图书中心

大数据与人工智能首页>图书中心>IT新学科新专业

人工智能导论(文科版)
  • 书     名:人工智能导论(文科版)
  • 出版时间:2024-12-31
  • 编 著 者:郭军
  • 版       次:1-2
  • I  S  B N:978-7-5635-7407-0
  • 定       价:¥38.80元

内容简介线

《人工智能导论(文科版)》是针对文科类专业教学需求专门编著的教材。在理工版《人工智能导论》教材基础上,文科版教材本着通俗性、趣味性、前沿性和系统性的原则,内容更通俗易懂。本教材是北京市属公办本科高校《人工智能通识课》以及北邮文科专业《人工智能导论》课程的配套教材,主要内容包括:认识人工智能、人工智能的社会角色、人工智能与认知科学、自然语言处理、计算机视觉、智能音频信息处理、人工智能前沿领域、机器学习与深度学习、人工智能开发框架与平台。希望此书能为广大文科类学生学习人工智能基础知识提供教材,也能成为普通读者喜爱的人工智能科普读物。

目录介绍线

第1章认识人工智能1

1.1何谓人工智能?1

1.2人工智能发展简史2

1.3人工智能的内在逻辑及知识体系5

1.4人工智能的数学基础9

1.4.1人工智能的数学本质10

1.4.2常用的基元函数及其功能10

1.4.3参数学习方式14

1.4.4深度学习架构17

本章小结18

思考题19

第2章人工智能的社会角色20

2.1人工智能的基本属性20

2.2面临的威胁和挑战23

2.2.1根本背离其角色的风险24

2.2.2安全威胁24

2.2.3伦理挑战29

2.3治理体系、防范方法和管理措施30

2.3.1法律治理体系30

2.3.2技术防范方法32

2.3.3行政管理措施37

本章小结38

思考题39

第3章人工智能与认知科学40

3.1何谓认知40

3.1.1语言41

3.1.2记忆42

3.1.3注意力42

3.1.4情感43

3.1.5推理44

3.1.6感知45

3.2何谓认知科学45

3.3认知科学的研究方法47

3.4人工智能和认知科学的历史渊源49

3.5人工智能和认知科学的联系51

3.6人工智能和认知科学相互促进51

3.6.1认知科学促进人工智能51

3.6.2人工智能促进认知科学54

3.7展望55

本章小结57

思考题57




第4章自然语言处理58

4.1发展历史58

4.2自然语言的机器表示61

4.2.1文本语义表示61

4.2.2相似度度量62

4.3经典自然语言处理任务64

4.3.1文本摘要64

4.3.2机器翻译65

4.3.3知识图谱65

4.4大语言模型66

4.4.1大语言模型的基本概念67

4.4.2大语言模型发展历程68

4.4.3大语言模型的关键技术70

4.4.4代表性大语言模型75

4.4.5以Kimi为例的大语言模型应用80

本章小结84

思考题84

第5章计算机视觉85

5.1计算机视觉的发展历史85

5.2图像表示与特征提取86

5.2.1图像表示86

5.2.2图像特征提取88

5.3计算机视觉的基本任务90

5.3.1图像分类91

5.3.2图像分割93

5.3.3目标检测94

5.3.4目标跟踪94

5.3.5图像重建94

5.4人脸识别与生成94

5.4.1人脸检测与特征点定位94

5.4.2特征表达与学习95

5.4.3属性识别与身份识别96

5.4.4 人脸编辑与生成97

5.5视觉大模型98

5.5.1Transformer在计算机视觉中的应用98

5.5.2视觉大模型的发展99

5.5.3多模态大模型101

本章小结103

思考题103

第6章智能音频信息处理105

6.1智能音频信息处理概述105

6.2音频信息识别106

6.2.1语音识别108

6.2.2说话人识别111

6.2.3语音情感识别113

6.2.4音频事件识别114

6.3音频信息生成115

6.3.1语音合成117

6.3.2语音转换118

6.3.3歌声合成与转换120

6.3.4AI作曲创作120

6.4智能人机语音交互121

6.4.1智能人机语音交互一般框架122

6.4.2大模型技术下的智能人机语音交互122

本章小结124

思考题124

第7章人工智能前沿领域126

7.1多模态融合与应用126

7.1.1多模态人工智能概述126

7.1.2多模态人工智能的核心技术128

7.1.3多模态人工智能代理系统132

7.2数字人技术及其应用133

7.2.1什么是数字人134

7.2.2数字人的应用场景135

7.2.3数字人的技术原理136

7.2.4数字人的未来与挑战139

7.3AI for Science140

7.3.1什么是科学140

7.3.2科学研究的传统范式141

7.3.3科学研究的新范式142

7.3.4AI for Science加速科学研究143

7.3.5AI for Science专家观点及产业布局147

本章小结148

思考题149

第8章机器学习与深度学习150

8.1机器学习基本概念150

8.1.1人工智能与机器学习150

8.1.2机器学习的三大支柱153

8.1.3机器学习方法的三要素155

8.1.4机器学习的推理方式159

8.2机器学习经典模型160

8.2.1分类161

8.2.2回归163

8.2.3聚类164

8.2.4降维166

8.3深度学习167

8.3.1单层感知机167

8.3.2多层感知机169

8.3.3卷积神经网络模型170

8.3.4序列模型178

本章小结183

思考题184

第9章人工智能开发框架与平台185

9.1人工智能开发平台185

9.2人工智能基础开源软件库186

9.2.1基本概念和特点186

9.2.2SciKitLearn基本介绍187

9.3人工智能基础开源框架190

9.3.1基本概念与功能190

9.3.2百度深度学习开源框架——飞桨192

9.3.3其他常见深度学习开源框架193

9.4人工智能基础开发平台195

9.4.1基本概念和功能195

9.4.2常见人工智能基础开发平台196

本章小结201

思考题202