作者：孔祥维 等 著
页数：224
出版社：国防工业出版社
出版日期：2024
ISBN：9787118134414
电子书格式：pdf/epub/txt
网盘下载地址：下载可信人工智能
内容简介
本书系统介绍了可信人工智能的基础知识、理论方法和应用要素。内容包括绪论、人工智能的风险与信任、人工智能可解释推理、人工智能对抗样本和防御、人工智能内容生成与深度伪造、人工智能使能系统的可信决策、人工智能可信应用的要素。本书还讨论了以人为本人工智能系统的设计、开发和使用中涉及的人类、组织和技术等复杂的因素。
本书可以作为教科书，面向有一定人工智能基础的本科生和研究生；也可以作为参考书，面向设计可信人工智能的技术人员和系统工程师，了解可信人工智能系统的基本路线图和一些开放问题；还可供从事管理工作的人员在设计和选择应用人工智能系统时借鉴。
目录
第1章 绪论1.1 引言1.2 人工智能系统超人的案例1.2.1 人机智力问答和辩论赛1.2.2 图像识别和人脸识别1.2.3 围棋、扑克的人机对弈1.2.4 阿尔法空战人机格斗1.2.5 人工智能与游戏玩家1.2.6 AI与蛋白质结构预测1.3 人工智能系统智障的案例1.3.1 易变坏的聊天机器人1.3.2 IBM沃森医生的教训1.3.3 歧视的再犯罪AI算法1.3.4 人脸识别系统的问题
第1章 绪论1.1 引言1.2 人工智能系统超人的案例1.2.1 人机智力问答和辩论赛1.2.2 图像识别和人脸识别1.2.3 围棋、扑克的人机对弈1.2.4 阿尔法空战人机格斗1.2.5 人工智能与游戏玩家1.2.6 AI与蛋白质结构预测1.3 人工智能系统智障的案例1.3.1 易变坏的聊天机器人1.3.2 IBM沃森医生的教训1.3.3 歧视的再犯罪AI算法1.3.4 人脸识别系统的问题1.3.5 频发事故的自动驾驶1.3.6 社交网络中真假难辨1.4 可信人工智能的伦理和法规1.4.1 典型的人工智能伦理原则1.4.2 可信人工智能原则的实施1.5 人工智能可信的挑战性问题1.5.1 人工智能预测的可信问题1.5.2 人工智能决策的可信问题1.5.3 人工智能系统的可信问题1.6 小结参考文献第2章 人工智能的风险与信任2.1 引言2.2 人工智能的风险问题2.2.1 数据驱动决策的内生风险2.2.2 人工智能模型的内生风险2.3 人工智能的信任问题2.3.1 对人工智能的信任问题2.3.2 AI系统信任的影响因素2.3.3 对人工智能的采纳问题2.4 国外对可信人工智能的推进2.4.1 国外可信人工智能的发展2.4.2 DARPA的可信人工智能项目2.5 小结参考文献第3章 人工智能可解释推理3.1 引言3.1.1 为什么人工智能需要可解释3.1.2 人工智能可解释的相关概念3.2 深度神经网络的可解释性3.2.1 基于视觉的解释方法3.2.2 基于扰动的解释方法3.2.3 基于知识的解释方法3.2.4 基于因果的解释方法3.3 自动驾驶系统的可解释性3.3.1 自动驾驶可解释的需求3.3.2 自动驾驶关键操作可解释3.4 人工智能可解释软件工具3.4.1 XAI工具箱比较分析3.4.2 以人为本的可解释AI3.5 人工智能可解释性的评估3.5.1 解释的主观评估标准3.5.2 解释的客观评估指标3.5.3 DARPA的XAI评价案例3.6 小结参考文献第4章 人工智能对抗样本和防御4.1 引言4.1.1 对抗样本的概念4.1.2 对抗样本的分类4.2 数字世界的对抗样本4.2.1 AI模型对抗样本生成4.2.2 对抗样本的攻击类型4.2.3 对抗样本可视化解释4.2.4 对抗样本的评价指标4.3 物理世界的对抗样本4.3.1 路标识别的物理对抗攻击4.3.2 目标检测的物理对抗攻击4.3.3 人脸识别的物理对抗攻击4.3.4 车牌识别系统的对抗攻击4.4 对抗样本的检测和防御4.4.1 对抗样本攻击的防御4.4.2 AI攻击防御评价指标4.5 AI对抗样本工具软件与竞赛4.5.1 AI对抗样本工具软件4.5.2 人工智能攻防对抗竞赛4.5.3 光电系统对抗攻击实例4.6 小结参考文献第5章 人工智能内容生成与深度伪造5.1 引言5.2 深度生成模型5.2.1 GAN网络的基本概念5.2.2 深度生成模型的发展5.2.3 AIGC和大模型可信问题5.3 图像和视频深度伪造5.3.1 深度伪造分类5.3.2 深度伪造传播5.4 音频和文本深度伪造5.4.1 音频AI生成与伪造5.4.2 音频深度伪造检测5.4.3 文本AI生成与伪造5.4.4 文本深度伪造检测5.5 对AI深度伪造的治理5.5.1 AI深度伪造的影响5.5.2 AI深度伪造的治理5.5.3 深度伪造检测比赛5.6 AI深度伪造的其他应用5.6.1 隐身衣和位置欺骗5.6.2 深度伪造与认知战5.7 小结参考文献第6章 人工智能使能系统的可信决策6.1 引言6.2 人工智能工程6.2.1 人工智能工程的概述6.2.2 人工智能工程的实践6.3 AI使能系统与可信决策6.3.1 不确定情境下对AI系统的信任6.3.2 数据和模型不确定下的AI决策6.3.3 人机协同的AI系统可信决策和组团6.4 AI系统生命周期的人机协同可信6.4.1 用户需求与开发者间的协同6.4.2 系统开发者与AI系统的协同6.4.3 AI系统和系统用户间的协同6.5 小结参考文献第7章 人工智能可信应用的要素7.1 引言7.2 AI可信应用中的数据要素7.2.1 数据集存在系统缺陷7.2.2 数据垄断和隐私问题7.2.3 数据资产估值和定价7.3 AI可信应用中的模型要素7.3.1 开放世界的模型要素7.3.2 算法公平性的分类7.3.3 算法决策公平方法7.4 AI可信应用中的系统要素7.4.1 机器学习运维7.4.2 人工智能系统可靠性7.5 小结附录：数据计价规范附件1 数据定价方法附件2 数据集构建规模度量方法附件3 人力成本取值参考表附件4 非人力成本费用附件5 数
第1章 绪论1.1 引言1.2 人工智能系统超人的案例1.2.1 人机智力问答和辩论赛1.2.2 图像识别和人脸识别1.2.3 围棋、扑克的人机对弈1.2.4 阿尔法空战人机格斗1.2.5 人工智能与游戏玩家1.2.6 AI与蛋白质结构预测1.3 人工智能系统智障的案例1.3.1 易变坏的聊天机器人1.3.2 IBM沃森医生的教训1.3.3 歧视的再犯罪AI算法1.3.4 人脸识别系统的问题1.3.5 频发事故的自动驾驶1.3.6 社交网络中真假难辨1.4 可信人工智能的伦理和法规1.4.1 典型的人工智能伦理原则1.4.2 可信人工智能原则的实施1.5 人工智能可信的挑战性问题1.5.1 人工智能预测的可信问题1.5.2 人工智能决策的可信问题1.5.3 人工智能系统的可信问题1.6 小结参考文献第2章 人工智能的风险与信任2.1 引言2.2 人工智能的风险问题2.2.1 数据驱动决策的内生风险2.2.2 人工智能模型的内生风险2.3 人工智能的信任问题2.3.1 对人工智能的信任问题2.3.2 AI系统信任的影响因素2.3.3 对人工智能的采纳问题2.4 国外对可信人工智能的推进2.4.1 国外可信人工智能的发展2.4.2 DARPA的可信人工智能项目2.5 小结参考文献第3章 人工智能可解释推理3.1 引言3.1.1 为什么人工智能需要可解释3.1.2 人工智能可解释的相关概念3.2 深度神经网络的可解释性3.2.1 基于视觉的解释方法3.2.2 基于扰动的解释方法3.2.3 基于知识的解释方法3.2.4 基于因果的解释方法3.3 自动驾驶系统的可解释性3.3.1 自动驾驶可解释的需求3.3.2 自动驾驶关键操作可解释3.4 人工智能可解释软件工具3.4.1 XAI工具箱比较分析3.4.2 以人为本的可解释AI3.5 人工智能可解释性的评估3.5.1 解释的主观评估标准3.5.2 解释的客观评估指标3.5.3 DARPA的XAI评价案例3.6 小结参考文献第4章 人工智能对抗样本和防御4.1 引言4.1.1 对抗样本的概念4.1.2 对抗样本的分类4.2 数字世界的对抗样本4.2.1 AI模型对抗样本生成4.2.2 对抗样本的攻击类型4.2.3 对抗样本可视化解释4.2.4 对抗样本的评价指标4.3 物理世界的对抗样本4.3.1 路标识别的物理对抗攻击4.3.2 目标检测的物理对抗攻击4.3.3 人脸识别的物理对抗攻击4.3.4 车牌识别系统的对抗攻击4.4 对抗样本的检测和防御4.4.1 对抗样本攻击的防御4.4.2 AI攻击防御评价指标4.5 AI对抗样本工具软件与竞赛4.5.1 AI对抗样本工具软件4.5.2 人工智能攻防对抗竞赛4.5.3 光电系统对抗攻击实例4.6 小结参考文献第5章 人工智能内容生成与深度伪造5.1 引言5.2 深度生成模型5.2.1 GAN网络的基本概念5.2.2 深度生成模型的发展5.2.3 AIGC和大模型可信问题5.3 图像和视频深度伪造5.3.1 深度伪造分类5.3.2 深度伪造传播5.4 音频和文本深度伪造5.4.1 音频AI生成与伪造5.4.2 音频深度伪造检测5.4.3 文本AI生成与伪造5.4.4 文本深度伪造检测5.5 对AI深度伪造的治理5.5.1 AI深度伪造的影响5.5.2 AI深度伪造的治理5.5.3 深度伪造检测比赛5.6 AI深度伪造的其他应用5.6.1 隐身衣和位置欺骗5.6.2 深度伪造与认知战5.7 小结参考文献第6章 人工智能使能系统的可信决策6.1 引言6.2 人工智能工程6.2.1 人工智能工程的概述6.2.2 人工智能工程的实践6.3 AI使能系统与可信决策6.3.1 不确定情境下对AI系统的信任6.3.2 数据和模型不确定下的AI决策6.3.3 人机协同的AI系统可信决策和组团6.4 AI系统生命周期的人机协同可信6.4.1 用户需求与开发者间的协同6.4.2 系统开发者与AI系统的协同6.4.3 AI系统和系统用户间的协同6.5 小结参考文献第7章 人工智能可信应用的要素7.1 引言7.2 AI可信应用中的数据要素7.2.1 数据集存在系统缺陷7.2.2 数据垄断和隐私问题7.2.3 数据资产估值和定价7.3 AI可信应用中的模型要素7.3.1 开放世界的模型要素7.3.2 算法公平性的分类7.3.3 算法决策公平方法7.4 AI可信应用中的系统要素7.4.1 机器学习运维7.4.2 人工智能系统可靠性7.5 小结附录：数据计价规范附件1 数据定价方法附件2 数据集构建规模度量方法附件3 人力成本取值参考表附件4 非人力成本费用附件5 数
