目录

●序一 仰望星辰，奔赴大海
序二 穿越时空的AI对话
前言
第1章 走进人工智能
1.1 从四个惊艳又惊悚的事实说起
1.1.1 易容术：网络世界的AI幽灵
1.1.2 读心术：广告为何如影随形
1.1.3 萝卜快跑：出租车司机怎么办
1.1.4 山雨欲来：70%工作或将被AI替代
1.2 追问：什么是人工智能
1.2.1 机器也能变聪明吗
1.2.2 到底什么是人工智能
1.3 全方位审视AI
1.3.1 能力分级：从模仿到创造
1.3.2 从信息智能到生物智能
1.4 AI研究全景视图
1.4.1 理论基础层：算法的基石
1.4.2 感知交互层：构建数字感官
1.4.3 应用实践层：落地与场景创新
1.4.4 伦理社会层：守护智能时代
本章小结
第2章 图灵梦想：机器能思考吗
2.1 人类智能的最初设想
2.1.1 机械生命：希腊神族的传说
2.1.2 机关解密：木牛流马的AI密码
2.2 AI浪漫时代的开启
2.2.1 第一个人工神经元模型
2.2.2 神秘挑战：图灵测试
2.2.3 群星荟萃：达特茅斯会议
2.3 华山论剑：AI的三大学派
2.3.1 符号信徒：万物皆为符号系统
2.3.2 接线达人：万物皆可连连看
2.3.3 控制大师：万物皆能控制
本章小结
第3章 成长的烦恼：AI的兴起、寒冬与曙光
3.1 蹒跚学步中的人工智能
3.1.1 基于规则的AI系统（RBS）
3.1.2 少有AI程序：逻辑理论家
3.2 人工智能的黄金十年
3.2.1 理论探索：用魔法搭建积木
3.2.2 应用突破：AI实践推进
3.3 人工智能兴起的“陷阱”
3.3.1 历史记录强“画饼”大会
3.3.2 科学家们“集体上头”
3.4 莱特希尔报告：AI寒冬的“导火索”
3.4.1 报告出炉：AI期望破灭
3.4.2 困境重重：计算能力和算法
3.4.3 感知机受挫：当头一击
3.4.4 资金断流：研究项目停滞
3.5 历史的转折：复苏与繁荣
3.5.1 专家系统：AI复兴的催化剂
3.5.2 机器学习：从硬编码到自学习
3.5.3 神经网络：辛顿的坚持
本章小结
第4章 双轮驱动：AI的数据与数学
4.1 AI的本质：映射关系的探寻
4.1.1 寻找函数映射关系
4.1.2 模型训练：从数据中学习规律
4.2 数据：数字化的现实映射
4.2.1 数据的多元化形式
4.2.2 数据预处理
4.2.3 训练集、测试集与验证集
4.2.4 数据之间的“距离”
4.3 数学：AI的算法引擎
4.3.1 损失函数
4.3.2 激活函数
4.3.3 梯度：模型优化的导航仪
本章小结
第5章 数据驱动的AI革命：机器学习
5.1 机器学习的底层逻辑
5.1.1 机器学习重构AI范式
5.1.2 “吃”数据与“吐”数据的秘密
5.1.3 例看机器学习
5.2 模型优化与评估
5.2.1 过拟合与欠拟合
5.2.2 模型评估：混淆矩阵
5.3 从数据到智能的奥秘
5.3.1 名师指点：监督学习
5.3.2 无师自通：无监督学习
5.3.3 自学有道：半监督学习
5.3.4 奖励驱动：强化学习
5.4 机器学习以案说“法”
5.4.1 线性回归：数值预测的科学
5.4.2 逻辑回归：判断的艺术
5.4.3 决策树：分支选择的智慧
5.4.4 朴素贝叶斯：织就“因果网”
5.4.5 k均值聚类：物以类聚，人以群分
本章小结
第6章 智能的跃迁：深度学习
6.1 神经网络：AI智慧大脑的觉醒
……