近年来，人工智能发展非常迅速，在可以预见的未来，它必然会强烈冲击并深刻变革人类既有的生活模式。实际上，除技术问题外，人工智能的逻辑基础和伦理基础与哲学之间的关系也十分密切。有鉴于此，本书从与人工智能紧密相关的哲学问题入手，关注如下话题：强人工智能是否可能；近代唯理论和经验论争论对于人工智能的影响；苏联、日本及欧盟在人工智能发展历程中的哲学教训；航空器自动驾驶背后的哲学难题；军用机器人的伦理是非；儒家与人工智能等。作者从逻辑架构和历史经验出发，展望了未来通用人工智能发展的可能性、可行性以及相应的社
本书全方位介绍了人工智能的最新进展，同时列举了《超级马里奥兄弟》《愤怒的小鸟》《DOTA》《塞尔达传说》等数十款游戏史上不同类型的爆款游戏，简明易懂地阐明了游戏、学习与人工智能的关系。我们会看到，通过学习怎样玩游戏、怎样设计游戏、怎样将游戏用于人工智能开发，可以更好地了解人类和机器是怎样思考的，并进一步探索游戏、学习和思维的新模式。
《图深度学习》既适合对数据挖掘、机器学习和社交网络分析感兴趣的本科生和研究生阅读，也适合企业开发者和项目经理阅读。对于没有计算机科学背景，但想要应用图神经网络来推进其所在学科发展的研究人员，本书同样是一本值得参考的读物。
深度学习，特别是深度卷积神经网络是人工智能的重要分支领域，卷积神经网络技术也被广泛应用于各种现实场景，在许多问题上都取得了超越人类智能的结果。本书作为该领域的入门书籍，在内容上涵盖深度卷积神经网络的基础知识和实践应用两大方面。《解析深度学习：卷积神经网络原理与视觉实践》并不是一本编程类书籍，而是希望通过“基础知识”和“实践技巧”两方面使读者从更高维度了解、掌握并成功构建针对自身应用问题的深度卷积神经网络。
人工智能自诞生以来，仅仅用了60多年，就已经能够识别人脸、精准推送广告、自动驾驶汽车、赢过世界围棋冠军……如今，这项技术正以指数级的增长速度发展，渗透人类生活的所有领域，想要回避已经不再可能。面对如此压倒性的力量，人们不由得问：人工智能会不会超越人类？在本书中，英国国宝级人工智能学者、牛津大学计算机学院院长，首次融合科技、商业、人类学、心理学、社会学等学科领域的前沿知识，全方位多维度解答人工智能的“能”与“不能”。跟随作者一步步澄清对人工智能的夸大和恐惧后，我们会发现：尽管飞速发展的人工智能已无
本书是一本经典的人工智能教材。全面系统地阐述了人工智能的基础理论，有效结合了求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了独特的讨论。新版中增加了对“随机方法”的介绍，提出了自然语言理解中的一些问题。本书适合作为高等院校计算机教学中的人工智能教材，也可供人工智能领域的研究者及相关工程技术人员参考。
《人工智能哲学》收集了人工智能研究领域著名学者的15篇代表性论文，这些论文为计算机科学的发展和人工智能哲学的建立做出了开创性的贡献。人工智能哲学是伴随现代信息理论和计算机技术发展起来的一个哲学分支。
这是一部对人工智能充满敬畏之心的匠心之作，由《深入理解Java虚拟机》作者耗时一年完成，它将带你从奠基人物、历史事件、学术理论、研究成果、技术应用等5个维度全面读懂人工智能。本书以时间为主线，用专业的知识、通俗的语言、巧妙的内容组织方式，详细讲解了人工智能这个学科的全貌、能解决什么问题、面临怎样的困难、尝试过哪些努力、取得过多少成绩、未来将向何方发展，尽可能消除人工智能的神秘感，把阳春白雪的人工智能从科学的殿堂推向公众面前。
最权威、最经典的人工智能教材，已被全世界100多个国家的1200多所大学用作教材。最新版全面而系统地介绍了人工智能的理论和实践，阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向。全书仍分为八大部分：第一部分“人工智能”，第二部分“问题求解”，第三部分“知识与推理”，第四部分“规划”，第五部分“不确定知识与推理”，第六部分“学习”，第七部分“通信、感知与行动”，第八部分“结论”。本书既详细介绍了人工智能的基本概念、思想和算法，还描述了其各个研究方向最前沿的进展，同时收集整理了详实的历史
内容上更多关注机器学习项目中的engineering部分，适合算法同学补充工程方面的知识，也适合传统软件开发人员理解算法项目的一些特质，以更好的组织工程架构。
这本书总共分为两大部分，第一部分介绍典型的机器学习算法，在介绍理论的同时每章都配备 Scikit-Learn 实战项目；第二部分介绍神经网络与深度学习，同样每章也配备 TensorFlow 实战项目。附录部分内容也非常丰富。整本书兼顾理论与实战，是一本非常适合入门和实战的机器学习书籍。
有了这本书，熟悉Python的程序员将马上学会如何开始深度学习。使用PyTorch和fastai深度学习库，您将学习如何训练一个模型来完成广泛的任务，包括计算机视觉，自然语言处理，表格数据和生成网络。与此同时，您将逐步深入深入学习理论，以便在本书结束时，您将对图书馆的函数背后的数学有一个完整的理解。
可解释机器学习领域的一本经典，难度不高，阐述非常清晰易懂。这两年responsible AI也在业界越来越得到重视了，另外像因果模型，human-in-the-loop等话题也与可解释机器学习有一些关联。
深度学习在领域掀起了一场技术，本书从深度学习模型、Embedding技术、工程实现、模型评估体系、业界前沿实践等几个方面介绍了这场技术中的主流技术要点。
本书面向工程技术人员、科技工作者、语言学家、编程人员，主要讲解有关现代语音识别系统的基本知识、思路和方法。本书共9章分别为：1语音识别原理；2语音信号的产生、感知及声学语音学特征；3.用于语音识别的信号处理和分析方法；4模式对照技术；5语音识别系统的设计与实现结果；6隐马尔可夫模型的理论与实践；7.基于连接词模型的语音识别；8大词汇量连续语音识别；9适合不同任务的自动语音识别应用。本书既可供研究工作者借鉴，也可供研究生在学习有关语音信号数字处理课程时参考。
本书作者荒木雅弘1964年出生于日本大阪。1993年完成 了日本京都大学研究生院研究科信息工程专业博士课程的学习。先后担任过京都大学工学部助教和京都大学综合信息媒体中心讲师。1999年开始担任日本京都工艺纤维大学工艺系助理教授，2007年晋升为研究生院工艺科学研究科副教授。目前正在开发以语义网为知识库的对话系统，研究用于多模态对话系统的描述语言。
本书是第一本从各个层面全面介绍语言技术的书，自第1版出版以来，一直好评如潮，被国外许多著名大学选为自然语言处理和计算语言学课程的主要教材。本书将深入的语言分析与健壮的统计方法结合起来，新版更是涉及了大量的现代技术，将自然语言处理、计算语言学以及语音识别等内容融合在一本书中，把各种技术相互联系起来，让读者了解怎样才能最佳地利用每种技术，怎样才能将各种技术结合起来使用。本书写作风格引人入胜，深入技术细节而又不让人感觉枯燥。本书不仅可以作为高等学校自然语言处理和计算语言学等课程的本科生和研究生教材，对
本书是首次以深度学习为主线介绍语音识别应用的书籍，对读者了解语音识别技术及其发展历程有重要的参考价值。本书作者俞栋、邓力均是该领域的著名专家，他们是深度学习在应用领域取得突破性进展的推动者与实践者，他们在书中分享的研究成果一定程度上代表了本领域最新的研究进展；译者俞凯、钱彦旻也是本领域的资深专家，并有众多实践成果。对于从事此领域研究的读者来说，本书无疑有重要的参考价值。《解析深度学习：语音识别实践》是首部介绍语音识别中深度学习技术细节的专著。全书首先概要介绍了传统语音识别理论和经典的深度神经网络
刚刚过去的十年是语音技术发展的黄金十年。2010 年前后，从谷歌公司发布第一个语音搜索应用、苹果公司发布第一个语音助手 Siri 开始，语音技术的发展转瞬进入了快车道。语音技术的基础算法不断推陈出新，语音任务 Benchmark 持续被刷新；语音产品的应用也从一开始很小众的语音输入，逐渐渗透到人们生活的方方面面。语音产业飞速发展，传统的语音技术教材已经满足不了该领域从业者的迫切需求。本书以目前流行的开源语音识别工具 Kaldi 为切入点，深入浅出地讲解了语音识别前沿的技术及它们的实践应用。本书的
本书基于丰富的图示，详细介绍了有监督学习和无监督学习的17种算法，包括线性回归、正则化、逻辑回归、支持向量机、核方法、朴素贝叶斯、随机森林、神经网络、KNN、PCA、LSA、NMF、LDA、k- means算法、混合高斯分布、LLE和t-SNE。书中针对各算法均用Python代码进行了实现，读者可一边运行代码一边阅读，从而加深对算法的理解。