视读人工智能 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[英] 亨利·布莱顿，[英] 霍华德·塞林那，张 著

图书标签:

• 人工智能
• 深度学习
• 计算机视觉
• 自然语言处理
• 图像识别
• 机器学习
• Python
• 算法
• 技术
• 科普

店铺： 英典图书专营店

出版社： 安徽文艺出版社

ISBN：9787539626031

商品编码：11800897188

包装：平装

出版时间：2007-02-01

基本信息

书名：视读人工智能

：16.80元

作者：(英)亨利·布莱顿,(英)霍华德·塞林那 ,张

出版社：安徽文艺出版社

出版日期：2007-02-01

ISBN：9787539626031

字数：140000

页码：

版次：1

装帧：平装

开本：12k

商品重量：0.259kg

编辑推荐

---

内容提要

---

机器真的可以思考吗？人的思维只是一个复杂的计算机程序吗？本书着眼于人工智能这个有史以来为棘手的科学问题之一，集中探讨了其背后的一些主要话题。
人工智能不仅仅是一个虚构的概念。人类对智能机体结构半个世纪的研究表明：机器可以打败人类的棋手，类人机器人可以走路并且能和人类进行互动。
尽管早就有宣言称智能机器指目可待，但此方面的进展却缓慢而艰难。意识和环境是困扰研究的两大难题。我们到底应该怎样去制造智能机器呢？它应该像大脑一样运转？它是否需要躯体？
从图灵影响深远的奠基性研究到机器人和新人工智能的飞跃，本书图文并茂地将人工智能在过去半个世纪的发展清晰地呈现在读者面前。

目录

---

译者序
人工智能
人工智能问题的定义
什么是智能体
作为经验科学的人工智能
异人工智能工程
解决工智能问题
有限度的野心
人工智能的极限发挥
超人智能
相关学科
人工智能与心理学
认知心理学
认知科学
人工智能与哲学
大脑与身体的问题
存在主义与解释学
积极的开端
乐观主义与大胆的宣言
智能与认知
生活的模拟
复杂行为
埃尔希有智能吗
聪明的汉斯：值得警醒的故事
语言、认知与环境
关于人工智能问题的两个方面
人工智能的核心教义：认知主义
什么是计算
图灵机
作为计算器件的人脑
广义计算
计算与认知主义
机器脑
功能主义对思维与人脑的分离
物理符号系统假说
智能行为理论
机器真的会思考吗
图灵测试
洛伯纳奖
图灵测试的问题
机器内部：塞尔的中国屋
塞尔的中国屋
塞尔的答案
复杂性理论的应用
理解力是一种显现的特性吗
适当材料制造的机器
人工智能与二元论
脑组件更换实验
罗杰·彭罗斯与量子效应
彭罗斯与哥德尔定理
量子引力与意识
人工智能真的是研究思维机器的吗
解决意向性问题
认知学派的理论
埃尔希
认知建模
模型并非解释
线虫
对行为的真正理解
降低描述层次
简化问题
分解与简化
模块原理
微观世界
早期的成功：游戏竞赛
自适应程序
游戏的内部表示
“搜索空间”的野蛮搜索
无限的象棋空间
启发式算法
深蓝
缺乏进展
给机器灌输知识
逻辑与思维
CYC工程与脆弱性
CYC工程能实现吗
认知机器人沙基
沙基的活动环境
感知一建摸一规划一行动
规划的限制
新抄基
沙基的局限性
联结主义的立场
生物学影响
神经计算
神经网络
神经网络剖析
生物学合理性
并行分布式处理
并行与串行计算
强韧性和适度的衰退
机器学习与联结主义
神经网络中的学习
局部表示
分布式表示
复杂行为
解读分布式表示
补充方法
神经网络会思考吗
中国健身馆
符号根基问题
符号根基
打破圆圈
人工智能终结了吗
新人工智能
微现世界与日常生活的世界不同
传统人工智能的问题
健壮性
实时操作性
进化的新论证
来自生物学的论证
非认知行为
来自哲学的论证
反对唯形式论
没有无实体的智能
现实世界中的智能体
新人工智能的三大原则
基于行为的机器人学
作为设计单元的行为
机器人成吉思汗
设计的行为
智能体的集合
传声脑实验
物体辨识
命名游戏
反馈过程
认知机器人中的自组织性
未来
不久的将来
触手可及的将来
索尼梦想机器人
能歌善舞
SDR只是个设计精巧的机器人
未来的可能性
莫拉维克预言
人工智能：一种新的进化
脱离生物学的进化
一个预测
机械化认知
不同道路在未来的变汇
拓展阅读
附录

作者介绍

---

文摘

---

序言

---

《视读人工智能》是一本探索人工智能视觉感知能力演进的书籍。它深入剖析了计算机如何“看见”，以及这种“看见”如何被赋予理解和推理的能力。本书并非直接教授如何编程或构建AI模型，而是着重于阐述其背后的核心思想、技术突破以及对我们世界产生的深刻影响。 第一部分：模仿的起点——从早期视觉到模式识别 在本书的开篇，我们将追溯人工智能视觉研究的早期历程。我们会回顾那些奠定基础的理论，例如神经科学对人眼和大脑视觉皮层工作原理的早期探索，以及早期科学家们试图通过数学模型来模拟这一过程的努力。这部分将带领读者穿越计算机视觉的黎明时代，了解那些笨拙但充满远见的尝试。 从二值图像到特征提取： 早期的计算机视觉主要集中在处理简单的二值图像，通过像素点的集合来识别基本的形状和边缘。我们会介绍一些经典的算法，比如边缘检测（如Sobel算子、Canny算子）是如何工作的，以及它们在图像分析中的重要性。这些算法是识别更复杂模式的第一步，它们就像是为计算机安装了“基础视力”。 模板匹配的局限与发展： 接着，我们将探讨模板匹配技术，这是一种通过将已知模式（模板）与输入图像进行比对来识别目标的方法。我们会分析其优点，例如简单易懂，但也揭示其在面对尺度、旋转、光照等变化时的脆弱性。这促使研究者们寻求更鲁棒的特征描述方法。 SIFT、SURF与HOG： 随后，本书将重点介绍一些在模式识别领域具有里程碑意义的特征提取算法，如尺度不变特征变换（SIFT）、加速鲁棒特征（SURF）以及方向梯度直方图（HOG）。我们会详细解释这些算法如何捕捉图像中的局部信息，使其能够抵抗一定的几何和光度变化。理解这些算法，就如同理解了计算机如何“标记”图像中的关键点，为后续的识别奠定基础。 机器学习的早期应用： 在这个阶段，支持向量机（SVM）、K近邻（KNN）等经典的机器学习算法也被引入到视觉识别任务中。我们将介绍这些算法如何通过学习已有的图像数据来区分不同的物体类别。虽然它们的学习能力有限，但为后续更强大的深度学习模型铺平了道路。 第二部分：深度革命——神经网络的视觉觉醒 随着计算能力的飞跃和海量数据的涌现，深度学习以前所未有的方式改变了人工智能视觉的面貌。本书将详细剖析深度神经网络，特别是卷积神经网络（CNN）在视觉任务中的核心作用。 人工神经网络的基本原理： 在深入CNN之前，我们会回顾人工神经网络（ANN）的基本构成，包括神经元、激活函数、层以及前向传播和反向传播算法。这部分内容将帮助读者理解神经网络如何通过层层传递和调整权重来处理信息，就像大脑中的神经元相互连接一样。 卷积神经网络（CNN）的诞生与解构： CNN是本书的重中之重。我们将详细讲解其独特的结构，包括卷积层、池化层和全连接层。 卷积层： 深入理解卷积核（滤波器）的工作原理，它如何扫描图像提取局部特征，以及权值共享机制如何大大减少模型参数，提高效率。我们会用生动的例子解释，卷积核就像是一张张“智能滤镜”，能够捕捉到图像中的边缘、纹理、颜色等低级特征，并逐层组合成更高级别的抽象特征。 池化层： 探讨池化操作（如最大池化、平均池化）的作用，它如何降低特征图的维度，减少计算量，并增强模型的鲁棒性，使其不易受到微小偏移的影响。这就像是将提取到的关键信息进行“概括”，抓住核心，丢弃不重要的细节。 激活函数： 介绍ReLU、Sigmoid、Tanh等激活函数的作用，它们如何引入非线性，使网络能够学习更复杂的映射关系。 CNN的经典架构解析： 我们将回顾并分析一些具有开创性的CNN架构，例如AlexNet、VGGNet、GoogLeNet（Inception）以及ResNet。 AlexNet的突破： 解释AlexNet如何在ImageNet竞赛中取得巨大成功，以及它所使用的关键技术，如ReLU激活函数、Dropout等。 VGGNet的深度与简洁： 分析VGGNet如何通过堆叠小的卷积核来构建深层网络，以及其简洁的结构带来的优势。 GoogLeNet的“Inception”模块： 揭示GoogLeNet如何通过并行处理不同尺度的卷积来提高效率和性能，以及其“Inception”模块的设计思想。 ResNet的残差连接： 详细阐述ResNet为何能够构建出极深的神经网络，以及残差连接如何解决深度网络中的梯度消失问题，使得模型能够更有效地学习。 图像分类、物体检测与图像分割： 通过CNN，我们能够解决各种复杂的视觉任务。 图像分类： 了解CNN如何通过学习大量标注图像，将图像归类到预设的类别中。 物体检测： 探讨R-CNN系列、YOLO、SSD等算法如何实现对图像中多个物体的定位和识别，包括边界框的预测。 图像分割： 介绍语义分割（如FCN、U-Net）和实例分割（如Mask R-CNN）技术，它们能够精细地识别出图像中每个像素所属的类别或实例。 第三部分：超越感知——理解、推理与交互 人工智能的视觉能力早已不局限于“看见”，更在于“理解”和“推理”。本部分将探讨如何让计算机不仅能识别物体，还能理解场景、进行推理，并与人类进行自然而富有意义的互动。 场景理解与关系推理： 介绍如何利用CNN与其他模型（如循环神经网络RNN、Transformer）的结合，来理解图像中的整体场景，识别物体之间的空间关系、动作关系以及因果关系。例如，理解“一个人正在喂一只狗”这样的描述，需要识别出“人”、“狗”、“喂”等元素，并理解它们之间的相互作用。 视觉问答（VQA）： 探讨视觉问答系统，它能够根据用户提出的问题，结合图像内容给出答案。这需要AI能够融合视觉信息和自然语言处理能力，进行深度的理解和推理。 图像生成与风格迁移： 介绍生成对抗网络（GAN）等技术，如何让AI“创造”出逼真的图像，或者将一种艺术风格应用到另一张图像上。这展示了AI在理解图像的潜在分布和创作能力方面的进步。 视觉注意力机制： 解释注意力机制如何在深度学习模型中扮演的角色，它如何让模型在处理信息时，像人一样，有选择性地关注图像中的关键区域，从而提高效率和准确性。 Transformer在视觉领域的应用： 探讨Vision Transformer (ViT) 等模型如何将自然语言处理领域取得巨大成功的Transformer架构引入到视觉任务中，并取得突破性进展。理解Transformer如何通过自注意力机制捕捉图像中长距离的依赖关系。 具身智能与感知交互： 展望未来，介绍人工智能的视觉能力如何与机器人技术结合，实现具身智能。机器人通过视觉感知来探索环境、进行操作，从而与物理世界进行更深入的交互。 第四部分：伦理、挑战与未来展望 在深入探讨技术的同时，本书也不会回避人工智能视觉领域所面临的挑战和伦理问题。 数据偏见与公平性： 分析训练数据中的偏见如何导致AI模型在特定人群或场景下表现不佳，以及如何努力实现算法的公平性。 隐私与安全： 探讨人脸识别等技术带来的隐私泄露风险，以及如何在发展技术的同时保障个人信息安全。 可解释性与透明度： 讨论当前深度学习模型“黑箱”的特点，以及如何提高AI决策的可解释性，让人们能够理解AI的判断依据。 对抗性攻击： 介绍对抗性攻击的存在，即通过微小扰动就能欺骗AI模型，以及如何防御这些攻击，提高AI系统的鲁棒性。 未来的发展方向： 展望人工智能视觉的未来，包括更强的常识推理能力、更高效的学习范式（如小样本学习、无监督学习）、与多模态信息的融合（如文本、音频），以及AI如何更好地服务于人类社会。 《视读人工智能》旨在为读者提供一个全面而深入的视角，去理解人工智能是如何“看见”和“理解”这个世界的。它将带领读者从技术原理出发，逐步深入到AI视觉应用的方方面面，并引发对这项强大技术的深思。本书适合任何对人工智能、计算机视觉以及它们如何改变我们生活感兴趣的读者，无需深厚的编程背景，只需一颗好奇的心。

评分☆☆☆☆☆

我必须说，这本书的阅读体验是极其流畅且引人入胜的。我通常很难长时间专注于同一本书，但这本书让我完全沉浸其中，以至于常常忘记了时间。作者似乎非常懂得如何驾驭读者的注意力，他总能在关键时刻抛出一个悬念或者引入一个引人深思的案例，从而牢牢抓住读者的心神。更难得的是，即便在讨论宏大叙事时，作者也始终保持着对个体经验的关注，使得整本书读起来既有高度，又不失温度。对我而言，它更像是一次高质量的深度对话，而不是单向的信息灌输。这种双向的互动感，使得书中的观点更容易被吸收和内化。这无疑是近年来我读到的，在叙事技巧和内容深度上都达到顶尖水准的非虚构作品之一。

评分☆☆☆☆☆

这本书真是让我大开眼界，它以一种我从未想象过的方式探讨了人工智能的未来。作者的笔触细腻而深刻，仿佛带着我们穿越了时空的隧道，去亲身感受那些即将到来的技术变革。读完之后，我感觉自己对这个世界有了全新的认知，尤其是在处理复杂信息和理解人类决策过程方面。书中对算法伦理的探讨更是引人深思，它不仅仅是罗列了一些理论，而是通过生动的案例，让我们直面技术发展背后那些难以抉择的道德困境。阅读的过程就像是进行一场智力上的探险，每翻过一页，都有新的启发不断涌现。我特别欣赏作者那种不拘泥于传统框架的思维方式，他敢于挑战既有的认知，并提出一些极具前瞻性的观点。这本书无疑是一份宝贵的精神食粮，值得所有对未来科技感兴趣的人反复品读，每一次阅读都会有新的感悟。

评分☆☆☆☆☆

这本书的结构组织得极其精妙，逻辑链条清晰得令人赞叹。我发现自己很容易就能跟上作者的思路，即使是面对一些非常晦涩复杂的概念，也能通过作者精心的铺垫和解释，迅速掌握其核心要义。它不像很多技术书籍那样堆砌术语，而是巧妙地将理论知识融入到实际的场景描述中，使得整个阅读体验充满了代入感和趣味性。我尤其喜欢作者在论述过程中所展现出的那种严谨又不失活泼的文风，读起来毫不费力，却又能获得极大的知识满足感。它不是那种读完就束之高阁的书，而是那种会让你时不时停下来，拿起笔在旁边做些批注，甚至会促使你去主动查找更多相关资料的书籍。对于那些希望系统性地了解某个领域，但又害怕陷入枯燥理论的读者来说，这本书绝对是上上之选。

评分☆☆☆☆☆

读完这本著作，我感觉自己获得了一种全新的“分析工具箱”。它不仅提供了大量的知识点，更重要的是，它教授了一种看待世界和解构复杂问题的全新视角。作者巧妙地将不同学科的知识融会贯通，形成了一个强大的认知框架，让我能够用更精细的维度去剖析当前社会中出现的各种技术现象。这本书的语言风格非常具有力量感，用词精准，论证有力，没有丝毫的冗余和矫饰。每当遇到一个看似无解的问题时，作者总能提供一个清晰的、多角度的解剖路径。这种“授人以渔”的写作方式，远比单纯的知识罗列要珍贵得多。如果你期待的不是一本轻松的读物，而是一次能真正重塑你思考方式的智力挑战，那么这本书绝对不容错过。

评分☆☆☆☆☆

这是一本能够真正触动人心的作品。它超越了单纯的技术讨论，触及到了人类存在的本质问题。作者仿佛是一位哲人，在带领我们审视，当机器的智能日益逼近甚至超越人类时，我们应该如何重新定义“智能”和“自我”。书中的叙事充满了画面感，我甚至能“看到”那些被描述的未来场景，感受到其中蕴含的希望与不安。特别是关于创造力与模仿之间的界限的探讨，让我久久不能平静。这本书的价值在于，它不仅仅是告诉我们“会发生什么”，更重要的是在引导我们思考“我们希望发生什么”。我强烈推荐给所有对人文关怀与尖端科技交汇点感兴趣的读者，它会拓宽你的思维边界，让你对未来抱持一种更加审慎而充满敬意的态度。