《类脑计算》从多学科交叉的角度将神经生物学在视觉神经机制、神经元信号加工与编码方面的解剖学与电生理学发现和认知心理学关于知觉信息加工、工作记忆等方面的实验结论，与人工智能中关于图像理解与人工神经元网络模型结合起来，设计能够模拟视网膜、初级视皮层和高级视皮层部分图像信息加工功能，以及模拟神经编码微回路的数据结构和层次网络计算模型，并用计算机视觉或图像理解领域常用的测试数据集来验证这些网络计算模型的效能。这些深入考虑了神经生物学基本机制与约束的计算模型，一方面能够在工程方面为图像理解或信息保持提供不同于传统方法的新解决方案，另一方面也为神经科学研究提供了探索神经信号加工内在机理的仿真平台。这些以信息加工神经生理机制和认知心理机制为基本出发点的计算建模研究为人工智能关于表征、神经计算新模型、基于结构的学习模型、不同于经典图灵机模型的新计算架构开拓了思路。

机器人传感器是实现机器人及自身与外部环境进行信息交互的重要手段。通过搭载不同类型的传感器，机器人对其自身及周围环境进行检测，并对检测结果进行处理、分析、决策，然后选择合适的运动。本书按传感器基础篇、机器人传感器篇进行编排，全书共7章，前后呼应，循序渐进，由常用传感器到机器人传感器应用，逐步介绍了传感器的基础知识与检测技术、常用传感器、智能传感器、机器人常用传感器、工业机器人常用传感器、移动机器人常用传感器、机器人多传感器信息融合等内容。

三支决策是一种基于人类认知过程的粒计算研究方法与不确定决策理论，主要采用“三”的思维方式进行“分-治-效”进程的智能计算与知识发现，其三层结构化思维诱导出三层分析方法论。三支决策与三层分析已经成为人工智能研究与应用的重要工具与有效方法。《三支决策与三层分析》介绍三支决策与三层分析相关的理论、技术、算法、应用等的*新研究进展。《三支决策与三层分析》共11章，系统介绍三支决策论与三层分析法，内容涉及不确定性建模、信息度量、属性约简、分类学习、聚类应用、动态决策、数据分析、概念分析、冲突分析等。

本书是未来学家 Martin Ford 围绕通用人工智能及其影响相关话题，与全球23位人工智能领域具有独特地位的哲学家、科学家、教育家、工程师和企业家的访谈合集。这些人中包含当代科技深刻思想者牛津大学教授 Nick Bostrom 和加州大学伯克利分校教授 Stuart Russell，图灵奖得主 Judea Pearl、深度学习领域三巨头 Yoshua Bengio， Geoffrey Hinton 和 Yann LeCun，以及在围棋领域一举突破人类一流棋手水平的 AlphaGo 之父 Demis Hassabis，长期进行认知科学与人工智能交叉研究的麻省理工学院教授 Joshua Tenenbaum。也有一些国内熟知的科学家如斯坦福大学教授 Fei-Fei Li 和 Andrew Ng，等等。作为人工智能领域的缔造者，他们用自己的行动推进了这个领域的发展。这些人在影响着人工智能前进的脚步。每个被访者都有深刻的思考，从不同的视角看待人工智能的未来发展，他们既充满激情，又常忧心忡忡，各自对未来发展的预测差异极大。书中充满了各种各样的见解、观点和预测，以及常常是尖锐的冲突。传达的意思很清楚：人工智能是一个广阔的领域。未来创新的性质、创新的速度以及创新的具体应用都笼罩在深深的不确定性之中。这种冲突也正是本书值得阅读的关键因素。人类总是会有对未来的期待和担忧，如何更好地利用技术是摆在我们面前的那道难题，大师们给出他们的答案和建议，你可以学习和体会到一些之前几乎从未有过的视角和推理。

数字技术的飞速发展正在以前所未见的程度塑造和撼动支撑人类社会的每一根支柱，经济发展、社会关系、政治结构、流行文化，无不如此。机器一无论是狭义上的硬件装置和设备，还是广义上的软件、算法和人工智能一已经渗透到了人类社会的每一个角落，正在影响着我们每一个人。今天，人与机器的关系不仅愈加紧密，而且机器的能力在很多领域都正在逼近甚至已经超过人。这使一系列问题亟须被认真审视：人与机器之间的关系是近乎单向的创造与被创造、主宰与被主宰吗？人类是否能始终将机器置于自己的掌控之下？失控的机器会不会如马斯克、泰格马克等人预言的那样，将对人类形成存在性威胁，甚至将人类推向灭亡？理查德·道金斯曾有一句名言：“鸡是一枚鸡蛋制造另一枚鸡蛋的工具。”人与机器之间的关系是否也会如此微妙？在《协同进化：人类与机器融合的未来》中，借鉴达尔文进化论的思想，作者爱德华·阿什福德·李从生物学、计算机、人工智能、哲学等多个领域的理论和研究出发，提出机器与生命在很多方面都存在相似之处，因此在探索人机关系时可以将机器视作一种“生命”。两者间并不是简单的创造与被创造、主宰与被主宰的关系，而是更像两种不断进化、相互影响和塑造的生命间的共生关系。作者认为，随着人机关系越来越紧密，两者正在从互利共生走向任何一方都离不开另一方的专性共生。

本书主要介绍树莓派不同类型的特性，以及树莓派入门所需要的基础知识；涵盖了树莓派GPIO 的不同操作方法，以及树莓派的I2C总线、SPI总线、UART串口、PWM脉宽调制等偏硬件操作的内容； 同时也为读者准备了一些树莓派上常见的服务类型的搭建和配置，包括树莓派推流服务器搭建的方法， 常见数据库MariaDB、PostgreSQL的安装配置操作，MQTT服务器的搭建配置，DHCP服务器的搭建 配置等。此外，还加入了一些比较有趣的实验，例如利用TensorFlow实现对象检测，使用OpenCV制 作一个树莓派扫描仪，或利用OpenCV实现换鼻子的实验，带领读者了解树莓派通过摄像头能够实现 的一些应用。本书为初学者全面入门了解树莓派提供了很好的切入点，使读者可以了解更多树莓派的使用方法 以及操作小技巧。同时，在整体的编程过程中使用了C语言、Python语言及Shell脚本语言等常见语言， 对于拥有此类语言编程经验的用户更友好。希望读者能够在这里找到自己喜欢的实验，并顺利入门树莓派！

目前自动驾驶的一个发展趋势就是智能化。随着人工智能的飞速发展以及各种新型传感器的涌现，汽车智能化形成趋势，辅助驾驶功能的渗透率越来越高。这些功能的实现需要借助于摄像头、雷达、激光雷达等新增的传感器数据，其中视频处理需要大量并行计算。然而，传统CPU算力不足，而DSP擅长图像处理，对于深度学习却缺乏足够的性能。尽管GPU擅长训练，但它过于耗电，影响汽车的性能。因此，本书着眼于未来，认为定制化的ASIC必将成为主流。本书以自动驾驶的芯片设计为最终目标，来论述设计一个面向未来的自动驾驶SoC芯片的学术支撑和工程实践。本书共13章。其中第1章主要介绍自动驾驶目前遇到的挑战和研究方向。第2～6章重点讲述环境感知以及规划控制方面的算法设计；第7～10章重点讲述深度学习模型的优化和深度学习芯片的设计；第11章和第12章重点讲述具有安全功能的自动驾驶软件架构设计；第13章介绍5G车联网。

《掌控Python .人工智能之语音识别》围绕人工智能领域重要的语音识别技术，面向有一定Python基础的读者讲解语音识别的原理、技术发展和实现方法。　《掌控Python .人工智能之语音识别》共6章，主要内容包括语音识别概述、音频文件的可视化、人工智能和机器学习、语音转换为文本、语音反馈与交互、语音助手。

《检索匹配：深度学习在搜索、广告、推荐系统中的应用》主要介绍了深度学习在互联网核心的三大类业务（搜索、广告、推荐系统）检索系统中的应用。书中详细讲述了检索匹配的理论、演进历史，以及在业务中落地一个基于深度学习算法模型的全流程技能，包括业务问题建模、样本准备、特征抽取、模型训练和预测等，并提供了相应的代码。《检索匹配：深度学习在搜索、广告、推荐系统中的应用》共11章，分为四大部分。第1部分（第1~2章）介绍了深度学习的相关理论知识；第2部分（第3~6章）介绍了业务中如何上线一个深度学习模型，包括标签拼接、特征抽取、模型训练和预测等流程，采用单机实现；第3部分（第7~9章）介绍了检索算法基本理论以及演进历史，并以业内应用较为广泛的双塔模型DSSM为例进行了详细理论解析和代码实现；第4部分（第10~11章）介绍了如何将单机训练模式改造为分布式训练模式，以加快模型的训练速度，从而应对具有海量样本的业务场景。《检索匹配：深度学习在搜索、广告、推荐系统中的应用》为读者提供了全部案例源代码下载和超过180分钟的高清学习视频，读者可直接扫描二维码观看。《检索匹配：深度学习在搜索、广告、推荐系统中的应用》旨在为读者介绍深度学习在互联网业务中落地的方法和实现，主要面向算法工程师、相关领域研究人员和相关专业院校师生。

推荐系统是互联网时代极具商业价值的人工智能应用之一，30 年来持续受到学术界和工业界的广泛关注。本书作者以一线研发人员的视角和经验，对推荐系统进行总结，尝试从原理与实践两个角度为读者剖析推荐系统。本书首先从原理上介绍各类经典推荐算法及前沿的深度学习推荐算法，然后分析推荐系统领域发展的前沿话题和未来方向，最后结合微软的开源项目Microsoft Recommenders 介绍推荐系统的实践经验。读者可以基于本书提供的源代码，深入学习推荐算法的设计原理和实践方式，并可以基于本书从零开始快速搭建一个准确、高效的推荐系统。本书不仅适合互联网、大数据等相关领域技术人员阅读，也适合高等院校计算机、软件工程、人工智能等专业的本科生和研究生参考。