第1章 人工智能是什么？
1.1 人工智能是什么時(shí)候出現(xiàn)的？002
● 人的智能？人工智能？003
● 圖靈測(cè)試：哪個(gè)是人類？004
● 寂寞的人工智能？！006
● 人和人工智能的區(qū)別007
● 伴隨著計(jì)算機(jī)發(fā)展009
● AI的歷史：達(dá)特茅斯會(huì)議010
● AI的歷史：第一次人工智能熱潮011
● AI的歷史：第二次人工智能熱潮013
● 現(xiàn)在，第三次人工智能熱潮！015
1.2 這是人工智能？016
● 人工智能與機(jī)器人的區(qū)別017
● 機(jī)器人研究？人工智能研究？019
● 人工智能需要身體嗎？020
● 第1級(jí)人工智能023
● 第2級(jí)人工智能024
● 第3級(jí)人工智能026
● 第4級(jí)人工智能，專用人工智能027
● 第5級(jí)人工智能，通用人工智能028
1.3 人工智能會(huì)超越人類嗎？030
● 奇點(diǎn)是什么？031
● 奇點(diǎn)：可怕？不可？032
● 如何實(shí)現(xiàn)通用人工智能？033
● AI導(dǎo)致人類滅亡的可能性有多大？034
● AI之下我們的未來(lái)會(huì)怎樣改變呢？036
● 將來(lái)，哪些職業(yè)會(huì)消失？037
● 將來(lái)，哪些職業(yè)會(huì)留下來(lái)？039

第2章 容易導(dǎo)入人工智能的事物和不容易導(dǎo)入人工智能的事物
2.1 容易導(dǎo)入人工智能的事物042
● 可以導(dǎo)入網(wǎng)絡(luò)上的任何信息043
● 0和1數(shù)字?jǐn)?shù)據(jù)044
● 各種數(shù)據(jù)（語(yǔ)言、動(dòng)畫(huà)、音頻）046
● 讓計(jì)算機(jī)擁有視覺(jué)048
● 數(shù)碼相機(jī)的演變049
● 像素提高，超過(guò)人類？！050
● 世界共享的數(shù)據(jù)051
● 圖像識(shí)別的競(jìng)賽：ILSVRC052
● 讓計(jì)算機(jī)擁有聽(tīng)覺(jué)054
● 使用兩個(gè)麥克風(fēng)的語(yǔ)音識(shí)別055
● 多個(gè)麥克風(fēng)056
● 把語(yǔ)音轉(zhuǎn)化成文字？058
● 聲學(xué)模型和語(yǔ)言模型060
2.2 不容易導(dǎo)入人工智能的事物 062
●“意思”很難懂…… 063
● 什么是語(yǔ)義網(wǎng)絡(luò)？ 064
● 不理解“意思”也能夠做出回答？ 065
● 什么是潛在語(yǔ)義分析？ 067
● 為什么Torobo-kun 選擇放棄 067
● 如果要變聰明，需要五感齊備嗎？ 069
● 人工智能的味覺(jué)是什么？ 070
● 人工智能的嗅覺(jué)是什么？ 070
● 將來(lái)會(huì)怎么處理氣味？072
● 人工智能的觸覺(jué)是什么？073
● 實(shí)現(xiàn)觸覺(jué)真的很難！074

第3章 人工智能是怎樣從信息中學(xué)習(xí)的？
3.1 什么是機(jī)器學(xué)習(xí)？ 078
● 讓機(jī)器設(shè)備（計(jì)算機(jī)）也能夠?qū)W習(xí)！ 079
● 什么是監(jiān)督學(xué)習(xí)？ 080
● 分類問(wèn)題：判斷垃圾郵件 082
● 回歸問(wèn)題：預(yù)測(cè)數(shù)值 084
● 尋找合適的線（函數(shù)）！ 085
● 當(dāng)心過(guò)度學(xué)習(xí)！ 088
● 什么是無(wú)監(jiān)督學(xué)習(xí)？ 090
● 試著分組吧！ 092
● k-means 分類方法 094
● 強(qiáng)化學(xué)習(xí)是“蜜糖”與“鞭子” 095
3.2 什么是神經(jīng)網(wǎng)絡(luò)？097
● 大腦依靠神經(jīng)元運(yùn)作098
● 人工神經(jīng)元的構(gòu)造100
● 代表了重要度和信賴度的權(quán)重102
● 赫布定律103
● 什么是感知機(jī)？104
● 線性不可分！105
● BP算法（誤差反向傳播算法）106
● 為了減小誤差，調(diào)整權(quán)重！108
● 增加層數(shù)：信息傳遞不到!110
● 支持向量機(jī)的優(yōu)點(diǎn)是什么？110
● 權(quán)衡過(guò)度學(xué)習(xí)和泛化112
3.3 深度學(xué)習(xí)有哪些厲害之處？113
● 深度學(xué)習(xí)成名的日子114
● 能夠自己提取特征，厲害！115
● 4層以上的深度學(xué)習(xí)116
● 自編碼的輸入和輸出是相同的！117
● 讓輸入與輸出具有相同的意義118
● 或許和人越來(lái)越像？120
● 深度學(xué)習(xí)的方法120
3.4 AI三大模型中的“遺傳算法”是什么？124
●AI三大模型的方方面面125
● 以達(dá)爾文的進(jìn)化論為基礎(chǔ)125
● 遺傳算法的使用方法126

第4章 人工智能的應(yīng)用實(shí)例
4.1 人工智能的進(jìn)化在“游戲”中的應(yīng)用實(shí)例130
● 游戲AI 的進(jìn)化歷史130
●人類與AI 對(duì)戰(zhàn)（國(guó)際象棋篇）132
●人類與AI 對(duì)戰(zhàn)（日本象棋篇）133
●人類與AI 對(duì)戰(zhàn)（圍棋篇）134
4.2 第三次AI熱潮的導(dǎo)火索在“圖像”領(lǐng)域的應(yīng)用實(shí)例136
● 谷歌的貓136
● 圖像識(shí)別的發(fā)展138
● 醫(yī)療領(lǐng)域的應(yīng)用（莊野實(shí)驗(yàn)室）139
● 醫(yī)療領(lǐng)域的應(yīng)用（惡性黑色素瘤的判別） 140
● 醫(yī)療領(lǐng)域的應(yīng)用（癌癥的檢測(cè)）141
● 為了提高診斷的準(zhǔn)確度142
4.3 “自動(dòng)駕駛AI”的實(shí)際應(yīng)用143
● 自動(dòng)到什么程度？143
● 為了實(shí)現(xiàn)自動(dòng)駕駛145
● 自動(dòng)駕駛的訓(xùn)練步驟146
● 為了掌握位置和情況147
● 事故的原因究竟是什么？ 149
4.4 “對(duì)話AI”的應(yīng)用實(shí)例150
● 為了和計(jì)算機(jī)對(duì)話150
●“有知識(shí)”對(duì)話AI152
●“無(wú)知識(shí)”對(duì)話AI154
● 制造對(duì)話的三種技術(shù)155
● 為了自然的對(duì)話156
4.5 “遺傳算法”在“擬聲擬態(tài)詞”上的應(yīng)用實(shí)例158
● 貼近人心的擬聲擬態(tài)詞158
● 生成擬聲擬態(tài)詞的系統(tǒng)159
● 擬聲擬態(tài)詞的生成160
● 在優(yōu)化過(guò)程中要做些什么呢162
4.6 AI在“藝術(shù)”領(lǐng)域的實(shí)踐164
●AI在藝術(shù)方面的挑戰(zhàn)（小說(shuō)篇）164
●AI小說(shuō)項(xiàng)目166
●AI在藝術(shù)方面的挑戰(zhàn)（繪畫(huà)篇）168
●AI在藝術(shù)方面的挑戰(zhàn)（作曲篇）170

結(jié)語(yǔ)171

參考文獻(xiàn)174

索引176