青少年AI通识电子书

前言 写给未来世界的主人

第1章 人工智能：机器能思考吗

1.1 计算机器：算盘、机械齿轮和图灵机

1.1.1 拨算盘是谁在思考

1.1.2 300多年前的计算器

1.1.3 巴贝奇让机械齿轮思考起来

1.1.4 超越时代的设想

1.1.5 图灵机：人就是一台思考的机器？

1.2 为计算机设计一套智力测试

1.2.1 图灵测试：计算机的“模仿游戏”

1.2.2 “中文房间”里的反对者

1.2.3 机器人通过图灵测试啦！

1.2.4 怎样证明你是真人

1.2.5 让AI逐渐成长

1.3 人工智能怎么那么多“父亲”

1.3.1 达特茅斯会议：开会开出了人工智能？

1.3.2 符号主义：万物皆可符号化

1.3.3 联结主义：构建一颗人工大脑吧

1.3.4 行为主义：想得好不如做得好

第2章 专家系统与神经网络：刻板专家和人造大脑

2.1 专家系统：人工智能专家能干啥

2.1.1 雄心勃勃但被“泼了冷水”

2.1.2 从规则推演中诞生的“专家”

2.1.3 用专家系统挣大钱吧

2.1.4 专家系统怎么就“没落”了？

2.2 神经网络：人造大脑怎样思考

2.2.1 大脑：最精巧的思考机器

2.2.2 M-P模型：神经网络的基本单元

2.2.3 赫布规则：刺激越多连接越强

2.2.4 感知器兴起与“被判死刑”

2.2.5 反向传播算法：让神经网络自行调整

2.2.6 一波三折的神经网络

第3章 机器学习：都成机器了，还要学习？

3.1 机器学习到底怎么学

3.1.1 令人崩溃的垃圾邮件

3.1.2 “聪明”的垃圾邮件识别器

3.1.3 塞缪尔的跳棋程序

3.1.4 西洋跳棋程序怎么学习

3.2 监督学习：机器学习谁来教

3.2.1 如何认出一只猫

3.2.2 ImageNet：给AI编写一套“教材”吧

3.2.3 监督学习都有啥“科目”

3.2.4 回归这门“课”有啥用

3.3 无监督学习：没有老师，怎样无师自通

3.3.1 什么是无监督学习

3.3.2 水果分类背后的聪明思想

3.3.3 聚类分析：水果、新闻，再到恒星

3.3.4 关联：发现隐藏的关系

3.4 强化学习：实践是最好的老师

3.4.1 让机器人走起来吧

3.4.2 探索尝试，给点奖励

3.4.3 没有实体也能“探索”

3.4.4 AlphaGo：从学习到超越

3.4.5 AlphaGo Zero：让人类不再抱有幻想

第4章 语音识别：做一个“听话”的AI

4.1 100多年前就有语音识别玩具了？

4.1.1 “声控雷克斯”怎样识别声音

4.1.2 “奥黛丽”与“鞋盒”开启正式篇章

4.1.3 Harpy：音素编织的知识网

4.2 数据驱动，铺垫语音识别的“进阶之路”

4.2.1 解雇语言学家能提升语音识别效果？

4.2.2 隐马尔可夫模型怎么个“隐”法？

4.2.3 隐马尔可夫模型怎样做语音识别

4.2.4 隐马尔可夫时代的“明星”

4.2.5 语音识别的新“统治者”

第5章 机器视觉：我来了，我看见，我识别

5.1 视觉传感器：怎样让计算机看见世界

5.1.1 像素：看见世界的基础

5.1.2 CCD：视觉传感器的核心

5.1.3 从像素点到物体轮廓

5.2 特征识别：怎样从像素点中认出物体

5.2.1 从线条轮廓到形状特征

5.2.2 SIFT算法：特征点“侦探”

5.2.3 HOG算法：“描边大师”

5.3 猫咪怎样改变了机器视觉？

5.3.1 SVM：画一条分界线吧

5.3.2 猫咪大脑中的“秘籍”

5.3.3 神经认知机：层层提取，识别复杂特征

5.3.4 LeNet：卷积神经网络的“首秀”

5.3.5 AlexNet：卷积神经网络一战成名

第6章 自然语言处理：60多年前就有聊天AI了？

6.1 如何教AI“说人话”

6.1.1 自然语言是什么

6.1.2 能翻译60多个句子的“翻译大师”

6.1.3 Eliza：几十年前的“心理医生”

6.1.4 马尔可夫模型：AI的“看词填空”

6.2 AI能理解文字背后的意思吗

6.2.1 信息量极低的“独热编码”

6.2.2 怎样让词向量“简单又深邃”

6.2.3 “爱忘事”的神经网络

6.2.4 Seq2Seq遭遇瓶颈

6.2.5 注意力机制来救场

第7章 大语言模型：大就是好

7.1 Transformer：让注意力发挥更大的作用吧

7.1.1 嵌入层：整理工作其实很重要

7.1.2 编码器：关注自己才能做得更好

7.1.3 解码器：“注意”再“注意”

7.2 大语言模型到底有多大

7.2.1 超大规模的参数和训练样本

7.2.2 名副其实的“超级吞金兽”

7.2.3 涌现：还没教怎么就会了？

7.2.4 思维链：让我们一步一步思考吧

第8章 具身智能：你身边的智能“伙伴”

8.1 机器人需要做成人形吗

8.1.1 从传说到“半个人”

8.1.2 从“半个人”到“完整的人”

8.1.3 “像人”不止一条路

8.1.4人形机器人是最好的吗

8.2 自动驾驶：500多年前就有自动驾驶汽车了？

8.2.1 弹簧齿轮，造就自动驾驶三轮车

8.2.2 让公路来“开车”

8.2.3 从“一步一停”到“横穿美国”

8.2.4 自动驾驶汽车的“眼”

8.2.5 自动驾驶汽车的“脑”和“四肢”

8.2.6 自动驾驶汽车咋还没来

第9章 怎样让AI“理解”世界

9.1 机器人也想要大模型？

9.1.1 语义理解：听懂人类要做啥

9.1.2 多模态：感官大融合

9.1.3 思维链：让行动真的可执行

9.2 AI能和我们一样“理解”世界吗？

9.2.1 世界模型：AI的“心智模型”

9.2.2 世界模型的“流派之争”

9.2.3 “视觉派”世界模型初现

9.2.4 从“学万物”到“抓重点”

第10章 未来社会：AI有能力取代人类吗

10.1 AI科学家：顶尖头脑也能被替代？

10.1.1 科学家的好帮手

10.1.2 成为思考科学问题之脑

10.1.3 AI写论文？这样好吗

10.1.4 AI会取代科学家吗

10.2 AI会抢走人类的饭碗吗

10.2.1 有危险，AI上

10.2.2 太无聊了？交给AI吧

10.2.3 复杂场景证明自己

10.2.4 面对AI挑战，我们要怎么办