了解人工智能，掌握行業動態與技術【基礎篇】·【商業篇】·【技術篇】·【常見問題解答】為不懂程序、不懂技術的AI入門者而寫，無高閱讀門檻！眾多專業人士聯合推薦！1.日亞好評圖書！國內行業專業人士參與翻譯！2.內容豐富，信息量大，含基礎篇·商業篇·技術篇·常見問題解答。3.精彩圖文與MEMO版塊設計，幫助學習理解！4.特別設計人工智能Q&A，解答你的疑惑！5.內容前沿、實用，幫助不了解人工智能和深度學習的人快速了解行業情況。

●第1章基礎篇人工智能的世界1
1．1人工智能是什麼2
人工智能的誕生和歷史2
人工智能到底是什麼2
模型與目標變量、特征變量3
對人工智能的幻想4
1．2人工智能的價值5
為什麼使用人工智能可以實現自動駕駛汽車5
各國企業對人工智能的態度和期望6
人工智能做得到的事情7
對未知數據進行預測和人工智能的價值8
1．3人工智能會搶了人的工作嗎8
人工智能做不到的事情8
人工智能無法代替的3種工作9
人類會因為人工智能失業嗎10
人與人工智能的協作度10
1．4人工智能如何改變世界12
重新定義所有行業12
為人工智能所滲透的世界12
企業應當怎麼做13
人應當怎麼做13
第2章商業篇各行各業的人工智能應用和未來展望15
2．1制造業的人工智能應用和展望（產品開發篇）16
智能產品16
產品的計算機化16
產品的操作繫統17
2．2制造業的人工智能應用和展望（生產管理篇）18
利用人工智能縮減經費18
不使用人工智能的選項18
使用人工智能穩定產品品質19
預測性維護19
異常檢測與安全生產20
生產計劃20
2．3汽車行業的人工智能應用和展望21
汽車的生產現場21
自動駕駛級別的定義22
自動駕駛汽車的開發動向23
自動駕駛平臺24
汽車導航繫統25
2．4農業、漁業、畜牧業的人工智能應用和展望26
人工智能與植物工廠27
比較栽培與很優化28
人工智能與漁業29
使用人工智能的新畜牧業形態30
2．5醫療行業的人工智能應用和展望30
通過人工智能診斷31
通過圖像識別診斷31
在醫療領域應用人工智能的注意事項32
數據共享的問題33
解析腦電波的可行性33
人機接口35
AI新藥研發35
細胞培養36
2．6建築行業的人工智能應用和展望37
工程和建設用車輛37
智慧家庭38
2．7金融行業的人工智能應用和展望39
通過人工智能進行資產運用39
通過人工智能提高銀行的業務效率40
2．8零售行業的人工智能應用和展望40
Go與超市的未來40
便利店與人工智能42
應用聊天機器人44
應用人工智能進行需求預測45
推薦46
第3章商業篇各國針對人工智能應用的政策49
3．1能源與智能電網50
智能電網50
智能電網和人工智能50
3．2智慧城市51
智慧城市51
新加坡的智慧國家計劃51
使用人工智能制定城市發展計劃52
超越智慧城市54
3．3數據流通的現狀和問題54
數據流通的必要性54
日本公共機構的公開數據推進55
日本以外國家的公開數據推進57
與公開數據有關的問題58
促進民間的數據流通58
信息銀行58
促進民間數據流通存在的問題60
第4章商業篇人工智能項目的推進方法和注意點61
4．1人工智能項目的策劃62
目標的設定和共有價值的創造62
創新者的窘境63
人工智能和知識產權63
4．2數據的收集和管理64
為進行人工智能的應用需收集的3種數據64
內部數據的收集和管理64
傳感數據的收集和管理64
外部數據的收集和管理65
4．3人纔不足問題的解決方法66
日本工程師不足的現狀66
人工智能教育的必要性67
初期的項目組織架構67
借助外部力量68
尋找合作伙伴的方法68
第5章技術篇機器學習——人工智能進化史69
5．1學習人工智能之前必須掌握的知識70
特征變量、目標變量和模型70
絕對值71
導數72
相關關繫和相關繫數73
數據間的因果關繫和偽相關關繫74
矩陣的內積74
概率75
5．2人工智能的歷史76
學習人工智能歷史的意義76
早期的演繹推理人工智能76
現在的歸納推理人工智能77
歸納推理的局限78
發現信息的現在的人工智能79
計算機視覺79
5．3機器學習能做到的事80
回歸分析（簡單回歸分析）80
回歸分析（多重回歸分析）82
分類83
聚類84
5．4數據集分析實例86
數據集分析86
鳶尾花數據集86
葡萄酒品質數據集90
波士頓房價數據集91
手寫數字數據集93
Cifar-10（用於圖像識別練習的數據集）95
使用20Newsgroups進行文本數據分析96
5．5學習99
學習的意義99
機器學習99
學習數據和監督學習99
無監督學習100
強化學習100
學習方法的選擇100
5．6機器學習的算法101
決策樹101
SVM102
遺傳算法104
K均值算法106
第6章技術篇深度學習——現在的人工智能109
6．1神經網絡110
神經網絡的誕生110
大腦中信息傳遞的工作原理111
大腦的學習113
邏輯電路114
神經網絡的結構115
基於感知機的計算處理116
激活函數118
輸出函數122
前向傳播小結123
6．2誤差反向傳播算法124
學習的原理124
損失函數125
使用偏導數計算影響程度126
偏導數的具體例子127
優化算法（SGD）129
其他優化算法131
小批量學習132
反向傳播和學習的小結132
6．3深度學習134
特征提取134
深度學習的優點134
人工智能的視角135
深層導致的各種問題135
實現深度學習的方法136
Dropout137
自動編碼器137
6．4卷積神經網絡139
圖像識別和抽像化139
卷積神經網絡的實例（AlexNet）140
卷積神經網絡概要141
卷積層的目標141
卷積層中的過濾器和權重計算142
對過濾器反應的特征的可視化143
在卷積層實施填充144
卷積層的激活145
池化層的處理145
平坦化的實施146
全連接層的處理148
使用卷積神經網絡的分析示例148
第7章技術篇人工智能的開發和運用管理155
7．1人工智能的設計156
機器學習算法的選擇156
目標值的設置156
目標值和開發成本157
學習的實施計劃158
保存學習後的模型158
7．2人工智能的運用監視159
回歸分析中精度的監視159
分類中精度的監視160
交叉驗證162
過擬合163
分辨過擬合164
應對過擬合164
7．3Python語言165
使用Python的理由165
Python的版本166
Python的開發環境167
7．4數據分析所需的Python包168
包管理168
JupyterNotebook168
Matplotlib169
NumPy170
pandas170
SciPy171
7．5人工智能相關庫171
TensorFlow172
Chainer172
PyTorch172
Keras173
scikit-learn173
DEAP174
OpenAIGym174
7．6運行人工智能的平臺175
人工智能學習的環境175
人工智能預測的環境176
WebService177
GoogleCloudPlatform177
MicrosoftAzure178
IBMCloud179
SAKURACloud179
NeuralNetworkConsole179
GoogleColaboratory180
7．7硬件和平臺182
人工智能和CPU的關繫182
人工智能和GPU的關繫182
CUDA183
ASIC和TPU184
面向邊緣計算的板卡185
第8章技術篇人工智能的近期新技術——今後的人工智能187
8．1循環神經網絡188
循環神經網絡的特點188
循環神經網絡中的計算188
使用循環神經網絡的分析示例190
LSTM192
將來的循環神經網絡193
8．2強化學習的歷史和DQN194
馬爾可夫決策過程194
Q學習195
DQN196
DQN中卷積神經網絡的應用197
8．3AlphaGo和AlphaGoZero197
為什麼AlphaGo這麼厲害198
AlphaGo的算法和技術199
策略網絡199
創建SL策略網絡200
移出策略模型202
AlphaGo強化學習的目標202
利用策略梯度算法生成RL策略網絡203
價值網絡203
蒙特卡洛樹搜索205
AlphaGoZero的衝擊206
8．4A3C207
Asynchronous207
Advantage207
Actor-Critic208
A3C的成果208
8．5GANs209
GANs的歷史209
GANs的原理209
DCGAN210
使用DCGAN的分析示例211
將來的GANs212
8．6BERT213
BERT的目標214
BERT的學習214
靈活使用已學習模型214
8．7靈活使用社交數據215
8．8膠囊網絡215
卷積神經網絡的弱點215
膠囊網絡的目標217
膠囊網絡的結構217
動態路由218
將來的膠囊網絡218
第9章人工智能開發常見問題221
9．1關於人工智能的一般問題222
Q．1人工智能聰明嗎？222
Q．2人工智能會出錯嗎？222
Q．3人工智能擅長的事情是什麼？223
Q．4人工智能不擅長的事情是什麼？223
Q．5什麼是奇點？223
Q．6達到奇點後，人工智能會變得比人聰明並控制人類嗎？224
Q．7人工智能會像人一樣思考嗎？224
Q．8可以讓人工智能產生感情嗎？224
9．2令人擔憂的人工智能問題225
Q．9人工智能有可能被用於軍事嗎？225
Q．10能通過人工智能實現機器人武器嗎？225
Q．11搭載人工智能的武器有可能傷害人類嗎？226
Q．12人工智能有可能防範犯罪嗎？226
Q．13人工智能有可能進行網絡攻擊嗎？226
Q．14為了防範網絡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在企業應用人工智能的問題228
Q．16所有企業都應該使用人工智能嗎？228
Q．17人工智能會促使更多企業進入其他行業嗎？228
Q．18人工智能的開發費用會變高昂嗎？229
Q．19有沒有根據人工智能的開發費用來估算開發成本的方法？229
Q．20人工智能的技術人纔供給不足嗎？229
Q．21如何尋找幫助開發人工智能的技術人纔？230
Q．22如何與能進行人工智能開發的技術人纔取得聯繫呢？231
Q．23各國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與生活有關的問題232
Q．25人工智能會使我們的生活有什麼變化？232
Q．26不懂人工智能的話還有辦法生活嗎？232
9．5關於人工智能人纔的培養和教育的問題232
Q．27什麼樣的人在開發人工智能？232
Q．28今後的年輕一代需要掌握關於人工智能的知識嗎？233
Q．29在學校裡人工智能是必修科目嗎？233
Q．30要想開發人工智能，應該學習什麼呢？234
Q．31即使不擅長數學也能理解人工智能嗎？234
Q．32學習人工智能首先應該做什麼？234
Q．33有效學習人工智能的方法是什麼？235
9．6關於人工智能的未來的問題236
Q．34今後人工智能還會進化嗎？236
Q．35人工智能會變得有想像力嗎？236
Q．36我們人類應該如何和人工智能交往呢？237
後記239

《人工智能全書：一本書讀懂AI基礎知識、商業應用與技術發展》繫統地講解了AI基礎知識、商業應用與技術發展，可以幫助讀者快速了解人工智能，掌握行業動態與技術。全書圖文並茂，淺顯易懂，其中基礎篇介紹了AI的基礎知識，商業篇預測了AI在各行各業的應用與發展，技術篇則講解了AI的各種專業技術知識。《人工智能全書：一本書讀懂AI基礎知識、商業應用與技術發展》還有關於AI的常見問題解答，能夠回答大眾對於AI的常見疑問。本書適合大眾及對AI感興趣的人閱讀，專業人士也能獲益匪淺。

(日)伊本貴士 著 鄭明智 譯