女人性高朝朝娇喘录音,欧美性猛交XXXX乱大交

人工智能（AI）是計算機科學的一個重要分支，它涉及理解和構建智能實體，確保這些智能實體機器在各種情況下能有效和安全地行動。人工智能對世界的影響將超過迄今為止人類歷史上的任何事物，它可以與任何智能任務產(chǎn)生聯(lián)系，是真正普遍存在的領域。
本書的知識內(nèi)容包括思考的工具、定義人工智能、大數(shù)據(jù)與人工智能、智能體與智能代理、機器學習、深度學習、強化學習、數(shù)據(jù)挖掘、機器人技術、計算機視覺、自然語言處理、GPT大語言模型起步、群體智能、自動規(guī)劃和人工智能的發(fā)展等。
本書是結合本科教育、職業(yè)教育各專業(yè)學生發(fā)展需要，針對人工智能基礎課程、通識課程而全新設計編寫，具有豐富知識性與應用特色的教材。本書主題特色鮮明，內(nèi)容易讀易學，既適合各專業(yè)學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。

《人工智能通識教程》第1版于2020年出版，由于全書內(nèi)容豐富，通俗易懂，很快受到廣大師生的青睞。另外，人工智能（artificial intelligence，AI）以大數(shù)據(jù)、深度學習、增強學習為基礎方法，而如遷移學習、對抗學習、大語言模型等知識在很多領域也取得了重大突破。人工智能不僅解決了眾多科研問題，還將機器學習、數(shù)據(jù)挖掘、計算機視覺、自然語言處理、機器人等技術應用到了更廣泛的領域，自然也對教材的新版提出了更高的要求。于是，在第1版的基礎上，本書的第2版應運而生。
人工智能的發(fā)展正處于黃金期。本書新版各章內(nèi)容都做了較大調整。第4章重點加強了智能體的知識。第5、6章重點加強了機器學習、深度學習的知識闡述。新增加了第7章強化學習。新增加了第12章GPT大語言模型起步，系統(tǒng)地介紹了大語言模型的豐富知識。限于篇幅，本書也適當減少了部分內(nèi)容，如專家系統(tǒng)。
本書內(nèi)容豐富，信息量極大，不同讀者閱讀本書時需要采用不同的方式。本書的每一章都相對獨立，跳過前面內(nèi)容原則上不影響后面內(nèi)容的閱讀。通過對本書的閱讀和思考，讀者不僅能夠掌握與人工智能相關的理論和技術，還能把握人工智能發(fā)展的規(guī)律。
作為計算機科學的一個重要分支，人工智能對世界的影響將超過迄今為止人類歷史上的任何事物。它可以與任何智能任務產(chǎn)生聯(lián)系，是真正普遍存在的領域。本書包括思考的工具、定義人工智能、大數(shù)據(jù)與人工智能、智能體與智能代理、機器學習、深度學習、強化學習、數(shù)據(jù)挖掘、機器人技術、計算機視覺、自然語言處理、GPT大語言模型起步、群體智能、自動規(guī)劃和人工智能的發(fā)展等內(nèi)容。
一如當年的計算機以及隨后的因特網(wǎng)、物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)，今天，人工智能也是每個大學生和社會人士都必須關注、學習和重視的知識與應用。
本書是針對高等院校文理科學生的發(fā)展需要，為高等院校人工智能基礎或通識課程全新設計、編寫的教材。教師使用本書進行教學時，可依照學習進度與需求對內(nèi)容進行適當取舍。
本書每一章都體現(xiàn)下列要點。
(1) 提倡課前預習各章課文。各章均安排了精選的導讀案例，以深入淺出的方式引發(fā)學習者的學習興趣。
(2) 介紹基本觀念，解釋原理，讓學習者能切實理解和掌握人工智能的基本原理及相關應用知識。
(3) 組織淺顯易懂的案例，注重讓學生扎實地掌握基本理論知識，養(yǎng)成良好的學習方法。
(4) 為學生提供低認知負荷的作業(yè)，讓學生在自我成就中構建人工智能的基本觀念與技術架構。
(5) 注重思維與實踐并進。建議教師在教學班中組織研究性學習活動，鼓勵學生討論與表達，努力讓人工智能的知識成為學生未來馳騁職場的立身之本。
雖然社會已經(jīng)進入電子時代，但我們?nèi)匀唤吡Τ珜дn前、課后看書，課中在書上做好筆記，在課程結束時完成課程學結。為各章設計的作業(yè)（單選題）并不難，學生只要認真閱讀本書，就能夠準確回答所有題目。
采用本書作為教材時，教師和學生可以參考下面的課程教學進度表。在實際教學中，應按照教學大綱和實際情況確定課程的教學進度。課程教學進度表（2020學年第學期）
課程號: 課程名稱: 人工智能基礎學分: 2周學時: 2
總學時: 32（理論學時: 32實踐學時: ）
主講教師:
序號校歷
周次章節(jié)（或實訓、習題課等）
名稱與內(nèi)容學時教學方法課后作業(yè)布置11引言
第1章思考的工具222第2章定義人工智能（1）233第2章定義人工智能（2）244第3章大數(shù)據(jù)與人工智能255第4章智能體與智能代理266第5章機器學習277第6章（人工神經(jīng)網(wǎng)絡與）深度學習288第7章強化學習299第8章數(shù)據(jù)挖掘21010第9章機器人技術21111第10章計算機視覺21212第11章自然語言處理21313第12章GPT大語言模型起步21414第13章群體智能21515第14章自動規(guī)劃21616第15章人工智能的發(fā)展2課文作業(yè)課程學結填表人（簽字）:日期:
分院（系、教研室）領導（簽字）: 日期:課程的教學評測可以從以下幾方面入手:
(1) 每章的課后作業(yè)（共15次）;
(2) 第15章的課程學結（大作業(yè)1次）;
(3) 平時考勤;
(4) 任課老師認為必要的其他考核方法。
本書特色鮮明、易讀易學，適合本科和高職院校各相關專業(yè)文理科學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。
與本書配套的教學大綱、教學課件等電子資源，讀者可以從清華大學出版社網(wǎng)站（http://www.tup.com.cn）本書頁面的課件下載處下載。
根據(jù)學習需要，本書還配備了30課的微課視頻，讀者可先掃描封底刮刮卡進行注冊，再掃描書中的二維碼進行在線學習。
本書的編寫得到浙大城市學院、浙江工業(yè)大學之江學院、嘉善技師學院、溫州商學院、浙江華邦物聯(lián)技術股份有限公司等多所院校、企業(yè)同仁的支持，金海溶、戴躍江、朱準、胡相勇、章小華等參與了本書的部分編寫工作，在此一并表示感謝！

周蘇2024年3月于杭州

作為計算機科學與技術一個重要的分支，人工智能（Artificial Intelligence，AI）的發(fā)展歷史已經(jīng)不短了。它經(jīng)過幾起幾落，終于迎來了高速發(fā)展、成果不斷涌現(xiàn)的新時期。毫無疑問，一如當年的計算機以及隨后的因特網(wǎng)、物聯(lián)網(wǎng)、云計算和大數(shù)據(jù)，今天，人工智能也是每個大學生和社會人士都必須關注、學習和重視的知識與應用。
人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門技術科學。它試圖了解人類智能的實質，并生產(chǎn)出新的能以與人類智能相似的方式做出反應的智能機器。該領域的研究包括基礎概念、專家系統(tǒng)、機器學習、神經(jīng)網(wǎng)絡、智能代理、群體智能、數(shù)據(jù)挖掘、機器人、圖像識別與處理、自然語言處理、自動規(guī)劃等�？梢韵胂�，未來人工智能帶來的科技產(chǎn)品將會是人類智慧的容器。人工智能不是人的智能，但能模仿人的思考，甚至在某些方面可能超過人的智能。
人工智能是一門極富挑戰(zhàn)性的科學，包括的知識內(nèi)容十分廣泛。本書結構新穎，內(nèi)容豐富，系統(tǒng)、全面地介紹了人工智能的相關概念與理論，可以幫助讀者扎實地打好人工智能的知識與應用基礎。
本書針對高等院校文理科學生的發(fā)展需要，是為高等院校相關專業(yè)人工智能基礎課程或通識課程全新設計、編寫的教材。教師在使用本書進行教學時，可依照學習進度與需求對內(nèi)容進行適當取舍。
本書每一章都體現(xiàn)下列要點。
（1）介紹基本概念，解釋原理，讓學習者能切實理解和掌握人工智能的基本原理及相關應用知識。
（2）組織淺顯易懂的案例，注重讓學生扎實地掌握基本理論知識，養(yǎng)成良好的學習方法。
（3）為學生提供低認知負荷的作業(yè)，讓學生在自我成就中構建人工智能的基本觀念與技術架構。
（4）注重思維與實踐并進。每章后面安排了【研究性學習】環(huán)節(jié)，建議教師在教學班中組織研究性學習小組，鼓勵學生討論與表達，努力讓人工智能的知識成為學生未來馳騁職場的立身之本。
雖然社會已經(jīng)進入電子時代，但我們?nèi)匀唤吡Τ珜дn前、課后讀書，課中在書上記筆記，在課程結束時完成課程學結。為各章設計的作業(yè)（單選題）并不難，學生只要認真閱讀本書，就能夠準確回答所有題目。
采用本書作為教材時，教師和學生可以參考下面的課程教學進度表。在實際教學中，應按照教學大綱和實際情況確定課程教學進度。課程教學進度表（2020學年第學期）
課程號：課程名稱：人工智能學分： 2
周學時： 2總學時： 32 （其中理論學時： 32，實踐學時：）
主講教師：序號校歷周次章節(jié)（或實訓、習題課等）名稱與內(nèi)容學時教學方法課后作業(yè)布置11引言
第1章思考的工具222第2章什么是人工智能233第3章規(guī)則與專家系統(tǒng)244第4章模糊邏輯與大數(shù)據(jù)思維255第5章包容體系結構與機器人技術266第5章包容體系結構與機器人技術277第6章機器學習288第6章機器學習299第7章神經(jīng)網(wǎng)絡與深度學習21010第8章智能代理21111第9章群體智能21212第10章數(shù)據(jù)挖掘與統(tǒng)計數(shù)據(jù)21313第11章智能圖像處理21414第12章自然語言處理21515第13章自動規(guī)劃21616第14章人工智能的發(fā)展2課文作業(yè)
研究性學習課程學結填表人（簽字）：日期：
系（教研室）主任（簽字）：日期：課程的教學評測可以從以下幾方面入手：
（1）每章的課后作業(yè)（共14次）。
（2）每章的研究性學習小組活動評價（共13次）。
（3）第14章的課程學結（大作業(yè)，1次）。
（4）平時考勤。
（5）任課教師認為必要的其他考核方法。
本書特色鮮明，易讀易學，適合本科和高職高專院校各相關專業(yè)文理科學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。
與本書配套的教學大綱、教學課件、習題答案等電子資源，讀者可以從清華大學出版社網(wǎng)站(http://www.tup.com.cn)本書頁面的課件下載處下載。
根據(jù)學習需要，本書還配備了1500分鐘的音頻講解資源，讀者可先掃描封底刮刮卡的二維碼，再掃描書中的二維碼進行在線學習。
本書的編寫得到浙大城市學院、浙江理工大學、嘉興技師學院、浙江商業(yè)職業(yè)技術學院、浙江安防職業(yè)技術學院等多所院校師生的支持，袁堅剛、吳賢平、余強、周恒、王文、喬鳳鳳等參與了本書部分內(nèi)容的編寫工作，作者在此一并表示感謝！

周蘇
2020年6月于杭州

第1章思考的工具1
【導讀案例】動物智能: 聰明的漢斯1
1.1計算的淵源2
1.1.1巨石陣2
1.1.2安提基特拉機械3
1.1.3阿拉伯數(shù)字3
1.2巴貝奇與數(shù)學機器4
1.2.1差分機4
1.2.2分析機4
1.2.3機器人的由來5
1.3計算機的出現(xiàn)6
1.3.1為戰(zhàn)爭而發(fā)展的計算機器6
1.3.2計算機無處不在7
1.3.3通用計算機7
1.3.4計算機語言9
1.3.5計算機建模9
1.4計算機的智能行為10
1.4.1類人行為: 圖靈測試10
1.4.2類人思考: 認知建模10
1.4.3理性思考: 思維法則11
1.4.4理性行為: 理性智能體11
1.4.5對人類可證益的智能體12
1.5人工智能大師13
【作業(yè)】13
第2章定義人工智能16
【導讀案例】自動駕駛概述16
2.1人工智能的學科基礎19
2.2人工智能概述24
2.2.1人工與智能24
2.2.2人工智能的定義26
2.2.3人工智能的實現(xiàn)途徑26
2.2.4人工智能發(fā)展的6個階段27
2.3人工智能的發(fā)展歷史29
2.3.1人工智能研究獲得的圖靈獎29
2.3.2從人工神經(jīng)元開始（19431956）29
2.3.3早期期望無限（19521969）31
2.3.4一些現(xiàn)實（19661973）32
2.3.5專家系統(tǒng)（19691986）33
2.3.6神經(jīng)網(wǎng)絡的回歸（1986至今）34
2.3.7概率推理和機器學習（1987至今）34
2.3.8大數(shù)據(jù)（2001至今）35
2.3.9深度學習（2011至今）36
2.4人工智能的研究36
【作業(yè)】40
第3章大數(shù)據(jù)與人工智能43
【導讀案例】電子商務的推薦系統(tǒng)43
3.1什么是模糊邏輯44
3.1.1甲蟲機器人的規(guī)則45
3.1.2模糊邏輯的發(fā)明45
3.1.3制定模糊邏輯的規(guī)則46
3.1.4模糊邏輯的定義47
3.1.5模糊理論的發(fā)展47
3.2模糊邏輯系統(tǒng)48
3.2.1純模糊邏輯系統(tǒng)48
3.2.2高木關野模糊邏輯系統(tǒng)49
3.2.3具有產(chǎn)生器及消除器的模糊邏輯系統(tǒng)49
3.3數(shù)據(jù)思維與變革49
3.3.1思維轉變之一: 樣本=總體50
3.3.2思維轉變之二: 接受數(shù)據(jù)的混雜性51
3.3.3思維轉變之三: 數(shù)據(jù)的相關關系52
3.4大數(shù)據(jù)與人工智能53
3.4.1人工智能與大數(shù)據(jù)的聯(lián)系53
3.4.2人工智能與大數(shù)據(jù)的區(qū)別54
3.4.3人工智能深化大數(shù)據(jù)應用54
【作業(yè)】55
第4章智能體與智能代理58
【導讀案例】智能體: 下一個顛覆性AI應用58
4.1智能體和環(huán)境61
4.2智能體的良好行為62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、學習和自主63
4.3環(huán)境的本質64
4.3.1指定任務環(huán)境64
4.3.2任務環(huán)境的屬性65
4.4智能體的結構68
4.4.1智能體程序68
4.4.2學習型智能體69
4.4.3智能體程序組件的工作71
4.5智能代理技術72
4.5.1智能代理的定義72
4.5.2智能代理的典型工作過程72
4.5.3智能代理的特點73
4.5.4系統(tǒng)內(nèi)的協(xié)同合作74
4.6智能代理的典型應用75
4.6.1股票/債券/期貨交易75
4.6.2醫(yī)療診斷76
4.6.3搜索引擎76
4.6.4實體機器人77
4.6.5電腦游戲77
【作業(yè)】78
第5章機器學習80
【導讀案例】奈飛的電影推薦引擎80
5.1什么是機器學習81
5.1.1機器學習的發(fā)展81
5.1.2機器學習的定義83
5.1.3機器學習的研究85
5.2基于學習方式的分類86
5.2.1監(jiān)督學習86
5.2.2無監(jiān)督學習87
5.2.3強化學習87
5.2.4機器學習的其他分類88
5.3機器學習的基本結構89
5.4機器學習算法90
5.4.1專注于學習能力91
5.4.2回歸算法92
5.4.3K近鄰算法92
5.4.4決策樹算法92
5.4.5貝葉斯算法93
5.4.6聚類算法94
5.4.7支持向量機算法94
5.4.8神經(jīng)網(wǎng)絡算法94
5.4.9梯度增強算法94
5.4.10關聯(lián)規(guī)則算法95
5.4.11EM（期望最大化）算法95
5.5機器學習的應用95
5.5.1數(shù)據(jù)分析與挖掘96
5.5.2模式識別96
5.5.3生物信息學應用96
5.5.4物聯(lián)網(wǎng)96
5.5.5聊天機器人97
5.5.6自動駕駛98
【作業(yè)】98
第6章深度學習101
【導讀案例】人類與動物智商的差別101
6.1動物的中樞神經(jīng)系統(tǒng)103
6.1.1神經(jīng)系統(tǒng)的結構103
6.1.2神經(jīng)系統(tǒng)的學習機制104
6.2了解人工神經(jīng)網(wǎng)絡104
6.2.1人工神經(jīng)網(wǎng)絡的研究105
6.2.2典型的人工神經(jīng)網(wǎng)絡105
6.2.3類腦計算機106
6.3深度學習的定義106
6.3.1深度學習的優(yōu)勢107
6.3.2深度學習的意義107
6.3.3神經(jīng)網(wǎng)絡理解圖片108
6.3.4訓練神經(jīng)網(wǎng)絡110
6.3.5深度學習的方法111
6.4卷積神經(jīng)網(wǎng)絡114
6.4.1為什么選擇卷積114
6.4.2卷積神經(jīng)網(wǎng)絡結構116
6.5遷移學習117
6.5.1基于實例的遷移118
6.5.2基于特征的遷移118
6.5.3基于共享參數(shù)的遷移118
6.6深度學習的應用118
【作業(yè)】120
第7章強化學習122
【導讀案例】谷歌制定新守則，確保機器人決策更安全122
7.1強化學習的定義123
7.1.1發(fā)展歷史123
7.1.2基本模型和原理124
7.1.3網(wǎng)絡模型設計124
7.1.4設計考慮126
7.1.5數(shù)據(jù)依賴性126
7.2與監(jiān)督學習的區(qū)別127
7.2.1學習方式128
7.2.2先驗知識與標注數(shù)據(jù)129
7.3強化學習基礎理論129
7.3.1基于模型與免模型環(huán)境129
7.3.2探索與利用130
7.3.3預測與控制131
7.4強化學習分類131
7.4.1從獎勵中學習131
7.4.2被動強化學習132
7.4.3主動強化學習132
7.4.4強化學習中的泛化132
7.4.5學徒學習與逆強化學習132
7.5強化學習的應用133
7.5.1游戲博弈134
7.5.2機器人控制134
7.5.3制造業(yè)135
7.5.4醫(yī)療服務業(yè)135
7.5.5電子商務136
【作業(yè)】136
第8章數(shù)據(jù)挖掘139
【導讀案例】葡萄酒的品質139
8.1從數(shù)據(jù)到知識142
8.1.1決策樹分析143
8.1.2購物車分析143
8.1.3貝葉斯網(wǎng)絡144
8.2數(shù)據(jù)挖掘方法145
8.2.1數(shù)據(jù)挖掘的發(fā)展145
8.2.2數(shù)據(jù)挖掘的對象146
8.2.3數(shù)據(jù)挖掘的步驟146
8.2.4數(shù)據(jù)挖掘分析方法147
8.3數(shù)據(jù)挖掘的經(jīng)典算法148
8.3.1神經(jīng)網(wǎng)絡法148
8.3.2決策樹法149
8.3.3遺傳算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6關聯(lián)規(guī)則法150
8.4機器學習與數(shù)據(jù)挖掘150
8.4.1數(shù)據(jù)挖掘和機器學習典型過程150
8.4.2機器學習與數(shù)據(jù)挖掘應用案例152
【作業(yè)】154
第9章機器人技術156
【導讀案例】劃時代的阿波羅計劃156
9.1包容體系結構158
9.1.1所謂中文房間159
9.1.2傳統(tǒng)機器人學159
9.1.3建立包容體系結構160
9.2包容體系結構的實現(xiàn)160
9.2.1艾倫機器人161
9.2.2赫伯特機器人161
9.2.3托托機器人162
9.3機器感知162
9.3.1機器智能與智能機器163
9.3.2機器思維與思維機器163
9.3.3機器行為與行為機器163
9.4機器人的概念164
9.4.1機器人的發(fā)展164
9.4.2機器人三原則165
9.5機器人的技術問題166
9.5.1機器人的組成166
9.5.2機器人的運動167
9.5.3機器人大狗168
【作業(yè)】169
第10章計算機視覺172
【導讀案例】谷歌大腦的誕生172
10.1模式識別174
10.2圖像識別175
10.2.1人類的圖像識別能力176
10.2.2圖像識別的基礎176
10.2.3圖形識別的模型178
10.2.4神經(jīng)網(wǎng)絡圖像識別178
10.3計算機視覺技術179
10.3.1什么是機器視覺179
10.3.2定義計算機視覺180
10.3.3計算機視覺與機器視覺的區(qū)別181
10.4智能圖像處理技術182
10.4.1圖像采集182
10.4.2圖像預處理182
10.4.3圖像分割182
10.4.4目標識別和分類183
10.4.5目標定位和測量183
10.4.6目標檢測和跟蹤183
10.5計算機視覺系統(tǒng)典型功能184
10.6計算機視覺技術的應用185
10.6.1機器視覺的行業(yè)應用186
10.6.2檢測與機器人視覺應用186
10.6.3布匹生產(chǎn)質量檢測188
【作業(yè)】190
第11章自然語言處理192
【導讀案例】機器翻譯: 大數(shù)據(jù)簡單算法與小數(shù)據(jù)復雜算法192
11.1語言的問題和可能性194
11.2什么是自然語言處理195
11.2.1自然語言處理的原因195
11.2.2自然語言處理的方法196
11.2.3自然語言處理的任務197
11.2.4語言模型198
11.3語法類型與語義分析199
11.3.1語法類型200
11.3.2語義分析200
11.3.3IBM機器翻譯系統(tǒng)200
11.4處理數(shù)據(jù)與處理工具201
11.4.1統(tǒng)計NLP語言數(shù)據(jù)集201
11.4.2自然語言處理工具201
11.4.3自然語言處理的技術難點202
11.5語音處理202
11.5.1語音處理的發(fā)展202
11.5.2語音理解203
11.5.3語音識別203
【作業(yè)】205
第12章GPT大語言模型起步207
【導讀案例】2023年國內(nèi)大模型匯總207
12.1自然語言處理的進步209
12.1.1關于ImageNet210
12.1.2自然語言處理的ImageNet時刻210
12.1.3從GPT1到GPT3211
12.1.4ChatGPT聊天機器人模型與對策212
12.1.5從文本生成音樂的MusicLM模型213
12.1.6檢測AI文本的DetectGPT算法213
12.2科普AI大語言模型214
12.3ChatGPT的模仿秀215
12.3.1舊的守衛(wèi)，新的想法215
12.3.2搜索引擎結合LLM216
12.3.3克服簡單編造與重復216
12.4傳統(tǒng)行業(yè)的下崗217
12.4.1客服市場，AI本來就很卷217
12.4.2伐木場迎來工業(yè)革命219
12.4.3新技術，新問題221
【作業(yè)】222
第13章群體智能225
【導讀案例】無人機最快圈速: 算法控制戰(zhàn)勝專業(yè)駕駛員225
13.1向蜜蜂學習群體智能227
13.2什么是群體智能229
13.2.1群體人工智能技術229
13.2.2群體智能的兩種機制230
13.2.3基本原則與特點230
13.3典型算法模型231
13.3.1蟻群算法231
13.3.2搜索機器人233
13.3.3微粒群（鳥群）優(yōu)化算法234
13.3.4沒有機器人的集群236
13.4群體智能背后的故事236
13.5群體智能的應用238
13.6群體智能的發(fā)展240
【作業(yè)】240
第14章自動規(guī)劃243
【導讀案例】自動駕駛泊車技術243
14.1規(guī)劃的概念244
14.2人工智能的烏姆普斯世界245
14.2.1描述烏姆普斯世界245
14.2.2探索烏姆普斯世界246
14.3什么是自動規(guī)劃247
14.3.1定義經(jīng)典規(guī)劃247
14.3.2自動規(guī)劃問題248
14.3.3規(guī)劃問題示例249
14.4規(guī)劃方法252
14.4.1規(guī)劃即搜索252
14.4.2部分有序規(guī)劃254
14.4.3分級規(guī)劃255
14.4.4基于案例的規(guī)劃255
14.4.5規(guī)劃方法分析255
14.5時間、調度和資源256
14.5.1時間約束和資源約束的表示256
14.5.2解決調度問題256
【作業(yè)】257
第15章人工智能的發(fā)展259
【導讀案例】科學家發(fā)現(xiàn)新的人類腦細胞259
15.1創(chuàng)新發(fā)展與社會影響261
15.1.1人工智能發(fā)展的啟示262
15.1.2人工智能的發(fā)展現(xiàn)狀與影響262
15.2倫理與安全264
15.2.1創(chuàng)造智能機器的大猩猩問題264
15.2.2積極與消極的方面264
15.2.3人才和基礎設施短缺265
15.2.4設定倫理要求266
15.2.5強力保護個人隱私267
15.2.6機器人權利267
15.3人工智能的極限268
15.3.1由非形式化得出的論據(jù)268
15.3.2衡量人工智能268
15.4人工智能架構269
15.4.1傳感器與執(zhí)行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的機遇與挑戰(zhàn)271
15.6未來的人工智能272
15.6.1意識與感質273
15.6.2機器能思考嗎273
15.6.3未來已來274
【作業(yè)】274
【課程學結】277
附錄A作業(yè)參考答案281
參考文獻285

你還可能感興趣

我要評論