从智能时代的流行术语来看，“智能”“智能化”“移动互联”“智能制造”等概念被广泛应用到社会生产和生活的各个领域。智能生产服务技术实现的主要体现就是智能制造，智能消费服务技术实现的主要体现就是智能产品，智能生活服务技术实现的主要体现就是智慧城市，智能金融服务技术实现的主要体现就是互联网金融，智能管理服务技术实现的主要体现就是智能化管理。

本书涵盖人工智能学科的大多数领域，共分为十一章。第一章绪论，介绍人工智能的历史、z新发展状态及所包含的领域。剩余十章分别介绍各领域的基本原理与技术，包括知识表示与逻辑系统、搜索与自动规划、不确定性推理、机器学习，以及近年快速发展的人工神经网络（深度学习）、强化学习、分布式人工智能与多智能体系统、平行智能、知识自动化、智能控制等。

本书较全面地介绍了目前人工智能的主流概念、理论、方法、技术及应用等内容。全书共12章，首先介绍了智能的定义以及人工智能的定义、历史、实现方法、研究内容与发展趋势；其次介绍了人工智能的哲学观以及脑科学的相关概念与基础知识；再次在人工智能的方法与技术方面，介绍了人工神经网络，机器学习的基本方法与原理，以及感知智能、认知智能、语言智能、机器人（行为智能）、混合智能、类脑计算等人工智能技术；最后介绍了人工智能伦理与法律的相关概念和知识。本书可作为高等院校人工智能、大数据、机器人工程等新工科专业以及计算机科学与技术、电子科学与技术、控制工程与科学、智能科学与技术、机械、数学等传统理工科专业的本科生与研究生的课程教材，也可供哲学、经贸、管理、金融、财会、法律、文学等非理工科专业的学生学习使用，还可作为从事自然科学、社会科学以及人工智能交叉学科研究的科研人员、学者及爱好者的参考用书。

本书主要介绍人工智能的起源与发展、发展人工智能的国家战略意义、人工智能专业的培养目标与课程体系，以及人工智能技术在生活、生产、交通、电力、建筑、医疗、电竞、金融、物流、国防等领域应用的新进展。本书的编写深入浅出、突出应用、图文并茂、通俗易懂，通过人工智能在各个领域应用的具体案例，介绍了人工智能的内在实现机理和应用现状，并立足于人工智能具体应用领域，力求反映人工智能技术的新进展，以及未来发展的趋势。 本书可作为人工智能理论、实践及应用相关专业的本科生和研究生的专业课程教材，也可作为相近专业工程技术人员的自学参考用书。

本书作者Gabriel Hallevy提出并阐述了一个关于人工智能技术和机器人刑事责任的总体理论，该理论涉及到法律的方方面面，涵盖了制造商、程序员、用户和其他所有相关的实体。他从现有的刑法中类推出一系列原则，提出了在不同情况下对一系列不同的自动技术所应负担的刑事责任进行研判的具体方法。

本书《人工智能（下）》重点阐述AI基本概念、基本知识和应用场景，培养学生智能化时代的思维方式、科技视野、创新意识和科技人文素养，使学生理解培养学生对人工智能的正确认知，帮助青少年了解AI技术的应用场景，体验AI技术给人带来的获得感，消除陌生感和畏惧感，做人工智能时代的主人。

本书主要讲解无人驾驶产品管理，让没有人工智能背景的读者在短时间内入门，掌握无人驾驶由开发到落地的精髓。人工智能产品落地是一个漫长而艰辛的过程，需要产品经理针对不同的开发阶段制定适宜的策略，无人车尤为如此。本书也是一本用中国人的视角讲解硅谷人工智能产品的书，书中采用大量硅谷人工智能公司的案例，通过与国内情况的对比，为中国的读者阐释硅谷的产品管理方法。对于有意加入人工智能行业的读者来说，本书不仅提供了实用的职场建议，还为技术人员讲解了硅谷的管理经验，希望能起到抛砖引玉的作用。

《智慧空间》首先回顾了互联网的诞生、以及从 PC互联到移动互联的发展历程;然后结合区块链、人工智能、增强现实/虚拟现实、物联网、5G等多种技术的z新成果，揭示在这些先进技术的支撑下，下一代互联网将走向空间化的必然趋势;之后，深入地分析了现有的万维网因其存在的结构性缺陷，将无法承载未来发展，进而详细阐述如何将多种技术融合为一，搭建一个完整的智能空间网络的构思。本书还就如何将这一全新的网络架构应用于城市管理、建筑/工业设计、仓储物流管理、广告及电子商务提出了具体设想。

在你的iOS， macOS， tvOS和watchOS的Swift应用中创建和实现基于人工智能和机器学习的功能。有了这本实用的指导书，各种背景德程序员都将找到一个Swift一站式人工智能和机器学习解决方案。你将学习如何通过强大的人工智能软件来实现识别图像、进行预测、生成内容、提出建议等功能。

本书首先从Python 基本语法开始讨论，逐步介绍必备的数学知识与神经网络的基本知识，并利用讨论的内容编写一个深度学习框架TensorPy，有了这些知识作为铺垫后，就开始讨论生成对抗网络（GAN）相关的内容。然后，本书使用比较简单的语言来描述GAN 涉及的思想、模型与数学原理，接着便通过TensorFlow实现传统的GAN，并讨论为何一定需要生成器或判别器。接下来，重点介绍GAN 各种常见的变体，包括卷积生成对抗网络、条件对抗生成网络、循环一致性、改进生成对抗网络、渐近增强式生成对抗网络等内容。 本书从模型与数学的角度来理解GAN 变体，希望通过数学符号表达出不同GAN 变体的核心思想，适合人工智能、机器学习、计算机视觉相关专业的人员学习使用。