目录
第1章绪论
1.1人工智能发展历程
1.1.1人工智能形态
1.1.2人工智能发展简介
1.2人工智能研究领域
1.2.1自然语言处理
1.2.2计算机视觉
1.2.3多模态分析
1.2.4数据挖掘
1.2.5智能无人系统
1.2.6元宇宙
1.2.7脑启发人工智能
1.2.8人工智能驱动科学研究
1.3人工智能前沿技术
1.3.1无监督学习
1.3.2自动机器学习
1.3.3内容生成技术
1.3.4大模型技术
1.3.5智能体技术
1.3.6具身智能技术
1.3.7智能芯片技术
1.3.8其他前沿技术
1.4人工智能典型应用
1.4.1人工智能早期应用
1.4.2搜索与推荐
1.4.3自动驾驶
1.4.4人形机器人
1.4.5人工智能交互
1.4.6人工智能绘图
1.4.7智慧城市
1.4.8智慧教育
1.5人工智能安全、伦理与战略
1.5.1人工智能安全
1.5.2人工智能伦理
1.5.3人工智能战略
小结与展望
参考文献
第2章无监督学习
2.1引言
2.2无监督学习简介
2.3从无监督到自监督
2.3.1自监督学习的思想
2.3.2自监督学习的代理任务
2.3.3自监督学习评估
2.3.4自监督学习的应用场景
2.4对比学习
2.4.1计算机视觉对比学习SimCLR和MoCo
2.4.2聚类思想与无显式负样本
2.4.3计算机视觉Transformer与对比学习
2.4.4多模态对比学习
2.5掩膜学习
2.5.1自监督预训练语言模型
2.5.2视觉BERT模型
2.5.3掩码图像建模——SimMIM算法和MAE算法
2.5.4计算机视觉掩码学习的发展
小结与展望
参考文献
第3章自动机器学习
3.1引言
3.2算法选择
3.2.1特征选择
3.2.2算法评估
3.3自动超参数优化
3.3.1问题定义
3.3.2免模型超参数优化
3.3.3近似超参数优化方法
3.4元学习
3.4.1基于优化的元学习方法
3.4.2基于模型的元学习方法
3.4.3基于度量的元学习方法
3.5神经架构搜索
3.5.1搜索空间
3.5.2搜索策略
3.5.3评估策略
小结与展望
参考文献
第4章人工智能生成内容
4.1引言
4.2生成式模型基本概念
4.2.1生成式模型与判别式模型的区别
4.2.2概率建模与分布估计
4.2.3潜在变量
4.2.4采样与生成
4.3生成式模型前沿
4.3.1生成对抗网络
4.3.2变分自编码器
4.3.3流模型
4.3.4扩散模型
4.3.5自回归模型
4.4生成式模型应用场景
4.4.1多模态内容生成
4.4.2视频生成
4.4.3音频生成
4.4.4医学图像生成
4.4.5文本生成
4.4.6代码生成
4.4.7人工智能修复
4.5国内外生成式大模型简介
4.5.1OpenAI： GPT系列
4.5.2谷歌： Gemini系列
4.5.3Meta： Llama系列
4.5.4百度： 文心系列
4.5.5阿里云： 通义千问系列
4.5.6腾讯： 混元系列
4.5.7字节跳动： 豆包系列
4.5.8xAI： Grok系列
小结与展望
参考文献
第5章人工智能大模型
5.1大语言模型
5.1.1语言模型的发展历史
5.1.2大语言模型的可用资源
5.1.3大语言模型的预训练
5.1.4大语言模型的使用
5.1.5大语言模型的评测
5.2大语言模型偏见与幻觉
5.2.1大语言模型偏见
5.2.2大语言模型幻觉
5.3大语言模型价值对齐
5.3.1大语言模型价值对齐的意义
5.3.2大语言模型价值对齐的标准
5.3.3大语言模型价值对齐的实施方法
5.4多模态大语言模型
5.4.1多模态大语言模型的背景
5.4.2多模态大语言模型的结构
5.4.3多模态大语言模型的微调方式
5.4.4多模态大语言模型的评估
小结与展望
参考文献
第6章智能体智能
6.1引言
6.2深度强化学习
6.2.1基础知识
6.2.2基于值函数的方法
6.2.3基于策略梯度的方法
6.2.4行动器评判器方法
6.2.5深度强化学习前沿
6.3多智能体强化学习
6.3.1基础知识
6.3.2完全合作
6.3.3完全竞争
6.3.4混合合作竞争
6.4大模型与智能体
6.4.1大模型驱动智能体
6.4.2大模型与智能决策
6.4.3大模型与群体智能
6.4.4决策大模型行业应用
6.5开放环境合作与竞争
6.5.1开放环境及其挑战
6.5.2开放环境合作方法
6.5.3开放环境竞争方法
6.5.4开放环境下的人机协同
小结与展望
参考文献
第7章智能无人系统
7.1引言
7.2智能无人系统技术
7.2.1感知与理解
7.2.2导航与轨迹规划
7.2.3控制与决策
7.2.4集群协同
7.3自动驾驶领域前沿
7.3.1发展现状
7.3.2核心技术
7.3.3前沿应用
7.3.4发展趋势
7.4工业机器人领域前沿
7.4.1发展现状
7.4.2核心技术
7.4.3前沿应用
7.4.4发展趋势
7.5服务机器人领域前沿
7.5.1发展现状
7.5.2核心技术
7.5.3前沿应用
7.5.4发展趋势
7.6智能无人机领域前沿
7.6.1发展现状
7.6.2核心技术
7.6.3前沿应用
7.6.4发展趋势
7.7水面/水下智能无人系统领域前沿
7.7.1发展现状
7.7.2核心技术
7.7.3前沿应用
7.7.4发展趋势
小结与展望
参考文献
第8章元宇宙
8.1引言
8.2从虚拟现实到元宇宙
8.2.1元宇宙起源与发展历史
8.2.2元宇宙组成
8.2.3元宇宙基础
8.2.4元宇宙应用前景
8.3三维重建渲染
8.3.1三维重建技术概念
8.3.2神经辐射场
8.3.3三维高斯泼溅
8.4虚拟数字人
8.4.1虚拟数字人概念
8.4.2虚拟数字人系统框架
8.4.3虚拟数字人视觉制作技术
8.4.4交互式虚拟数字人
8.5具身元宇宙
8.5.1具身元宇宙概念
8.5.2虚拟空间交互技术
8.5.3具身智能技术
8.6元宇宙发展趋势
8.6.1科技领域
8.6.2经济社会领域
小结与展望
参考文献
第9章脑启发人工智能
9.1引言
9.2人工智能与脑科学
9.2.1脑科学发展历程
9.2.2脑科学和认知科学
9.2.3技术与应用
9.2.4人工智能与脑科学双向促进
9.3脑启发新型传感设备
9.3.1脑启发传感器发展历程
9.3.2脑启发传感原理
9.3.3脑启发视觉采样模型
9.3.4脑启发视觉传感器的应用
9.4脑启发人工智能模型
9.4.1脉冲神经网络与脑启发人工智能
9.4.2脉冲神经元模型
9.4.3脉冲神经网络编码方式
9.4.4脉冲神经网络训练方式
9.4.5脉冲神经网络前沿进展
9.5脑机接口
9.5.1脑机接口发展历程
9.5.2脑机接口关键技术
9.5.3脑机接口应用场景
9.5.4脑机接口前沿进展
9.5.5脑机接口发展挑战
小结与展望
参考文献
第10章AI4S： 科学研究新范式
10.1引言
10.2AI4S简介
10.2.1AI4S的“四梁N柱”
10.2.2人工智能促进科学研究的五大关键应用方式
10.3AI4S驱动的数学研究新范式
10.3.1符号回归寻找数学表达式
10.3.2机器学习生成数学新猜想
10.3.3语言模型实现交互式研究
10.4AI4S驱动的物理研究新范式
10.4.1物理规律发现的方法演进路径
10.4.2潜在变量识别的数据驱动策略
10.4.3物理系统模拟的高效建模机制
10.5AI4S驱动的生物研究新范式
10.5.1计算生物学研究的智能方法革新
10.5.2多源组学数据的深度解析策略
10.5.3医药研发流程的智能优化路径
10.6AI4S驱动的材料研究新范式
10.6.1数据驱动的材料设计与优化
10.6.2智能算法赋能复合材料创新
10.7AI4S驱动的其他科学领域发展
10.7.1多维地球科学数据的智能解析与建模
10.7.2分子工程的自动化推演与结构创新
10.7.3能源系统的智能化技术革新
10.7.4计算架构的智能增强方法
小结与展望
参考文献
第11章人工智能产业布局
11.1引言
11.2产业整体布局
11.2.1核心技术演进
11.2.2应用场景拓展
11.2.3产业生态建设
11.2.4国际合作与竞争
11.3产业创新体系
11.3.1创新驱动力
11.3.2商业模式创新
11.3.3产品创新
11.3.4人才培养创新
11.3.5信息共享创新
11.4产业投资动态
11.4.1计算机行业行情回顾
11.4.2人工智能企业现状
11.4.3人工智能商业落地投资价值
11.4.4人工智能未来投资机会
11.5人工智能人才战略
11.5.1高校和企业联培人工智能人才
11.5.2人工智能人才状况
11.5.3人工智能在教育体系的融合与发展
11.5.4人工智能教育市场分析
小结与展望
参考文献
第12章人工智能产业发展
12.1引言
12.2人工智能产业格局
12.2.1全球人工智能产业格局
12.2.2中国人工智能产业格局
12.2.3人工智能产业链
12.3前沿研究发展
12.3.1研究产出趋势
12.3.2关键技术突破
12.3.3开源技术生态演进
12.4技术产业发展
12.4.1人工智能产业应用
12.4.2领域独角兽生态分析
12.4.3产业政策发展
12.5产业趋势
12.5.1技术趋势
12.5.2应用趋势
12.5.3安全伦理的趋严管控
12.5.4生态协同
小结与展望
参考文献
第13章人工智能安全
13.1引言
13.2人工智能安全问题
13.2.1人工智能技术应用引发的安全问题
13.2.2人工智能系统本身的安全问题
13.3人工智能安全战略
13.3.1美国： 关注人工智能技术对国家安全的影响
13.3.2英国及欧盟： 关注人工智能技术对个人安全的影响
13.3.3中国及其他国际组织： 关注人工智能技术的全球治理
13.4人工智能安全技术
13.4.1人工智能安全技术简介
13.4.2可信人工智能四大支撑技术
13.5人工智能安全应用
13.5.1自动驾驶领域安全防护
13.5.2在线电商/数字金融领域安全防护
13.5.3社交媒体智能安全防护
13.5.4军事领域智能安全防护
小结与展望
参考文献
第14章人工智能伦理与监管
14.1引言
14.1.1人工智能伦理的概念及范畴
14.1.2人工智能伦理带来的主要社会挑战
14.2AI伦理规范
14.2.1欧盟《可信赖人工智能伦理指南》
14.2.2美国《人工智能伦理道德标准》
14.2.3中国《新一代人工智能伦理规范》
14.2.4联合国教科文组织《人工智能伦理建议书》
14.3AI伦理的宏观监管
14.3.1欧盟： 强化政府主导的伦理原则建设和法律法规约束
14.3.2美国： 依托市场力量，强化应用监管
14.3.3英国： 促进创新的人工智能监管方法
14.3.4中国： 坚持规划引领和应用规范，探索构建人工智能安全管理体系
14.3.5各国际组织： 开发人工智能的国际指导原则
14.3.6讨论
14.4企业级人工智能伦理实践
14.4.1微软的人工智能伦理实践
14.4.2谷歌的人工智能伦理实践
14.4.3百度的人工智能伦理实践
14.4.4商汤科技的人工智能伦理实践
小结与展望
参考文献
第15章回顾、建议与展望
15.1引言
15.2内容回顾
15.2.1人工智能理论方法前沿
15.2.2人工智能技术创新前沿
15.2.3人工智能产业发展前沿
15.2.4人工智能与人类社会
15.3问题与建议
15.3.1理论与技术发展
15.3.2产业与生态发展
15.3.3人工智能治理与社会责任
15.4未来展望
15.4.1下一代人工智能理论与方法研究
15.4.2人工智能终身学习研究
15.4.3开放环境智能体研究
15.4.4AI4S应对全球危机
15.4.5人工智能伦理与可控边界研究
15.4.6生物计算与量子计算人工智能
参考文献
附录A英汉缩写对照表
