人工智能全書：一本書讀懂AI基礎知識、商業(yè)應用與技術發(fā)展

第 1章 基礎篇人工智能的世界…… 1
1．1　人工智能是什么 …… 2
人工智能的誕生和歷史 …… 2
人工智能到底是什么 …… 2
模型與目標變量、特征變量 …… 3
對人工智能的幻想 …… 4
1．2　人工智能的價值 …… 5
為什么使用人工智能可以實現自動駕駛汽車 …… 5
各國企業(yè)對人工智能的態(tài)度和期望 …… 6
人工智能做得到的事情 …… 7
對未知數據進行預測和人工智能的價值 …… 8
1．3　人工智能會搶了人的工作嗎 …… 8
人工智能做不到的事情 …… 8
人工智能無法代替的3 種工作 …… 9
人類會因為人工智能失業(yè)嗎 …… 10
人與人工智能的協作度 …… 10
1．4　人工智能如何改變世界 …… 12
重新定義所有行業(yè) …… 12
為人工智能所滲透的世界 …… 12
企業(yè)應當怎么做 …… 13
人應當怎么做 …… 13
第 2章 商業(yè)篇各行各業(yè)的人工智能應用和未來展望…… 15
2．1　制造業(yè)的人工智能應用和展望（產品開發(fā)篇） …… 16
智能產品 …… 16
產品的計算機化 …… 16
產品的操作系統 …… 17
2．2　制造業(yè)的人工智能應用和展望（生產管理篇） …… 18
利用人工智能縮減經費 …… 18
不使用人工智能的選項 …… 18
使用人工智能穩(wěn)定產品品質 …… 19
預測性維護 …… 19
異常檢測與安全生產 …… 20
生產計劃 …… 20
2．3　汽車行業(yè)的人工智能應用和展望 …… 21
汽車的生產現場 …… 21
自動駕駛級別的定義 …… 22
自動駕駛汽車的開發(fā)動向 …… 23
自動駕駛平臺 …… 24
汽車導航系統 …… 25
2．4　農業(yè)、漁業(yè)、畜牧業(yè)的人工智能應用和展望 …… 26
人工智能與植物工廠 …… 27
比較栽培與最優(yōu)化 …… 28
人工智能與漁業(yè) …… 29
使用人工智能的新畜牧業(yè)形態(tài) …… 30
2．5　醫(yī)療行業(yè)的人工智能應用和展望 …… 30
通過人工智能診斷 …… 31
通過圖像識別診斷 …… 31
在醫(yī)療領域應用人工智能的注意事項 …… 32
數據共享的問題 …… 33
解析腦電波的可行性 …… 33
人機接口 …… 35
AI 新藥研發(fā) …… 35
細胞培養(yǎng) …… 36
2．6　建筑行業(yè)的人工智能應用和展望 …… 37
工程和建設用車輛 …… 37
智慧家庭 …… 38
2．7　金融行業(yè)的人工智能應用和展望 …… 39
通過人工智能進行資產運用 …… 39
通過人工智能提高銀行的業(yè)務效率 …… 40
2．8　零售行業(yè)的人工智能應用和展望 …… 40
Amazon Go 與超市的未來 …… 40
便利店與人工智能 …… 42
應用聊天機器人 …… 44
應用人工智能進行需求預測 …… 45
推薦 …… 46
第3章 商業(yè)篇各國針對人工智能應用的政策…… 49
3．1　能源與智能電網 …… 50
智能電網 …… 50
智能電網和人工智能 …… 50
3．2　智慧城市 …… 51
智慧城市 …… 51
新加坡的智慧國家計劃 …… 51
使用人工智能制定城市發(fā)展計劃 …… 52
超越智慧城市 …… 54
3．3　數據流通的現狀和問題 …… 54
數據流通的必要性 …… 54
日本公共機構的公開數據推進 …… 55
日本以外國家的公開數據推進 …… 57
與公開數據有關的問題 …… 58
促進民間的數據流通 …… 58
信息銀行 …… 58
促進民間數據流通存在的問題 …… 60
第4章 商業(yè)篇人工智能項目的推進方法和注意點…… 61
4．1　人工智能項目的策劃 …… 62
目標的設定和共有價值的創(chuàng)造 …… 62
創(chuàng)新者的窘境 …… 63
人工智能和知識產權 …… 63
4．2　數據的收集和管理 …… 64
為進行人工智能的應用需收集的3 種數據 …… 64
內部數據的收集和管理 …… 64
傳感數據的收集和管理 …… 64
外部數據的收集和管理 …… 65
4．3　人才不足問題的解決方法 …… 66
日本工程師不足的現狀 …… 66
人工智能教育的必要性 …… 67
初期的項目組織架構 …… 67
借助外部力量 …… 68
尋找合作伙伴的方法 …… 68
第5章 技術篇機器學習——人工智能進化史…… 69
5．1　學習人工智能之前必須掌握的知識 …… 70
特征變量、目標變量和模型 …… 70
絕對值 …… 71
導數 …… 72
相關關系和相關系數 …… 73
數據間的因果關系和偽相關關系 …… 74
矩陣的內積 …… 74
概率 …… 75
5．2　人工智能的歷史 …… 76
學習人工智能歷史的意義 …… 76
早期的演繹推理人工智能 …… 76
現在的歸納推理人工智能 …… 77
歸納推理的局限 …… 78
發(fā)現信息的現在的人工智能 …… 79
計算機視覺 …… 79
5．3　機器學習能做到的事 …… 80
回歸分析（簡單回歸分析） …… 80
回歸分析（多重回歸分析） …… 82
分類 …… 83
聚類 …… 84
5．4　數據集分析實例 …… 86
數據集分析 …… 86
鳶尾花數據集 …… 86
葡萄酒品質數據集 …… 90
波士頓房價數據集 …… 91
手寫數字數據集 …… 93
Cifar-10（用于圖像識別練習的數據集） …… 95
使用20 Newsgroups 進行文本數據分析 …… 96
5．5　學習 …… 99
學習的意義 …… 99
機器學習 …… 99
學習數據和監(jiān)督學習 …… 99
無監(jiān)督學習 …… 100
強化學習 …… 100
學習方法的選擇 …… 100
5．6　機器學習的算法 …… 101
決策樹 …… 101
SVM …… 102
遺傳算法 …… 104
K 均值算法 …… 106
第6章 技術篇深度學習——現在的人工智能…… 109
6．1　神經網絡 …… 110
神經網絡的誕生 …… 110
大腦中信息傳遞的工作原理 …… 111
大腦的學習 …… 113
邏輯電路 …… 114
神經網絡的結構 …… 115
基于感知機的計算處理 …… 116
激活函數 …… 118
輸出函數 …… 122
前向傳播小結 …… 123
6．2　誤差反向傳播算法 …… 124
學習的原理 …… 124
損失函數 …… 125
使用偏導數計算影響程度 …… 126
偏導數的具體例子 …… 127
優(yōu)化算法（SGD） …… 129
其他優(yōu)化算法 …… 131
小批量學習 …… 132
反向傳播和學習的小結 …… 132
6．3　深度學習 …… 134
特征提取 …… 134
深度學習的優(yōu)點 …… 134
人工智能的視角 …… 135
深層導致的各種問題 …… 135
實現深度學習的方法 …… 136
Dropout …… 137
自動編碼器 …… 137
6．4　卷積神經網絡 …… 139
圖像識別和抽象化 …… 139
卷積神經網絡的實例（AlexNet） …… 140
卷積神經網絡概要 …… 141
卷積層的目標 …… 141
卷積層中的過濾器和權重計算 …… 142
對過濾器反應的特征的可視化 …… 143
在卷積層實施填充 …… 144
卷積層的激活 …… 145
池化層的處理 …… 145
平坦化的實施 …… 146
全連接層的處理 …… 148
使用卷積神經網絡的分析示例 …… 148
第7章 技術篇人工智能的開發(fā)和運用管理…… 155
7．1　人工智能的設計 …… 156
機器學習算法的選擇 …… 156
目標值的設置 …… 156
目標值和開發(fā)成本 …… 157
學習的實施計劃 …… 158
保存學習后的模型 …… 158
7．2　人工智能的運用監(jiān)視 …… 159
回歸分析中精度的監(jiān)視 …… 159
分類中精度的監(jiān)視 …… 160
交叉驗證 …… 162
過擬合 …… 163
分辨過擬合 …… 164
應對過擬合 …… 164
7．3　Python 語言 …… 165
使用Python 的理由 …… 165
Python 的版本 …… 166
Python 的開發(fā)環(huán)境 …… 167
7．4　數據分析所需的Python 包 …… 168
包管理 …… 168
Jupyter Notebook …… 168
Matplotlib …… 169
NumPy …… 170
pandas …… 170
SciPy …… 171
7．5　人工智能相關庫 …… 171
TensorFlow …… 172
Chainer …… 172
PyTorch …… 172
Keras …… 173
scikit-learn …… 173
DEAP …… 174
OpenAI Gym …… 174
7．6　運行人工智能的平臺 …… 175
人工智能學習的環(huán)境 …… 175
人工智能預測的環(huán)境 …… 176
Amazon Web Service …… 177
Google Cloud Platform …… 177
Microsoft Azure …… 178
IBM Cloud …… 179
SAKURA Cloud …… 179
Neural Network Console …… 179
Google Colaboratory …… 180
7．7　硬件和平臺 …… 182
人工智能和CPU 的關系 …… 182
人工智能和GPU 的關系 …… 182
CUDA …… 183
ASIC 和TPU …… 184
面向邊緣計算的板卡 …… 185
第8章 技術篇人工智能的最新技術——今后的人工智能…… 187
8．1　循環(huán)神經網絡 …… 188
循環(huán)神經網絡的特點 …… 188
循環(huán)神經網絡中的計算 …… 188
使用循環(huán)神經網絡的分析示例 …… 190
LSTM …… 192
將來的循環(huán)神經網絡 …… 193
8．2　強化學習的歷史和DQN …… 194
馬爾可夫決策過程 …… 194
Q 學習 …… 195
DQN …… 196
DQN 中卷積神經網絡的應用 …… 197
8．3　AlphaGo 和AlphaGo Zero …… 197
為什么AlphaGo 這么厲害 …… 198
AlphaGo 的算法和技術 …… 199
策略網絡 …… 199
創(chuàng)建SL 策略網絡 …… 200
移出策略模型 …… 202
AlphaGo 強化學習的目標 …… 202
利用策略梯度算法生成RL 策略網絡 …… 203
價值網絡 …… 203
蒙特卡洛樹搜索 …… 205
AlphaGo Zero 的沖擊 …… 206
8．4　A3C …… 207
Asynchronous …… 207
Advantage …… 207
Actor-Critic …… 208
A3C 的成果 …… 208
8．5　GANs …… 209
GANs 的歷史 …… 209
GANs 的原理 …… 209
DCGAN …… 210
使用DCGAN 的分析示例 …… 211
將來的GANs …… 212
8．6　BERT …… 213
BERT 的目標 …… 214
BERT 的學習 …… 214
靈活使用已學習模型 …… 214
8．7　靈活使用社交數據 …… 215
8．8　膠囊網絡 …… 215
卷積神經網絡的弱點 …… 215
膠囊網絡的目標 …… 217
膠囊網絡的結構 …… 217
動態(tài)路由 …… 218
將來的膠囊網絡 …… 218
第9章 人工智能開發(fā)常見問題…… 221
9．1　關于人工智能的一般問題 …… 222
Q．1　人工智能聰明嗎？ …… 222
Q．2　人工智能會出錯嗎？ …… 222
Q．3　人工智能擅長的事情是什么？ …… 223
Q．4　人工智能不擅長的事情是什么？ …… 223
Q．5　什么是奇點？ …… 223
Q．6　達到奇點后，人工智能會變得比人聰明并控制人類嗎？ …… 224
Q．7　人工智能會像人一樣思考嗎？ …… 224
Q．8　可以讓人工智能產生感情嗎？ …… 224
9．2　令人擔憂的人工智能問題 …… 225
Q．9　人工智能有可能被用于軍事嗎？ …… 225
Q．10　能通過人工智能實現機器人武器嗎？ …… 225
Q．11　搭載人工智能的武器有可能傷害人類嗎？ …… 226
Q．12　人工智能有可能防范犯罪嗎？ …… 226
Q．13　人工智能有可能進行網絡攻擊嗎？ …… 226
Q．14　為了防范網絡攻擊可以使用人工智能嗎？ …… 227
Q．15　人工智能有可能被破解嗎？ …… 227
9．3　在企業(yè)應用人工智能的問題 …… 228
Q．16　所有企業(yè)都應該使用人工智能嗎？ …… 228
Q．17　人工智能會促使更多企業(yè)進入其他行業(yè)嗎？ …… 228
Q．18　人工智能的開發(fā)費用會變高昂嗎？ …… 229
Q．19　有沒有根據人工智能的開發(fā)費用來估算開發(fā)成本的方法？ …… 229
Q．20　人工智能的技術人才供給不足嗎？ …… 229
Q．21　如何尋找?guī)椭_發(fā)人工智能的技術人才？ …… 230
Q．22　如何與能進行人工智能開發(fā)的技術人才取得聯系呢？ …… 231
Q．23　各國政府推薦人工智能的使用嗎？ …… 231
Q．24　日本的地方政府推薦利用人工智能嗎？ …… 231
9．4　與生活有關的問題 …… 232
Q．25　人工智能會使我們的生活有什么變化？ …… 232
Q．26　不懂人工智能的話還有辦法生活嗎？ …… 232
9．5　關于人工智能人才的培養(yǎng)和教育的問題 …… 232
Q．27　什么樣的人在開發(fā)人工智能？ …… 232
Q．28　今后的年輕一代需要掌握關于人工智能的知識嗎？ …… 233
Q．29　在學校里人工智能是必修科目嗎？ …… 233
Q．30　要想開發(fā)人工智能，應該學習什么呢？ …… 234
Q．31　即使不擅長數學也能理解人工智能嗎？ …… 234
Q．32　學習人工智能首先應該做什么？ …… 234
Q．33　有效學習人工智能的方法是什么？ …… 235
9．6　關于人工智能的未來的問題 …… 236
Q．34　今后人工智能還會進化嗎？ …… 236
Q．35　人工智能會變得有想象力嗎？ …… 236
Q．36　我們人類應該如何和人工智能交往呢？ …… 237
后記 …… 239