来源：专知

本文约2300字，建议阅读6分钟。

本书用浅显的语言向年轻人介绍什么是人工智能。

作者：王东，利节，许莎
出版社：清华大学
出版时间：2019-10
ISBN: 978-7-302-53187-6

最新消息：本书配套课件免费公开，详见链接。

地址：

http://cslt.riit.tsinghua.edu.cn/news.php?title=News-2020-02-09

作者序

2016年以来，几乎所有人都在谈论人工智能，上至专家巨富，下至平民百姓。然而，究竟什么是人工智能？人工智能与传统科学有何区别和联系？人工智能的历史沿革和未来方向？这些问题在很多人脑海里还是模糊的。唯一可以确定的是，人工智能技术必然会对我们的生活产生深远的影响，这种影响会像蒸汽机、电、计算机的出现对我们的影 响一样，成为我们未来生活的一部分。
我是学计算机出身，自1998年以来主要从事语音和语言信号处理工作。这个领域当然是人工智能的一部分，但绝大多数时候研究者们很少提到AI。原因有很多， 对我而言也许是对归类法的执着，AI的范围太广了，当面带微笑和别人说‘我是做 AI的’总会有一种心虚的感觉。这种感觉应该是很多一线研究者的潜意识。
仅管对AI这个头衔有天然排斥，我们和这个古老而年轻的领域依然脱不了干系， 因此当然希望更多年轻人加入到AI研究队伍中来，特别是从方法论的角度去理解AI， 避免概念上的炒作和空洞化。
基于这一思路，我用了将近两年时间完成了一本题为《现代机器学习技术导论》的学习笔记， 恰好被利节老师看到。她提出建议：这本书应该让更多年轻人看到，但当前这个版本是不行的， 需要更通俗和直观的表达。这个建议得到重庆巴蜀中学许莎老师的赞同，她觉得应该有一本通俗的读物，让高中生甚至初中生理解人工智能，在不增加日常学习压力的前提下，满足他们对新知识的渴求，从一开始就树立一个正确的概念体系和科学根基，为以后从事这方面的工作打下基础。
于是有了这本书。我们的目的只有一个：用浅显的语言向年轻人介绍什么是人工智能，包括：人工智能有哪些主流技术，这些技术从何处来，到哪里去。特别重要的是， 我们希望提供一系列小实验，让学生可以自己动手实现一些有趣的人工智能系统， 培养出这一方面的兴趣，那就很好了。
在本书的成书过程中，众多老师和学生提供了热心帮助。清华大学的朱小燕老师对全书进行了审读， 周强老师、刘华平老师分别对第四章和第五章进行了审读。清华大学语音语言实验室的蔡云麒博士参与了校订工作，实习生杜文强、张阳、吴嘉瑶、齐诏娣、于嘉威、 姜修齐、刘逸博、汪洋等参与了实验样例设计。最后，清华出版社的刘翰鹏老师在本书出版过程中付出了大量心血，在此一并致谢！

章节目录

第1章 神奇的人工智能 [pdf]1.1 什么是人工智能1.2 人工智能简史1.2.1 数理逻辑:人工智能的前期积累1.2.2 图灵:人工智能的真正创始人1.2.3 达特茅斯会议:AI的开端1.2.4 人工智能的三起两落1.3 机器学习:现代人工智能的灵魂1.3.1 什么是机器学习1.3.2 机器学习发展史1.3.3 机器学习的基本框架1.4 让人惊讶的“学习”1.4.1 从猴子摘香蕉到星际大战1.4.2 集体学习的机器人1.4.3 图片和文字理解1.4.4 AlphaGo1.4.5 机器智能会超过人类智能吗1.5 开始你的机器学习之旅1.5.1 训练、验证与测试1.5.2 Occam剃刀准则1.5.3 没有免费的午餐1.5.4 对初学者的几点建议1.6 AIDemo示例系统第2章 认识你的脸2.1 人脸识别概述2.1.1 什么是人脸识别2.1.2 人脸识别系统的基本组成2.1.3 人脸识别简史2.2 基于特征脸的人脸识别2.2.1 主成分分析2.2.2 支持向量机2.3 基于深度学习的人脸识别2.3.1 神经网络的故事2.3.2 神经网络结构2.3.3 深度学习2.3.4 基于深度卷积网络的人脸识别2.3.5 基于DNN的人脸识别性能2.4 深度神经网络的其他应用2.4.1 人脸检测2.4.2 人脸正规化2.4.3 图像生成2.4.4 图像风格转换2.5 AIDemo:人脸识别第3章 聆听你的声音3.1 语音的产生与感知3.1.1 语音的产生3.1.2 语音的感知3.2 语音识别概述3.2.1 什么是语音识别3.2.2 语音识别简史3.3 基于GMM-HMM 的语音识别3.3.1 MFCC特征提取3.3.2 GMM-HMM 声学模型3.3.3 N-Gram语言模型3.3.4 解码过程3.4 基于深度学习的语音识别3.4.1 DNN特征提取3.4.2 DNN静态建模3.4.3 RNN动态建模3.5 说话人识别3.5.1 传统GMM-UBM 系统3.5.2 基于DNN的说话人识别系统3.6 语音合成3.6.1 参数合成3.6.2 拼接合成3.6.3 统计模型合成3.6.4 神经模型合成3.7 AIDemo:语音信号处理第4章 理解你的语言4.1 人类语言的复杂性4.1.1 结构复杂性4.1.2 语义复杂性4.1.3 知识复杂性4.1.4 时空复杂性4.1.5 应用复杂性4.1.6 什么是语言理解4.2 传统语言理解方法4.2.1 词法分析4.2.2 句法分析4.2.3 语义分析4.3 基于深度学习的语言理解方法4.3.1 词向量4.3.2 句向量4.3.3 传统方法和深度学习方法对比4.4 机器翻译4.4.1 机器翻译的历史4.4.2 统计机器翻译4.4.3 神经机器翻译4.5 语言理解的其他应用4.5.1 搜索引擎4.5.2 推荐系统4.5.3 会话机器人4.6 AIDemo:计算中文词向量第5章 模仿你的行为5.1 现代机器人发展史5.2 基于设计的机器人5.2.1 操作机器人5.2.2 移动机器人5.3 基于学习的机器人5.3.1 简单的例子:模仿学习5.3.2 强化学习5.3.3 强化学习的学习对象5.4 深度强化学习方法5.4.1 Atari游戏5.4.2 AlphaGoZero5.4.3 实体机器人5.4.4 两种机器人的比较第6章 学习你的思维6.1 形象思维6.1.1 诗词生成6.1.2 DeepDream6.2 逻辑思维6.2.1 定理证明:精确逻辑推理6.2.2 阅读理解:非精确逻辑推理6.3 AIDemo:DeepDream

编辑：文婧

校对：林亦霖

—完—

想要获得更多数据科学领域相关动态，诚邀关注清华-青岛数据科学研究院官方微信公众平台“ 数据派THU ”。