人工智能简史:机器觉醒百年启示录电子书

内容简介

前言

第1章 人工智能的早期思想与起源

1.1 古代思想与自动化的早期尝试

1.1.1 古希腊的机械自动化

1.1.2 中世纪的自动机器与智能象征

1.1.3 近代自动化的雏形：机械人玩具与钟表技术

1.2 计算机科学的诞生与人工智能的初步概念

1.2.1 查尔斯·巴贝奇与差分机

1.2.2 艾伦·图灵与计算机的构想

1.2.3 计算机科学与AI的交集

1.3 艾伦·图灵与图灵测试

1.3.1 图灵的早期工作：图灵机与计算理论

1.3.2 图灵测试的提出与意义

1.3.3 图灵测试与人工智能

1.4 机器思维的哲学争议与发展

1.4.1 哲学中的心智问题

1.4.2 “机器是否能思考”的早期辩论

1.4.3 现代哲学对AI的思考

1.5 小结

参考文献

第2章 第一波人工智能——符号主义的崛起

2.1 20世纪50年代至60年代：人工智能的初步探索

2.1.1 第一代计算机与人工智能的萌芽

2.1.2 早期的AI程序：逻辑定理证明与象棋程序

2.1.3 人工智能的第一次定义与目标

2.2 符号主义与规则推理的兴起

2.2.1 符号主义的核心思想

2.2.2 早期专家系统的构建与应用

2.2.3 规则推理与人工智能的初步探索

2.3 达特茅斯会议与“人工智能”一词的诞生

2.3.1 达特茅斯会议的历史背景与筹备

2.3.2 会议内容与人工智能的定义

2.3.3 达特茅斯会议对AI历史的深远影响

2.4 人工智能的早期应用与挑战

2.4.1 早期的AI应用领域：语言处理与数学问题

2.4.2 人工智能的限制与挑战

2.4.3 早期AI失败的原因分析

2.5 小结

参考文献

第3章 人工智能的瓶颈与挑战

3.1 20世纪60年代末到70年代初：符号主义的瓶颈

3.1.1 符号主义方法的局限性

3.1.2 符号系统的复杂性与计算成本

3.1.3 早期失败案例的反思与总结

3.2 AI的第一个“冬天”与资金问题

3.2.1 资金短缺与研究冷却

3.2.2 政府支持与AI项目的撤资

3.2.3 AI“冬天”的社会与学术影响

3.3 专家系统的局限性

3.3.1 专家系统的兴起与应用

3.3.2 专家系统的局限与难题

3.3.3 专家系统的失败与AI“寒冬”

3.4 计算能力和数据问题的影响

3.4.1 计算能力的瓶颈与限制

3.4.2 数据短缺与算法瓶颈

3.4.3 人工智能发展的技术障碍与突破

3.5 小结

参考文献

第4章 从专家系统到神经网络的复兴

4.1 专家系统的黄金时代与商用化

4.1.1 专家系统的构建与技术突破

4.1.2 专家系统在商业中的应用

4.1.3 专家系统的成功案例与失败警示

4.2 20世纪80年代的神经网络复兴

4.2.1 神经网络理论的基础与发展

4.2.2 反向传播算法的提出与应用

4.2.3 神经网络在实践中的挑战与潜力

4.3 反向传播算法的出现与应用

4.3.1 反向传播算法的原理与发展

4.3.2 反向传播算法的实际应用案例

4.3.3 反向传播算法的局限与改进

4.4 人工智能第二个“冬天”的到来

4.4.1 技术局限与资金问题

4.4.2 第二个AI“冬天”的原因分析

4.4.3 第二个AI“冬天”的影响与后果

4.5 小结

参考文献

第5章 从2000年到深度学习的崛起

5.1 数据、计算与算法的进步

5.1.1 数据的爆发与大数据的崛起

5.1.2 计算能力的提升与GPU的应用

5.1.3 算法的改进与突破

5.2 机器学习的复兴与支持向量机

5.2.1 机器学习的基本概念与复兴

5.2.2 支持向量机（SVM）的理论与实践

5.2.3 机器学习的局限性与未来挑战

5.3 深度学习的理论与实践突破

5.3.1 深度神经网络的提出及其意义

5.3.2 深度学习在图像处理与语音处理中的突破

5.3.3 深度学习的成功案例与挑战

5.4 关键人物：Geoffrey Hinton与深度学习的未来

5.4.1 Geoffrey Hinton的学术贡献

5.4.2 Hinton与深度学习的关系

5.5 小结

参考文献

第6章 现代人工智能的多元发展

6.1 机器学习、深度学习与强化学习的兴起

6.1.1 强化学习的基本概念与应用

6.1.2 机器学习与深度学习的互补性

6.1.3 强化学习在游戏与机器人中的应用

6.2 自然语言处理的突破与BERT、GPT、DeepSeek系列

6.2.1 自然语言处理的基础与挑战

6.2.2 BERT的提出与影响

6.2.3 GPT系列模型的进展与应用

6.2.4 DeepSeek系列模型的进展与应用

6.3 计算机视觉与卷积神经网络

6.3.1 计算机视觉的基本概念与挑战

6.3.2 CNN的原理与突破

6.3.3 计算机视觉的实际应用案例

6.4 AI在医疗、金融、自动驾驶等领域的应用

6.4.1 AI在医疗诊断与药物研发中的应用

6.4.2 AI在金融中的风险控制与预测

6.4.3 自动驾驶技术的发展与挑战

6.5 小结

参考文献

第7章 人工智能的国际竞争与技术霸权

7.1 中国与美国在AI领域的竞争

7.1.1 美国的AI发展历程与全球领导地位

7.1.2 中国在AI领域的崛起与政策支持

7.1.3 中美AI竞争的影响与合作潜力

7.2 AI技术的军备竞赛与国家安全

7.2.1 AI在军事领域的应用：无人机与自动化武器

7.2.2 AI的战略性应用与国际安全

7.2.3 人工智能与国家安全的平衡

7.3 人工智能与全球治理问题

7.3.1 国际合作与AI的全球伦理

7.3.2 全球治理结构与AI政策的制定

7.4 跨国科技公司与AI的创新引领

7.4.1 Google、Microsoft、百度等公司的AI战略

7.4.2 资本与技术的全球化竞争

7.4.3 大型科技公司与AI发展的推动

7.5 小结

参考文献

第8章 大规模预训练模型及人工智能的未来

8.1 GPT系列与大规模语言模型的崛起

8.1.1 GPT模型的发展历史与技术突破

8.1.2 GPT-3与GPT-4的影响与应用

8.1.3 预训练模型在自然语言处理中的优势与挑战

8.2 图像生成与生成对抗网络

8.2.1 GAN的基本原理与发展历程

8.2.2 GAN在图像生成、艺术创作中的应用

8.2.3 GAN的伦理问题与社会影响

8.3 迁移学习与模型共享的未来

8.3.1 迁移学习的基本概念与实践

8.3.2 迁移学习在实际应用中的突破

8.3.3 模型共享与开源社区的推动

8.4 AI在艺术、文学与创造性工作方面的前景

8.4.1 AI对创意行业的影响

8.4.2 计算机生成艺术：从音乐到视觉艺术

8.4.3 AI文学创作与写作辅助技术

8.5 超级智能与通用人工智能

8.5.1 AGI的定义与目标

8.5.2 超级智能的潜力与风险

8.5.3 AGI研究的现状与未来挑战

8.6 人工智能的长远影响：从幻想到现实

8.6.1 AI对社会结构的影响

8.6.2 人工智能与全球文化的塑造

8.6.3 从科幻到现实：AI如何改变未来

8.7 小结

参考文献