人工智能初学者指南

“达人迷”图书是畅销欧美近30年的经典书系，得到了亿万初学者的认可。本书秉承了“达人迷”系列图书一贯的优点，既简洁易懂又能够广泛地带领读者了解并学习到人工智能相关的知识要点。
2017年被称为“AI应用的元年”，这意味着人工智能正在迎来技术的革命，同时也在吸引着越来越多的人才进入。如何紧跟时代的步伐，跨入AI新纪元，变得愈加重要。本书由浅入深地带领读者揭开人工智能神秘的面纱，涉及算法、软硬件、自动化、AI医疗、数据分析、机器学习、深度学习、机器人、无人机、自动驾驶汽车、AI寒冬、太空中的AI等热点话题，同时以事实依据破除AI炒作，帮你清楚地认知真实的人工智能。
本书内容深入浅出，适合人工智能初学者、对人工智能感兴趣的读者、普通高校学生以及想要在该领域投资或想转行进入人工智能领域的读者阅读。

约翰·保罗·穆勒写过100多本书，并发表过600多篇文章, 主题涵盖人工智能、网络和数据库管理等方面。他也是一名经验丰富的技术编辑和顾问。
卢卡·马萨罗是一名数据科学家和市场研究总监, 专门从事多元统计分析、机器学习和消费者洞察，他对有关数据和分析的一切都颇感兴趣。

本书属于达人迷经典系列中的一本，内容全面而不深奥，适合作为普通读者的AI入门参考书，也适合作为想要进入AI领域的投资人士或者有意从事该行业的读者选择阅读。
通过阅读本书，你将能够了解AI的前世今生，探究机器人、无人机、无人驾驶汽车背后的技术核心。通过种种案例与事实，击破谣言，认知AI的强大，正视AI的短板。

第1部分　人工智能简介 1
第1章　AI介绍　3
1．1　AI定义　3
1．1．1　智能　4
1．1．2　定义AI的4种方法　6
1．2　理解AI历史　9
1．2．1　从达特茅斯的符号逻辑开始　9
1．2．2　专家系统的继续发展　9
1．2．3　AI的冬天正在过去　10
1．3　AI用途　11
1．4　避免AI炒作　12
1．5　计算机是AI的基础　12
第2章　定义数据的角色　14
2．1　数据无处不在的时代　15
2．1．1　摩尔定律　15
2．1．2　无处不在的数据应用　17
2．1．3　将算法付诸实践　18
2．2　成功使用数据　19
2．2．1　数据源　19
2．2．2　获得可靠数据　20
2．2．3　让人类的输入更可靠　20
2．2．4　使用自动数据收集　21
2．3　修剪数据　22
2．3．1　缺失数据处理　22
2．3．2　数据的不一致性　23
2．3．3　提取有用数据　24
2．4　数据的5个谬误　24
2．4．1　委员会　25
2．4．2　遗漏　25
2．4．3　视角　26
2．4．4　偏见　27
2．4．5　参考标准　27
2．5　定义数据采集极限　28
第3章　考虑算法的应用　30
3．1　理解算法的作用　30
3．1．1　算法意味着什么　31
3．1．2　从规划和分支开始　32
3．1．3　玩对抗性游戏　34
3．1．4　使用局部搜索和启发式算法　36
3．2　学习机　38
3．2．1　利用专家系统　39
3．2．2　机器学习　42
3．2．3　达到新高度　42
第4章　专业硬件先驱　44
4．1　依靠标准硬件　45
4．1．1　了解标准硬件　45
4．1．2　标准硬件缺陷　46
4．2　使用图形处理器（GPU）　47
4．2．1　冯·诺依曼瓶颈　48
4．2．2　图形处理器（GPU）　49
4．2．3　为什么 GPU工作得很好　50
4．3　创建专门的处理环境　50
4．4　提高硬件能力　51
4．5　添加专用传感器　52
4．6　设计与环境交互的方法　53
第2部分　人工智能的应用　55
第5章　AI在计算机程序中的应用　57
5．1　介绍一般的应用类型　58
5．1．1　AI在典型应用中的应用　58
5．1．2　理解AI的应用范畴　59
5．1．3　关于“中文房间”的论证　59
5．2　如何使AI应用更友好　60
5．3　自动修正　61
5．3．1　修正的类别　62
5．3．2　自动修正的好处　62
5．3．3　为什么自动修正在有些情况下无法工作　62
5．4　提出建议　63
5．4．1　基于过去行为的建议　63
5．4．2　基于分组的建议　63
5．4．3　错误的建议　64
5．5　基于AI的错误　64
第6章　一般性自动化流程　66
6．1　开发应对无聊情绪的解决方案　67
6．1．1　使工作更有趣　67
6．1．2　使工作更有效率　67
6．1．3　AI如何帮助人们减少无聊的情绪　68
6．1．4　AI为什么无法减少无聊情绪　68
6．2　在工业环境中工作　69
6．2．1　发展各种级别的自动化　69
6．2．2　不仅仅局限于机器人应用　70
6．2．3　仅靠自动化　70
6．3　创建一个安全的生产环境　71
6．3．1　无聊情绪在意外事故中的作用　71
6．3．2　从避免安全问题的角度来看AI　71
6．3．3　认识到AI无法彻底消除安全问题　72
第7章　利用AI解决医疗需求　73
7．1　便携式患者监护　74
7．1．1　可穿戴监测器　74
7．1．2　依赖于关键的可穿戴监视器　75
7．1．3　使用活动监控　76
7．2　增强人的能力　76
7．2．1　使用游戏疗法　76
7．2．2　外骨骼的使用　78
7．3　迎合“特殊需求”　79
7．3．1　基于软件的解决方案　80
7．3．2　依赖于硬件的扩展　80
7．3．3　人工智能假肢　80
7．4　以新的方式完成分析　81
7．5　设计新的外科技术　81
7．5．1　手术建议　82
7．5．2　协助手术　83
7．5．3　用监护代替外科医生　83
7．6　使用自动化执行任务　84
7．6．1　处理医疗记录　84
7．6．2　预测未来　85
7．6．3　让过程更安全　85
7．6．4　创造更好的药物　85
7．7　机器人和医疗专业人员的结合　86
第8章　依靠人工智能改善人际交往　88
8．1　发展新的沟通方式　89
8．1．1　创建新的字母表　89
8．1．2　自动语言翻译　90
8．1．3　合并肢体语言　91
8．2　交换观点　92
8．2．1　建立联系　92
8．2．2　扩展交流方式　93
8．2．3　定义趋势　93
8．3　使用多媒体　93
8．4　修饰人类的感官知觉　94
8．4．1　转换数据光谱　94
8．4．2　增强人的知觉　95
第3部分　使用基于软件的AI应用程序　97
第9章　对AI实施数据分析　99
9．1　数据分析的定义　99
9．1．1　为什么分析很重要　101
9．1．2　重新评估数据的价值　102
9．2　定义机器学习　104
9．2．1　机器学习是怎样工作的　104
9．2．2　机器学习的好处　106
9．2．3　有用且平凡　107
9．2．4　说明机器学习的局限性　107
9．3　怎样从数据中学习　109
9．3．1　监督学习　109
9．3．2　无监督学习　110
9．3．3　强化学习　110
第10章　在AI中使用机器学习　112
10．1　有很多不同的学习方法　113
10．1．1　5个机器学习的主要算法　113
10．1．2　深入研究3个最有前途的人工智能学习方法　115
10．1．3　等待下一个突破　116
10．2　在概率中探索真理　116
10．2．1　确定概率能做什么　117
10．2．2　考虑先验知识　118
10．2．3　把世界想象成一个图表　121
10．3　树可以完成分类　124
10．3．1　通过分割数据来预测结果　125
10．3．2　基于数的决策　126
10．3．3　修剪杂草丛生的树木　128
第11章　用深度学习来改善AI　129
11．1　形成类似于人脑的神经网络　129
11．1．1　介绍神经元　130
11．1．2　从神奇的感知机开始　131
11．2　模仿人脑学习　132
11．2．1　简单的神经网络　132
11．2．2　权重的奥秘　133
11．2．3　理解反向传播角色　134
11．3　深度学习简介　134
11．3．1　深度学习的不同之处　136
11．3．2　更智能的解决方案　137
11．4　从图像中检测边缘和形状　139
11．4．1　从字符识别开始　139
11．4．2　卷积的工作原理　140
11．4．3　使用图像的挑战　141
11．5　学习模仿艺术和生活　142
11．5．1　记住重要的序列　142
11．5．2　发现AI对话的神奇之处　143
11．5．3　促使AI彼此竞争　145
第4部分　人工智能在硬件应用中的使用　149
第12章　机器人　151
12．1　机器人角色定义　152
12．1．1　摒弃机器人的科幻观点　153
12．1．2　为什么很难实现类人机器人　155
12．1．3　与机器人一起工作　157
12．2　基本机器人的组装　159
12．2．1　组件的考虑　160
12．2．2　感知世界　161
12．2．3　控制机器人　161
第13章　无人机　163
13．1　无人机的发展现状　164
13．1．1　无人驾驶飞行任务　164
13．1．2　四轴飞行器　165
13．2　无人机的典型用途　166
13．2．1　无人机的非军事应用　167
13．2．2　人工智能推动无人机的发展　169
13．2．3　监管问题　171
第14章　人工智能驾驶汽车　173
14．1　了解简史　174
14．2　了解移动的未来　174
14．2．1　攀登六级自动化　175
14．2．2　重新思考汽车在我们生活中的角色　176
14．3　进入自动驾驶汽车　179
14．3．1　将所有的技术整合到一起　180
14．3．2　让人工智能进入场景之中　181
14．3．3　理解它不只是人工智能　182
14．4　客服感知的不确定性　183
14．4．1　介绍汽车传感器　184
14．4．2　将所感知到的融合到一起　186
第5部分　人工智能的未来　189
第15章　理解不可能实现的应用程序　191
15．1　在无法工作的地方使用人工智能　192
15．1．1　定义AI的限制　192
15．1．2　不正确地应用人工智能　194
15．1．3　进入一个充满不切实际期望的世界　195
15．2　人工智能寒冬的影响　196
15．2．1　理解人工智能的寒冬　196
15．2．2　产生人工智能寒冬的原因　197
15．2．3　用新的目标重建期望　198
15．3　寻找问题的解决方案　200
15．3．1　定义一个小发明　200
15．3．2　回避广告　201
15．3．3　什么时候人类更有优势　201
15．3．4　寻找简单的解决方案　202
第16章　太空中的人工智能　203
16．1　观察宇宙　204
16．1．1　第一次看清楚　204
16．1．2　寻找新的去处　205
16．1．3　宇宙的进化　205
16．1．4　创造新的科学原理　205
16．2　太空采矿　206
16．2．1　收集水　208
16．2．2　获取稀土和其他金属　208
16．2．3　发现新元素　209
16．2．4　加强通信　209
16．3　探索新地方　210
16．3．1　从探测器开始　210
16．3．2　依靠机器人的任务　211
16．3．3　人类的太空之旅　213
16．4　太空建筑物　213
16．4．1　第一次太空旅行　214
16．4．2　进行科学研究　214
16．4．3　太空工业化　214
16．4．4　利用太空进行存储　215
第17章　增加新的职业　216
17．1　太空中的生活和工作　217
17．2　在恶劣环境里建立城市　218
17．2．1　在海洋中建造城市　218
17．2．2　创建太空栖息地　219
17．2．3　构建基于月球的资源　220
17．3　提高人类效率　221
17．4　在全球范围内解决问题　223
17．4．1　思考世界如何运转　223
17．4．2　寻找问题的可能来源　224
17．4．3　定义可能的解决方案　225
17．4．4　看看解决方案的效果　225
17．4．5　再次尝试　226
第6部分　几个“十大”　227
第18章　十大人工智能安全职业　229
18．1　进行人际互动　229
18．1．1　教孩子　230
18．1．2　护理　230
18．1．3　解决个人需求　231
18．1．4　解决发展问题　231
18．2　创造新事物　232
18．2．1　发明　232
18．2．2　艺术化　232
18．2．3　虚幻想象　233
18．3　凭直觉做出决定　233
18．3．1　侦查犯罪　233
18．3．2　实时监测　234
18．3．3　从幻想中分离事实　234
第19章　AI的十大社会贡献　235
19．1　人类的相互作用　235
19．1．1　设计主动的人类假肢　236
19．1．2　持续监测　236
19．1．3　给药　237
19．2　发展工业解决方案　237
19．2．1　3D打印中的人工智能　237
19．2．2　机器人技术的进步　237
19．3　创建新的技术环境　238
19．3．1　开发稀有的新资源　238
19．3．2　看人类看不到的　239
19．4　工作在太空的AI　239
19．4．1　向空间站运送货物　239
19．4．2　行星外资源开采　240
19．4．3　探索其他行星　240
第20章　AI受局限的十大方面　241
20．1　理解　242
20．1．1　解释而非分析　242
20．1．2　超越纯数字　243
20．1．3　考虑后果　243
20．2　发现　244
20．2．1　由旧数据设计新数据　244
20．2．2　超越模式　244
20．2．3　实施新观念　245
20．3　同理心　245
20．3．1　从别人的角度看事物　245
20．3．2　发展真正的关系　246
20．3．3　视角变化　246
20．3．4　信仰的飞跃　246