漫话人工智能：从二进制到未来智能社会
全新正版 极速发货
￥ 36.69 4.2折 ￥ 88 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者秦曾昌,田达玮
出版社清华大学出版社
ISBN9787302613701
出版时间2022-09
装帧平装
开本16开
定价88元
货号31556912
上书时间2024-06-29
商品详情
- 品相描述：全新
- 商品描述
-
导语摘要
《漫话人工智能：从二进制到未来智能社会》是一本非常适合大众读者阅读的人工智能通识读物，作者秦曾昌博士在书中不仅深入浅出、图文并茂地介绍了人工智能的前世今生，且本书不仅着眼当下，也放眼未来，提供了认识人工智能未来走向的视角。本书获姬十三、郑永春等科普大V联袂推荐，并入选2022年“科普中国出版创作扶持计划”。
作者简介
秦曾昌，2005年获得英国布里斯托大学（University of Bristol）人工智能方向博士学位，2005年10月—2006年1月在该校工程数学系任教；2006年2月—2008年2月在美国加州大学伯克利分校（University of California Berkeley）电子与计算机系任博士后研究员（BT Fellow），在模糊逻辑创始人Lotf Zadeh教授的研究组从事文本挖掘和智能搜索的研究；2008年3月到英国牛津大学（University of Oxford）Optimor Lab任研究员，并兼任牛津大学统计系访问研究员；自2009年起，在北京航空航天大学自动化学院任教，同年入选教育部新世纪优秀人才支持计划；2010年在美国卡内基梅隆大学（Carnegie Mellon University）机器人所做访问学者；2018年—2019年兼任Keep首席科学家；2019年起兼任编程猫首席科学家。在人工智能与其交叉领域出版英文专著一本，发表SCI/EI检索技术论文120余篇，主要研究领域涉及不确定性理论、机器学习、多媒体检索、机器视觉、自然语言处理、医疗影像与计算博弈。研究工作之余积极投入青少年科技教育工作，发表科普译作《活人能捐献心脏吗》《地球上有从不犯错的人吗》，获得上海市科普图书二等奖；曾担任全国青少年科技创新大赛“小小科学家”、英特尔国际工程大奖赛等赛事的终审评委，以及我国第一次太空授课专家组成员。
目录
第1章 智能源起
1.1 从三段论到人工智能
1.2 机器的语言
1.3 从石子到机械
1.4 模拟人类思维
1.5 漫说AI：乔治?布尔的故事
第2章 机器的进化
2.1 差分机：纯机械之巅
2.2 图灵机：假想的机器
2.3 第一台计算机之谜
2.4 人工智能诞生
2.5 漫说AI：史上第一位程序员
第3章 “智”优算法
3.1 智能的五大支柱
3.2 蚂蚁的智慧
3.3 算法也遗传
3.4 机器的智力测试
3.5 漫说AI：约翰?霍兰德与遗传算法
第4章 机器“爱”学习
4.1 像人一样学习
4.2 构建神经网络
4.3 训练人工大脑
4.4 战胜人类
4.5 大数据浪潮
4.6 漫说AI：MapReduce如何处理数据？
第5章 感知万物
5.1 机器的眼睛
5.2 可计算的味道
5.3 听懂人类的声音
5.4 无“触”不在
5.5 接近人脑
5.6 漫说AI：握不住杯子的高智商机器人
第6章 未来新世界
6.1 智能物流
6.2 智造产业链
6.3 智慧农业
6.4 机器医生
6.5 自动驾驶
6.6 机器人的崛起
6.7 漫说AI：人工智能的未来
内容摘要
《漫话人工智能：从二进制到未来智能社会》是一本面向大众尤其是青少年的人工智能科普书籍，从介绍人工智能背后的逻辑、数学引入主题，接着用生动的语言将计算机和人工智能的诞生、算法科学、机器学习与大数据、计算机视觉、语音识别等有趣的知识融入本书，最后科普了人工智能在智能农业、智能医疗、自动驾驶等不同领域的应用。
本书具有语言生动、图文并茂、贴近生活等特点，具体论述如上。本书的主要读者对象为中小学生（小学高年级至高中的青少年应该都能够顺利理解本书），对人工智能感兴趣的零基础成年人也可以选择阅读本书，来对人工智能技术有一个基本的了解。
精彩内容
4.1像人一样学习顾名思义，“机器学习”是研究如何教会机器像人一样学习，并让机器通过学习来掌握解决问题的能力。
早在2001年我（本书第一作者）准备出国读研究生时，申请了很多与计算机和人工智能相关的专业，当第一
次看到“机器学习”这个词时，脑中就浮现出这样的画面：一个机器人通过观察人类掌握了人类的本领。幸运的是，我被布里斯托大学的机器学习硕士专业录取并选择了这个专业，从而开始正式进入人工智能领域中这个最重要的分支。在过去的20年里，我见证了这一研究领域从默默无闻到举世瞩目的变化。
学习与搜索纵观科学发展的过程，我们首先观察自然现象，然后用定量的观察数据来描述。为了解释数据背后的原理，科学家用数学语言，即公式或方程来拟合观察数据。
如果提出的公式不但能很好地拟合过去的数据，还可以很好地预测未来将要发生的数据，那么这个公式或者方程则会成为公认的科学理论。同理，机器学习也是完全一样的过程：首先我们收集一些用于训练机器的数据，然后利用自己的经验来假设这些数据生成的规律或者分类的标准是由某一种类型的函数所定义的，我们的目标就是根据给定的数据来“训练”出这些函数的参数，这个过程就是机器“学习”的过程。一个典型的机器学习过程如图4-1所示。线性拟合是指用一个线性函数通过调整参数来拟合给定的训练数据。图4-1(a)是给定的训练数据，图4-1(b)、(c)、(d)中考虑了用不同的线性方程来拟合给定数据，其中图4-1(d)中表示的参
数是拟合最好的线性方程。
假设我们给定的一组数据是由平面坐标所定义的，我们想用一个函数来描述横坐标x与纵坐标y的关系，我们可以假设它们的关系是线性关系，用y=ax+b来表示，我们要做的就是找到合适的a与b的值，从而确定一条最合适的曲线来拟合给定的数据。所以从这个角度来讲，我们可以将机器学习的过程看成是给定模型下的参数调整。如果由参数a和b构成了一个新的空间，这个空间中的每一个点a’和b’以图4-1中的例子来说明，都能构成一条直线y=a'x+b',所以我们需要的是在这个a和b所构成的“假设空间”中搜索出合适的参数来解释（或者说拟合）给定的训练数据。这就是机器学习的一个核心思想，机器学习可以看成是在由参数构成的假设空间中进行搜索。
还有一个重要但是没有回答的问题就是我们如何去假设什么类型的函数，比如给定一些数据（如图4-2中的彩色圆点），我们可以用直线（红色）、二次多项式（黑色）或者更复杂
的多项式（绿色）来拟合这些数据，即找到红色圆点和蓝色圆点之间的边界。我们通过不断
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价