目錄
第　1章 人工智能概述　1
1.1　什么是人工智能　2
1.1.1　生命與智能　2
1.1.2　人工智能的內(nèi)涵　5
1.2　人工智能的基礎(chǔ)　7
1.2.1　哲學(xué)與人工智能　7
1.2.2　數(shù)學(xué)與人工智能　8
1.2.3　神經(jīng)科學(xué)與人工智能　8
1.2.4　計算機科學(xué)與人工智能　9
1.2.5　其他學(xué)科與人工智能　10
1.3　人工智能的產(chǎn)生與發(fā)展　11
1.3.1　初創(chuàng)階段　11
1.3.2　形成階段　14
1.3.3　發(fā)展階段　15
1.3.4　探索階段　16
1.3.5　大數(shù)據(jù)驅(qū)動階段　17
1.3.6　智能階段　18
1.4　人工智能的分類　19
1.4.1　按智能程度分類　19
1.4.2　按能力分類　20
1.4.3　按實現(xiàn)方式分類　21
1.4.4　按研究內(nèi)容分類　23
1.5　人工智能的應(yīng)用　24
1.5.1　智能制造　24
1.5.2　智能醫(yī)療　25
1.5.3　智能交通　26
1.5.4　智能安防　27
1.5.5　智能生活　27
1.5.6　智能教育　28
1.6　人工智能基礎(chǔ)設(shè)施　29
1.6.1　數(shù)據(jù)　29
1.6.2　算法　29
1.6.3　算力　29
1.7　人工智能的挑戰(zhàn)和發(fā)展趨勢　30
1.7.1　奇點　30
1.7.2　人工智能的挑戰(zhàn)　30
1.7.3　人工智能的發(fā)展趨勢　31
1.8　人工智能倫理　32
1.8.1　人工智能倫理基礎(chǔ)　32
1.8.2　人工智能倫理的發(fā)展歷程　33
1.8.3　人工智能倫理的主要問題　34
1.8.4　人工智能倫理的治理措施　35
習(xí)題一　36
第　2章 機器學(xué)習(xí)基礎(chǔ)　37
2.1　什么是機器學(xué)習(xí)　38
2.1.1　機器學(xué)習(xí)的涵義　38
2.1.2　機器學(xué)習(xí)基本概念　39
2.1.3　數(shù)據(jù)理解　43
2.1.4　機器學(xué)習(xí)的類型和應(yīng)用　45
2.2　監(jiān)督學(xué)習(xí)　47
2.2.1　線性模型　47
2.2.2　非參數(shù)模型　50
2.2.3　決策樹　56
2.2.4　貝葉斯方法　60
2.2.5　集成學(xué)習(xí)　62
2.3　無監(jiān)督學(xué)習(xí)　64
2.3.1　降維　65
2.3.2　聚類　67
2.4　深度學(xué)習(xí)　71
2.4.1　深度學(xué)習(xí)概述　71
2.4.2　深度學(xué)習(xí)開發(fā)框架　80
2.5　強化學(xué)習(xí)　81
2.6　遷移學(xué)習(xí)　82
習(xí)題二　84
第3章　自然語言處理　86
3.1　什么是自然語言處理　87
3.1.1　自然語言處理的基本概念　87
3.1.2　自然語言處理的基本范式　90
3.2　詞法分析　91
3.2.1　詞形分析　91
3.2.2　詞語切分　93
3.2.3　中文詞語切分語料庫　95
3.3　句法分析　95
3.3.1　短語結(jié)構(gòu)句法分析　95
3.3.2　依存結(jié)構(gòu)句法分析　98
3.3.3　句法分析語料庫　99
3.4　語義分析　100
3.4.1　語義的形式化表達　100
3.4.2　詞義消歧　101
3.4.3　語義角色標注　102
3.4.4　基于圖表征的語義分析　103
3.5　自然語言處理應(yīng)用　104
3.5.1　機器翻譯　104
3.5.2　文本生成　105
3.5.3　問答系統(tǒng)　108
3.5.4　信息抽取　110
3.5.5　文本分類　113
3.6　大語言模型　113
3.6.1　大語言模型概述　114
3.6.2　大語言模型架構(gòu)　115
3.6.3　大語言模型并行訓(xùn)練　116
3.6.4　大語言模型微調(diào)　117
習(xí)題三　119
第4章　語音信號處理技術(shù)　120
4.1　語音信號基礎(chǔ)　120
4.1.1　語音發(fā)音系統(tǒng)　120
4.1.2　語音聽覺感知系統(tǒng)　121
4.1.3　人耳聽覺特性　122
4.1.4　語音的基本概念和參數(shù)　123
4.2　語音信號分析　123
4.2.1　語音信號數(shù)字化和預(yù)處理　124
4.2.2　時域分析　125
4.2.3　頻域分析　126
4.2.4　倒譜分析和Mel頻率倒譜系數(shù)　126
4.3　語音識別　127
4.3.1　動態(tài)時間規(guī)整的孤立詞識別　128
4.3.2　基于隱馬爾科夫模型的孤立詞識別　130
4.3.3　連續(xù)語音識別　131
4.3.4　基于深度學(xué)習(xí)的語音識別　132
4.4　基于語音識別的智能家居系統(tǒng)　133
4.4.1　系統(tǒng)整體結(jié)構(gòu)　134
4.4.2　系統(tǒng)功能設(shè)計　135
4.5　說話人識別　138
4.5.1　說話人識別方法和系統(tǒng)整體結(jié)構(gòu)　139
4.5.2　預(yù)處理和特征選取　139
4.5.3　模式匹配方法　141
4.5.4　說話人識別系統(tǒng)實例基于DTW的說話人確認系統(tǒng)　142
習(xí)題四　143
第5章　計算機視覺　144
5.1　計算機視覺概述　144
5.1.1　計算機視覺發(fā)展史　145
5.1.2　計算機視覺中的基本概念　146
5.2　圖像分析　147
5.2.1　圖像分析簡介　147
5.2.2　圖像分析算法　148
5.2.3　圖像分析應(yīng)用領(lǐng)域　151
5.2.4　未來發(fā)展趨勢與挑戰(zhàn)　152
5.3　圖像生成　153
5.3.1　圖像生成簡介　153
5.3.2　圖像生成算法　155
5.3.3　圖像生成應(yīng)用領(lǐng)域　157
5.3.4　未來發(fā)展趨勢與挑戰(zhàn)　157
5.4　目標檢測　158
5.4.1　目標檢測簡介　158
5.4.2　目標檢測算法　159
5.4.3　目標檢測應(yīng)用領(lǐng)域　161
5.4.4　未來發(fā)展趨勢與挑戰(zhàn)　162
5.5　三維點云處理　163
5.5.1　點云簡介　163
5.5.2　點云處理算法　166
5.5.3　點云處理應(yīng)用領(lǐng)域　169
5.5.4　未來發(fā)展趨勢與挑戰(zhàn)　170
習(xí)題五　170
第6章　智能機器人與具身智能　172
6.1　智能機器人基礎(chǔ)　172
6.1.1　行為主義載體機器人　172
6.1.2　機器人的起源與發(fā)展　173
6.1.3　機器人的基本組成　174
6.1.4　機器人的分類　175
6.2　智能工業(yè)機器人　176
6.2.1　工業(yè)機器人的發(fā)展　176
6.2.2　工業(yè)機器人的定義與類型　177
6.2.3　工業(yè)機器人的應(yīng)用　178
6.3　智能服務(wù)機器人　179
6.3.1　服務(wù)機器人的發(fā)展　179
6.3.2　服務(wù)機器人的定義與類型　179
6.3.3　服務(wù)機器人的應(yīng)用　181
6.4　機器人領(lǐng)域部分關(guān)鍵技術(shù)及術(shù)語　181
6.4.1　感知與導(dǎo)航　181
6.4.2　軟件與算法　182
6.5　具身智能　183
6.5.1　具身智能與離身智能　183
6.5.2　具身智能的核心要素　183
6.5.3　通用型具身智能機器人和傳統(tǒng)智能機器人　184
6.5.4　具身智能的典型應(yīng)用　185
習(xí)題六　187
第7章　AIGC應(yīng)用實踐　188
7.1　AIGC概述　188
7.1.1　AIGC的定義　189
7.1.2　AIGC的發(fā)展歷程　189
7.1.3　多模態(tài)大模型　190
7.2　文本創(chuàng)作　191
7.3　多媒體創(chuàng)作　193
7.3.1　圖像生成　194
7.3.2　視頻生成　201
7.3.3　音樂生成　203
習(xí)題七　207