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(cè)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(shí)期
（1936年—1956年） 1.2.2　第二階段：形成時(shí)期
（1957年—1969年） 1.2.3　第三階段：發(fā)展時(shí)期
（1970年—1992年） 1.2.4　第四階段：大突破時(shí)期
（1993年至今） 1.3　中國(guó)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(shí)現(xiàn)方法 1.5.1　傳統(tǒng)實(shí)現(xiàn)方法 1.5.2　數(shù)據(jù)驅(qū)動(dòng)方法 1.6　人工智能主要研究?jī)?nèi)容 1.6.1　計(jì)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(shì) 1.9　本書內(nèi)容結(jié)構(gòu)
1.9.1 人工智能五維知識(shí)體系與本書內(nèi)容
1.9.2 人工智能五個(gè)認(rèn)識(shí)層次與本書內(nèi)容 1.10　關(guān)鍵知識(shí)梳理 1.11　問(wèn)題與實(shí)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(shí) 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(shí)梳理 2.4　問(wèn)題與實(shí)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(jué)與信息處理機(jī)制 3.3.1　腦的視覺(jué)結(jié)構(gòu) 3.3.2　視覺(jué)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(huì)互動(dòng)增強(qiáng)神經(jīng)復(fù)雜性 3.7　關(guān)鍵知識(shí)梳理 3.8　問(wèn)題與實(shí)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(zhǎng)短時(shí)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(shí)梳理 4.9　問(wèn)題與實(shí)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(shí)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(wú)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(duì)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(shí)梳理 5.11　問(wèn)題與實(shí)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(cè) 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(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué) 6.3　模式識(shí)別 6.3.1　模式識(shí)別方法 6.3.2　模式識(shí)別過(guò)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(cè)與識(shí)別 6.6　無(wú)人駕駛汽車的環(huán)境感知 6.7　關(guān)鍵知識(shí)梳理 6.8　問(wèn)題與實(shí)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(shí)表示 7.2.1　謂詞邏輯表示法 7.2.2　語(yǔ)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(shí)圖譜 7.4.1　知識(shí)圖譜與認(rèn)知智能 7.4.2　知識(shí)圖譜基本技術(shù) 7.4.3　知識(shí)圖譜架構(gòu) 7.5　認(rèn)知計(jì)算 7.6　認(rèn)知智能的興起 7.7　關(guān)鍵知識(shí)梳理 7.8　問(wèn)題與實(shí)踐 08 語(yǔ)言智能 8.0　學(xué)習(xí)導(dǎo)言 8.1　語(yǔ)言與認(rèn)知 8.2　自然語(yǔ)言處理 8.2.1　自然語(yǔ)言理解源起 8.2.2　自然語(yǔ)言處理應(yīng)用 8.2.3　自然語(yǔ)言處理技術(shù) 8.3　智能問(wèn)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(yǔ)言
理解 8.5　語(yǔ)音識(shí)別 8.5.1　語(yǔ)音識(shí)別系統(tǒng) 8.5.2　語(yǔ)音識(shí)別過(guò)程 8.6　機(jī)器翻譯 8.6.1　機(jī)器翻譯原理與過(guò)程 8.6.2　通用翻譯模型 8.7　關(guān)鍵知識(shí)梳理 8.8　問(wèn)題與實(shí)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(dòng)機(jī)器人 9.4　無(wú)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(dòng)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(shí)梳理 9.14　問(wèn)題與實(shí)踐 10 類腦智能 10.0　學(xué)習(xí)導(dǎo)言 10.1　類腦計(jì)算基礎(chǔ) 10.1.1　馮·諾依曼結(jié)構(gòu)計(jì)算機(jī)的
局限 10.1.2　類腦計(jì)算機(jī) 10.1.3　類腦計(jì)算研究?jī)?nèi)容與
方法 10.2　類腦計(jì)算基礎(chǔ) 10.2.1　神經(jīng)形態(tài)計(jì)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(jì)算機(jī) 10.3　基于憶阻器的類腦計(jì)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(shí)梳理 11.7　問(wèn)題與實(shí)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(cè)識(shí)別的腦電波
信號(hào) 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(shí)別芯片 11.4.2　人造感覺(jué)神經(jīng) 11.5　外骨骼混合智能 11.6　動(dòng)物混合智能 11.7　人體增強(qiáng) 11.8　關(guān)鍵知識(shí)梳理 11.9　問(wèn)題與實(shí)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(chǎng)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(chǎng)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(yíng)銷應(yīng)用 12.5　關(guān)鍵知識(shí)梳理 12.6　問(wèn)題與實(shí)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(wèn)題 13.4　機(jī)器人倫理問(wèn)題與基本
原則 13.4.1　機(jī)器人倫理問(wèn)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(wèn)題 13.6.1　人工智能引發(fā)的法律
問(wèn)題 13.6.2　人工智能的法律主體和法律人格問(wèn)題 13.7　超現(xiàn)實(shí)人工智能倫理問(wèn)題 13.8　關(guān)鍵知識(shí)梳理 13.9　問(wèn)題與實(shí)踐 參考文獻(xiàn)