本書是多位長期從事人工智能領域教學與研究的作者集體智慧的結晶。本書分為3篇,共7章,全面介紹了人工智能的基礎理論、應用拓展、素養(yǎng)與安全等知識。內(nèi)容包括認識人工智能、人工智能的科學背景、人工智能的技術基礎、人工智能的行業(yè)應用、人工智能的未來發(fā)展方向、人工智能素養(yǎng)和人工智能數(shù)據(jù)安全。 本書可作為普通高等學校開設的“人工智能導論”“人工智能通識”等通識課的教材,也可供對人工智能感興趣的廣大讀者學習、參考。
一、清華大學名師編寫,內(nèi)容普適,打破學科壁壘,適用于非計算機類專業(yè)的廣大學生
? 清華大學電子工程系長聘教授王生進教授及團隊精心編寫。教材采用“基礎理論篇—應用拓展篇—素養(yǎng)與安全篇”三重遞進主線,公式、算法非常少,語言通俗,適用于非計算機類專業(yè)的廣大學生,內(nèi)容涵蓋機器學習、深度學習、大模型實踐、多模態(tài)人工智能、代理型人工智能、量子人工智能、具身人工智能等。
二、中國工程院院士作序推薦,書中針對針對醫(yī)學類院校設置專業(yè)內(nèi)容
中國工程院院士、北京協(xié)和醫(yī)學院、中國醫(yī)學科學院、首都醫(yī)科大學校長——吉訓明院士作序推薦。書中針對針對醫(yī)學類院校設置專業(yè)內(nèi)容(AI+醫(yī)學相關學科、AI+醫(yī)療行業(yè)等內(nèi)容)。
三、聚焦素養(yǎng)與安全,回應時代命題
? 分章介紹人工智能素養(yǎng)和人工智能數(shù)據(jù)安全,超越了傳統(tǒng)的偏重技術的人工智能通識教材,著力于培養(yǎng)能夠理解、駕馭技術,而非被技術駕馭的全面發(fā)展的“AI+X”復合型人才。
四、數(shù)字資源集成,助力課程快速落地
? 配套多元數(shù)字教輔資源(資源還在不斷更新中),支持“線上+線下”混合式教學模式。
教學大綱 1份 課后習題答案 1份
電子教案 1份 拓展閱讀文件 多份
PPT課件 7份 精品慕課視頻 1套
人工智能通用教學案例庫 行業(yè)應用、提示詞等10多個模塊
五、融入人工智能產(chǎn)學研合作的落地成果
?教材融入清華大學作者團隊多年來在人工智能領域的產(chǎn)學研合作的獲獎項目成果。
王生進(第一主編)
清華大學長聘教授、博士生導師、工學博士。中國圖象圖形學學會視頻圖像與安全專業(yè)委員會主任。連續(xù)4年入選愛思唯爾“中國高被引學者”榜單。主持了國家自然科學基金項目、國家高技術研究發(fā)展計劃(863計劃)項目、國家科技支撐計劃項目、國家重點研發(fā)計劃項目等多項國家縱向項目。研究成果獲得1次國家科學技術進步獎和3次省市科學技術獎。長期從事計算機視覺、機器學習、具身智能研究。
李亞利(第二主編)
清華大學副研究員,工學博士,中國圖象圖形學學會視頻圖像與安全專業(yè)委員會成員。主持了“十四五”國家重點研發(fā)計劃課題、國家自然科學基金青年科學基金項目等。曾獲吳文俊人工智能科學技術獎、公安部科學技術獎、ICPR2018年最佳論文獎、ECCV無人機目標檢測挑戰(zhàn)賽獎項等。長期從事智能視覺識別與理解領域的研究。
上篇 基礎理論篇
第 1章 認識人工智能 \\ 2
引導案例 \\ 3
1.1 人工智能的概念及范疇 \\ 3
1.2 人工智能發(fā)展史 \\ 5
1.2.1 早期發(fā)展階段 \\ 5
1.2.2 以深度學習為主流技術的階段 \\ 9
1.2.3 大模型興起階段 \\ 10
1.3 人工智能的特征與價值 \\ 14
1.3.1 人工智能的特征 \\ 14
1.3.2 人工智能的價值 \\ 15
課后習題 \\ 19
第 2章 人工智能的科學背景 \\ 21
引導案例 \\ 22
2.1 神經(jīng)科學 \\ 22
2.1.1 神經(jīng)元學說 \\ 23
2.1.2 神經(jīng)可塑性 \\ 24
2.1.3 感覺和知覺 \\ 26
2.1.4 注意機制 \\ 27
2.1.5 記憶機制 \\ 28
2.2 語言學 \\ 31
2.2.1 喬姆斯基的語言學理論 \\ 31
2.2.2 言語分析理論 \\ 33
2.2.3 語料庫語言學 \\ 34
2.2.4 統(tǒng)計語言學 \\ 34
2.2.5 計算語言學 \\ 35
2.3 哲學 \\ 36
2.3.1 人工智能的哲學背景 \\ 37
2.3.2 機器倫理學 \\ 39
2.4 心理學 \\ 40
2.4.1 認知心理學 \\ 40
2.4.2 情感智能 \\ 42
2.4.3 認知模擬 \\ 43
課后習題 \\ 44
第3章 人工智能的技術基礎 \\ 46
引導案例 \\ 47
3.1 機器學習 \\ 47
3.1.1 機器學習的基本概念 \\ 48
3.1.2 機器學習算法 \\ 52
3.2 深度學習 \\ 55
3.2.1 感知機 \\ 56
3.2.2 深度神經(jīng)網(wǎng)絡 \\ 56
3.2.3 深度神經(jīng)網(wǎng)絡的優(yōu)化學習 \\ 63
3.2.4 深度學習框架 \\ 63
3.3 大模型實踐 \\ 65
3.3.1 數(shù)據(jù)準備 \\ 66
3.3.2 模型選擇與設計 \\ 67
3.3.3 模型訓練與優(yōu)化 \\ 67
3.3.4 模型評估與調(diào)試 \\ 69
3.3.5 模型部署與應用 \\ 69
課后習題 \\ 70
中篇 應用拓展篇
第4章 人工智能的行業(yè)應用 \\ 73
引導案例 \\ 74
4.1 人工智能+工業(yè) \\ 74
4.1.1 人工智能+高端裝備制造 \\ 75
4.1.2 智能化工業(yè)質(zhì)檢 \\ 76
4.2 人工智能+經(jīng)濟金融 \\ 78
4.2.1 智能投顧 \\ 79
4.2.2 高頻量化交易 \\ 79
4.2.3 智能風控 \\ 79
4.3 人工智能+醫(yī)療 \\ 80
4.3.1 醫(yī)學影像智能判讀 \\ 80
4.3.2 冠脈造影圖像分析 \\ 82
4.4 人工智能+交通 \\ 84
4.4.1 無人駕駛 \\ 84
4.4.2 智能交通系統(tǒng) \\ 94
4.5 人工智能+文化創(chuàng)作 \\ 102
4.5.1 AI+新聞寫作 \\ 103
4.5.2 AI+音樂創(chuàng)作 \\ 104
4.5.3 AI+影視創(chuàng)作 \\ 105
4.6 人工智能+公共安全 \\ 107
4.6.1 人臉識別 \\ 108
4.6.2 智能視頻分析 \\ 112
課后習題 \\ 114
第5章 人工智能的未來發(fā)展 \\ 116
引導案例 \\ 117
5.1 人工智能技術的發(fā)展方向 \\ 117
5.1.1 多模態(tài)人工智能 \\ 118
5.1.2 代理型人工智能 \\ 120
5.1.3 量子人工智能 \\ 123
5.1.4 具身人工智能 \\ 126
5.2 人工智能產(chǎn)品的發(fā)展方向 \\ 131
5.2.1 文化遺產(chǎn)保護 \\ 131
5.2.2 醫(yī)療服務升級 \\ 134
5.2.3 教育創(chuàng)新變革 \\ 135
5.2.4 工業(yè)智能制造 \\ 137
5.3 人工智能人才的培養(yǎng)方向 \\ 138
5.3.1 人工智能時代的人才需求與現(xiàn)狀 \\ 138
5.3.2 高層次人工智能人才的培養(yǎng)挑戰(zhàn) \\ 139
5.3.3 高層次人工智能人才的培養(yǎng)對策 \\ 140
5.4 人工智能暢想與挑戰(zhàn):通用人工智能 \\ 141
5.4.1 通用人工智能概述 \\ 142
5.4.2 通用人工智能的未來 \\ 143
課后習題 \\ 143
下篇 素養(yǎng)與安全篇
第6章 人工智能素養(yǎng) \\ 146
引導案例 \\ 147
6.1 人工智能素養(yǎng)的內(nèi)涵與范疇 \\ 147
6.1.1 人工智能素養(yǎng)的內(nèi)涵 \\ 147
6.1.2 人工智能素養(yǎng)的范疇 \\ 148
6.2 人工智能素養(yǎng)與信息素養(yǎng)、數(shù)據(jù)素養(yǎng)的關系辨析 \\ 152
6.3 人工智能素養(yǎng)的層次框架 \\ 154
6.3.1 意識和理解AI \\ 154
6.3.2 應用和分析AI \\ 155
6.3.3 評估和創(chuàng)造AI \\ 155
6.4 人工智能素養(yǎng)的評估框架 \\ 155
6.4.1 人工智能素養(yǎng)的四維評估框架 \\ 155
6.4.2 人工智能素養(yǎng)的三維評估框架 \\ 157
6.5 大學生人工智能素養(yǎng)的培養(yǎng) \\ 159
6.5.1 人工智能通識教育:素養(yǎng)養(yǎng)成的基石 \\ 160
6.5.2 “AI+X”輔修:促進復合型人才培養(yǎng) \\ 160
6.5.3 微專業(yè):跨專業(yè)協(xié)同促進“AI+X”人才培養(yǎng) \\ 161
課后習題 \\ 162
第7章 人工智能數(shù)據(jù)安全 \\ 164
引導案例 \\ 165
7.1 人工智能數(shù)據(jù)安全的挑戰(zhàn)和必要性 \\ 165
7.1.1 現(xiàn)實中的代表性案例 \\ 166
7.1.2 人工智能數(shù)據(jù)安全存在的挑戰(zhàn) \\ 167
7.1.3 增強人工智能數(shù)據(jù)安全的必要性 \\ 168
7.2 人工智能數(shù)據(jù)安全的維度 \\ 170
7.2.1 人工智能數(shù)據(jù)的隱私安全 \\ 170
7.2.2 人工智能數(shù)據(jù)的公平性 \\ 171
7.2.3 人工智能數(shù)據(jù)的可信性 \\ 172
7.3 人工智能數(shù)據(jù)安全的保障策略 \\ 173
7.3.1 對人工智能數(shù)據(jù)的監(jiān)管 \\ 173
7.3.2 對人工智能產(chǎn)品開發(fā)者的倫理培訓 \\ 173
7.4 人工智能研究和產(chǎn)品研發(fā)中使用的數(shù)據(jù)安全增強技術 \\ 174
7.4.1 數(shù)據(jù)加密與脫敏技術 \\ 174
7.4.2 聯(lián)邦學習和安全多方計算 \\ 175
7.4.3 數(shù)據(jù)公平性評估與去偏技術 \\ 177
7.4.4 對抗樣本防御 \\ 177
7.4.5 虛假信息檢測技術 \\ 180
7.4.6 數(shù)據(jù)水印技術 \\ 181
課后習題 \\ 181