人工智能（AI）是否会取代人类？是不是所有的事情机器都能比人做得好？当 AlphaGo 能下围棋、ChatGPT 能理解并生成内容时，当每一次AI 应用取得突破时，这两个问题都会引起人们的广泛讨论。本书提供了多个 AI 应用的例子，可让读者直观地了解 AI 已经可以出色地完成很多任务。通过一个个具体的案例，本书细致讲解了主要 AI 工具的使用方法，包括 ChatGPT、Midjourney、Stable Diffusion 等 AIGC（人工智能生成内容）工具，以辅助我们完成绘画、视频制作、写作、科研等任务，从而提高工作效率。在具体的案例之外，本书还有对方法论的阐述，可提升读者对 AI 的认知，增强人人都能用好 AI 的信心。希望读者能举一反三，找到更巧妙、更适合自己的 AI 应用方式。希望通过本书，生活在智能时代的我们能意识到 AI 不再只是机器人或软件，它可以成为我们很好的助手，甚至变成我们的“合伙人”。

一个 AI 的自白，以第一人称视角，通俗易懂地讲述 AI 的来龙去脉，生动活泼地表达 AI 的技术原理。从历史到未来，跨越百年时空；从理论到实践，讲述案例操作；从技术到哲学，穿越多个维度；从语言到绘画，落地实战演习。ChatGPT 的诞生，引发了奇点降临，点亮了 AGI（通用人工智能），并涉及大模型、深度神经网络、Transformer、AIGC、涌现效应等一系列前沿概念。硅基物语，一《硅基物语.AI大爆炸：ChatGPT→AIGC→GPT-X→AGI进化→魔法时代→人类未来》读懂人工智能时代。

强化学习是机器学习的重要分支，是实现通用人工智能的重要途径。本书介绍了强化学习在算法层面的快速发展，包括值函数、策略梯度、值分布建模等基础算法，以及为了提升样本效率产生的基于模型学习、探索与利用、多目标学习、层次化学习、技能学习等算法，以及一些新兴领域，包括离线学习、表示学习、元学习等，旨在提升数据高效性和策略的泛化能力的算法，还介绍了应用领域中强化学习在智能控制、机器视觉、语言处理、医疗、推荐、金融等方面的相关知识。本书深入浅出、结构清晰、重点突出，系统地阐述了强化学习的前沿算法和应用，适合从事人工智能、机器学习、优化控制、机器人、游戏开发等工作的专业技术人员阅读，还可作为计算机、人工智能、智能科学相关专业的研究生和高年级本科生的教材。

本书对优化算法的理论和研究进展进行了系统的梳理，旨在帮助读者快速了解该领域的发展脉络，掌握必要的基础知识，进而推进前沿研究工作。本书首先介绍流行的机器学习模式，对重要的优化理论进行回顾，接着重点讨论已广泛应用于优化的算法，以及有潜力应用于大规模机器学习和数据分析的算法，包括一阶方法、随机优化方法、随机和分布式方法、非凸随机优化方法、无投影方法、算子滑动和分散方法等。 本书适合对机器学习、人工智能和数学编程感兴趣的读者阅读参考。

周志华老师的《机器学习》（俗称“西瓜书”）是机器学习领域的经典入门教材之一。本书是《机器学习公式详解》（俗称“南瓜书”）的第2 版。相较于第1 版，本书对“西瓜书”中除了公式以外的重、难点内容加以解析，以过来人视角给出学习建议，旨在对比较难理解的公式和重点内容扩充具体的例子说明，以及对跳步过大的公式补充具体的推导细节。　全书共16 章，与“西瓜书”章节、公式对应，每个公式的推导和解释都以本科数学基础的视角进行讲解，希望能够帮助读者快速掌握各个机器学习算法背后的数学原理。　本书思路清晰，视角独特，结构合理，可作为高等院校计算机及相关专业的本科生或研究生教材，也可供对机器学习感兴趣的研究人员和工程技术人员阅读参考

暂缺简介...

本书展现了智能世界中通信网络自动化、智能化的愿景，阐述了华为自动驾驶网络的发展历程、应用场景、基础理论、参考架构及相关的关键技术。本书主要介绍自动驾驶网络的顶层架构、分层架构（包括自智网络引擎、网图、AI Native网元）、关键特征（包括分布式AI、内生安全）等的架构设计，以及网络可信任AI、网络分布式AI、网络数字孪生、网络仿真、网络知识和专家经验数字化、网络人机共生、网元内生智能、网络内生安全等关键技术。本书还介绍了产业组织、标准组织的标准全景和分级评估方法，并以华为自动驾驶网络解决方案为例，阐明如何推行实践。 本书可为通信网络自动化、智能化领域的专业人士，以及科研院所相关领域的研究者提供参考。

本书面向非专业人士、尤其是青少年群体，将硬核知识、技术方法与人文历史、人物故事有机融合，理顺人工智能纵向发展脉络与横向科学轮廓。作者以扎实的专业背景、流畅的文笔帮读者理顺人工智能的发展脉络，厘清人工智能的核心技术方法，帮读者看懂人工智能与其他学科交叉碰撞所引发的社会生活变化，从“成天下之才”的角度给青少年读者提供学习建议，树立其科学理想，端正其科学态度，培养其科学思维。每一位读者都可以开卷有益。 本书适合对人工智能感兴趣的读者阅读参考。

本书以非合作目标探测与识别为主线，深入挖掘了复杂动态环境对目标探测与识别的影响因素，围绕复杂动态环境强干扰导致的目标特征畸变与缺失、特征模糊不清等问题，提出了特征畸变与缺失下的非合作目标探测与识别方法、特征模糊下的非合作目标探测与识别方法，构建了小样本强干扰下的非合作目标探测与识别方法。更进一步，把多智能体协同协作机制引入到非合作目标识别与探测领域，分别构建了面向多自主水下航行器围捕的非合作目标探测与识别方法、基于多视角光场重构的非合作目标探测与识别方法。

本书共分为 8 章，主要内容包括与人工智能相关的数学知识，Python 语言所特有的语法和技巧，Docker 模型透明无缝地发布的实现，业界优秀的 Git 代码版本管理工具，模型开发环境的配置，高级人工智能开发工程师常用的 IDE 开发工具，经典神经网络模型的剖析和分解，RPC 远程调用的实现，训练样本的序化组织结构TFRecord，模型的训练、保存和封装发布，模型训练的 GPU 配置和机制策略的部署，模型从训练到发布的完整示例等。