人工智能：技术 商业与社会

图书标准信息

• 作者 闵庆飞；刘志勇
• 出版社 机械工业出版社
• 出版时间 2021-04
• 版次 1
• ISBN 9787111676485
• 定价 49.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 280页
• 字数 396千字

【内容简介】

针对现有人工智能（AI）教材大多重视技术、淡化商业应用的问题，本教材力图“透过技术的坚硬外壳，探索AI的商业潜力和社会影响”。作为一本“面向商学院学生的人工智能教材”，本教材的主要内容有新一代人工智能基本技术原理、特点，人工智能技术的发展历史，新一代人工智能发展的驱动因素、特征和发展方向，人工智能应用层技术的特点、能力和商业意义，人工智能技术的主要行业应用及影响。本教材试图从战略融合的视角，启发学生思考“企业如何实现从数字化到智能化”。本教材还探讨了人工智能在宏观层面的长期影响，如人工智能将如何影响人类工作、人工智能的社会影响和伦理道德，以及人工智能的社会治理等。
  本教材适用于商学院管理类专业本科生及研究生。

【作者简介】

刘志勇，大连理工大学经济管理学院副教授、硕士生导师，信息系统与商业分析研究所副所长。研究方向包括业务流程管理、电子、人工智能、区块链技术、数字货币等。参与和主持省部级以上科研项目十余项，国际期刊发表学术十余篇，参与建设辽宁省精品资源课程“管理信息系统”。

【目录】

前言

作者简介

第1章　绪论1

1.1　人工智能：一种通用目的技术1

1.2　新一代人工智能的技术体系3

1.3　新一代人工智能的特点5

1.4　新一代人工智能发展的驱动因素8

思考题11

第2章　人工智能发展简史12

2.1　人工智能的开端（1943～1956年）12

2.1.1　早期孕育12

2.1.2　正式诞生：达特茅斯会议14

2.1.3　两大学派：符号主义和联结主义15

2.2　发展中的第一次起伏（1957～1980年）18

2.2.1　专家系统18

2.2.2　自然语言处理的早期发展19

2.2.3　压倒神经网络学科的最后一根稻草20

2.2.4　人工智能的第一次低谷20

2.3　发展中的第二次起伏（1980～2005年）22

2.3.1　专家系统的成功商业应用22

2.3.2　第五代计算机22

2.3.3　联结主义重回大众视野24

2.3.4　自然语言处理的进一步发展26

2.3.5　AI寒冬26

2.3.6　第一次成功的人机对弈27

2.3.7　“躯体的重要性”：行为主义28

2.4　深度学习蓬勃发展（2006年至今）29

2.4.1　深度学习概念的提出29

2.4.2　图像识别和语音识别迅速发展30

2.4.3　震惊世界的AlphaGo31

思考题32

第3章　人工智能技术基础33

3.1　机器学习34

3.1.1　机器学习概述34

3.1.2　机器学习的一般流程35

3.1.3　机器学习的算法体系37

3.1.4　监督学习37

3.1.5　无监督学习42

3.1.6　弱监督学习44

3.2　人工神经网络与深度学习46

3.2.1　神经元与人脑神经网络46

3.2.2　人工神经网络48

3.2.3　人工神经网络算法49

3.2.4　深度学习及其框架51

3.2.5　深度学习与传统机器学习的区别54

3.3　知识图谱56

3.3.1　知识图谱概述56

3.3.2　知识图谱的构建59

3.3.3　知识图谱应用61

3.3.4　知识图谱未来发展62

扩展讨论：AI技术的未来发展方向63

训练集困境和强化学习63

深度学习面前的三座大山64

自我监督学习65

思考题66

第4章　智能语音（语言）技术67

4.1　自然语言处理67

4.1.1　自然语言处理概述67

4.1.2　自然语言处理分类70

4.1.3　自然语言处理技术基础71

4.1.4　自然语言处理典型应用74

4.1.5　自然语言处理未来发展方向75

4.2　语音识别75

4.2.1　语音识别概述75

4.2.2　语音识别系统分类76

4.2.3　语音识别技术基础77

4.2.4　语音识别典型应用77

4.2.5　语音识别未来发展方向79

4.3　机器翻译80

4.3.1　机器翻译分类80

4.3.2　机器翻译技术基础82

4.3.3　机器翻译典型应用83

4.3.4　机器翻译存在的问题84

4.3.5　机器翻译未来发展方向86

4.4　语音交互87

4.4.1　语音交互概述87

4.4.2　语音交互技术基础88

4.4.3　语音交互典型应用场景89

4.4.4　语音交互未来发展方向91

案例讨论：你会购买“聊天机器人”

推销的产品吗91

思考题93

第5章　计算机视觉技术94

5.1　计算机视觉概述94

5.1.1　计算机视觉的内涵94

5.1.2　计算机视觉的主要任务95

5.2　计算机视觉的发展历史95

5.2.1　马尔计算视觉（20世纪60～80年代）95

5.2.2　多视几何与分层三维重建（20世纪90年代初～21世纪初）96

5.2.3　基于学习的视觉（21世纪初至今）97

5.3　计算机视觉的主要技术97

5.3.1　人脸识别技术97

5.3.2　其他生物识别技术100

5.3.3　图像分类102

5.3.4　目标检测102

5.3.5　图像语义分割103

5.3.6　OCR文字识别104

5.3.7　图像生成105

5.3.8　人体关键点检测106

5.3.9　视频分类107

5.3.10　度量学习107

5.4　计算机视觉重要应用107

5.4.1　图像检索107

5.4.2　场景文字识别109

5.4.3　医疗影像分析109

5.4.4　安防检测110

5.4.5　自动驾驶汽车、无人机110

5.4.6　军事用途112

5.5　计算机视觉的未来发展113

5.5.1　现有技术的局限113

5.5.2　未来的发展方向113

思考题114

第6章　认知智能技术115

6.1　智能搜索115

6.1.1　搜索引擎发展历史115

6.1.2　智能搜索发展117

6.1.3　智能搜索技术基础118

6.1.4　智能搜索未来发展方向119

6.2　智能问答119

6.2.1　智能问答概述119

6.2.2　智能问答分类121

6.2.3　智能问答应用场景122

6.2.4　智能问答未来发展方向123

案例讨论：善解人意的智能问答系统—微软小冰124

6.3　智能规划126

6.3.1　智能规划概述126

6.3.2　智能规划的发展历史 127

6.3.3　智能规划方法分类128

6.3.4　智能规划应用领域129

6.3.5　智能规划的发展方向131

6.4　智能决策131

6.4.1　智能决策概述131

6.4.2　智能决策支持系统分类133

6.4.3　智能决策支持系统的基本结构134