走進AI：讀懂機器如何學會思考

阿克利·阿賈烏特（Akli Adjaoute）是美國風險投資公司Exponion的創始人，這是一家為前沿初創公司提供財務資源和專業知識的公司。在創辦Exponion之前，他是Brighterion的創始人兼首席執行官，該公司於2017年被萬事達收購。Brighterion為支付服務提供商和金融機構提供企業級AI應用。此外，阿賈烏特博士還創辦並領導了專註於AI技術的公司Conception en Intelligence Artificielle。除了創業外，他還曾在法國和美國擔任兼職教授，分享其在AI領域的實踐應用經驗。阿賈烏特博士獲得了32項專利，被引用超過2000次。

第1章 機器智能的崛起
1.1 什麼是人工智能？
1.2 AI變革
1.3 容易出錯的智能
1.4 聊天機器人
1.5 展望未來
1.6 小結
第2章 掌握AI：基礎技術（上部）
2.1 專家系統
2.2 業務規則管理系統
2.3 案例推理法
2.4 模糊邏輯
2.5 遺傳算法
2.6 小結
第3章 掌握AI：基礎技術（下部）
3.1 數據挖掘
3.2 防欺詐決策樹
3.3 人工神經網絡
3.4 深度學習
3.4.1 深度學習的益處
3.4.2 深度學習的局限性
3.5 貝葉斯網絡
3.6 無監督學習
3.7 說到底，什麼是人工智能？
3.8 小結
第4章 智能體技術
4.1 智能體的原理
4.1.1 適應性：智慧的真正標誌
4.1.2 智能體語言
4.2 小結
第5章 生成式AI和大語言模型
5.1 生成式人工智能
5.2 大語言模型
5.3 ChatGPT
5.3.1 ChatGPT如何生成人類文本
5.3.2 ChatGPT的幻覺
5.4 Bard
5.5 人類與大語言模型
5.6 AI缺少真實理解
5.7 大語言模型的優勢
5.8 大語言模型的局限性
5.9 生成式AI與知識產權
5.10 生成式AI的風險
5.11 大語言模型和理解錯覺
5.12 小結
第6章 人類與機器
6.1 人類大腦
6.1.1 思想
6.1.2 記憶
6.1.3 潛意識
6.1.4 常識
6.1.5 好奇心
6.1.6 想象力
6.1.7 創造力
6.1.8 直覺
6.1.9 類比
6.2 人類視覺與計算機視覺
6.2.1 AI與新冠感染
6.2.2 圖像推理
6.3 總結
第7章 AI不會把數據變為智能
7.1 機器擊敗世界
7.2 缺乏概括性
7.3 總結
第8章 AI不會威脅到我們的工作
8.1 簡單的人類任務真的容易自動化嗎？
8.2 小結
第9章 荒謬的技術奇點
9.1 技術奇點的源起
9.2 機器人演變的真相
9.3 人機融合？
9.4 科幻與現實
9.5 小結
0章 從成功和失敗的AI應用中學習
10.1 AI的成功
10.2 濫用AI
10.3 AI的敗筆
10.4 如何為AI項目的成功奠定基礎
10.4.1 數據：AI的生命線
10.4.2 現實的AI視角
10.4.3 規劃的重要性
10.4.4 風險緩解
10.4.5 協作與專業知識
10.5 AI模型生命周期管理
10.5.1 數據準備
10.5.2 行為分析
10.5.3 數據轉換
10.5.4 模型創建
10.5.5 實時生產
10.5.6 數據存儲
10.5.7 通知
10.5.8 後臺審查
10.5.9 自適應學習
10.5.10 管理
10.5.11 AI平臺述評
10.6 成功AI項目的指導原則
10.7 小結
1章 新一代AI
11.1 數據靈活性
11.2 采樣
11.3 消除無關屬性
11.4 數據的一致性
11.5 數據和算法中的無偏性
11.6 特征工程
11.7 技術組合
11.8 無監督學習
11.9 AI工廠
11.10 質量保證
11.11 預測可靠性
11.12 高效數據存儲與處理
11.13 可部署性與互操作性
11.14 可伸縮性
11.15 容錯性與穩健性
11.16 安全性
11.17 可解釋性
11.18 可追溯性與監控
11.19 隱私
11.20 時間推理
11.21 情境推理
11.22 因果推斷
11.23 類比推理和遷移能力
11.24 個性化
11.25 可持續AI
11.26 適應性
11.27 人機協作
11.28 小結
附錄A 尋根：從機械計算器到數字夢
機器能思考嗎？
附錄B 算法和編程語言
B.1 算法
B.2 編程語言
參考文獻
後記