会员
人工智能3.0：大智若愚
更新时间：2021-09-01 15:51:50 最新章节：后记
书籍简介
本书是为青少年读者撰写的一本通俗易懂地讲解人工智能如何产生并发展到今天的简明读物。青少年是国家与社会的未来，人工智能对国家与社会的影响目前已经显现，但更多更重大的影响将发生在未来，所以目前让青少年了解人工智能，使他们对之产生兴趣，期待探索它研究它非常重要。作者分十多个题目，从多个方面（科学思维、机器算法、人工智能对人类日常生活的影响、未来法律经济和政治生活中的人工智能，乃至人工智能给未来人类社会带来的挑战等）讲述人工智能给我们社会发展带来的益处、机遇及挑战和风险，让青少年在对人工智能产生兴趣的同时，也比较多地了解它的方方面面，从而为他们正确认识人工智能，推动其更好地为人类社会发展服务打下扎实的基础。
上架时间：2018-09-01 00:00:00
出版社：复旦大学出版社
上海阅文信息技术有限公司已经获得合法授权，并进行制作发行
最新章节
高奇琦等
- 会员《辩证元宇宙：主权、生命与秩序再造》这本书聚焦于虚拟与现实交融的元宇宙，以理性思维一键开启元宇宙空间的大门。对元宇宙世界中风险的不可知性进行防范，是保障其安全发展的前提。中国哲学中的一元论身体哲学为元宇宙空间中的生命意义提供了新的思路。政府对于元宇宙空间的规则构建而言不可或缺，而辩证元宇宙对个人潜能的解放则为公共领域创造了多元发展方向。通俗读物15.3万字
同类热门书
最新上架
- 会员本书强调“把AI作为方法”（AI即ArtifcialIntelligence，人工智能）这一核心理念，旨在引导读者掌握与AI对话的关键技巧，并将AI融入工作和生活真正体验AI带给人类的高效与便捷。本书从技术的发展规律人手，探讨了把AI作为方法的必然性和必要性，进一步剖析了算法与哲学在内在逻辑上的贯通性。此外，本书通过丰富多样的案例展示了AI的强大魅力，通过一系列“召唤术”帮助读者运用AI创造性地计算机9.7万字
- 会员机器学习是人工智能的核心，而统计思维则是机器学习方法的核心：从随机性中寻找规律性。例如，利用损失最小化思想制定学习策略，采用概率最大化思想估计模型参数，利用方差对不确定性的捕捉构造k维树，采用贝叶斯公式构建分类决策模型，等等。只有树立正确的统计思维，才能准确高效地运用机器学习方法开展数据处理与分析。本书以统计思维的视角，揭示监督学习中回归和分类模型的核心思想，帮助读者构建理论体系。计算机18万字
- 会员本书参照产业界自动驾驶技术研发的基本流程，充分借鉴了产业界在自动驾驶技术领域中的实际研发经验，以高性能的智能小车和高度仿真的车道沙盘为实验教具和运行环境，深入浅出地讲解自动驾驶技术的原理与实际应用，为初学者打开一扇通往人工智能世界的大门。本书以帮助初学者如何从无到有地打造出具备自动驾驶功能的智能小车为主线，内容分为看车（了解自动驾驶）、造车（设计智能小车）、开车（收集训练数据）、写车（编写自动驾驶计算机14.9万字
- 会员《AIGC：让生成式AI成为自己的外脑》针对近期较为火热的AIGC技术及其相关话题，介绍AIGC的技术原理、专业知识和应用。全书共分为九章。第一章介绍AIGC技术的基本概念和发展历程；第二、三章介绍AIGC的基础技术栈和拓展技术栈；第四、五章分别讨论了AIGC技术在文本生成和图像生成两个领域的现状和前景；第六章列举了目前较为热门的AIGC技术应用；第七章描述了AIGC的上、中、下游产业链及未来前景计算机12.8万字
- 会员本书兼顾机器学习基础、经典方法和深度学习方法，对组成机器学习的基础知识和基本算法进行了比较细致的介绍，对广泛应用的经典算法如线性回归、逻辑回归、朴素贝叶斯、支持向量机、决策树和集成学习等算法都给出了深入的分析并讨论了无监督学习的基本方法，对深度学习和强化学习进行了全面的叙述，比较深入地讨论了反向传播算法、多层感知机、CNN、RNN和LSTM等深度神经网络的核心知识和结构；对于强化学习，不仅介绍了经计算机20.6万字
- 会员本书由中科院计算所、软件所的专家学者倾心写就，以“图像风格迁移”应用为例，全面介绍智能计算系统的软硬件技术栈。第2版以大模型为牵引进行更新，第1章回顾人工智能、智能计算系统的发展历程，第2、3章在介绍深度学习算法知识的基础上增加了大模型算法的相关知识，第4章介绍深度学习编程框架PyTorch的发展历程、基本概念、编程模型和使用方法，第5章介绍编程框架的工作原理，第6章回顾深度学习所用的处理器结构从计算机34.9万字
- 会员本书是一本全面介绍机器学习方法特别是算法的新书，适合初学者和有一定基础的读者。机器学习可以分成三大类别，监督式学习、非监督式学习和强化学习。三大类别背后的算法也各有不同。监督式学习使用了数学分析中函数逼近方法、概率统计中的极大似然方法。非监督式学习使用了聚类和贝叶斯算法。强化学习使用了马尔可夫决策过程算法。机器学习背后的数学部分来自概率、统计、数学分析以及线性代数等领域。虽然用到的数学较多，但是最计算机7.4万字