01 緒論 1.0　學(xué)習(xí)導(dǎo)言 1.1　生命與智能 1.1.1　什么是智能 1.1.2　圖靈測試與人工智能 1.1.3　人工智能圖譜 1.2　人工智能的歷史 1.2.1　第 一階段：初創(chuàng)時期
（1936年—1956年） 1.2.2　第二階段：形成時期
（1957年—1969年） 1.2.3　第三階段：發(fā)展時期
（1970年—1992年） 1.2.4　第四階段：大突破時期
（1993年至今） 1.3　中國人工智能發(fā)展歷史 1.4　人工智能學(xué)科交叉與融合 1.5　人工智能實現(xiàn)方法 1.5.1　傳統(tǒng)實現(xiàn)方法 1.5.2　數(shù)據(jù)驅(qū)動方法 1.6　人工智能主要研究內(nèi)容 1.6.1　計算智能 1.6.2　感知智能 1.6.3　認(rèn)知智能 1.6.4　行為智能 1.6.5　群體智能 1.6.6　混合智能 1.6.7　情感智能 1.6.8　類腦智能 1.6.9　人工智能倫理與法律 1.7　機(jī)器創(chuàng)造與博弈 1.8　人工智能發(fā)展趨勢 1.9　本書內(nèi)容結(jié)構(gòu)
1.9.1 人工智能五維知識體系與本書內(nèi)容
1.9.2 人工智能五個認(rèn)識層次與本書內(nèi)容 1.10　關(guān)鍵知識梳理 1.11　問題與實踐 02 人工智能哲學(xué)觀 2.0　學(xué)習(xí)導(dǎo)言 2.1　從哲學(xué)角度理解人工智能 2.1.1　與人工智能有關(guān)的哲學(xué)
概念 2.1.2　與人工智能有關(guān)的主要
哲學(xué)分支 2.1.3　大歷史觀——智能進(jìn)化 2.1.4　人工智能的本質(zhì) 2.2　人工智能局限性的認(rèn)識 2.2.1　弱人工智能與人類心智的
差距 2.2.2　強(qiáng)人工智能與通用人工智能 2.3　關(guān)鍵知識梳理 2.4　問題與實踐 03 腦科學(xué)基礎(chǔ) 3.0　學(xué)習(xí)導(dǎo)言 3.1　腦與神經(jīng)科學(xué) 3.2　腦神經(jīng)系統(tǒng) 3.2.1　腦神經(jīng)組織 3.2.2　神經(jīng)元與信息傳遞 3.2.3　大腦皮層 3.3　腦的視覺與信息處理機(jī)制 3.3.1　腦的視覺結(jié)構(gòu) 3.3.2　視覺皮層區(qū)域 3.4　腦的記憶機(jī)制 3.5　腦的學(xué)習(xí)機(jī)制 3.6　腦功能新發(fā)現(xiàn) 3.6.1　大腦導(dǎo)航功能 3.6.2　大腦孕周發(fā)育 3.6.3　社會互動增強(qiáng)神經(jīng)復(fù)雜性 3.7　關(guān)鍵知識梳理 3.8　問題與實踐 04 人工神經(jīng)網(wǎng)絡(luò) 4.0　學(xué)習(xí)導(dǎo)言 4.1　如何構(gòu)建人工神經(jīng)網(wǎng)絡(luò) 4.1.1　神經(jīng)元模型 4.1.2　感知器模型 4.2　人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練—反向傳播算法 4.3　卷積神經(jīng)網(wǎng)絡(luò)原理 4.3.1　稀疏連接與全連接 4.3.2　權(quán)值共享與特征提取 4.3.3　卷積層 4.3.4　池化層 4.3.5　全連接層 4.3.6　激活函數(shù)層 4.3.7　損失函數(shù) 4.3.8　CNN算法 4.4　循環(huán)神經(jīng)網(wǎng)絡(luò) 4.5　長短時記憶網(wǎng)絡(luò) 4.6　受限玻爾茲曼機(jī) 4.7　深度置信網(wǎng)絡(luò) 4.8　關(guān)鍵知識梳理 4.9　問題與實踐 05 機(jī)器學(xué)習(xí) 5.0　學(xué)習(xí)導(dǎo)言 5.1　機(jī)器學(xué)習(xí)能否實現(xiàn)機(jī)器智能 5.2　機(jī)器學(xué)習(xí)的類型和應(yīng)用 5.3　監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí) 5.3.1　k-最近鄰分類 5.3.2　支持向量機(jī) 5.3.3　樸素貝葉斯分類器 5.3.4　k-均值聚類算法 5.3.5　隨機(jī)森林算法 5.3.6　集成學(xué)習(xí) 5.4　深度學(xué)習(xí) 5.4.1　淺層學(xué)習(xí)與深度學(xué)習(xí) 5.4.2　深度學(xué)習(xí)的應(yīng)用——圖像
描述 5.5　生成對抗網(wǎng)絡(luò) 5.5.1生成網(wǎng)絡(luò) 5.5.2判別網(wǎng)絡(luò) 5.6　深度學(xué)習(xí)大模型 5.6.1　DALL·E和CLIP 5.6.2　悟道1.0/2.0 5.6.3　NüWA（女媧） 5.7　遷移學(xué)習(xí) 5.8　深度學(xué)習(xí)缺陷與因果學(xué)習(xí)
5.8.1深度學(xué)習(xí)缺陷
5.8.2因果學(xué)習(xí)概念及其作用
5.8.3結(jié)構(gòu)因果模型 5.9　強(qiáng)化學(xué)習(xí) 5.9.1　能夠自適應(yīng)學(xué)習(xí)的機(jī)器人 5.9.2　強(qiáng)化學(xué)習(xí)的應(yīng)用 5.10　關(guān)鍵知識梳理 5.11　問題與實踐 06 感知智能 6.0　學(xué)習(xí)導(dǎo)言 6.1　數(shù)字圖像處理技術(shù) 6.1.1　灰度直方圖 6.1.2　圖像平滑處理 6.1.3　圖像邊緣檢測 6.1.4　圖像銳化 6.1.5　圖像分割 6.1.6　圖像特征提取 6.1.7　圖像分析 6.2　計算機(jī)視覺與機(jī)器視覺 6.3　模式識別 6.3.1　模式識別方法 6.3.2　模式識別過程 6.4圖像分類
6.4.1 圖像分類概念
6.4.2 深度學(xué)習(xí)與圖像分類 6.5　目標(biāo)檢測與識別 6.6　無人駕駛汽車的環(huán)境感知 6.7　關(guān)鍵知識梳理 6.8　問題與實踐 07 認(rèn)知智能 7.0　學(xué)習(xí)導(dǎo)言 7.1　邏輯推理 7.1.1　命題與推理 7.1.2　推理類型 7.1.3　模糊推理 7.2　知識表示 7.2.1　謂詞邏輯表示法 7.2.2　語義網(wǎng)絡(luò)表示法 7.3　搜索技術(shù) 7.3.1　盲目搜索 7.3.2　啟發(fā)式搜索 7.3.3　蒙特卡羅樹搜索算法 7.4　知識圖譜 7.4.1　知識圖譜與認(rèn)知智能 7.4.2　知識圖譜基本技術(shù) 7.4.3　知識圖譜架構(gòu) 7.5　認(rèn)知計算 7.6　認(rèn)知智能的興起 7.7　關(guān)鍵知識梳理 7.8　問題與實踐 08 語言智能 8.0　學(xué)習(xí)導(dǎo)言 8.1　語言與認(rèn)知 8.2　自然語言處理 8.2.1　自然語言理解源起 8.2.2　自然語言處理應(yīng)用 8.2.3　自然語言處理技術(shù) 8.3　智能問答系統(tǒng) 8.4　聊天機(jī)器人 8.4.1　聊天機(jī)器人類型 8.4.2　聊天機(jī)器人與自然語言
理解 8.5　語音識別 8.5.1　語音識別系統(tǒng) 8.5.2　語音識別過程 8.6　機(jī)器翻譯 8.6.1　機(jī)器翻譯原理與過程 8.6.2　通用翻譯模型 8.7　關(guān)鍵知識梳理 8.8　問題與實踐 09 機(jī)器人 9.0　學(xué)習(xí)導(dǎo)言 9.1　機(jī)器人與行為智能 9.1.1　行為主義載體——機(jī)器人 9.1.2　機(jī)器人基本組成 9.1.3　智能機(jī)器人 9.2　工業(yè)機(jī)器人 9.3　移動機(jī)器人 9.4　無人飛行器 9.5　水下機(jī)器人 9.6　太空機(jī)器人 9.7　人形機(jī)器人 9.8　機(jī)器動物 9.9　軟體機(jī)器人 9.10　微型機(jī)器人 9.11　群體機(jī)器人 9.12　認(rèn)知發(fā)展機(jī)器人 9.13　關(guān)鍵知識梳理 9.14　問題與實踐 10 類腦智能 10.0　學(xué)習(xí)導(dǎo)言 10.1　類腦計算基礎(chǔ) 10.1.1　馮·諾依曼結(jié)構(gòu)計算機(jī)的
局限 10.1.2　類腦計算機(jī) 10.1.3　類腦計算研究內(nèi)容與
方法 10.2　類腦計算基礎(chǔ) 10.2.1　神經(jīng)形態(tài)計算 10.2.2　神經(jīng)形態(tài)類腦芯片 10.2.3　神經(jīng)形態(tài)類腦計算機(jī) 10.3　基于憶阻器的類腦計算 10.3.1　憶阻器原理 10.3.2　憶阻器芯片 10.4　人工大腦 10.4.1　人工大腦的基本單元 10.4.2　仿腦模型 10.4.3　虛擬大腦 10.4.4　深度學(xué)習(xí)腦功能模擬 10.5　非神經(jīng)形態(tài)智能芯片 10.6　關(guān)鍵知識梳理 11.7　問題與實踐 11 混合智能 11.0　學(xué)習(xí)導(dǎo)言 11.1　混合智能基本形態(tài) 11.2　腦機(jī)接口 11.2.1　腦機(jī)接口工作原理 11.2.2　可探測識別的腦電波
信號 11.2.3　侵入式腦機(jī)接口 11.2.4　非侵入式腦機(jī)接口 11.2.5　腦機(jī)接口應(yīng)用 11.3　可穿戴技術(shù) 11.3.1　可穿戴傳感器 11.3.2　可穿戴神經(jīng)刺激 11.4　可植入電子芯片 11.4.1　電子識別芯片 11.4.2　人造感覺神經(jīng) 11.5　外骨骼混合智能 11.6　動物混合智能 11.7　人體增強(qiáng) 11.8　關(guān)鍵知識梳理 11.9　問題與實踐 12 人工智能行業(yè)應(yīng)用 12.1　學(xué)習(xí)導(dǎo)言 12.1　智能制造 12.1.1　智能制造定義 12.1.2　智能制造與數(shù)字制造 12.1.3　智能制造產(chǎn)業(yè)核心內(nèi)容 12.1.4　智能工廠 12.2　智能醫(yī)療 12.2.1　智能醫(yī)療定義與組成 12.2.2　智能醫(yī)療核心技術(shù) 12.2.3　智能醫(yī)療應(yīng)用場景 12.3　人工智能與新基建 12.3.1　新基建加速企業(yè)智能化轉(zhuǎn)型 12.3.2新基建完善人工智能基礎(chǔ)設(shè)施 12.3.3新基建拓展人工智能應(yīng)用場景 12.4人工智能技術(shù)在企業(yè)的應(yīng)用
12.4.1企業(yè)應(yīng)用的主要人工智能技術(shù) 12.4.2人工智能技術(shù)零售業(yè)應(yīng)用 12.4.3　人工智能技術(shù)電商營銷應(yīng)用 12.5　關(guān)鍵知識梳理 12.6　問題與實踐 13 人工智能倫理與法律 13.0　學(xué)習(xí)導(dǎo)言 13.1　電車難題引發(fā)的人工智能
道德困境 13.2　人工智能倫理的定義 13.3　人工智能倫理問題 13.4　機(jī)器人倫理問題與基本
原則 13.4.1　機(jī)器人倫理問題 13.4.2　機(jī)器人倫理的基本原則 13.5　人工智能倫理規(guī)范 13.6　人工智能法律問題 13.6.1　人工智能引發(fā)的法律
問題 13.6.2　人工智能的法律主體和法律人格問題 13.7　超現(xiàn)實人工智能倫理問題 13.8　關(guān)鍵知識梳理 13.9　問題與實踐 參考文獻(xiàn)