第 1 章 认识人工智能
1.1 人工智能的起源与发展………… 002
1.2 人工智能领域的重要人物及其贡献……………………………… 003
1.3 人工智能的内在逻辑及知识体系……………………………… 006
*1.4 人工智能的数学本质…………… 010
1.4.1　人工智能的数学表示 ………… 010
1.4.2　常用的基元函数及其功能 …… 010
1.4.3　智能函数的参数学习 ………… 015
1.4.4　参数学习方式 ………………… 015
1.4.5　深度学习架构 ………………… 018
1.5 人工智能系统的工程化求解…… 019
1.6 通用人工智能与原生人工智能… 020
1.6.1　通用人工智能 ………………… 020
1.6.2　原生人工智能 ………………… 022
1.6.3　大语言模型的通用性 ………… 024
1.7 新一代人工智能发展归因……… 026
思考题 ………………………………… 027
第 2 章 机器学习
2.1 机器学习基础知识……………… 029
2.1.1　机器学习与模式识别 ………… 029
2.1.2　机器学习的一般形式 ………… 030
2.1.3　可计算的机器学习 …………… 031
2.1.4　机器学习的基本分类 ………… 033
*2.2 机器学习的模型………………… 034
2.2.1　学习模型的数学构建 ………… 034
2.2.2　学习模型的种类 ……………… 034
2.2.3　特征函数与相似度函数 ……… 035
*2.3 机器学习的策略………………… 036
2.3.1　期望损失与经验损失 ………… 036
2.3.2　模型评估与模型的泛化能力 … 037
2.3.3　影响泛化能力的主要因素 …… 037
2.3.4　改善模型泛化性的主要策略 … 043
*2.4 机器学习的优化算法…………… 044
2.4.1　基于数据的自动求解 ………… 044
2.4.2　基于机器学习的决策函数自动求解 …………………………… 045
2.4.3　概率估计 ……………………… 046
2.4.4　参数估计 ……………………… 048
思考题 ………………………………… 048
第 3 章 深度神经网络
3.1 基于神经网络的学习…………… 050
*3.2 神经网络………………………… 051
3.2.1　多层感知机与神经网络 ……… 051
3.2.2　误差反向传播 ………………… 054
3.2.3　参数更新 ……………………… 060
*3.3 深度神经网络的核心问题……… 061
3.3.1　加深网络 ……………………… 061
3.3.2　梯度消失和梯度爆炸问题 …… 063
3.3.3　更多的数据 …………………… 065
3.3.4　更快的优化算法 ……………… 066
3.3.5　避免过拟合的方法 …………… 069
3.4 深度神经网络典型模型及其应用……………………………… 070
3.4.1　基于ImageNet的图像理解任务竞赛 …………………………… 070
*3.4.2　典型的深度神经网络 ………… 072
3.4.3　深度神经网络应用案例 ……… 074
思考题 ………………………………… 078
第 4 章 生成式人工智能
4.1 预训练模型……………………… 080
4.1.1　什么是预训练模型 …………… 080
*4.1.2　自监督学习与微调 …………… 081
4.1.3　预训练模型的发展趋势 ……… 085
4.2 大语言模型……………………… 086
4.2.1　大语言模型的训练数据 ……… 086
4.2.2　大语言模型架构 ……………… 087
4.2.3　大语言模型预训练的方法 …… 088
4.2.4　大语言模型的训练过程 ……… 088
4.2.5　大语言模型的能力涌现 ……… 089
4.2.6　大语言模型的微调 …………… 089
4.2.7　提示工程 ……………………… 090
4.3 生成式人工智能——图像生成… 091
4.3.1　图像生成之扩散模型 ………… 091
4.3.2　图像生成技术在艺术创作中的应用 …………………………… 092
4.4 大模型预训练方法未来的发展 …………………………… 093
思考题 ………………………………… 094
第 5 章 任务驱动的人工智能应用
5.1 视觉任务………………………… 096
5.1.1　图像分类与识别 ……………… 097
5.1.2　图像分割 ……………………… 098
5.1.3　目标检测 ……………………… 100
5.1.4　视频分析 ……………………… 101
5.1.5　视觉任务中的大模型 ………… 103
5.2 自然语言处理…………………… 105
5.2.1　机器翻译 ……………………… 105
5.2.2　自动文本摘要 ………………… 108
5.2.3　对话系统 ……………………… 110
5.2.4　大语言模型解决自然语言处理问题 …………………………… 112
5.3 博弈与自动驾驶………………… 113
5.3.1　棋类游戏 ……………………… 113
5.3.2　自动驾驶 ……………………… 114
思考题 ………………………………… 115
第 6 章 人工智能计算平台基础
6.1 深度学习的基础算力…………… 117
6.1.1　用于深度学习的服务器结构 … 117
6.1.2　用于深度学习的云计算平台 … 121
6.1.3　算力网络 ……………………… 122
*6.2 深度学习模型的效能…………… 123
6.2.1　深度学习模型的缩放率 ……… 123
6.2.2　深度学习模型与计算资源 …… 124
6.2.3　深度学习模型与训练时间 …… 125
6.2.4　加速大规模深度学习模型训练 …………………………… 125
*6.3 人工智能高效计算趋势………… 129
6.3.1　专家混合模型 ………………… 129
6.3.2　深度学习光学芯片 …………… 129
6.3.3　量子计算 ……………………… 130
思考题 ………………………………… 130
第 7 章 人工智能驱动的科学研究
7.1 引言……………………………… 132
7.2 范式与科学发展范式…………… 132
7.2.1　科学革命的基本范式 ………… 132
7.2.2　人工智能驱动的科学研究 …… 133
7.3 科学智能的交叉融合发展……… 134
7.3.1　科学智能的交叉发展格局 …… 135
7.3.2　科学智能的发展阶段 ………… 135
*7.4 人工智能驱动科学研究领域示例……………………………… 136
7.4.1　人工智能与现代数学 ………… 136
7.4.2　人工智能与气象预测 ………… 138
7.4.3　人工智能与生命科学 ………… 144
7.4.4　人工智能与化学研究 ………… 147
思考题 ………………………………… 150
第 8 章 人工智能的社会角色
8.1 隐私计算与联邦学习…………… 152
*8.2 人工智能的模型安全…………… 153
8.2.1　破坏模型完整性 ……………… 153
8.2.2　破坏模型可用性 ……………… 157
8.2.3　破坏模型机密性 ……………… 157
8.2.4　模型水印 ……………………… 159
8.2.5　人工智能决策安全与可解释 … 159
*8.3 网络安全领域的人工智能应用… 161
8.3.1　人工智能在网络安全领域的一些主要应用 ………………… 161
8.3.2　黑客利用人工智能开展的网络行为 …………………………… 162
8.4 人工智能与社会伦理…………… 162
8.4.1　人工智能时代下的伦理问题 … 163
8.4.2　人工智能伦理问题产生的原因 …………………………… 164
8.4.3　人工智能伦理问题的影响 …… 165
8.5 人工智能伦理问题的解决方案… 166
8.5.1　国家层面的解决方案 ………… 166
8.5.2　企业层面的解决方案 ………… 167
8.5.3　技术层面的解决方案 ………… 168
8.5.4　以人为本，智能向善 ………… 169
8.6 人工智能与教育………………… 170
8.6.1　人工智能赋能教育转型 ……… 170
8.6.2　学生人工智能能力框架 ……… 170
8.7 人工智能与社会发展…………… 174
思考题 ………………………………… 176
附录 A 人工智能简史
A.1 人工智能的诞生 ……………… 178
A.1.1　控制论与早期神经网络 ……… 178
A.1.2　棋类游戏人工智能 …………… 178
A.1.3　图灵测试 ……………………… 178
A.1.4　符号推理与“逻辑理论家”程序 …………………………… 179
A.2 人工智能的第一次浪潮 ……… 179
A.2.1　搜索式推理 …………………… 180
A.2.2　语法分析和模式匹配 ………… 180
A.2.3　微世界 ………………………… 181
A.3 人工智能的第一次低谷 ……… 181
A.3.1　第一次低谷时人工智能面临的问题 …………………………… 181
A.3.2　简约派：逻辑、Prolog语言和专家系统 ……………………… 182
A.3.3　芜杂派：框架和脚本 ………… 182
A.4 人工智能的第二次浪潮 ……… 183
A.4.1　专家系统 ……………………… 183
A.4.2　知识革命 ……………………… 183
A.4.3　连结主义的重生（Hopfield 网络） ………………………… 184
A.4.4　第二代神经网络（MLP和CNN）………………………… 184
A.5 人工智能的第二次低谷 ……… 185
A.5.1　第二次低谷时人工智能面临的问题 …………………………… 185
A.5.2　人工智能的认知革命 ………… 185
A.5.3　支持向量机 …………………… 186
A.6 人工智能的第三次浪潮 ……… 186
A.6.1 AlphaGo ……………………… 187
A.6.2　智能代理 ……………………… 187
A.6.3　从人脑视觉原理到特征提取 … 187
A.6.4　深度学习 ……………………… 188
A.6.5　数据挖掘 ……………………… 189
A.7 通用人工智能和大模型 ……… 190
A.7.1 ChatGPT ……………………… 190
A.7.2　扩散模型 ……………………… 191
A.7.3　神经辐射场 …………………… 191
附录 B 人工智能学术前沿
B.1 人工智能的学术圣杯 ………… 194
B.1.1　自然语言处理 ………………… 194
B.1.2　计算机视觉 …………………… 194
B.1.3　智能机器人 …………………… 195
B.1.4　自动语音识别 ………………… 196
B.2 国际学术组织 ………………… 196
B.2.1　人工智能领域的主要国际学术组织 …………………………… 196
B.2.2　国际学术组织的作用与影响 … 197
B.2.3　国际学术组织面临的挑战与未来发展 ……………………… 198
B.3 人工智能领域顶级会议与期刊 199
B.3.1　计算机视觉领域顶级会议 …… 199
B.3.2　机器学习领域顶级会议 ……… 199
B.3.3　自然语言处理领域顶级会议 … 199
B.3.4　计算机图形学与多媒体领域顶级会议 ……………………… 200
B.3.5　人工智能综合领域顶级会议 … 200
B.3.6　人工智能领域顶级期刊 ……… 200
B.4 人工智能的科研路径 ………… 201
B.4.1　学术兴趣和领域选择 ………… 201
B.4.2　学术素养和知识储备 ………… 202
B.4.3　学术交流与社区学习 ………… 202
B.4.4　培养批判性思维和创新思维 … 203
参考文献 ………………………… 204