本书是“新一代人工智能通识系列教材”之一，是国家教材建设重点研究基地（高等学校人工智能教材研究）重点成果。本书以“有专业高度、显学理深度、含人文温度”为核心思路组织内容，每章均由题记、主体内容、学理探究和延伸阅读四个部分构成，书后附录给出了重要概念解读和促进跨学科交叉思考的实例。主要内容包括第1章绪论、第2章符号主义人工智能、第3章传统机器学习、第4章深度神经网络、第5章强化学习、第6章生成式人工智能、第7章智能赋能、第8章总结。
本书可作为高等学校人工智能通识课程教材，也可供对人工智能技术感兴趣的读者及相关从业人员参考。
- 前辅文
- 第1章 绪论
- 1.1 人工智能的起源
- 1.2 可计算载体：形式化与机械化
- 1.3 人工智能三大主义
- 1.4 人工智能学科交叉
- 1.5 新一代人工智能
- 1.6 本书知识点脉络
- 延伸阅读：科学第一性原理
- 第2章 符号主义人工智能：人类知识水晶球
- 2.1 形式化推理的雏形
- 2.2 逻辑推理
- 2.3 知识图谱推理
- 2.4 因果推理
- 2.5 学理探究：休谟之问——推理的合理性和必然性之原生困境
- 2.6 小结
- 延伸阅读：推理即计算
- 第3章 传统机器学习：浅层架构下数据拟合执念
- 3.1 机器学习基本概念
- 3.2 模型评估与参数优化
- 3.3 有监督学习：回归分析
- 3.4 无监督学习：k均值聚类
- 3.5 学理探究：拟合执念中的随机性
- 3.6 小结
- 延伸阅读：参数优化两种文化：数据与算法
- 第4章 深度神经网络：层次化抽象中的映射锤炼
- 4.1 人工神经网络概述
- 4.2 前馈神经网络
- 4.3 神经网络参数优化
- 4.4 前馈神经网络实例
- 4.5 学理探究：还原论晴朗遭遇非线性累积混沌
- 4.6 小结
- 延伸阅读：炼金术的半个世纪轮回
- 第5章 强化学习：最大化奖励中悄然蝶变
- 5.1 强化学习问题定义
- 5.2 从马尔可夫链到马尔可夫决策过程
- 5.3 表格型策略学习（Q学习）
- 5.4 学理探究：在最优化原理中强化
- 5.5 小结
- 延伸阅读：最优化之策与试错术之谏的珠联璧合
- 第6章 生成式人工智能：概率组合中的数字投影
- 6.1 自注意力机制
- 6.2 大语言模型基础架构
- 6.3 多模态大模型
- 6.4 大模型扩展定律
- 6.5 学理探究：突破洞穴之影的经验复现
- 6.6 小结
- 延伸阅读：预测下一个：语言是概率描述的符号序列
- 第7章 智能赋能：从工具革命到革命工具
- 7.1 自然语言处理
- 7.2 计算机视觉
- 7.3 语音识别
- 7.4 跨媒体检索
- 7.5 科学智算
- 7.6 具身智能
- 延伸阅读：人工智能效应之奇怪悖论
- 第8章 总结：成己成物
- 8.1 人工智能伦理
- 8.2 人工智能安全
- 8.3 人机协同进化
- 8.4 迈向更通用人工智能
- 8.5 小结
- 延伸阅读：人有人的用处
- 附录1 名词术语溯源
- 附录2 学科交叉实例
- 参考文献
