人工智能——何时机器能掌控一切

图书标准信息

• 作者 [德]克劳斯·迈因策尔（Klaus Mainzer） 著；贾积有 贾奕 译
• 出版社 清华大学出版社
• 出版时间 2022-02
• 版次 1
• ISBN 9787302592570
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 160页
• 字数 228.000千字

【内容简介】

《人工智能——何时机器能掌控一切》共12章，从历史、社会、哲学和人文等多学科角度审视人工智能技术的过去、现在和未来；既涵盖了逻辑运算等经典的人工智能算法，又引入了量子计算等前沿的人工智能技术；既强调了人工智能对人类生活和社会各个方面的正面促进作用，又指出了其高能耗等缺点。
  通过阅读《人工智能——何时机器能掌控一切》，零基础的读者可以快速了解人工智能的概念、历史和发展趋势；略知一二的入门者可以深入学习人工智能的常用算法和技术；经验丰富的从业人员则可以通过《人工智能——何时机器能掌控一切》的多学科视角更加全面地认识人工智能对于社会和历史影响。

【作者简介】

作者：克劳斯•迈因策尔（Klaus Mainzer）  世界知名哲学家、科学与社会研究专家和复杂性系统学者，欧洲科学与艺术学院院士、德国工程院院士，德国慕尼黑工业大学教育学院哲学与社会教席荣休教授，2020年当选欧洲科学与艺术学院主席。曾任康斯坦茨大学副校长、奥格斯堡大学哲学与社会科学学院院长和交叉信息科学中心主任、慕尼黑工业大学林德研究院院长和科技与社会研究中心主任等。出版《复杂性中的思维》《人工智能》《混沌》《生命与机器》等二十余部专著。

译者：贾积有  北京大学教育学院教育技术系教授、博士生导师、系主任，北京大学教育信息化国际研究中心主任，德国慕尼黑工业大学教育学院（2015）、香港公开大学（2017）客座教授，入选教育部新世纪优秀人才支持计划（2009）；全国和北京市教育信息化、数字校园、智慧校园咨询专家，多个、省部级科研和人才项目评审专家，多本国际权威SCI/SSCI期刊审稿人，多次国际会议联合主席等；获2016年第五届全国教育科学研究优秀成果奖一等奖等国际和国内奖项。研究领域包括教育技术学、人工智能教育应用、计算机辅助语言教学、教育决策支持系统等。受邀百余次在国际和国内学术研讨会分享科研成果，主持和参与十余项国内外重要科研项目。出版专著5部，在国内外重要期刊和国际重要会议等场合发表教学和科研论文百余篇。

【目录】

第1章简介： 什么是人工智能

参考文献

第2章人工智能简史

2.1人类的古老梦想

2.2图灵测试

2.3从通用问题求解到专家系统

参考文献

第3章逻辑思维成为自动化

3.1逻辑思维意味着什么

3.2人工智能编程语言PROLOG

3.3人工智能编程语言LISP

3.4自动证明

参考文献

第4章系统成为专家

4.1一个基于知识的系统架构

4.2知识表示编程

4.3有限性、不确定性和直觉性知识

参考文献

第5章计算机学会说话

5.1ELIZA会识别字符串模式

5.2自动机和机器识别语言

5.3我的智能手机何时会理解我

参考文献

第6章算法模拟进化

6.1生物学和技术性的电路图

6.2细胞自动机

6.3遗传算法和进化算法

参考文献

第7章神经网络模拟大脑

7.1大脑和认知

7.2神经网络和学习算法

7.3情感和意识

参考文献

第8章机器人变得社会化

8.1人形机器人

8.2认知和社会型机器人

8.3机器人的群体智慧

参考文献

第9章基础设施变得智能化

9.1物联网和大数据

9.2从自动驾驶车辆到智能交通系统

9.3从网络物理系统到智能基础设施

9.4工业4.0和未来的劳动力世界

参考文献

第10章从自然智能和人工智能到超级智能

10.1神经形态计算机和人工智能

10.2自然智能和人工智能

10.3量子计算机与人工智能

10.4奇点和超级智能

10.5技术设计： 人工智能作为人类的服务系统

参考文献

第11章人工智能有多安全

11.1神经网络是一个黑匣子

11.2在不完全信息下的决定性

11.3人类机构有多安全

参考文献

第12章人工智能和责任

12.1社会积分和一带一路

12.2人工智能与全球价值体系竞争

参考文献

 

全书图片清单

图3.1(a)列表（S1,S2,…,SN）的树状表示(b)s表达式(A.((B.(C.NIL))))的

树状表示12

图3.2具有打孔磁带的图灵机15

图4.1基于知识的专家系统架构24

图4.2正/反向推理25

图4.3DENDRAL中一个化学结构式的推导27

图4.4医学专家系统和/或树28

图5.1有限自动机示例图34

图5.2下推自动机的结构37

图5.3基于乔姆斯基语法体系的语义深度结构39

图5.4NETalk学习阅读41

图5.5WATSON的体系结构43

图6.1遗传和神经元信息系统的进化47

图6.2细胞自动机模拟细胞自组织49

图6.3作为动态系统的单元，具有状态变量xi、输出变量yi和三个常数二进制输入

ui-1,ui,ui 150

图7.1麦卡洛克皮茨神经元56

图7.2感知机架构57

图7.3可分离模式57

图7.4具有一个输出的三层神经网络模型58

图7.5具有两个输出神经元的神经网络的三层模型58

图7.6人脸识别的多层模型（深度学习）59

图7.7作为霍普菲尔德系统状态空间的电势山脉60

图7.8霍普菲尔德系统中的模式识别60

图7.9多层神经网络检测相关性和聚类62

图7.10无监督学习的科荷伦图63

图7.11智能体从环境中加强学习64

图7.12具有条件概率的贝叶斯学习网66

图7.13理性决策的认知扭曲66

图8.1零力矩点（ZMP）和稳定区域74

图8.2一个家居机器人的马尔可夫逻辑图77

图8.3具有基于行为和符号认知模块的类人机器人体系结构78

图8.4机器人足球选手的行为层次结构80

图9.1产品网络中的自组织83

图9.2流行病的自组织83

图9.3大数据与人工智能86

图9.4物联网深度学习86

图9.5自主机器人移动式奥迪月球车quattro87

图9.6谷歌自主车环境图片88

图9.7智能网供电基础设施数字化91

图9.8数控车床的功能部件93

图10.1具有局部活动单元和局部影响范围的复杂单元系统97

图10.2非线性扩散反应方程的结构和模式形成98

图10.3霍奇金赫胥黎模型100

图10.4记忆电阻器（取决于角频率）ω（ω1