作者：(日)坂本真树著
页数：178页
出版社：化学工业出版社
出版日期：2021
ISBN：9787122377104
电子书格式：pdf/epub/txt
内容简介
本书将读者群设定为普通大众, 旨在令不熟悉人工智能专业词汇、没有专业背景的普通读者也能够读懂本书。书中所选取的都是人工智能基础研究相关的代表性主题, 也是读者想要了解的问题, 如人工智能是什么时候出现的, 人工智能会超越人类吗, 什么易导入人工智能, 什么不易导入人工智, 怎样从信息角度来学习人工智能, 人工智能应用的领域有哪些等等。
作者简介
坂本真树，1993年东京外国语大学外国语学院毕业，1998年东京大学研究生院综合文化学院语言信息科学专业博士（学术博士），1998年东京大学助理，2000年电气通信大学电气通信学院信息通信工学专业讲师，2004年电气通信大学研究生院通信学院人类交流学科助教，2015年电气通信大学研究生院理工学院综合信息专业教授，同时在电气通信大学人工智能研究中心兼职。
签约Oscar Promotion事务所（业务合作）。
多次参与录制电视节目，如《真假TV》》（富士电视台）等。
信息处理学会、人工智能学会、日本感性工学会、日本虚拟现实学会、日本认知科学会、日本认知语言学会、日本广告学会，cognitive science society 成员。
多次获奖，如国际会议最佳演讲奖、人工智能学会论文奖等。
主要著作
《一本漫画学懂技术英语》，欧姆社，2016年
《被宠爱的人都在用！提高女性魅力的拟声拟态法则》，立冬社，2013年
本书特色
★书中介绍了人工智能的方方面面，包括AI的历史、现状、未来、发展、工作原理、应用实例；
★通俗易懂的语言+轻松愉快的漫画，增加了阅读的趣味性；
★读者对象为普通大众，即使不熟悉专业词汇，没有专业背景，也能读懂本书；
★总之就是很有趣又能学到知识的一本书。
目录
1.1 人工智能是什么时候出现的？002
● 人的智能？人工智能？003
● 图灵测试：哪个是人类？004
● 寂寞的人工智能？！006
● 人和人工智能的区别007
● 伴随着计算机发展009
● AI的历史：达特茅斯会议010
● AI的历史：第一次人工智能热潮011
● AI的历史：第二次人工智能热潮013
● 现在，第三次人工智能热潮！015
1.2 这是人工智能？016
● 人工智能与机器人的区别017
● 机器人研究？人工智能研究？019
● 人工智能需要身体吗？020
● 第1级人工智能023
● 第2级人工智能024
● 第3级人工智能026
● 第4级人工智能，专用人工智能027
● 第5级人工智能，通用人工智能028
1.3 人工智能会超越人类吗？030
● 奇点是什么？031
● 奇点：可怕？不可？032
● 如何实现通用人工智能？033
● AI导致人类灭亡的可能性有多大？034
● AI之下我们的未来会怎样改变呢？036
● 将来，哪些职业会消失？037
● 将来，哪些职业会留下来？039
第2章 容易导入人工智能的事物和不容易导入人工智能的事物
2.1 容易导入人工智能的事物042
● 可以导入网络上的任何信息043
● 0和1数字数据044
● 各种数据（语言、动画、音频）046
● 让计算机拥有视觉048
● 数码相机的演变049
● 像素提高，超过人类？！050
● 世界共享的数据051
● 图像识别的竞赛：ILSVRC052
● 让计算机拥有听觉054
● 使用两个麦克风的语音识别055
● 多个麦克风056
● 把语音转化成文字？058
● 声学模型和语言模型060
2.2 不容易导入人工智能的事物 062
●“意思”很难懂…… 063
● 什么是语义网络？ 064
● 不理解“意思”也能够做出回答？ 065
● 什么是潜在语义分析？ 067
● 为什么Torobo-kun 选择放弃 067
● 如果要变聪明，需要五感齐备吗？ 069
● 人工智能的味觉是什么？ 070
● 人工智能的嗅觉是什么？ 070
● 将来会怎么处理气味？072
● 人工智能的触觉是什么？073
● 实现触觉真的很难！074
第3章 人工智能是怎样从信息中学习的？
3.1 什么是机器学习？ 078
● 让机器设备（计算机）也能够学习！ 079
● 什么是监督学习？ 080
● 分类问题：判断垃圾邮件 082
● 回归问题：预测数值 084
● 寻找合适的线（函数）！ 085
● 当心过度学习！ 088
● 什么是无监督学习？ 090
● 试着分组吧！ 092
● k-means 分类方法 094
● 强化学习是“蜜糖”与“鞭子” 095
3.2 什么是神经网络？097
● 大脑依靠神经元运作098
● 人工神经元的构造100
● 代表了重要度和信赖度的权重102
● 赫布定律103
● 什么是感知机？104
● 线性不可分！105
● BP算法（误差反向传播算法）106
● 为了减小误差，调整权重！108
● 增加层数：信息传递不到!110
● 支持向量机的优点是什么？110
● 权衡过度学习和泛化112
3.3 深度学习有哪些厉害之处？113
● 深度学习成名的日子114
● 能够自己提取特征，厉害！115
● 4层以上的深度学习116
● 自编码的输入和输出是相同的！117
● 让输入与输出具有相同的意义118
● 或许和人越来越像？120
● 深度学习的方法120
3.4 AI三大模型中的“遗传算法”是什么？124
●AI三大模型的方方面面125
● 以达尔文的进化论为基础125
● 遗传算法的使用方法126
第4章 人工智能的应用实例
4.1 人工智能的进化在“游戏”中的应用实例130
● 游戏AI 的进化历史130
●人类与AI 对战（国际象棋篇）132
●人类与AI 对战（日本象棋篇）133
●人类与AI 对战（围棋篇）134
4.2 第三次AI热潮的导火索在“图像”领域的应用实例136
● 谷歌的猫136
● 图像识别的发展138
● 医疗领域的应用（庄野实验室）139
● 医疗领域的应用（恶性黑色素瘤的判别） 140
● 医疗领域的应用（癌症的检测）141
● 为了提高诊断的准确度142
4.3 “自动驾驶AI”的实际应用143
● 自动到什么程度？143
● 为了实现自动驾驶145
● 自动驾驶的训练步骤146
● 为了掌握位置和情况147
● 事故的原因究竟是什么？ 149
4.4 “对话AI”的应用实例150
● 为了和计算机对话150
●“有知识”对话AI152
●“无知识”对话AI154
● 制造对话的三种技术155
● 为了自然的对话156
4.5 “遗传算法”在“拟声拟态词”上的应用实例158
● 贴近人心的拟声拟态词158
● 生成拟声拟态词的系统159
● 拟声拟态词的生成160
● 在优化过程中要做些什么呢162
4.6 AI在“艺术”领域的实践164
●AI在艺术方面的挑战（小说篇）164
●AI小说项目166
●AI在艺术方面的挑战（绘画篇）168
●AI在艺术方面的挑战（作曲篇）170
结语171
参考文献174
索引176
