人工智慧入門：演算分析×設計習題×章節回顧，不只當「被AI引導的人」，更要成為「掌控AI的人」!未來不遠，跟不上時代腳步，未來一定不會有你!

前言    

第0章 數學與程式設計基礎    
引言    
0.1 數學基礎    
0.2 程式設計基礎    
練習題    
程式設計    

第1章 搜尋    
引言    
1.2 搜尋算法基礎    
1.3 盲目搜尋    
1.4 啟發式搜尋    
1.5 對抗搜尋    
本章總結    
歷史回顧    
練習題    
第2章 機器學習    
引言    
2.1 監督式學習的概念    
2.2 數據集與損失函數    
2.3 泛化    
2.4 過度擬合與低度擬合    
2.5 創建數據集    
2.6 無監督與半監督式學習    
本章總結    
歷史回顧    
練習題    

第3章 線性迴歸    
引言    
3.1 線性迴歸    
3.2 優化方法    
3.3 二分類問題    
3.4 多分類問題    
3.5 脊迴歸    
3.6 Lasso迴歸    
本章總結    
練習題    

第4章 決策樹、梯度提升    
和隨機森林    
引言    
4.1 決策樹    
4.2 隨機森林    
4.3 梯度提升    
本章總結    
歷史回顧    
參考文獻    
練習題    

第5章 神經網路    
引言    
5.1 深度線性網路    
5.2 非線性神經網路    
5.3 反向傳播計算導數    
本章總結    
歷史回顧    
練習題    

第6章 電腦視覺    
引言    
6.1 什麼是電腦視覺    
6.2 圖像的形成    
6.3 線性濾波器    
6.4 邊際檢測    
6.5 卷積神經網路    
本章總結    
歷史回顧    
參考文獻    
練習題    

第7章 自然語言處理    
引言    
7.1 語言模型    
7.2 字模型與詞模型    
7.3 向量語義    
7.4 基於神經網路的自然語言處理    
本章總結    
歷史回顧    
練習題    

第8章 馬可夫決策過程與強化學習    
引言    
8.1 馬可夫鏈    
8.2 馬可夫決策過程    
8.3 強化學習    
本章總結    
歷史回顧    
參考文獻    
練習題    

附錄A 數學基礎    
A.1 導數    
A.2 機率    
A.3 矩陣    

附錄B 程式設計基礎    
B.1 整數類型的運算    
B.2 變量命名規則    
B.3 關係表達式和邏輯表達式    
B.4 函數調用中的傳值和傳引用    
B.5 複雜類型    
B.6 一些技巧    
B.7 程式設計風格

 

前言

　　縱觀科學的發展史，人工智慧可以說是人類長期以來一直不停追求，力求理解與掌握的一個領域。從2,000多年前的亞里斯多德開始，到後來的科學巨擘圖靈（Alan Turing，電腦科學之父）與夏農（Claude Shannon，資訊理論的創始人），他們無一不為人類的智慧及後來的人工智慧著迷，並不倦地探索。科學家們希望能以科學的方法理解智慧的本質，並製造出智慧的機器，實現像人腦一樣的學習、理解與決策。

　　在人工智慧的發展史上，有兩個里程碑式的事件最為人們所稱道。一是圖靈在1950年的劃時代論文《電腦機器與智慧》（Computing Machinery and Intelligence）中提出著名的「圖靈測試」：如果一臺機器能與人類透過通訊設備對話，並不被辨別出其機器身分，則稱這臺機器具有智慧。可以說，圖靈測試從計算科學的角度提供了一個智慧的定義。二是1955年，麥卡錫（John McCarthy）、明斯基（Marvin Minsky）、夏農與羅徹斯特（Nathaniel Rochester）共同提交了一份申請書，提出於1956年暑假在美國漢諾瓦小鎮的達特茅斯學院舉行一場研討會，討論透過機器實現智慧所需的科學基礎。在這次會議上，人工智慧的概念正式被提出。

　　在科學家們前赴後繼的努力下，自1956年的達特茅斯會議至今，人工智慧得到了巨大的發展，並在許多領域獲得驚人的成就。比如1997年機器人「深藍（Deep Blue）」擊敗國際西洋棋世界冠軍卡斯帕洛夫；2012年卷積神經網路在ImageNet圖像識別比賽中一舉奪魁；2016年機器人AlphaGo系統擊敗世界圍棋冠軍李世石。除了技術上的突破，人工智慧技術也不斷在實際生活中得到廣泛的應用，包括人臉識別、智慧音響、智慧手機、醫療影像的自動診斷、語音識別、金融科技、機器人、無人駕駛汽車……等。這些日新月異的新技術，無不彰顯了人工智慧技術為人們生活帶來的巨大影響。

　　那麼，所有這些激動人心的突破究竟是如何實現的？它們背後的核心技術與原理又是什麼？我們現在距離真正的人工智慧還有多遠？如何才能持續推進人工智慧的發展？想要回答這些問題，我們必須系統深入地了解人工智慧不同方向的核心原理與前端發展。而中學的人工智慧教育，是人才培養的核心環節。正因為如此，本書希望在中學階段為同學們打下堅實的人工智慧知識基礎，助力同學們在人工智慧領域的學習。有別於大部分市面上的教材，本書希望為同學們系統地介紹人工智慧的核心方向，並學習具體原理。對具體原理的了解與把握，能幫助同學們建立對人工智慧發展的科學理解，更有利於同學們在學習探索中，把握正確的思考方向。

　　為達成這個目標，本書精選並介紹了八個人工智慧的核心方向（即搜尋、機器學習、線性迴歸、決策樹、神經網路、電腦視覺、自然語言處理、強化學習）及其中適合中學階段學習的重點知識，確保在使教學內容易於接受的同時，書中覆蓋的知識點與高等教育中的人工智慧教育一脈相承。

　　本書由姚期智院士主編，黃隆波副主編。全書共分為9章，第0章介紹數學與程式設計基礎，第1章介紹搜尋，第2章介紹機器學習，第3章討論線性迴歸，第4章闡述決策樹、梯度提升和隨機森林，第5章介紹神經網路，第6章分析電腦視覺，第7章介紹自然語言處理，第8章介紹馬可夫決策過程與強化學習。第0章和附錄由馬雄峰、吳文斐編寫，第1章由張崇潔編寫，第2章、第3章和第5章由袁洋編寫，第4章由李建編寫，第6章由高陽編寫，第7章由吳翼編寫，第8章由黃隆波編寫。

　　本書每一章均透過大家熟知的場景為背景，介紹知識點的實際應用，以簡單的例子詳細介紹核心的原理，並以簡潔的文字與數學語言，具體描述原理及擴展。同時，本書的每一章均提供精心設計的練習題。我們希望透過教學與訓練的方式，使同學們獲得對算法的具體經驗，並在練習中加深對基礎理論的理解，做到舉一反三。為方便同學們進行學習，本書同時配套網路資源，提供相關的原始碼及額外的實驗習題，供感興趣的同學進一步學習。本書的推薦使用方式如下：①第0章為數學與程式設計基礎，對此部分比較熟悉的同學，可以選擇跳過，直接進入後面章節。②第1章至第4章為人工智慧入門的基礎章節，這4章之間的連結緊密。因此，建議同時進行學習，學習時間為一個學期。在章節的學習中，建議結合習題與網路資源進行實驗加深理解與鞏固。③第5章至第8章為細分章節，分別介紹人工智慧4個不同方向的基礎知識與原理。在介紹時，可以根據學生興趣與課程時間進行安排。其中較難的部分在授課時可作為選講章節。

　　編寫者對編寫這本教材非常興奮。我們希望透過本書，讓更多的學生了解人工智慧先進方向的核心原理，並從科學的視角觀察與理解尖端科學研究成果。人工智慧是一個基礎非常寬廣的領域，涉及電腦、數學、心理學、神經科學在內的多個學科。因此，本書也僅僅是覆蓋了人工智慧的冰山一角。編寫者希望透過本書，讓同學們對人工智慧的神奇與巨大作用有個初步了解，進而不斷學習相關學科的知識，為今後從事人工智慧的研究，打下良好的基礎。