人工智能：何時(shí)機(jī)器能掌控一切

第1章簡介： 什么是人工智能
參考文獻(xiàn)
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(xiàn)
第3章邏輯思維成為自動(dòng)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(dòng)證明
參考文獻(xiàn)
第4章系統(tǒng)成為專家
4.1一個(gè)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(xiàn)
第5章計(jì)算機(jī)學(xué)會說話
5.1ELIZA會識別字符串模式
5.2自動(dòng)機(jī)和機(jī)器識別語言
5.3我的智能手機(jī)何時(shí)會理解我
參考文獻(xiàn)
第6章算法模擬進(jìn)化
6.1生物學(xué)和技術(shù)性的電路圖
6.2細(xì)胞自動(dòng)機(jī)
6.3遺傳算法和進(jìn)化算法
參考文獻(xiàn)
第7章神經(jīng)網(wǎng)絡(luò)模擬大腦
7.1大腦和認(rèn)知
7.2神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)算法
7.3情感和意識
參考文獻(xiàn)
第8章機(jī)器人變得社會化
8.1人形機(jī)器人
8.2認(rèn)知和社會型機(jī)器人
8.3機(jī)器人的群體智慧
參考文獻(xiàn)
第9章基礎(chǔ)設(shè)施變得智能化
9.1物聯(lián)網(wǎng)和大數(shù)據(jù)
9.2從自動(dòng)駕駛車輛到智能交通系統(tǒng)
9.3從網(wǎng)絡(luò)物理系統(tǒng)到智能基礎(chǔ)設(shè)施
9.4工業(yè)4.0和未來的勞動(dòng)力世界
參考文獻(xiàn)
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(jì)算機(jī)和人工智能
10.2自然智能和人工智能
10.3量子計(jì)算機(jī)與人工智能
10.4奇點(diǎn)和超級智能
10.5技術(shù)設(shè)計(jì)： 人工智能作為人類的服務(wù)系統(tǒng)
參考文獻(xiàn)
第11章人工智能有多安全
11.1神經(jīng)網(wǎng)絡(luò)是一個(gè)黑匣子
11.2在不完全信息下的決定性
11.3人類機(jī)構(gòu)有多安全
參考文獻(xiàn)
第12章人工智能和責(zé)任
12.1社會積分和一帶一路
12.2人工智能與全球價(jià)值體系競爭
參考文獻(xiàn)

全書圖片清單
圖3.1(a)列表（S1,S2,…,SN）的樹狀表示(b)s表達(dá)式(A.((B.(C.NIL))))的
樹狀表示12
圖3.2具有打孔磁帶的圖靈機(jī)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(gè)化學(xué)結(jié)構(gòu)式的推導(dǎo)27
圖4.4醫(yī)學(xué)專家系統(tǒng)和/或樹28
圖5.1有限自動(dòng)機(jī)示例圖34
圖5.2下推自動(dòng)機(jī)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(xué)習(xí)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(jìn)化47
圖6.2細(xì)胞自動(dòng)機(jī)模擬細(xì)胞自組織49
圖6.3作為動(dòng)態(tài)系統(tǒng)的單元，具有狀態(tài)變量xi、輸出變量yi和三個(gè)常數(shù)二進(jìn)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(jī)架構(gòu)57
圖7.3可分離模式57
圖7.4具有一個(gè)輸出的三層神經(jīng)網(wǎng)絡(luò)模型58
圖7.5具有兩個(gè)輸出神經(jīng)元的神經(jīng)網(wǎng)絡(luò)的三層模型58
圖7.6人臉識別的多層模型（深度學(xué)習(xí)）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(luò)檢測相關(guān)性和聚類62
圖7.10無監(jiān)督學(xué)習(xí)的科荷倫圖63
圖7.11智能體從環(huán)境中加強(qiáng)學(xué)習(xí)64
圖7.12具有條件概率的貝葉斯學(xué)習(xí)網(wǎng)66
圖7.13理性決策的認(rèn)知扭曲66
圖8.1零力矩點(diǎn)（ZMP）和穩(wěn)定區(qū)域74
圖8.2一個(gè)家居機(jī)器人的馬爾可夫邏輯圖77
圖8.3具有基于行為和符號認(rèn)知模塊的類人機(jī)器人體系結(jié)構(gòu)78
圖8.4機(jī)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(luò)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(xué)習(xí)86
圖9.5自主機(jī)器人移動(dòng)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(chǔ)設(shè)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(dòng)單元和局部影響范圍的復(fù)雜單元系統(tǒng)97
圖10.2非線性擴(kuò)散反應(yīng)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(jì)和因果學(xué)習(xí)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(rèn)證等級132
圖11.4采用哈希編碼的區(qū)塊鏈134