新書推薦：
《
甲骨文常用字字典（精） 新版
》
售價：HK$
74.8
《
赖世雄经典英语语法：2025全新修订版（赖老师经典外语教材，老版《赖氏经典英语语法》超32000条读者好评！）
》
售價：HK$
65.8
《
影神图 精装版
》
售價：HK$
140.8
《
不止于判断：判断与决策学的发展史、方法学及判断理论
》
售價：HK$
74.8
《
人才画像、测评、盘点、管理完全应用手册
》
售價：HK$
54.8
《
跳出猴子思维：如何成为不完美主义者（30天认知训练打破完美主义的困扰！实现从思维到行为的全面改变！）
》
售價：HK$
64.9
《
粤港澳大湾区创新能力与创新效率评价研究
》
售價：HK$
85.8
《
钱生钱：低利率下的银行理财与基金投资手册
》
售價：HK$
75.9
|
| 編輯推薦： |
|
1. 随着科技的飞速发展，人工智能（Artif icial Intelligence，AI）技术已经成为当今社会无法忽视的一股力量。它正在逐步地渗透到我们生活的每一个角落，从智能家居到自动驾驶，从医疗诊断到金融服务，AI无处不在地改变着我们的世界。然而，面对这一强大且不可逆转的趋势，许多人却因为对AI知识的匮乏而感到迷茫、恐惧甚至抗拒。 2.本书正是为那些渴望了解AI知识，但基础薄弱、时间有限的读者编写的。我们力求从日常生活中的例子出发，用通俗易懂的语言解释AI技术的原理，避免过多的公式和复杂的数学推导，让拥有初中数学基础的读者也能轻松理解AI的基本概念。我们希望通过这种方式，让读者完成AI技术的入门，蕞终拥抱这个将要改变全人类的新技术。
|
| 內容簡介： |
人工智能（Artif icial Intelligence，AI）技术正在席卷全球，大家都希望能快速掌握AI的基本技术，参与到这个充满前景的领域，但是苦于缺乏相关的基础，对AI行业的术语难以快速理解。本书从基本的概念出发，以日常生活和工作中的实例为基础，深入浅出地阐述AI技术的原理，读者即便没有任何相关的技术基础，也能快速掌握主要的概念，从而完成AI的入门学习。
本书内容涵盖AI基本原理、机器学习、神经网络等核心技术，适合IT技术人员、企业管理者、大学生等读者群体阅读。
|
| 關於作者： |
张川，工学博士，曾就读于西安建筑科技大学和北京邮电大学。多年来一直致力于人工智能及物联网的前沿领域研究，拥有丰富的AI及IOT研发经验。曾在多家世界500强企业担任重要职位，其间主持并成功开发了多项引领行业潮流的智能产品，包括世界首款智能电视与智能空调。曾著有《智能家庭网络：技术、标准与应用实践》一书，为智能家庭网络领域的发展提供了宝贵的理论与实践指导。
近年来，主要从事人工智能的理论研究及实际开发工作，领导并成功实施了多个大语言模型及AIGC相关研发项目，为推动AI技术与各产业的融合作出了卓越的贡献。
陈海林，工学博士，毕业于上海交通大学，一直从事人工智能、工业互联网及智能家居领域研发工作。在人工智能算法、智能视频分析、机器学习、物联网、云平台及大数据处理等方面拥有深厚的学术背景和丰富的项目实践经验。 曾担任工业互联网产业联盟应用组副主席，发表多篇SCI、EI检索论文，并获得发明专利6项。
曾在三星电子、英特尔、海尔集团、三一重工等国内外知名企业担任研发管理职务，并通过持续创业推动人工智能技术在企业实际运营中的应用。
朱振宇，毕业于电子科技大学，后获清华大学MBA学位。深耕互联网与人工智能行业逾十五年，从事技术管理和产品创新，以其独到的洞察力和卓越的技术实力，在业界赢得了广泛的赞誉。目前致力于人工智能的产品商用推广和应用落地。
|
| 目錄：
|
第1篇 每个人都能懂的人工智能
第1章 人工智能很简单—从初中数学到专家系统 002
1.1 用初中数学知识来理解人工智能 002
1.2 人工智能四大基础心法 003
1.3 追求女神这件事，技术宅男搞不定 004
1.4 同样是尬聊，带点智慧结果就不一样了 006
1.5 专家系统—追女仔，我们是专业的 006
第2章 机器学习是实现人工智能的必经之路 009
2.1 机器能帮我们做什么 009
2.2 机器学习修炼手册 011
2.3 来来来，围观人家机器是怎么学习的 013
2.3.1 有监督学习—给出标准答案的学习 013
2.3.2 无监督学习—“别人家的孩子” 014
2.3.3 强化学习—真的学霸，能自己探索最优策略 017
2.4 认识几个专业术语—AI界的“切口” 023
第2篇 人工智能的底层逻辑
第3章 风起云涌的人工智能战国时代 026
3.1 一个神族和人族的赌局 026
3.2 回归预测—未卜先知不是梦 027
3.2.1 线性回归—做股市里最靓的仔 027
3.2.2 套索回归&岭回归—线性回归的改良版 033
3.3.3 让损失函数最小化的方法—梯度下降 034
3.3 逻辑回归—1912年4月15日 036
3.4 K近邻—圈子对了，事就成了 042
3.5 决策树—选择比努力更重要？ 045
3.5.1 用决策树选出心中的女神 046
3.5.2 ID3、C4.5和CART算法—不断提高决策的效率 047
3.5.3 解决过拟合问题—剪枝 052
3.5.4 随机森林—借助现场观众的智慧 055
3.6 支持向量机—人脸识别的利器 056
3.6.1 线性可分问题—楚河汉界 056
3.6.2 线性不可分问题—靠穿越能解决的都不叫事儿 059
3.6.3 多分类问题—笨人也有笨办法 064
3.7 朴素贝叶斯算法—买彩票走向人生巅峰 065
3.8 算法实战—用人工智能解决实际问题 068
3.8.1 20分钟搭建Python环境 069
3.8.2 线性回归—预测鸢尾花的花瓣宽度 074
3.8.3 逻辑回归—泰坦尼克号乘客的幸存概率 076
3.8.4 K近邻—给电影分类 079
3.8.5 支持向量机—判断真正购买的客户 082
3.8.6 决策树模型—判断能否获得贷款 085
第4章 神经网络的崛起—不是老夫离不开江湖，而是江湖离不开老夫 089
4.1 最简单的神经元—大道至简 089
4.2 加层—神经网络的曲折成佛之路 093
4.3 神经网络工作的基本原理—大王让我来巡山 099
4.3.1 狮驼岭的“妖怪神经网络” 099
4.3.2 国有国法，妖有妖规 100
4.3.3 模式识别—狮驼岭基本法 104
4.4 神经网络 vs 传统机器学习 106
4.5 深度机器学习的三大步骤—大模型是怎么炼成的 108
4.5.1 预训练—培养一位合格的运动员 108
4.5.2 微调—为具体比赛做准备 112
4.5.3 对齐—查缺补漏 117
4.6 人工智能科技树回顾 118
4.7 神经网络实战—让MLP识别6岁孩子写的数字 119
第3篇 煮酒论模型
第5章 卷积神经网络（CNN）—图像识别背后的技术 123
5.1 卷积，卷的是什么？ 123
5.2 用卷积核提取喵星人的特征 128
5.3 猜错了怎么办？—知错就改，不断进步 133
5.4 神秘的神经网络—人类无法理解的黑箱 134
5.5 CNN实战—让机器能识别飞机、汽车、猫和狗 136
第6章 生成式对抗网络（GAN）—魔高一尺，道高一丈 140
6.1 两个玩家的博弈—生成器和判别器 140
6.1.1 生成器—字画伪造者 140
6.1.2 判别器—字画鉴定师 141
6.2 多轮“博弈”和“进化” 142
6.3 要注意的细节 143
第7章 扩散模型（Diffusion Model）—文字生图 144
7.1 读心术—女神心里的“520” 144
7.2 从GAN到VAE — “左右手互搏” vs “经脉逆转” 145
7.3 扩散模型—越来越火爆的江湖绝技 147
7.3.1 扩散模型的灵感—覆水可收 147
7.3.2 从后验概率到DDPM—降低生成图像的难度 150
7.3.3 基于高斯分布预测噪声—另一种方式实现熵减 151
7.4 Stable Diffusion—文生图的首选 152
7.4.1 Stable Diffusion架构—SD魔法箱里的三件法宝 153
7.4.2 训练U-Net去除噪声—培训一位合格的雕刻家 156
7.4.3 基于CLIP模型创作图像—既懂文字又懂图像的专家 159
第8章 机器翻译，想说爱你不容易 165
8.1 机翻毁一生 165
8.2 让机器翻译变得丝滑的奥秘—训练，不断地训练 168
8.3 单词向量化—编制一个单词向量大辞典 171
8.3.1 化整为零—让“结巴”来识文断句 171
8.3.2 向量—硅基生命理解世界的方式 176
8.3.3 语言向量化的利器—Word2Vec 182
8.3.4 词向量小结 184
8.4 理解一段话的重点—你得品，细细地品 185
8.4.1 注意力不集中，送分题秒变送命题 185
8.4.2 Transformer—AI界的“九阴真经” 186
8.4.3 编码器-解码器（Encoder-Decoder）架构 186
8.4.4 Transformer的秘密—3个神秘矩阵wq、wk、wv 190
8.4.5 自注意力的计算方法 192
8.4.6 点乘运算—精确计算两个词语之间的亲密程度 194
8.4.7 多头注意力—同时关注多个特征 195
8.4.8 “注意力”与“自注意力”的区别 196
8.4.9 位置编码—解决语序问题 197
8.4.10 掩码—训练的时候不能偷看答案 199
8.5 Transformer原理小结 200
8.6 单词向量化实战—用“结巴分词”划分token 201
第9章 自然语言处理的那些事—神经网络语言模型的前世今生 203
9.1 为什么自然语言处理是人工智能领域的一颗明珠 203
9.2 机器是如何理解自然语言的 203
9.3 暴力穷举的语言模型—用尽全宇宙的原子也无法存储的信息量 204
9.4 基于统计的语言模型—“床前明菠萝”？ 205
9.5 前馈神经网络（FNN）—从最基础的讲起 207
9.5.1 前馈神经网络基本概念 207
9.5.2 怎样训练前馈神经网络 216
9.5.3 GPT的参数个数—1750亿个 219
9.5.4 神经网络怎么看懂人话—每层都有自己的任务 221
9.5.5 基于计数的词向量生成—越过山丘，才发现无人等候 222
9.5.6 基于推理实现词向量生成—欲利其器，先明其理 225
9.5.7 词与词之间的奇妙关系 230
9.5.8 词的意义取决于上下文 233
9.6 循环神经网络模型（RNN）—不忘过往，面向未来 234
9.7 长短期记忆神经网络（LSTM）—成熟就是学会遗忘 237
9.7.1 “长依赖”问题—太长的句子谁都记不住啊 237
9.7.2 LSTM的门控机制—脑海中的橡皮擦 238
9.8 双向RNN—像诺兰一样思考 244
9.9 Seq2Seq—现实世界在模型中的体现 244
9.10 RNN实战—模仿莎士比亚写作 248
9.10.1 准备数据集&安装必需的库 249
9.10.2 下载代码并运行 249
9.10.3 神经网络的训练 249
9.10.4 训练完毕，生成文本 250
9.10.5 代码简析 250
第10章 Transformer架构解密—AIGC的核心技术 255
10.1 注意力机制—一个字一个字地复述 255
10.2 从架构上再次解析Transformer—变形的秘密 258
10.2.1 编码器（Encoder）—用庖丁解牛的方式解读文字 260
10.2.2 解码器（Decoder）—充满智慧的讲述者 263
10.2.3 嵌入层&位置编码—从自然语言到机器向量 265
10.2.4 输出层—从机器向量回到自然语言 266
10.3 Transformer 的训练过程 268
10.4 Transformer 的推理过程 269
10.5 让大模型懂你—利用大模型推理能力解决自己的问题 270
10.5.1 RAG基本原理—一个专业的“知识外挂” 271
10.5.2 LangChain简介 273
10.6 大模型用法实战—RAG LangChain实现客服机器人 274
10.6.1 准备数据集&安装必需的库 274
10.6.2 免费拿到试用密钥 274
10.6.3 下载代码并运行 276
10.6.4 代码简析 277
第11章 Sora原理解密—物理世界的模拟器？ 279
11.1 Sora凭什么吓了世界一跳？ 279
11.2 Sora的实现原理—Transformer Diffusion 280
11.2.1 图片连播就是视频—《大闹天宫》的原理 280
11.2.2 视频内容的整体训练—短视频的生成 281
11.2.3 基于Patches训练长视频—Sora的训练过程 281
11.2.4 根据指令生成视频—Sora的推理过程 287
11.3 Sora真的模拟了这个物理世界吗？ 288
第4篇 对人工智能的冷静思考
第12章 人工智能的江湖八卦—在关键转折点的选择 291
12.1 论Transformer的发家史—无心插柳柳成荫 291
12.2 BERT vs GPT—Transformer两大发展方向 291
12.3 为什么ChatGPT可以技惊四座 292
12.4 LLaMA—大羊驼的传奇 294
第13章 人工智能是否能产生意识—人与机器的分界线 297
13.1 一道经典的人工智能测试题 297
13.2 对人工智能的官方测评—155页的变态测试报告 298
13.3 对人工智能的民间测评—有本事就参加高考 299
13.4 机器是如何“思考”的？ 299
13.5 奇点，涌现 301
13.6 什么是意识？ 302
第14章 谁是洗牌人，谁是被洗的牌？ 303
14.1 “人工智能 ” 303
14.2 AI正在颠覆世界，是生存危机，还是泼天富贵？ 305
14.3 时代的一粒灰，落在每个人的肩头就是一座大山 306
14.4 从恐惧到了解，从了解到掌握 307
14.5 人类智慧与人工智能 308
参考文献 309
|
| 內容試閱：
|
随着科技的飞速发展，人工智能（Artif icial Intelligence，AI）技术已经成为当今社会无法忽视的一股力量。它正在逐步地渗透到我们生活的每一个角落，从智能家居到自动驾驶，从医疗诊断到金融服务，AI无处不在地改变着我们的世界。然而，面对这一强大且不可逆转的趋势，许多人却因为对AI知识的匮乏而感到迷茫、恐惧甚至抗拒。本书正是为那些渴望了解AI知识，但基础薄弱、时间有限的读者编写的。我们力求从日常生活中的例子出发，用通俗易懂的语言解释AI技术的原理，避免过多的公式和复杂的数学推导，让拥有初中数学基础的读者也能轻松理解AI的基本概念。我们希望通过这种方式，让读者完成AI技术的入门，最终拥抱这个将要改变全人类的新技术。
本书面向的读者群体广泛，包括但不限于以下读者。
（1）原本从事IT行业，想要转行从事AI的技术人员。本书将帮助读者快速理解AI专业术语，建立起完整的知识框架，从而为进一步学习AI打下良好的基础。
（2）各行业的企业管理者。本书将让读者了解到AI的最新能力，帮助其评估本企业如何与AI相结合，为企业决策提供参考。
（3）在校大学生。本书将让读者在轻松愉快的阅读中理解AI的基本原理和发展前景，为其学习和择业提供方向。
在内容结构上，本书分为4篇。第1篇，前两章通过生活中的实例，深入浅出地介绍AI的发展历史和机器学习的基本概念。第2篇，第3章和第4章详细讲解了人工智能的底层逻辑，包括传统的AI算法和当下得到广泛应用的神经网络。第3篇，第5章至第11章，以神经网络为基础，讲解了几个非常重要的大模型，它们是生成式对抗神经网络、卷积神经网络、扩散模型、Transformer、Sora等。第4篇，最后3章，我们将探讨人工智能发展的历史、现状及未来，让读者对AI有一个全面而深入的认识。
为了能让读者在实践中加深理解，本书还提供了许多完整而简短的AI应用代码，读者可以在自己的PC上直接运行这些代码，亲身体验AI的神奇魅力。
在本书编写过程中，我们得到了来自各方的宝贵帮助与支持。
首先，我们要向家人致以最深切的感激，他们的鼓励和支持是我们持之以恒并最终完成本书的坚实后盾。
其次，我们衷心感谢北京邮电大学的艾波教授、王柏教授、廖启征教授，以及西安建筑科技大学的赵文静教授、李柏龄教授。他们高尚的品行和对学术的钻研精神始终激励着我们，是我们不断追求的目标和榜样。
再次，我们还要特别感谢多年的挚友王君珂、黄启峰、周朝霞、张源海、高永峰、贺鹏、李繁毓、杨慧娟。与他们深入的交流与讨论，不仅拓宽了我们的视野，还深化了我们对新技术的理解与掌握。
北京邮电大学的钟义信教授从人工智能方法论的高度给予我们很多具体的指导，在此表示深切的敬意和感谢。
西安电子科技大学的赵宇教授在本书的编写过程中给予了我们很多宝贵的帮助和支持，我们对此表示由衷的感谢。
从次，我们要特别提及帅勇先生，他为本书绘制的精美插图，不仅极大地丰富了本书的内容，更为本书增添了艺术价值和观赏性。
最后，我们要感谢清华大学出版社的刘洋老师。在本书的出版过程中，他给予了我们专业的指导和认真的帮助，使得本书在内容和质量上都得到了显著提升。他的辛勤付出使得本书能够顺利地出版，从而能够使我们与更多读者分享我们的知识和见解。
希望本书能成为读者了解AI的良师益友，让我们一起迎接这个充满无限可能的AI时代。
为了方便读者下载本书的示例源代码，我们提供了一个二维码（见本书封底），扫描后即可获得书中所有的源代码及数据文件。此外，为了能使读者更容易地理解本书内容，我们也会制作并发布本书的培训视频，敬请关注。
编者
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
