完全读懂AI应用最前线
全新正版 极速发货
￥ 44.36 6.4折 ￥ 69.8 全新
库存2件
作者编者:日经BP社|译者:费晓东
出版社东方
ISBN9787520704892
出版时间2018-08
装帧平装
开本其他
定价69.8元
货号30235248
上书时间2024-09-05
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
这是一本入门级的有关人工智能的读物，讲解了人工智能的历史，并以美食网Retty以及AI记者撰写的文章等为案例阐述AI的应用。此外，本书还涉及AI的制作和运行系统、AI相关新闻，以及AI开发面临的问题。可以说，这是是一部全景式描绘AI应用的*作品！
作者简介
日本日经BP社，日本经济新闻社旗下子公司，发行了日经商业等经营类、日经时尚等生活信息类、日经建筑、日经电子、日经计算机、日经传媒等专业杂志，还开设了日经技术在线、ITpro等专业门户网站。日经BP社拥有200余名专业记者，向各个领域的行家老手们传递专业信息。
目录
第1章 从零开始学习人工智能的制作方法
人工智能程序的定义并非一成不变
符号还是非符号，这才是问题的关键所在
人工智能发展史：热潮与低谷交替出现，螺旋式向前发展
人工智能发展的未来目标：“铁臂阿童木”！
将棋程序采用的人工智能技术
模仿人类思维，设计评价函数
灵活运用前瞻与剪枝，创造实用的人工智能
通过机器学习磨炼人工智能程序
迷你将棋程序：学习人工智能的最佳案例
人工智能在不断调试中，无限接近人类
第2章 美食网Retty的AI幕后
AI通过深度学习实现图片自动分类，从而为用户提供更精准的美食信息
第3章 AI记者的实力不容小觑
NTT DATA的AI记者能够撰写没有语法错误的天气预报稿件
日经的AI记者，“决算摘要（Beta）”,10秒钟生成原稿
人类记者与AI记者共同撰写新闻稿件，大幅提高文章准确度
第4章 简单AI的制作
使用电脑驱动AI，将黑白照片变成色调自然的彩色照片
随时随地，与世界上最强的将棋AI对弈
AI自动为用线条勾勒出的简笔画上色
谷歌的艺术家AI，自动谱写巴赫风乐曲
源于谷歌的词典AI：Word2vec
第5章 业务系统也可导入AI
“主干系统”与“AI”间意想不到的关系
AI成为HR的好帮手
ERP的灵活应用，关键还是在数据上
第6章 值得关注的AI新闻
美国谷歌高举“AI优先”大旗，开拓日本市场
LINE战略做出调整：从应用程序到AI
家电及无人机搭载AI
英特尔的新型主存储器和深度学习
微软，利用AI刷新Office
RPA与AI融合后的新功能
松下电器基于AI与IoT开发的新事业，能否打破垂直领导的文化系统
新一代宅急送“Roboneko-Yamato”开始运营，快递员不足的问题能否得到根本解决呢
绝不输给Watson，Retrieva不断追求创新
瑞可利开放“私人AI”
剖析谷歌等4家公司云计算性价比
Denso，为什么选择了NEC
第7章 AI的课题——记者之眼
超越人的智慧才是真正的AI
深度学习与多层神经网络
向特殊发展，AI需要解决的本质问题
笔者尝试的深度学习，毫无疑问不是件简单的事情
运用AI技术挑战13.5字标题的“雅虎话题”
来自专家的警告！AI系统的测试出现“混乱”
做影响自己人生的重大决定时，你会接受来自AI的建议吗？
赋予人工智能少女和工业机器人个性，也是非常重要的AI训练
有关人工智能的十大误解
内容摘要
日经BP社编的《完全读懂AI应用最前线》是一本入门级的有关人工智能的读物，讲解了人工智能的历史，并以美食网Retty以及AI记者撰写的文章等为案例阐述AI的应用。此外，本书还涉及AI的制作和运行系统、AI相关新闻，以及AI开发面临的问题。可以说，这是是一部全景式描绘AI开发的最新作品！
精彩内容
符号还是非符号，这才是问题的关键“人工智能”一词，听起来就像一种适用于各种场合的万能工具。但实际上却并非如此，人工智能也
有适用和不适用的场合。
人工智能是多种技术的集合，有其擅长与不擅长的领域。本篇中，我们将学习灵活运用人工智能的技
巧。
人工智能并不是万能的，人工智能也有其适用和不适用的场合。另外，因为人工智能种类的不同，也
有其擅长和不擅长的领域。
前一篇里，我们尝试对人工智能进行了分类。本篇里，我们将介绍灵活运用人工智能的技巧。前面我们已经提过，人工智能可分为“符号处理人工智能”和“非符号处理人工智能”两大类。
符号处理人工智能，将“符号”进行严密的定义，采用白上而下的处理模式。与此相反，模式识别等非符号处理的人工智能，并不会对符号进行严密的定义，而是收集并分析大量的模式，以获取的信息为基础采取自下而上的处理模式。
两者最大的区别在于，符号处理人工智能产生的“影格问题”，容易成为其实用化时的一大障碍。
影格问题，是人工智能直面的难题之一，关系“人工智能的研究对象到底能够扩展得多广泛”这一问题。特别是符号处理人工智能，在解决了符号所能覆盖的范围这一问题后，必须要面对影格问题这一难关。
另外，在对待学习概念上，两者也存在着不同点。符号处理是通过规则（限制）来管理世界，然而非符号处理有一个默认的前提，就是通过学习能够提高信息识别的准确度。
根据这些不同点，我们来考虑应该如何灵活运用人工智能，并介绍相关技巧。
能否将“规则”明确化是问题的关键什么情况下适合使用符号处理，什么情况下适合使用非符号处理呢？
灵活运用人工智能最简单的判断标准就是，能否将约束处理过程的“规则”明确化。例如，我们可以考虑，能否将规则用if句式进行表示。也就是说，能否使用总是重复相同操作的决定论式操作将规则表述出来。这时候，“古老而优秀的人工智能”便能派上用场。
但是，在规则根本无法描述的情况下，或者即便是可以描述却是非常复杂且奇怪的规则时，更适合使用模式识别等非符号处理技术。
如果是识别系列的处理过程的话，如字义所示，更适合使用模式识别技术。另外，在需要导人机器学习的情况下，也适合使用模式识别技术。
灵活运用的另一个判断标准，就是前面所提到的影格问题。在影格问题可能产生的情况下，也就是说在文脉或者状况复杂的情况下，单纯的符号处理是有
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价