人工智能导论(梁琨)

本书通过深入浅出的方式，系统介绍了人工智能的基本概念、发展历程、主要流派和关键技术，使读者能够快速了解人工智能的全貌，为后续深入学习打下基础。全书共十二章，内容涵盖人工智能的基本理论和核心技术，以及人工智能在各领域的应用。具体包括概述、表示与理解、机器学习、深度学习、计算机视觉、自然语言处理、大语言模型、知识图谱、智能语音、无人驾驶与无人机、智能穿戴和人工智能安全与伦理。 本书是人工智能学科的“零基础”入门级教材，可以作为高等院校人工智能专业、计算机科学与技术专业、大数据专业、软件工程专业等相关专业的教材和参考书，也可以作为人工智能爱好者及相关研究人员、企事业单位相关专业人员进行人工智能开发研究工作的参考资料。

无

第1章　人工智能概述 001 1.1　人工智能的定义与范畴 001 1.1.1　人工智能的定义 001 1.1.2　人工智能的三大流派 003 1.1.3　人工智能的研究领域 004 1.2　人工智能的历史与发展 005 1.2.1　人工智能的起源与早期发展 005 1.2.2　人工智能的“寒冬”与复兴 007 1.2.3　人工智能的挑战与机遇 011 1.3　人工智能发展趋势 012 1.3.1　技术发展趋势 012 1.3.2　应用发展趋势 014 习题 016 第2章　表示与理解 018 2.1　知识表示及方法 018 2.1.1　知识与知识表示的概念 018 2.1.2　语义网络 019 2.1.3　一阶谓词逻辑 019 2.1.4　产生式表示法 022 2.1.5　框架表示法 024 2.2　推理方法及实现 025 2.2.1　推理方式及分类 025 2.2.2　确定性推理 027 2.2.3　非确定性推理 029 2.3　搜索策略及算法 031 2.3.1　状态空间表示法 032 2.3.2　盲目搜索 034 2.3.3　启发式搜索 038 习题 040 第3章　机器学习 041 3.1　机器学习概念与分类 041 3.1.1　有监督学习 043 3.1.2　无监督学习 044 3.1.3　弱监督学习 044 3.1.4　集成学习 047 3.1.5　迁移学习 049 3.1.6　强化学习 054 3.2　群体智能 057 3.2.1　群体智能概述 057 3.2.2　群体智能算法 058 习题 060 第4章　深度学习 061 4.1　神经网络概述 061 4.1.1　神经网络的基本原理 061 4.1.2　激活函数的作用与种类 062 4.1.3　损失函数与优化算法 065 4.2　深度学习算法 066 4.2.1　反向传播算法 066 4.2.2　卷积神经网络 067 4.2.3　循环神经网络 068 4.2.4　长短期记忆网络 069 4.2.5　生成对抗网络 069 4.2.6　注意力机制 070 4.3　深度学习框架 070 4.3.1　TensorFlow 070 4.3.2　Keras 072 4.3.3　MXNet 074 4.3.4　PyTorch 075 4.4　库管理工具：Anaconda 076 习题 077 第5章　计算机视觉 079 5.1　计算机视觉的基本原理 079 5.1.1　智能视觉技术 080 5.1.2　传统的数字图像处理技术 082 5.1.3　智能视觉系统 084 5.2　智能视觉模型和关键技术 088 5.2.1　深度学习模型 089 5.2.2　特征提取与物体识别 090 5.2.3　YOLO 模型 091 5.2.4　三维视觉技术 093 5.3　智能视觉典型应用案例 095 5.3.1　文本生成图像 095 5.3.2　三维场景重建 098 习题 102 第6章　自然语言处理 104 6.1　语言学基础 104 6.1.1　语言学的核心概念 104 6.1.2　语法与句法结构 104 6.1.3　语义与语用分析 105 6.1.4　词汇学与词典学简介 106 6.1.5　语言多样性 107 6.2　文本预处理 108 6.2.1　文本清洗与规范化 108 6.2.2　分词与词性标注 110 6.2.3　停用词与词干提取 111 6.2.4　文本向量化与特征工程 112 6.2.5　数据增强与平衡策略 113 6.3　相关模型与技术 114 6.3.1　词嵌入技术 114 6.3.2　注意力机制 116 6.3.3　文本生成技术 117 6.4　下游任务 118 6.4.1　命名实体识别 118 6.4.2　文本分类与情感分析 119 6.4.3　问答系统 119 6.4.4　机器翻译 119 习题 121 第7章　大语言模型 122 7.1　大语言模型概述 122 7.1.1　什么是大语言模型？ 122 7.1.2　LLMs 的历史与发展 123 7.2　主流大语言模型概览 125 7.2.1　GPT 系列大语言模型 125 7.2.2　BERT 及其衍生模型解析 125 7.2.3　T5、ERNIE、ViT 等先进模型介绍 126 7.2.4　国内外大语言模型的特点对比 127 7.3　大语言模型的训练与优化 129 7.3.1　数据准备与预处理 129 7.3.2　损失函数与优化算法 130 7.3.3　分布式训练与模型并行化 132 7.3.4　模型压缩与轻量化技术 133 7.3.5　评估方法与指标 134 7.4　大语言模型的应用案例 135 7.4.1　对话系统 135 7.4.2　信息检索 135 7.4.3　文本生成 136 习题 136 第8章　知识图谱 137 8.1　知识图谱的演变 137 8.2　图结构与图查询 139 8.2.1　RDF 图 139 8.2.2　属性图 140 8.2.3　图查询语言 141 8.3　知识图谱构建技术 142 8.3.1　信息抽取 142 8.3.2　知识融合 144 8.3.3　知识加工 145 8.3.4　跨语言知识图谱构建 146 8.4　知识图谱表示学习 147 8.4.1　知识图谱嵌入的概念 147 8.4.2　知识图谱嵌入的主要方法 147 8.4.3　知识图谱嵌入的下游任务 149 8.5　知识图谱推理 150 8.5.1　基于图结构的推理 150 8.5.2　基于规则学习的推理 154 8.5.3　基于表示学习的推理 156 8.6　知识图谱的应用 159　 　 8.6.1　智能语义搜索问答系统 159 8.6.2　基于知识图谱的个性化推荐 160 8.6.3　多模态与跨语言知识图谱 161 8.6.4　知识图谱增强AI 系统的语义理解 161 习题 163 第9章　智能语音 164 9.1　智能语音概述 164 9.2　智能语音关键技术 166 9.2.1　智能语音识别技术 166 9.2.2　语音合成技术 172 9.3　语音增强方法 174 9.3.1　语音信号增强 174 9.3.2　语音质量评价 175 9.4　智能语音发展趋势 176 习题 177 第10章　无人驾驶与无人机 179 10.1　无人驾驶系统概述 179 10.1.1　无人驾驶的起源与发展背景 179 10.1.2　无人驾驶的定义 181 10.1.3　无人驾驶应用场景 183 10.2　无人驾驶关键技术 185 10.2.1　无人驾驶中的环境感知 185 10.2.2　无人驾驶中的决策与规划技术 187 10.2.3　无人驾驶中的控制与执行技术 189 10.3　无人机概述 191 10.3.1　无人机起源与发展191 10.3.2　无人机关键技术 192 10.3.3　无人机应用场景 195 习题 201 第11章　智能穿戴 203 11.1　智能穿戴设备概述 203 11.1.1　智能穿戴设备的发展历程 203 11.1.2　智能穿戴设备定义 204 11.1.3　智能穿戴设备的类型与形态 205 11.2　智能穿戴设备功能设计 207 11.2.1　健康监测 207 11.2.2　运动助手 208 11.2.3　通信便捷 209 11.2.4　生活小秘书 210 11.3　智能穿戴设备关键技术 211 11.3.1　心跳感知技术 211 11.3.2　皮肤生理特性分析 215 11.3.3　运动感知技术 216 11.4　智能穿戴设备应用 217 11.4.1　健康管理：从预防到康复的全方位支持 217 11.4.2　时尚搭配：科技与美学的完美结合 218 11.4.3　特殊领域：工业、军事与医疗的专属定制 219 习题 221 第12章　人工智能安全与伦理 222 12.1　安全与伦理的重要性 222 12.2　人工智能安全 223 12.2.1　人工智能安全的定义与范畴 224 12.2.2　人工智能应用的安全风险 224 12.2.3　安全防护措施 226 12.3　人工智能伦理 229 12.3.1　人工智能伦理原则 229 12.3.2　伦理挑战与案例分析 231 12.3.3　伦理治理与实践 233 12.4　人工智能与社会责任 235 12.4.1　企业社会责任与人工智能 235 12.4.2　人工智能对社会的影响 235 12.5　未来展望 237 12.5.1　人工智能安全与伦理的发展趋势 237 12.5.2　人工智能安全与伦理的全球合作 239 习题 240 参考文献 241