人工智能：何時機器能掌控一切

定　價：￥59.00

作　者：	[德] 克勞斯·邁因策爾（Klaus Mainzer）著
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302592570	出版時間：	2022-01-01	包裝：	平裝
開本：	16開	頁數(shù)：	160	字數(shù)：

內(nèi)容簡介

　　《人工智能——何時機器能掌控一切》共12章，從歷史、社會、哲學和人文等多學科角度審視人工智能技術(shù)的過去、現(xiàn)在和未來；既涵蓋了邏輯運算等經(jīng)典的人工智能算法，又引入了量子計算等前沿的人工智能技術(shù)；既強調(diào)了人工智能對人類生活和社會各個方面的正面促進作用，又指出了其高能耗等缺點。通過閱讀《人工智能——何時機器能掌控一切》，零基礎的讀者可以快速了解人工智能的概念、歷史和發(fā)展趨勢；略知一二的入門者可以深入學習人工智能的常用算法和技術(shù)；經(jīng)驗豐富的從業(yè)人員則可以通過《人工智能——何時機器能掌控一切》的多學科視角更加全面地認識人工智能對于社會和歷史影響。

作者簡介

　　作者：克勞斯？？邁因策爾（Klaus Mainzer）世界知名哲學家、科學與社會研究專家和復雜性系統(tǒng)學者，歐洲科學與藝術(shù)學院院士、德國工程院院士，德國慕尼黑工業(yè)大學教育學院哲學與社會教席榮休教授，2020年當選歐洲科學與藝術(shù)學院主席。曾任康斯坦茨大學副校長、奧格斯堡大學哲學與社會科學學院院長和交叉信息科學中心主任、慕尼黑工業(yè)大學林德研究院院長和科技與社會研究中心主任等。出版《復雜性中的思維》《人工智能》《混沌》《生命與機器》等二十余部專著。譯者：賈積有北京大學教育學院教育技術(shù)系教授、博士生導師、系主任，北京大學教育信息化國際研究中心主任，德國慕尼黑工業(yè)大學教育學院（2015）、香港公開大學（2017）客座教授，入選教育部新世紀優(yōu)秀人才支持計劃（2009）；全國和北京市教育信息化、數(shù)字校園、智慧校園咨詢專家，多個省部級科研和人才項目評審專家，多本國際權(quán)威SCI/SSCI期刊審稿人，多次國際會議聯(lián)合主席等；獲2016年第五屆全國教育科學研究優(yōu)秀成果獎一等獎等國際和國內(nèi)獎項。研究領域包括教育技術(shù)學、人工智能教育應用、計算機輔助語言教學、教育決策支持系統(tǒng)等。受邀百余次在國際和國內(nèi)學術(shù)研討會分享科研成果，主持和參與十余項國內(nèi)外重要科研項目。出版專著5部，在國內(nèi)外重要期刊和國際重要會議等場合發(fā)表教學和科研論文百余篇。

圖書目錄

第1章簡介：什么是人工智能
參考文獻
第2章人工智能簡史
2.1人類的古老夢想
2.2圖靈測試
2.3從通用問題求解到專家系統(tǒng)
參考文獻
第3章邏輯思維成為自動化
3.1邏輯思維意味著什么
3.2人工智能編程語言PROLOG
3.3人工智能編程語言LISP
3.4自動證明
參考文獻
第4章系統(tǒng)成為專家
4.1一個基于知識的系統(tǒng)架構(gòu)
4.2知識表示編程
4.3有限性、不確定性和直覺性知識
參考文獻
第5章計算機學會說話
5.1ELIZA會識別字符串模式
5.2自動機和機器識別語言
5.3我的智能手機何時會理解我
參考文獻
第6章算法模擬進化
6.1生物學和技術(shù)性的電路圖
6.2細胞自動機
6.3遺傳算法和進化算法
參考文獻
第7章神經(jīng)網(wǎng)絡模擬大腦
7.1大腦和認知
7.2神經(jīng)網(wǎng)絡和學習算法
7.3情感和意識
參考文獻
第8章機器人變得社會化
8.1人形機器人
8.2認知和社會型機器人
8.3機器人的群體智慧
參考文獻
第9章基礎設施變得智能化
9.1物聯(lián)網(wǎng)和大數(shù)據(jù)
9.2從自動駕駛車輛到智能交通系統(tǒng)
9.3從網(wǎng)絡物理系統(tǒng)到智能基礎設施
9.4工業(yè)4.0和未來的勞動力世界
參考文獻
第10章從自然智能和人工智能到超級智能
10.1神經(jīng)形態(tài)計算機和人工智能
10.2自然智能和人工智能
10.3量子計算機與人工智能
10.4奇點和超級智能
10.5技術(shù)設計：人工智能作為人類的服務系統(tǒng)
參考文獻
第11章人工智能有多安全
11.1神經(jīng)網(wǎng)絡是一個黑匣子
11.2在不完全信息下的決定性
11.3人類機構(gòu)有多安全
參考文獻
第12章人工智能和責任
12.1社會積分和一帶一路
12.2人工智能與全球價值體系競爭
參考文獻

全書圖片清單
圖3.1(a)列表（S1,S2,…,SN）的樹狀表示(b)s表達式(A.((B.(C.NIL))))的
樹狀表示12
圖3.2具有打孔磁帶的圖靈機15
圖4.1基于知識的專家系統(tǒng)架構(gòu)24
圖4.2正/反向推理25
圖4.3DENDRAL中一個化學結(jié)構(gòu)式的推導27
圖4.4醫(yī)學專家系統(tǒng)和/或樹28
圖5.1有限自動機示例圖34
圖5.2下推自動機的結(jié)構(gòu)37
圖5.3基于喬姆斯基語法體系的語義深度結(jié)構(gòu)39
圖5.4NETalk學習閱讀41
圖5.5WATSON的體系結(jié)構(gòu)43
圖6.1遺傳和神經(jīng)元信息系統(tǒng)的進化47
圖6.2細胞自動機模擬細胞自組織49
圖6.3作為動態(tài)系統(tǒng)的單元，具有狀態(tài)變量xi、輸出變量yi和三個常數(shù)二進制輸入
ui-1,ui,ui+150
圖7.1麥卡洛克皮茨神經(jīng)元56
圖7.2感知機架構(gòu)57
圖7.3可分離模式57
圖7.4具有一個輸出的三層神經(jīng)網(wǎng)絡模型58
圖7.5具有兩個輸出神經(jīng)元的神經(jīng)網(wǎng)絡的三層模型58
圖7.6人臉識別的多層模型（深度學習）59
圖7.7作為霍普菲爾德系統(tǒng)狀態(tài)空間的電勢山脈60
圖7.8霍普菲爾德系統(tǒng)中的模式識別60
圖7.9多層神經(jīng)網(wǎng)絡檢測相關(guān)性和聚類62
圖7.10無監(jiān)督學習的科荷倫圖63
圖7.11智能體從環(huán)境中加強學習64
圖7.12具有條件概率的貝葉斯學習網(wǎng)66
圖7.13理性決策的認知扭曲66
圖8.1零力矩點（ZMP）和穩(wěn)定區(qū)域74
圖8.2一個家居機器人的馬爾可夫邏輯圖77
圖8.3具有基于行為和符號認知模塊的類人機器人體系結(jié)構(gòu)78
圖8.4機器人足球選手的行為層次結(jié)構(gòu)80
圖9.1產(chǎn)品網(wǎng)絡中的自組織83
圖9.2流行病的自組織83
圖9.3大數(shù)據(jù)與人工智能86
圖9.4物聯(lián)網(wǎng)深度學習86
圖9.5自主機器人移動式奧迪月球車quattro87
圖9.6谷歌自主車環(huán)境圖片88
圖9.7智能網(wǎng)供電基礎設施數(shù)字化91
圖9.8數(shù)控車床的功能部件93
圖10.1具有局部活動單元和局部影響范圍的復雜單元系統(tǒng)97
圖10.2非線性擴散反應方程的結(jié)構(gòu)和模式形成98
圖10.3霍奇金赫胥黎模型100
圖10.4記憶電阻器（取決于角頻率）ω（ω1<>
圖10.5帶二氧化鈦開關(guān)的記憶電阻系統(tǒng)103
圖10.6超級智能發(fā)展階段116
圖11.1統(tǒng)計和因果學習126
圖11.2從數(shù)據(jù)挖掘到因果模型129
圖11.3軟件測試認證等級132
圖11.4采用哈希編碼的區(qū)塊鏈134