1956年，达特茅斯会议的召开及“人工智能”概念的首次提出，标志着人 工智能的诞生。之后10余年，人工智能迎来了发展史上的第一个小高峰，相继 取得了如工业机器人和聊天机器人等一批令人瞩目的研究成果。但由于计算机 有限的内存和处理性能不足以解决实际的人工智能问题，整个人工智能领域都 遭遇了“瓶颈”，人工智能发展进入了消沉期。1980年，第一届机器学习国际 研讨会在卡内基梅隆大学召开，标志着机器学习在全世界的兴起。随后出现的 神经网络反向传播算法，更是加速了神经网络的研究进程，各种专家系统被人 们广泛应用。但随着专家系统的应用领域越来越广，问题也逐渐暴露出来，专 家系统应用有限，且经常在常识性问题上出错，人工智能迎来了第二个寒冬。 1997年，IBM的超级计算机 “深蓝”战胜了当时的国际象棋世界冠军，成为 人工智能史上的一个重要里程碑，人工智能开始了平稳向上的发展。以2006年 加拿大多伦多大学Geoffrey Hinton教授提出深度学习神经网络为标志，人工 智能进入了新的快速发展阶段。 在新时期的人工智能发展中，数据、算法、算力并称为推动人工智能发展 的三驾马车：其中数据是人工智能发展的基础，为人工智能发展提供了源源不 断的数据资源；算法是人工智能发展的内在推动力，为人工智能带来了相应的 实现手段；算力是人工智能发展的平台，为人工智能技术的实现提供了坚实保障。 数据、算法、算力共同推动人工智能不断向前发展，缺一不可。 本书从人工智能的定义入手，阐述了人工智能的概念、发展历程、研究目标、 应用场景及人工智能带来的机遇和挑战。从第二章开始详细阐述人工智能发展 的核心要素：大数据、云计算和深度学习，论证了这三大要素对人工智能发展 的影响。通过阅读本书，读者不仅能够学习人工智能涉及的各方面知识，而且 能够深入学习人工智能的关键技术。我们也希望读者通过阅读本书，能够将人 工智能技术和实际应用场景结合起来，实现人工智能的落地应用，共同创建一 个智能的时代。

本书首先从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的知识表示、机器学习、神经网络与深度学习、智能语音技术、计算机视觉、自然语言处理和知识图谱技术等基础知识，并通过人工智能在医疗、交通、生活、金融、零售、安防中的经典的成功应用案例让读者更好的了解人工智能技术的发展和我们生活的关切度。最后对人工智能的未来进行了展望，提出人工智能背景时代下大学生就业和创业前景和机遇，帮助大学生应对人工智能背景下的职业规划。形成一个融理论教学、科学训练、创新实践为一体的过程化的人工智能课程体系和协同培养机制，使所培养的人才在基础知识、专业知识、实践能力、创新能力、伦理道德以及科学与职业素质等方面得到全面均衡的发展。

《敏捷数据工程项目开发：高效机器学习团队管理》通过示例向你展示如何通过敏捷过程交付优秀的数据产品，以及如何组织和管理快节奏的团队，在生产环境中解决大规模的新数据问题。它将为你提供组织工作的方法，如何为数据设置可交付成果，如何在看似永无止境的任务中管理时间，如何理解数据，以及如何增加团队的透明度。书中所有的例子都来自真实的团队、真实的会议和真实的数据。《敏捷数据工程项目开发：高效机器学习团队管理》适用于团队管理人员或项目负责人，比如基于机器学习的开发团队，或基于推理组件的产品研发团队。任何一个项目数据流（包括数据的抽样、标记、训练、测试、改进和维护数据模型）的负责人，以及系统数据测量负责人都会发现这《敏捷数据工程项目开发：高效机器学习团队管理》很有用。读者应当熟悉软件工程，理解机器学习以及与数据相关的基础知识。

使用深度学习进行人脸识别是近年来AI研究的热点之一。该书使用TensorFlow 2.1作为深度学习的框架和工具，引导读者从搭建环境开始，逐步深入代码应用实践中，进而达到独立使用深度学习模型完成人脸识别的目的。《TensorFlow人脸识别实战（人工智能技术丛书）》分为10章，第1、2章介绍人脸识别的基础知识和发展路径；第3章从搭建环境开始，详细介绍Anaconda、Python、PyCharm、TensorFlow CPU版本和GPU版本的安装；第4-6章介绍TensorFlow基本和高级API的使用；第7章介绍使用原生API处理数据的方法和可视化训练过程；第8章是实战准备，介绍ResNet模型的实现和应用；第9、10章综合该书前面的知识，学习人脸识别模型与人脸检测这两个实战项目。《TensorFlow人脸识别实战（人工智能技术丛书）》内容详尽、示例丰富，是机器学习和深度学习初学者必备的参考书，同时也非常适合高等院校和培训机构人工智能及相关专业的师生教学参考。

本书对目前自动驾驶的构成及工作原理进行了阐述，主要内容包括自动驾驶概论、自动驾驶基本结构与组成、自动驾驶感知与定位系统、自动驾驶决策与规划、自动驾驶控制系统、自动驾驶线控系统与动力电池系统、自动驾驶发展环境等。本书内容深入浅出、图文并茂、结合实际、专业性强，适合自动驾驶行业研究人员、从业人员和有意向从事自动驾驶领域工作的读者阅读，同时也可供高等院校对自动驾驶感兴趣的理工科学生学习参考。

本书分为十四个章节，分别从新智器时代降临、身边的智能应用、计算机真的有智能吗、智能来自何方、刷出你的脸、计算机视觉识别原理、机器识物、像人类一样学习、人工智能之棋艺、辩论赛、机器识字、智能管家、智慧校园、未来已来等方面介绍人工智能，以浅显易懂的语言，理论联系实际，向读者展示了人工智能的原理、应用和发展。 人工智能在社会和学校中的应用还是新生事物。在中小学开展人工智能教育意义重大，学校既可将人工智能作为教学内容，又可将人工智能作为教学手段，更可将人工智能与学科教学、学生发展结合起来，积极推动人工智能和教育深度融合，促进教育变革创新。编委会全体成员认真探索、不断总结，整理了一些人工智能与中小学教学相结合的课程素材，并编写成书。 本书适合在校学生和对人工智能感兴趣的读者阅读。

计算机视觉解决方案日益普及，在医疗、汽车、社交媒体和机器人等领域取得了不错的进展。《计算机视觉实战：基于TensorFlow 2》将帮助你了解全新版本的谷歌机器学习开源框架TensorFlow 2，你将掌握如何使用卷积神经网络（CNN）完成视觉任务。《计算机视觉实战：基于TensorFlow 2》从计算机视觉和深度学习基础知识开始，教你如何从头开始构建神经网络。你将掌握一些让TensorFlow成为广泛使用的Al库的特性，以及直观的Keras接口，继而高效地构建、训练和部署CNN。通过具体的代码示例，《计算机视觉实战：基于TensorFlow 2》展示了如何使用Inception和ResNet等现代神经网络分类图像，以及如何使用YOLO、MaskR-CNN和U-Net提取特定内容。《计算机视觉实战：基于TensorFlow 2》还将介绍如何构建生成式对抗网络（GAN）和变分自编码器（VAE）来生成和编辑图像，以及如何使用LSTM分析视频。在此过程中，你将深入了解迁移学习、数据增强、域适应，以及移动设备和Web部署等高级知识以及其他关键概念。通过阅读《计算机视觉实战：基于TensorFlow 2》，你将获得使用TensorFlow 2解决高级计算机视觉问题的理论知识和实际技能。通过阅读《计算机视觉实战：基于TensorFlow 2》，你将学到：如何从头开始创建神经网络。如何使用包括Inception和ResNet在内的现代神经网络架构进行图像分类。如何使用YOLO、MaskR-CNN和U-Net检测、分割图像中的目标。如何解决自动驾驶汽车开发和面部表情识别系统中的问题。如何使用迁移学习、GAN和域适应提升应用的性能。如何使用循环神经网络进行视频分析。如何在移动设备和浏览器上优化和部署神经网络。

《游戏中的人工智能（第3版）详细阐述了与游戏人工智能相关的基本解决方案，主要包括游戏AI、移动、路径发现、决策、战略和战术AI、学习、程序化内容生成、棋盘游戏、执行管理、世界接口、工具和内容创建、游戏AI编程、游戏AI设计、基于AI的游戏类型等内容。此外，本书还提供了相应的示例，以帮助读者进一步理解相关方案的实现过程。本书适合作为高等院校计算机及相关专业的教材和教学参考书，也可作为相关开发人员的自学读物和参考手册。》

《人与机器听觉：听见声音的意义》由谷歌首席科学家Lyon撰写，是一部关于听觉研究的系统性学术著作。《人与机器听觉：听见声音的意义》中提出利用CARFAC模型模拟耳蜗对声音信号的分析，利用带有精细时序结构的SAI表征听觉神经模式，明确反对将耳蜗视作傅里叶频率分析器的做法。《人与机器听觉：听见声音的意义》内容系统且全面，涵盖人类听觉原理、机器听觉理论、精密听觉模型建模和机器听觉应用实例，还包括对听觉研究史上的标志性人物及事例的介绍。《人与机器听觉：听见声音的意义》对数学原理的阐释脉络清晰，并配有算法源码，适合相关领域的技术人员和研究人员参考，也适合作为高等院校相关研究生课程的教材。《人与机器听觉：听见声音的意义》构建了一套完整的听觉理论框架，具有鲜明的学术观点和创作特色：创造性地提出利用CARFAC模型模拟耳蜗对声音信号的分析，利用带有精细时序结构的SAI表征听觉神经模式，强调将听觉模型引入机器听觉应用，反对将耳蜗视作傅里叶频率分析器的做法。将听觉系统划分为四层，在底层听觉过程模拟的基础上探索高层信息处理机制并验证模型的有效性，为远近场模型等问题的解决以及CASA等技术的落地提供理论支撑，同时拓展了研究思路。全面涵盖人类听觉原理、机器听觉理论、精密听觉模型建模方法以及利用机器学习方法构建的应用实例，不仅对研究现状进行了系统梳理，而且穿插着对听觉研究史上标志性人物和事例的介绍。对听觉问题的阐释直击本质，对相关数学表述及推导过程的讲解尤为清晰明了，无须复杂的专业知识也能逐步理解。此外，所有听觉处理算法均配有可免费下载的源代码，便于读者实践。

本书源于阿里巴巴千亿级知识图谱构建与产业化应用的工作总结，对知识图谱理论和大规模工业实践进行了全面和深入的阐述。本书以阿里巴巴的实战经验为中心，以深厚的理论成果为支撑，详细阐述了知识图谱的方方面面。首先介绍工业场景下知识图谱的现状、存在的问题和架构设计；然后从知识表示、知识融合、知识获取、知识推理、知识存储和知识图谱前沿方向等方面入手，介绍大规模商品知识图谱的构建方法；最后结合阿里巴巴的业务实践，详细介绍知识图谱的产品设计、技术实现和业务应用细节。通过阅读本书，读者不仅可以从零开始认识知识图谱，了解知识图谱技术方法和前沿技术方向，而且可以熟悉知识图谱工业实践的实现路径，清楚知识图谱的应用方向和方法。本书介绍的成果获得钱伟长中文信息处理科学技术一等奖。本书在知识图谱的广度和深度上兼具极强的参考性，适合人工智能相关行业的管理者和研发人员、高等院校的计算机专业学生阅读。