人工智能：技术、商业与社会

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AlphaGo 31
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
6.4.4　智能决策支持系统典型应用 135
6.4.5　智能决策支持系统未来发展 137
案例讨论：IBM“沃森医生”的理想与现实 138
思考题 139
第7章　智能机器人技术 140
7.1　机器人技术概述 140
7.1.1　机器人的定义 140
7.1.2　机器人的特征 141
7.2　机器人的关键技术 142
7.2.1　机器人感知 142
7.2.2　机器人认知 142
7.2.3　机器人行动 143
7.3　机器人技术的发展历史 144
7.3.1　电气时代的程序控制机器人 145
7.3.2　数字时代适应型机器人 146
7.3.3　智能机器人 146
7.4　智能机器人分类 147
7.4.1　按智能程度分类 147
7.4.2　按形态分类 147
7.5　智能机器人的应用领域 149
7.5.1　工业机器人 149
7.5.2　服务机器人 152
7.5.3　物流与运输机器人 155
7.5.4　危险环境机器人 156
7.6　智能机器人技术未来发展方向 157
7.6.1　智能机器人技术发展 158
7.6.2　智能机器人应用前景 160
思考题 163
第8章　人工智能的产业应用（一） 164
8.1　人工智能+制造 164
8.1.1　智能研发设计 164
8.1.2　智能工业生产制造 165
8.1.3　智能工业质检 167
8.1.4　智能工业安检 168
8.1.5　智能设备维护 169
8.1.6　智能仓储物流 170
8.2　人工智能+家居生活 171
8.2.1　智能安防 171
8.2.2　智能家电 172
8.2.3　智能社区与智慧物业 172
8.3　人工智能+医疗 173
8.3.1　智能疾病风险预测与健康管理 173
8.3.2　智能医学影像 174
8.3.3　智能手术辅助 175
8.3.4　智能医药研发 175
8.4　人工智能+汽车 176
8.4.1　无人驾驶乘用车 178
8.4.2　无人驾驶卡车 179
8.4.3　无人驾驶配送车 180
思考题 181
第9章　人工智能的产业应用（二） 182
9.1　人工智能+金融 182
9.1.1　智能风险控制 183
9.1.2　智能投资顾问 184
9.1.3　智能投资研究 186
9.1.4　智能信贷评估 186
9.1.5　智能保险理赔 188
9.2　人工智能+公共管理 189
9.2.1　智能政务 189
9.2.2　智能安防 190
9.2.3　智能交通 191
9.2.4　智能能源 192
9.2.5　智慧城市 193
9.3　人工智能+教育 194
9.3.1　智能学习管理 194
9.3.2　智能学习评测 195
9.3.3　智能教学辅助 196
9.3.4　智能教育认知与思考 197
9.4　人工智能+农业 198
9.4.1　智能化种植业 198
9.4.2　智能化畜牧业 200
思考题 200
第10章　协作智能时代 201
10.1　人工智能适合做什么 201
10.2　人工智能不适合做什么 204
10.2.1　反向波兰尼悖论 204
10.2.2　AI的稳健性问题 205
10.3　人工智能与人类智能的比较 207
10.3.1　单维智能vs.多元智能 207
10.3.2　人类的“算法优势” 208
10.4　协作智能时代 210
10.4.1　人类协助机器 210
10.4.2　机器帮助人类 212
10.4.3　协作智能重塑业务流程 213
10.4.4　需要新的角色和人才 214
扩展讨论：具备常识有多难 216
思考题 217
第11章　企业智能化转型 218
11.1　智能化转型概述 218
11.1.1　智能化转型的五个层次 218
11.1.2　智能化转型内部动力 219
11.1.3　智能化转型外部动力 221
11.2　企业智能化转型的挑战 222
11.2.1　转型实践举步维艰 222
11.2.2　智能化转型的八重困境 223
11.3　企业智能化转型策略与方法 225
11.3.1　企业智能化转型策略 225
11.3.2　企业数字化转型需要的核心能力 227
11.3.3　企业人工智能商业落地的其他建议 229
11.4　云计算开创AI“普惠”时代 230
11.4.1　AI云服务的内涵 230
11.4.2　国内主要AI云服务商 231
11.4.3　国外主要AI云服务商 233
11.4.4　AI的“电网vs.电池”之争 235
案例讨论：从谷歌的“AI先行”看科技企业的AI战略 236
思考题 237
第12章　人工智能的社会治理 238
12.1　人工智能伦理道德问题 238
12.1.1　数据相关的伦理问题 238
12.1.2　算法相关的伦理问题 239
12.1.3　应用相关的伦理问题 241
12.2　人工智能安全问题 243
12.2.1　经济安全风险 243
12.2.2　政治安全风险 244
12.2.3　社会安全风险 246
12.3　各国的AI治理原则 248
12.3.1　中国：发展负责任的人工智能 248
12.3.2　欧盟：可信AI伦理指南 250
12.3.3　人工智能国际治理机制的关键要素 252
12.4　人工智能威胁论 255
12.4.1　技术奇点理论 255
12.4.2　人工智能发展的三个层次 256
12.4.3　对人工智能威胁论的反驳 258
12.4.4　量子计算机与AI 261
案例讨论：中文房间思维实验 263
思考题 264
参考文献 265