 分詞 …………………………………………………………………………… 112
4.2.2 詞性標註 ……………………………………………………………………… 112
4.2.3 詞義消歧 ……………………………………………………………………… 113
4.2.4 句法分析 ……………………………………………………………………… 114
4.2.5 文本分類 ……………………………………………………………………… 115
4.2.6 情感分析和觀點挖掘 ………………………………………………………… 115
4.2.7 信息提取 ……………………………………………………………………… 116
4.2.8 信息檢索 ……………………………………………………………………… 117
VIII? /? 人工智能導論
4.2.9 文本生成 ……………………………………………………………………… 118
4.2.10 自動問答 …………………………………………………………………… 118
4.2.11 機器翻譯 …………………………………………………………………… 118
4.3? 自然語言處理的關鍵技術與方法 …………………………………………………… 119
4.3.1 文本的表示 …………………………………………………………………… 119
4.3.2 基於規則的推理 ……………………………………………………………… 123
4.3.3 循環神經網絡 ………………………………………………………………… 124
4.3.4 長短期記憶網絡 ……………………………………………………………… 124
4.3.5 大語言模型 …………………………………………………………………… 125
4.4? 自然語言處理常用資源與工具 ……………………………………………………… 129
4.4.1 常用語料庫 …………………………………………………………………… 129
4.4.2 常用詞典 ……………………………………………………………………… 130
4.4.3 常用工具集 …………………………………………………………………… 130
4.4.4 預訓練模型庫 ………………………………………………………………… 131
本章小結 …………………………………………………………………………………… 132
習題 ………………………………………………………………………………………… 132
第 5 章? 計算機視覺 …………………………………………………………………………… 134
5.1? 人類圖像處理系統 …………………………………………………………………… 134
5.2? 圖像處理基礎 ………………………………………………………………………… 136
5.2.1 人類圖像識別能力的關鍵特征與機制 ……………………………………… 137
5.2.2 圖像的表示與處理 …………………………………………………………… 138
5.2.3 圖像特征提取 ………………………………………………………………… 141
5.2.4 圖像預處理 …………………………………………………………………… 142
5.3? 計算機視覺技術 ……………………………………………………………………… 143
5.3.1 計算機視覺的基本概念 ……………………………………………………… 144
5.3.2 計算機視覺與人類視覺的區別 ……………………………………………… 145
5.4? 圖像分割 ……………………………………………………………………………… 146
5.4.1 圖像分割的定義 ……………………………………………………………… 146
5.4.2 圖像分割的基本原理 ………………………………………………………… 147
5.4.3 FCN …………………………………………………………………………… 147
5.4.4 UNet…………………………………………………………………………… 148
5.5? 目標檢測 ……………………………………………………………………………… 149
5.5.1 目標檢測常用術語 …………………………………………………………… 153
5.5.2 目標檢測經典算法 …………………………………………………………… 155
5.6? 應用案例 ……………………………………………………………………………… 160
5.6.1 基於 YOLOv8 的膝骨關節炎檢測…………………………………………… 160
目錄? /? IX
5.6.2 基於 DeepLabv3+ 的圖像語義分割方法 …………………………………… 163
5.6.3 基於 MediaPipe 的化學實驗操作標準化分析 ……………………………… 166
本章小結 …………………………………………………………………………………… 168
習題 ………………………………………………………………………………………… 168
第 6 章? 大模型與 AI 應用 …………………………………………………………………… 170
6.1? 大模型 ………………………………………………………………………………… 170
6.1.1 大模型的發展歷程 …………………………………………………………… 170
6.1.2 大模型的能力特點 …………………………………………………………… 173
6.1.3 大語言模型的技術原理 ……………………………………………………… 174
6.1.4 典型大模型產品 ……………………………………………………………… 181
6.1.5 大模型應用領域 ……………………………………………………………… 185
6.2? AIGC 與提示工程 …………………………………………………………………… 189
6.2.1 AIGC ………………………………………………………………………… 189
6.2.2 提示工程 ……………………………………………………………………… 192
6.3? 基於大模型的智能體 ………………………………………………………………… 209
6.3.1 智能體概述 …………………………………………………………………… 209
6.3.2 大語言模型智能體的構建 …………………………………………………… 210
6.3.3 多智能體系統的構建 ………………………………………………………… 213
6.3.4 大語言模型智能體的典型應用 ……………………………………………… 214
6.3.4 待解決的關鍵技術問題 ……………………………………………………… 215
6.4? 具身智能 ……………………………………………………………………………… 216
6.4.1 具身智能的概念與內涵 ……………………………………………………… 217
6.4.2 具身智能發展歷程 …………………………………………………………… 218
6.4.3 具身智能發展面臨的挑戰 …………………………………………………… 221
6.5? AI 倫理 ……………………………………………………………………………… 223
本章小結 …………………………………………………………………………………… 225
習題 ………………………………………………………………………………………… 226