人工智能全书：一本书读懂AI基础知识、商业应用与技术发展

图书标准信息

• 作者 [日]伊本贵士
• 出版社 人民邮电出版社
• 出版时间 2022-02
• 版次 1
• ISBN 9787115567505
• 定价 129.80元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 239页
• 字数 337千字

【内容简介】

《人工智能全书：一本书读懂AI基础知识、商业应用与技术发展》系统地讲解了AI 基础知识、商业应用与技术发展，可以帮助读者快速了解人工智能，掌握行业动态与技术。全书图文并茂，浅显易懂，其中基础篇介绍了AI 的基础知识，商业篇预测了AI 在各行各业的应用与发展，技术篇则讲解了AI 的各种专业技术知识。《人工智能全书：一本书读懂AI基础知识、商业应用与技术发展》还有关于AI 的常见问题解答，能够回答大众对于AI 的常见疑问。本书适合大众及对AI感兴趣的人阅读，专业人士也能获益匪浅。

【作者简介】

作者：[日] 伊本贵士 日本MediaSketch 公司董事长、日本网络大学（Cyber University）全职讲师。出生于日本奈良县橿原市。大学毕业后先后工作于NEC 软件、日本Future Architect 公司， 后创办MediaSketch 公司。作为IoT、人工智能、区块链等新技术的咨询师，参与了许多企业的研究开发工作。在自己的公司中研发智能手机的通信模块基板和用于犯罪预测的人工智能等项目。此外，担任日经BP 社“日经xTECH 学习”、日本经济新闻社“日经商务教室”的IoT、人工智能主题讲座的讲师。活跃于富士电视台的“真的吗？！TV”、朝日电视台“Sunday Live!!”等多个广播电视节目。与他人合著《IoT强教科书》 和《实力验证IoT问题集》。 译者：郑明智 中国信息通信研究院人工智能（杭州）研究中心科研主管，《中国人工智能产业通讯》执行主编。主要研究方向为智慧医疗。译有《白话机器学习的数学》《深度学习基础与实践》等书。

【目录】

第 1章 基础篇人工智能的世界…… 1

1.1　人工智能是什么 …… 2

人工智能的诞生和历史 …… 2

人工智能到底是什么 …… 2

模型与目标变量、特征变量 …… 3

对人工智能的幻想 …… 4

1.2　人工智能的价值 …… 5

为什么使用人工智能可以实现自动驾驶汽车 …… 5

各国企业对人工智能的态度和期望 …… 6

人工智能做得到的事情 …… 7

对未知数据进行预测和人工智能的价值 …… 8

1.3　人工智能会抢了人的工作吗 …… 8

人工智能做不到的事情 …… 8

人工智能无法代替的3 种工作 …… 9

人类会因为人工智能失业吗 …… 10

人与人工智能的协作度 …… 10

1.4　人工智能如何改变世界 …… 12

重新定义所有行业 …… 12

为人工智能所渗透的世界 …… 12

企业应当怎么做 …… 13

人应当怎么做 …… 13

第 2章 商业篇各行各业的人工智能应用和未来展望…… 15

2.1　制造业的人工智能应用和展望（产品开发篇） …… 16

智能产品 …… 16

产品的计算机化 …… 16

产品的操作系统 …… 17

2.2　制造业的人工智能应用和展望（生产管理篇） …… 18

利用人工智能缩减经费 …… 18

不使用人工智能的选项 …… 18

使用人工智能稳定产品品质 …… 19

预测性维护 …… 19

异常检测与安全生产 …… 20

生产计划 …… 20

2.3　汽车行业的人工智能应用和展望 …… 21

汽车的生产现场 …… 21

自动驾驶级别的定义 …… 22

自动驾驶汽车的开发动向 …… 23

自动驾驶平台 …… 24

汽车导航系统 …… 25

2.4　农业、渔业、畜牧业的人工智能应用和展望 …… 26

人工智能与植物工厂 …… 27

比较栽培与化 …… 28

人工智能与渔业 …… 29

使用人工智能的新畜牧业形态 …… 30

2.5　医疗行业的人工智能应用和展望 …… 30

通过人工智能诊断 …… 31

通过图像识别诊断 …… 31

在医疗领域应用人工智能的注意事项 …… 32

数据共享的问题 …… 33

解析脑电波的可行性 …… 33

人机接口 …… 35

AI 新药研发 …… 35

细胞培养 …… 36

2.6　建筑行业的人工智能应用和展望 …… 37

工程和建设用车辆 …… 37

智慧家庭 …… 38

2.7　金融行业的人工智能应用和展望 …… 39

通过人工智能进行资产运用 …… 39

通过人工智能提高银行的业务效率 …… 40

2.8　零售行业的人工智能应用和展望 …… 40

Amazon Go 与超市的未来 …… 40

便利店与人工智能 …… 42

应用聊天机器人 …… 44

应用人工智能进行需求预测 …… 45

推荐 …… 46

第3章 商业篇各国针对人工智能应用的政策…… 49

3.1　能源与智能电网 …… 50

智能电网 …… 50

智能电网和人工智能 …… 50

3.2　智慧城市 …… 51

智慧城市 …… 51

新加坡的智慧国家计划 …… 51

使用人工智能制定城市发展计划 …… 52

超越智慧城市 …… 54

3.3　数据流通的现状和问题 …… 54

数据流通的必要性 …… 54

日本公共机构的公开数据推进 …… 55

日本以外国家的公开数据推进 …… 57

与公开数据有关的问题 …… 58

促进民间的数据流通 …… 58

信息银行 …… 58

促进民间数据流通存在的问题 …… 60

第4章 商业篇人工智能项目的推进方法和注意点…… 61

4.1　人工智能项目的策划 …… 62

目标的设定和共有价值的创造 …… 62

创新者的窘境 …… 63

人工智能和知识产权 …… 63

4.2　数据的收集和管理 …… 64

为进行人工智能的应用需收集的3 种数据 …… 64

内部数据的收集和管理 …… 64

传感数据的收集和管理 …… 64

外部数据的收集和管理 …… 65

4.3　人才不足问题的解决方法 …… 66

日本工程师不足的现状 …… 66

人工智能教育的必要性 …… 67

初期的项目组织架构 …… 67

借助外部力量 …… 68

寻找合作伙伴的方法 …… 68

第5章 技术篇机器学习——人工智能进化史…… 69

5.1　学习人工智能之前必须掌握的知识 …… 70

特征变量、目标变量和模型 …… 70

值 …… 71

导数 …… 72

相关关系和相关系数 …… 73

数据间的因果关系和伪相关关系 …… 74

矩阵的内积 …… 74

概率 …… 75

5.2　人工智能的历史 …… 76

学习人工智能历史的意义 …… 76

早期的演绎推理人工智能 …… 76

现在的归纳推理人工智能 …… 77

归纳推理的局限 …… 78

发现信息的现在的人工智能 …… 79

计算机视觉 …… 79

5.3　机器学习能做到的事 …… 80

回归分析（简单回归分析） …… 80

回归分析（多重回归分析） …… 82

分类 …… 83

聚类 …… 84

5.4　数据集分析实例 …… 86

数据集分析 …… 86

鸢尾花数据集 …… 86

葡萄酒品质数据集 …… 90

波士顿房价数据集 …… 91

手写数字数据集 …… 93

Cifar-10（用于图像识别练习的数据集） …… 95

使用20 Newsgroups 进行文本数据分析 …… 96

5.5　学习 …… 99

学习的意义 …… 99

机器学习 …… 99

学习数据和监督学习 …… 99

无监督学习 …… 100

强化学习 …… 100

学习方法的选择 …… 100

5.6　机器学习的算法 …… 101

决策树 …… 101

SVM …… 102

遗传算法 …… 104

K 均值算法 …… 106

第6章 技术篇深度学习——现在的人工智能…… 109

6.1　神经网络 …… 110

神经网络的诞生 …… 110

大脑中信息传递的工作原理 …… 111

大脑的学习 …… 113

逻辑电路 …… 114

神经网络的结构 …… 115

基于感知机的计算处理 …… 116

激活函数 …… 118

输出函数 …… 122

前向传播小结 …… 123

6.2　误差反向传播算法 …… 124

学习的原理 …… 124

损失函数 …… 125

使用偏导数计算影响程度 …… 126

偏导数的具体例子 …… 127

优化算法（SGD） …… 129

其他优化算法 …… 131

小批量学习 …… 132

反向传播和学习的小结 …… 132

6.3　深度学习 …… 134

特征提取 …… 134

深度学习的优点 …… 134

人工智能的视角 …… 135

深层导致的各种问题 …… 135

实现深度学习的方法 …… 136

Dropout …… 137

自动编码器 …… 137

6.4　卷积神经网络 …… 139

图像识别和抽象化 …… 139

卷积神经网络的实例（AlexNet） …… 140

卷积神经网络概要 …… 141

卷积层的目标 …… 141

卷积层中的过滤器和权重计算 …… 142

对过滤器反应的特征的可视化 …… 143

在卷积层实施填充 …… 144

卷积层的激活 …… 145

池化层的处理 …… 145

平坦化的实施 …… 146

全连接层的处理 …… 148

使用卷积神经网络的分析示例 …… 148

第7章 技术篇人工智能的开发和运用管理…… 155

7.1　人工智能的设计 …… 156

机器学习算法的选择 …… 156

目标值的设置 …… 156

目标值和开发成本 …… 157

学习的实施计划 …… 158

保存学习后的模型 …… 158

7.2　人工智能的运用监视 …… 159

回归分析中精度的监视 …… 159

分类中精度的监视 …… 160

交叉验证 …… 162

过拟合 …… 163

分辨过拟合 …… 164

应对过拟合 …… 164

7.3　Python 语言 …… 165

使用Python 的理由 …… 165

Python 的版本 …… 166

Python 的开发环境 …… 167

7.4　数据分析所需的Python 包 …… 168

包管理 …… 168

Jupyter Notebook …… 168

Matplotlib …… 169

NumPy …… 170

pandas …… 170

SciPy …… 171

7.5　人工智能相关库 …… 171

TensorFlow …… 172

Chainer …… 172

PyTorch …… 172

Keras …… 173

scikit-learn …… 173

DEAP …… 174

OpenAI Gym …… 174

7.6　运行人工智能的平台 …… 175

人工智能学习的环境 …… 175

人工智能预测的环境 …… 176

Amazon Web Service …… 177

Google Cloud Platform …… 177

Microsoft Azure …… 178

IBM Cloud …… 179

SAKURA Cloud …… 179

Neural Network Console …… 179

Google Colaboratory …… 180

7.7　硬件和平台 …… 182

人工智能和CPU 的关系 …… 182

人工智能和GPU 的关系 …… 182

CUDA …… 183

ASIC 和TPU …… 184

面向边缘计算的板卡 …… 185

第8章 技术篇人工智能的技术——今后的人工智能…… 187

8.1　循环神经网络 …… 188

循环神经网络的特点 …… 188

循环神经网络中的计算 …… 188

使用循环神经网络的分析示例 …… 190

LSTM …… 192

将来的循环神经网络 …… 193

8.2　强化学习的历史和DQN …… 194

马尔可夫决策过程 …… 194

Q 学习 …… 195

DQN …… 196

DQN 中卷积神经网络的应用 …… 197

8.3　AlphaGo 和AlphaGo Zero …… 197

为什么AlphaGo 这么厉害 …… 198

AlphaGo 的算法和技术 …… 199

策略网络 …… 199

创建SL 策略网络 …… 200

移出策略模型 …… 202

AlphaGo 强化学习的目标 …… 202

利用策略梯度算法生成RL 策略网络 …… 203

价值网络 …… 203

蒙特卡洛树搜索 …… 205

AlphaGo Zero 的冲击 …… 206

8.4　A3C …… 207

Asynchronous …… 207

Advantage …… 207

Actor-Critic …… 208

A3C 的成果 …… 208

8.5　GANs …… 209

GANs 的历史 …… 209

GANs 的原理 …… 209

DCGAN …… 210

使用DCGAN 的分析示例 …… 211

将来的GANs …… 212

8.6　BERT …… 213

BERT 的目标 …… 214

BERT 的学习 …… 214

灵活使用已学习模型 …… 214

8.7　灵活使用社交数据 …… 215

8.8　胶囊网络 …… 215

卷积神经网络的弱点 …… 215

胶囊网络的目标 …… 217

胶囊网络的结构 …… 217

动态路由 …… 218

将来的胶囊网络 …… 218

第9章 人工智能开发常见问题…… 221

9.1　关于人工智能的一般问题 …… 222

Q.1　人工智能聪明吗？ …… 222

Q.2　人工智能会出错吗？ …… 222

Q.3　人工智能擅长的事情是什么？ …… 223

Q.4　人工智能不擅长的事情是什么？ …… 223

Q.5　什么是奇点？ …… 223

Q.6　达到奇点后，人工智能会变得比人聪明并控制人类吗？ …… 224

Q.7　人工智能会像人一样思考吗？ …… 224

Q.8　可以让人工智能产生感情吗？ …… 224

9.2　令人担忧的人工智能问题 …… 225

Q.9　人工智能有可能被用于军事吗？ …… 225

Q.10　能通过人工智能实现机器人武器吗？ …… 225

Q.11　搭载人工智能的武器有可能伤害人类吗？ …… 226

Q.12　人工智能有可能防范犯罪吗？ …… 226

Q.13　人工智能有可能进行网络攻击吗？ …… 226

Q.14　为了防范网络攻击可以使用人工智能吗？ …… 227

Q.15　人工智能有可能被破解吗？ …… 227

9.3　在企业应用人工智能的问题 …… 228

Q.16　所有企业都应该使用人工智能吗？ …… 228

Q.17　人工智能会促使更多企业进入其他行业吗？ …… 228

Q.18　人工智能的开发费用会变高昂吗？ …… 229

Q.19　有没有根据人工智能的开发费用来估算开发成本的方法？ …… 229

Q.20　人工智能的技术人才供给不足吗？ …… 229

Q.21　如何寻找帮助开发人工智能的技术人才？ …… 230

Q.22　如何与能进行人工智能开发的技术人才取得联系呢？ …… 231

Q.23　各国政府推荐人工智能的使用吗？ …… 231

Q.24　日本的地方政府推荐利用人工智能吗？ …… 231

9.4　与生活有关的问题 …… 232

Q.25　人工智能会使我们的生活有什么变化？ …… 232

Q.26　不懂人工智能的话还有办法生活吗？ …… 232

9.5　关于人工智能人才的培养和教育的问题 …… 232

Q.27　什么样的人在开发人工智能？ …… 232

Q.28　今后的年轻一代需要掌握关于人工智能的知识吗？ …… 233

Q.29　在学校里人工智能是必修科目吗？ …… 233

Q.30　要想开发人工智能，应该学习什么呢？ …… 234

Q.31　即使不擅长数学也能理解人工智能吗？ …… 234

Q.32　学习人工智能首先应该做什么？ …… 234

Q.33　有效学习人工智能的方法是什么？ …… 235

9.6　关于人工智能的未来的问题 …… 236

Q.34　今后人工智能还会进化吗？ …… 236

Q.35　人工智能会变得有想象力吗？ …… 236

Q.36　我们人类应该如何和人工智能交往呢？ …… 237

后记 …… 239