本书较为全面地介绍了脑科学、神经科学的基本概念、知识和理论，以及脑科学、神经科学等方面的新成果和新发现。全书共11章，在绪论部分介绍了脑科学定义、研究方法、研究内容以及发展现状，然后介绍了脑的基本结构与组成以及脑神经系统知识。在智能机制方面，主要详细介绍了感知觉、运动、学习与记忆、注意与决策、语言、情绪等功能产生或形成的理论和神经机制。在此基础上，介绍了心智与意识形成的相关理论和机制。最后，介绍了脑与神经科学对人工智能研究的重要作用和意义。本书适用于人工智能、智能科学与技术、生物医学工程、计算机

本书重点围绕众智科学智能理论与计算方法展开介绍，主要内容包括众智的定义和建模、众智的分析与计算方法、单个智能体和多个智能体的智能进化方法、众智水平分析方法，以及众智科学智能理论在典型场景的应用。

在人工智能飞速发展的今天，如何帮助企业应用人工智能来提升竞争力，如何防范在应用人工智能时可能带来的风险，成为人类必须面对且亟须解决的问题。本书探讨了人工智能的局限性以及人工智能所带来的机会，研究了人类和机器可以互相补充配合的领域，提出了一个面向企业层面的“1+1＞2”的智能体：人机共融体（Humachine）。人机共融体基于云计算、大数据等技术，通过实施组织管理框架来创建，该框架通过应用卡斯帕罗夫定律，以满足博斯特罗姆集体超智能的条件来解决莫拉维克悖论。人机共融体为构建具有可持续竞争优势、有效益

本书首先介绍深度强化学习的基础知识以及TensorFlow2.x的**主要版本。随后介绍OpenAIGym、基于模型的RL和无模型的RL，并学习如何开发基本代理。深入介绍发现如何实施高级深度强化学习算法，例如行动者批评、深度确定性策略梯度、深度Q网络、近端策略优化以及深度循环Q网络，以训练RL代理。同时，本书通过构建用于自动完成任务的加密货币交易代理，股票/股票交易代理和智能代理等实例，探索现实世界中的强化学习。最后，本书介绍如何使用TensorFlow2.x将深度强化学习代理部署到云并构建跨平

本书旨在探讨AIGC（ArtificialIntelligenceGeneratedContent）的发展历程、应用范围及其对社会和个人的影响，从而帮助读者深入了解并应用人工智能技术。 本书共分为8章。第1章介绍了ChatGPT和AIGC的发展历史，以及核心技术的演进与应用。第2章详细探讨了ChatGPT的特点、功能，以及它在文科和理科领域的应用。第3章深入介绍了ChatGPT及其他AIGC对个人的赋能，包括原理、成本、应用场景、高质量答案的提问技巧，以及如何利用ChatGPT进行编程。此部分还

人工智能（AI），尤其是生成式语言模型和生成式人工智能（AIGC）模型，正以惊人的速度改变着我们的世界。驾驭这股潮流的关键，莫过于探究自然语言处理（NLP）技术的深奥秘境。本书将带领读者踏上一段扣人心弦的探索之旅，让其亲身感受，并动手搭建语言模型。本书主要内容包括N-Gram，词袋模型（BoW），Word2Vec（W2V），神经概率语言模型（NPLM），循环神经网络（RNN），Seq2Seq（S2S），注意力机制，Transformer，从初代GPT到ChatGPT再到GPT-4等一系列突破性技

ChatGPT作为人工智能领域的一大进步，引起了热议，其强大功能的背后离不开大模型的支持。大模型指的是参数规模超过千万的机器学习模型，主要应用于语音识别、计算机视觉等领域。本书聚焦大模型，对大模型的技术场景和商业应用展开详细叙述。本书主要从典型应用ChatGPT入手，探寻其背后支撑大模型的魅力。首先，本书对大模型的基础概念、产业格局、带来的新型商业模式进行讲解，展现了大模型的发展现状和商业化潜力。其次，本书从数据服务、智能搜索、办公工具、对话式AI、休闲娱乐、生产制造、智慧营销、智慧城市等方面讲

《智能边缘计算》对智能边缘计算的概念、发展历程以及边缘计算的网络形态进行了介绍，阐述了边缘计算系统架构和部署方案，并对边缘计算的关键技术，如计算卸载、边缘缓存、商业模式、移动性管理以及安全技术进行了详细分析，针对智能边缘计算的几种实际场景以及与新兴技术的融合进行了综述说明。本书涉及的内容广泛，对算法、技术的阐述足够清晰，将应用场景与实际结合，并对与新兴技术的融合发展进行了展望。本书可以作为从事边缘计算、边缘智能方面课题研究的硕士、博士研究生的教材或参考书，也可以作为对边缘计算感兴趣的高校教师或其

本书是作者研究和实践人工智能算法的经验总结。本书通过图表、案例和示例代码相结合的方式，介绍TensorFlow框架的相关知识，帮助读者打好扎实的人工智能理论基础，并将理论付诸实践，通过“干中学”的方式让读者全面掌握复杂的算法理论。 本书共3篇。第1篇“TensorFlow基础”，主要介绍TensorFlow的基本开发方法及其重要接口的使用方法，让读者对TensorFlow框架有较为深入的了解。第2篇“TensorFlow进阶”，详细介绍TensorFlow的高级开发功能，以及如何使用它开发基于

本书以统计/数学为出发点,介绍深度学习必备的数理基础,讲解PyTorch的主体架构及最新的模块功能,包括常见算法与相关套件的使用方法,例如对象侦测、生成对抗网络、深度伪造、图像中的文字辨识、脸部辨识、BERT/Transformer、聊天机器人、强化学习、自动语音识别、知识图谱等。