人工智能全書(shū)：一本書(shū)讀懂AI基礎(chǔ)知識(shí)、商業(yè)應(yīng)用與技術(shù)發(fā)展

第 1章 基礎(chǔ)篇人工智能的世界…… 1
1．1　人工智能是什么 …… 2
人工智能的誕生和歷史 …… 2
人工智能到底是什么 …… 2
模型與目標(biāo)變量、特征變量 …… 3
對(duì)人工智能的幻想 …… 4
1．2　人工智能的價(jià)值 …… 5
為什么使用人工智能可以實(shí)現(xiàn)自動(dòng)駕駛汽車(chē) …… 5
各國(guó)企業(yè)對(duì)人工智能的態(tài)度和期望 …… 6
人工智能做得到的事情 …… 7
對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)和人工智能的價(jià)值 …… 8
1．3　人工智能會(huì)搶了人的工作嗎 …… 8
人工智能做不到的事情 …… 8
人工智能無(wú)法代替的3 種工作 …… 9
人類(lèi)會(huì)因?yàn)槿斯ぶ悄苁I(yè)嗎 …… 10
人與人工智能的協(xié)作度 …… 10
1．4　人工智能如何改變世界 …… 12
重新定義所有行業(yè) …… 12
為人工智能所滲透的世界 …… 12
企業(yè)應(yīng)當(dāng)怎么做 …… 13
人應(yīng)當(dāng)怎么做 …… 13
第 2章 商業(yè)篇各行各業(yè)的人工智能應(yīng)用和未來(lái)展望…… 15
2．1　制造業(yè)的人工智能應(yīng)用和展望（產(chǎn)品開(kāi)發(fā)篇） …… 16
智能產(chǎn)品 …… 16
產(chǎn)品的計(jì)算機(jī)化 …… 16
產(chǎn)品的操作系統(tǒng) …… 17
2．2　制造業(yè)的人工智能應(yīng)用和展望（生產(chǎn)管理篇） …… 18
利用人工智能縮減經(jīng)費(fèi) …… 18
不使用人工智能的選項(xiàng) …… 18
使用人工智能穩(wěn)定產(chǎn)品品質(zhì) …… 19
預(yù)測(cè)性維護(hù) …… 19
異常檢測(cè)與安全生產(chǎn) …… 20
生產(chǎn)計(jì)劃 …… 20
2．3　汽車(chē)行業(yè)的人工智能應(yīng)用和展望 …… 21
汽車(chē)的生產(chǎn)現(xiàn)場(chǎng) …… 21
自動(dòng)駕駛級(jí)別的定義 …… 22
自動(dòng)駕駛汽車(chē)的開(kāi)發(fā)動(dòng)向 …… 23
自動(dòng)駕駛平臺(tái) …… 24
汽車(chē)導(dǎo)航系統(tǒng) …… 25
2．4　農(nóng)業(yè)、漁業(yè)、畜牧業(yè)的人工智能應(yīng)用和展望 …… 26
人工智能與植物工廠 …… 27
比較栽培與最優(yōu)化 …… 28
人工智能與漁業(yè) …… 29
使用人工智能的新畜牧業(yè)形態(tài) …… 30
2．5　醫(yī)療行業(yè)的人工智能應(yīng)用和展望 …… 30
通過(guò)人工智能診斷 …… 31
通過(guò)圖像識(shí)別診斷 …… 31
在醫(yī)療領(lǐng)域應(yīng)用人工智能的注意事項(xiàng) …… 32
數(shù)據(jù)共享的問(wèn)題 …… 33
解析腦電波的可行性 …… 33
人機(jī)接口 …… 35
AI 新藥研發(fā) …… 35
細(xì)胞培養(yǎng) …… 36
2．6　建筑行業(yè)的人工智能應(yīng)用和展望 …… 37
工程和建設(shè)用車(chē)輛 …… 37
智慧家庭 …… 38
2．7　金融行業(yè)的人工智能應(yīng)用和展望 …… 39
通過(guò)人工智能進(jìn)行資產(chǎn)運(yùn)用 …… 39
通過(guò)人工智能提高銀行的業(yè)務(wù)效率 …… 40
2．8　零售行業(yè)的人工智能應(yīng)用和展望 …… 40
Amazon Go 與超市的未來(lái) …… 40
便利店與人工智能 …… 42
應(yīng)用聊天機(jī)器人 …… 44
應(yīng)用人工智能進(jìn)行需求預(yù)測(cè) …… 45
推薦 …… 46
第3章 商業(yè)篇各國(guó)針對(duì)人工智能應(yīng)用的政策…… 49
3．1　能源與智能電網(wǎng) …… 50
智能電網(wǎng) …… 50
智能電網(wǎng)和人工智能 …… 50
3．2　智慧城市 …… 51
智慧城市 …… 51
新加坡的智慧國(guó)家計(jì)劃 …… 51
使用人工智能制定城市發(fā)展計(jì)劃 …… 52
超越智慧城市 …… 54
3．3　數(shù)據(jù)流通的現(xiàn)狀和問(wèn)題 …… 54
數(shù)據(jù)流通的必要性 …… 54
日本公共機(jī)構(gòu)的公開(kāi)數(shù)據(jù)推進(jìn) …… 55
日本以外國(guó)家的公開(kāi)數(shù)據(jù)推進(jìn) …… 57
與公開(kāi)數(shù)據(jù)有關(guān)的問(wèn)題 …… 58
促進(jìn)民間的數(shù)據(jù)流通 …… 58
信息銀行 …… 58
促進(jìn)民間數(shù)據(jù)流通存在的問(wèn)題 …… 60
第4章 商業(yè)篇人工智能項(xiàng)目的推進(jìn)方法和注意點(diǎn)…… 61
4．1　人工智能項(xiàng)目的策劃 …… 62
目標(biāo)的設(shè)定和共有價(jià)值的創(chuàng)造 …… 62
創(chuàng)新者的窘境 …… 63
人工智能和知識(shí)產(chǎn)權(quán) …… 63
4．2　數(shù)據(jù)的收集和管理 …… 64
為進(jìn)行人工智能的應(yīng)用需收集的3 種數(shù)據(jù) …… 64
內(nèi)部數(shù)據(jù)的收集和管理 …… 64
傳感數(shù)據(jù)的收集和管理 …… 64
外部數(shù)據(jù)的收集和管理 …… 65
4．3　人才不足問(wèn)題的解決方法 …… 66
日本工程師不足的現(xiàn)狀 …… 66
人工智能教育的必要性 …… 67
初期的項(xiàng)目組織架構(gòu) …… 67
借助外部力量 …… 68
尋找合作伙伴的方法 …… 68
第5章 技術(shù)篇機(jī)器學(xué)習(xí)——人工智能進(jìn)化史…… 69
5．1　學(xué)習(xí)人工智能之前必須掌握的知識(shí) …… 70
特征變量、目標(biāo)變量和模型 …… 70
絕對(duì)值 …… 71
導(dǎo)數(shù) …… 72
相關(guān)關(guān)系和相關(guān)系數(shù) …… 73
數(shù)據(jù)間的因果關(guān)系和偽相關(guān)關(guān)系 …… 74
矩陣的內(nèi)積 …… 74
概率 …… 75
5．2　人工智能的歷史 …… 76
學(xué)習(xí)人工智能歷史的意義 …… 76
早期的演繹推理人工智能 …… 76
現(xiàn)在的歸納推理人工智能 …… 77
歸納推理的局限 …… 78
發(fā)現(xiàn)信息的現(xiàn)在的人工智能 …… 79
計(jì)算機(jī)視覺(jué) …… 79
5．3　機(jī)器學(xué)習(xí)能做到的事 …… 80
回歸分析（簡(jiǎn)單回歸分析） …… 80
回歸分析（多重回歸分析） …… 82
分類(lèi) …… 83
聚類(lèi) …… 84
5．4　數(shù)據(jù)集分析實(shí)例 …… 86
數(shù)據(jù)集分析 …… 86
鳶尾花數(shù)據(jù)集 …… 86
葡萄酒品質(zhì)數(shù)據(jù)集 …… 90
波士頓房?jī)r(jià)數(shù)據(jù)集 …… 91
手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集 …… 93
Cifar-10（用于圖像識(shí)別練習(xí)的數(shù)據(jù)集） …… 95
使用20 Newsgroups 進(jìn)行文本數(shù)據(jù)分析 …… 96
5．5　學(xué)習(xí) …… 99
學(xué)習(xí)的意義 …… 99
機(jī)器學(xué)習(xí) …… 99
學(xué)習(xí)數(shù)據(jù)和監(jiān)督學(xué)習(xí) …… 99
無(wú)監(jiān)督學(xué)習(xí) …… 100
強(qiáng)化學(xué)習(xí) …… 100
學(xué)習(xí)方法的選擇 …… 100
5．6　機(jī)器學(xué)習(xí)的算法 …… 101
決策樹(shù) …… 101
SVM …… 102
遺傳算法 …… 104
K 均值算法 …… 106
第6章 技術(shù)篇深度學(xué)習(xí)——現(xiàn)在的人工智能…… 109
6．1　神經(jīng)網(wǎng)絡(luò) …… 110
神經(jīng)網(wǎng)絡(luò)的誕生 …… 110
大腦中信息傳遞的工作原理 …… 111
大腦的學(xué)習(xí) …… 113
邏輯電路 …… 114
神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) …… 115
基于感知機(jī)的計(jì)算處理 …… 116
激活函數(shù) …… 118
輸出函數(shù) …… 122
前向傳播小結(jié) …… 123
6．2　誤差反向傳播算法 …… 124
學(xué)習(xí)的原理 …… 124
損失函數(shù) …… 125
使用偏導(dǎo)數(shù)計(jì)算影響程度 …… 126
偏導(dǎo)數(shù)的具體例子 …… 127
優(yōu)化算法（SGD） …… 129
其他優(yōu)化算法 …… 131
小批量學(xué)習(xí) …… 132
反向傳播和學(xué)習(xí)的小結(jié) …… 132
6．3　深度學(xué)習(xí) …… 134
特征提取 …… 134
深度學(xué)習(xí)的優(yōu)點(diǎn) …… 134
人工智能的視角 …… 135
深層導(dǎo)致的各種問(wèn)題 …… 135
實(shí)現(xiàn)深度學(xué)習(xí)的方法 …… 136
Dropout …… 137
自動(dòng)編碼器 …… 137
6．4　卷積神經(jīng)網(wǎng)絡(luò) …… 139
圖像識(shí)別和抽象化 …… 139
卷積神經(jīng)網(wǎng)絡(luò)的實(shí)例（AlexNet） …… 140
卷積神經(jīng)網(wǎng)絡(luò)概要 …… 141
卷積層的目標(biāo) …… 141
卷積層中的過(guò)濾器和權(quán)重計(jì)算 …… 142
對(duì)過(guò)濾器反應(yīng)的特征的可視化 …… 143
在卷積層實(shí)施填充 …… 144
卷積層的激活 …… 145
池化層的處理 …… 145
平坦化的實(shí)施 …… 146
全連接層的處理 …… 148
使用卷積神經(jīng)網(wǎng)絡(luò)的分析示例 …… 148
第7章 技術(shù)篇人工智能的開(kāi)發(fā)和運(yùn)用管理…… 155
7．1　人工智能的設(shè)計(jì) …… 156
機(jī)器學(xué)習(xí)算法的選擇 …… 156
目標(biāo)值的設(shè)置 …… 156
目標(biāo)值和開(kāi)發(fā)成本 …… 157
學(xué)習(xí)的實(shí)施計(jì)劃 …… 158
保存學(xué)習(xí)后的模型 …… 158
7．2　人工智能的運(yùn)用監(jiān)視 …… 159
回歸分析中精度的監(jiān)視 …… 159
分類(lèi)中精度的監(jiān)視 …… 160
交叉驗(yàn)證 …… 162
過(guò)擬合 …… 163
分辨過(guò)擬合 …… 164
應(yīng)對(duì)過(guò)擬合 …… 164
7．3　Python 語(yǔ)言 …… 165
使用Python 的理由 …… 165
Python 的版本 …… 166
Python 的開(kāi)發(fā)環(huán)境 …… 167
7．4　數(shù)據(jù)分析所需的Python 包 …… 168
包管理 …… 168
Jupyter Notebook …… 168
Matplotlib …… 169
NumPy …… 170
pandas …… 170
SciPy …… 171
7．5　人工智能相關(guān)庫(kù) …… 171
TensorFlow …… 172
Chainer …… 172
PyTorch …… 172
Keras …… 173
scikit-learn …… 173
DEAP …… 174
OpenAI Gym …… 174
7．6　運(yùn)行人工智能的平臺(tái) …… 175
人工智能學(xué)習(xí)的環(huán)境 …… 175
人工智能預(yù)測(cè)的環(huán)境 …… 176
Amazon Web Service …… 177
Google Cloud Platform …… 177
Microsoft Azure …… 178
IBM Cloud …… 179
SAKURA Cloud …… 179
Neural Network Console …… 179
Google Colaboratory …… 180
7．7　硬件和平臺(tái) …… 182
人工智能和CPU 的關(guān)系 …… 182
人工智能和GPU 的關(guān)系 …… 182
CUDA …… 183
ASIC 和TPU …… 184
面向邊緣計(jì)算的板卡 …… 185
第8章 技術(shù)篇人工智能的最新技術(shù)——今后的人工智能…… 187
8．1　循環(huán)神經(jīng)網(wǎng)絡(luò) …… 188
循環(huán)神經(jīng)網(wǎng)絡(luò)的特點(diǎn) …… 188
循環(huán)神經(jīng)網(wǎng)絡(luò)中的計(jì)算 …… 188
使用循環(huán)神經(jīng)網(wǎng)絡(luò)的分析示例 …… 190
LSTM …… 192
將來(lái)的循環(huán)神經(jīng)網(wǎng)絡(luò) …… 193
8．2　強(qiáng)化學(xué)習(xí)的歷史和DQN …… 194
馬爾可夫決策過(guò)程 …… 194
Q 學(xué)習(xí) …… 195
DQN …… 196
DQN 中卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用 …… 197
8．3　AlphaGo 和AlphaGo Zero …… 197
為什么AlphaGo 這么厲害 …… 198
AlphaGo 的算法和技術(shù) …… 199
策略網(wǎng)絡(luò) …… 199
創(chuàng)建SL 策略網(wǎng)絡(luò) …… 200
移出策略模型 …… 202
AlphaGo 強(qiáng)化學(xué)習(xí)的目標(biāo) …… 202
利用策略梯度算法生成RL 策略網(wǎng)絡(luò) …… 203
價(jià)值網(wǎng)絡(luò) …… 203
蒙特卡洛樹(shù)搜索 …… 205
AlphaGo Zero 的沖擊 …… 206
8．4　A3C …… 207
Asynchronous …… 207
Advantage …… 207
Actor-Critic …… 208
A3C 的成果 …… 208
8．5　GANs …… 209
GANs 的歷史 …… 209
GANs 的原理 …… 209
DCGAN …… 210
使用DCGAN 的分析示例 …… 211
將來(lái)的GANs …… 212
8．6　BERT …… 213
BERT 的目標(biāo) …… 214
BERT 的學(xué)習(xí) …… 214
靈活使用已學(xué)習(xí)模型 …… 214
8．7　靈活使用社交數(shù)據(jù) …… 215
8．8　膠囊網(wǎng)絡(luò) …… 215
卷積神經(jīng)網(wǎng)絡(luò)的弱點(diǎn) …… 215
膠囊網(wǎng)絡(luò)的目標(biāo) …… 217
膠囊網(wǎng)絡(luò)的結(jié)構(gòu) …… 217
動(dòng)態(tài)路由 …… 218
將來(lái)的膠囊網(wǎng)絡(luò) …… 218
第9章 人工智能開(kāi)發(fā)常見(jiàn)問(wèn)題…… 221
9．1　關(guān)于人工智能的一般問(wèn)題 …… 222
Q．1　人工智能聰明嗎？ …… 222
Q．2　人工智能會(huì)出錯(cuò)嗎？ …… 222
Q．3　人工智能擅長(zhǎng)的事情是什么？ …… 223
Q．4　人工智能不擅長(zhǎng)的事情是什么？ …… 223
Q．5　什么是奇點(diǎn)？ …… 223
Q．6　達(dá)到奇點(diǎn)后，人工智能會(huì)變得比人聰明并控制人類(lèi)嗎？ …… 224
Q．7　人工智能會(huì)像人一樣思考嗎？ …… 224
Q．8　可以讓人工智能產(chǎn)生感情嗎？ …… 224
9．2　令人擔(dān)憂的人工智能問(wèn)題 …… 225
Q．9　人工智能有可能被用于軍事嗎？ …… 225
Q．10　能通過(guò)人工智能實(shí)現(xiàn)機(jī)器人武器嗎？ …… 225
Q．11　搭載人工智能的武器有可能傷害人類(lèi)嗎？ …… 226
Q．12　人工智能有可能防范犯罪嗎？ …… 226
Q．13　人工智能有可能進(jìn)行網(wǎng)絡(luò)攻擊嗎？ …… 226
Q．14　為了防范網(wǎng)絡(luò)攻擊可以使用人工智能嗎？ …… 227
Q．15　人工智能有可能被破解嗎？ …… 227
9．3　在企業(yè)應(yīng)用人工智能的問(wèn)題 …… 228
Q．16　所有企業(yè)都應(yīng)該使用人工智能嗎？ …… 228
Q．17　人工智能會(huì)促使更多企業(yè)進(jìn)入其他行業(yè)嗎？ …… 228
Q．18　人工智能的開(kāi)發(fā)費(fèi)用會(huì)變高昂?jiǎn)幔?…… 229
Q．19　有沒(méi)有根據(jù)人工智能的開(kāi)發(fā)費(fèi)用來(lái)估算開(kāi)發(fā)成本的方法？ …… 229
Q．20　人工智能的技術(shù)人才供給不足嗎？ …… 229
Q．21　如何尋找?guī)椭_(kāi)發(fā)人工智能的技術(shù)人才？ …… 230
Q．22　如何與能進(jìn)行人工智能開(kāi)發(fā)的技術(shù)人才取得聯(lián)系呢？ …… 231
Q．23　各國(guó)政府推薦人工智能的使用嗎？ …… 231
Q．24　日本的地方政府推薦利用人工智能嗎？ …… 231
9．4　與生活有關(guān)的問(wèn)題 …… 232
Q．25　人工智能會(huì)使我們的生活有什么變化？ …… 232
Q．26　不懂人工智能的話還有辦法生活嗎？ …… 232
9．5　關(guān)于人工智能人才的培養(yǎng)和教育的問(wèn)題 …… 232
Q．27　什么樣的人在開(kāi)發(fā)人工智能？ …… 232
Q．28　今后的年輕一代需要掌握關(guān)于人工智能的知識(shí)嗎？ …… 233
Q．29　在學(xué)校里人工智能是必修科目嗎？ …… 233
Q．30　要想開(kāi)發(fā)人工智能，應(yīng)該學(xué)習(xí)什么呢？ …… 234
Q．31　即使不擅長(zhǎng)數(shù)學(xué)也能理解人工智能嗎？ …… 234
Q．32　學(xué)習(xí)人工智能首先應(yīng)該做什么？ …… 234
Q．33　有效學(xué)習(xí)人工智能的方法是什么？ …… 235
9．6　關(guān)于人工智能的未來(lái)的問(wèn)題 …… 236
Q．34　今后人工智能還會(huì)進(jìn)化嗎？ …… 236
Q．35　人工智能會(huì)變得有想象力嗎？ …… 236
Q．36　我們?nèi)祟?lèi)應(yīng)該如何和人工智能交往呢？ …… 237
后記 …… 239