深入浅出人工智能：AI入门的第一本书

书籍简介

《深入浅出人工智能：AI入门的第一本书》是一本面向人工智能（AI）初学者的科普读物，旨在用通俗易懂的语言，从初中数学出发，逐步引导读者理解人工智能的基本概念、核心技术与应用。本书不仅介绍了人工智能的基础理论，还结合了大量生活化的案例，帮助读者在轻松的氛围中掌握AI的核心知识。

本书分为四大部分，涵盖了人工智能的基础知识、底层逻辑、模型架构以及对人工智能的冷静思考。通过本书，读者可以了解机器学习、神经网络、卷积神经网络（CNN）、生成式对抗网络（GAN）、Transformer 架构、扩散模型等主流AI技术，同时也能深入思考人工智能与人类社会的关系。

本书以“从零开始”的方式引导读者进入人工智能的世界。作者通过生活化的比喻（如“追求女神”、“模仿莎士比亚写作”、“识别6岁孩子写的数字”）让复杂的AI概念变得生动有趣，帮助读者轻松理解抽象的数学公式和算法逻辑。

全书不仅涵盖了机器学习、深度学习、神经网络等核心技术，还详细解析了当前最前沿的模型，如Transformer、Stable Diffusion、GAN、Sora等，并通过实战案例（如使用Python搭建AI模型、使用RAG和LangChain构建客服机器人）帮助读者将理论知识转化为实际技能。

此外，书中还探讨了人工智能与人类社会的关系，包括AI伦理、意识问题、技术对社会的冲击等，引导读者从多个维度思考AI的未来。

图书目录

第1篇 每个人都能懂的人工智能

• 第1章 人工智能很简单—从初中数学到专家系统

• 1.1 用初中数学知识来理解人工智能

• 1.2 人工智能四大基础心法

• 1.3 追求女神这件事，技术宅男搞不定

• 1.4 同样是尬聊，带点智慧结果就不一样了

• 1.5 专家系统—追女仔，我们是专业的

• 第2章 机器学习是实现人工智能的必经之路

• 2.3.1 有监督学习—给出标准答案的学习

• 2.3.2 无监督学习—“别人家的孩子”

• 2.3.3 强化学习—真的学霸，能自己探索最优策略

• 2.1 机器能帮我们做什么

• 2.2 机器学习修炼手册

• 2.3 来来来，围观人家机器是怎么学习的

• 2.4 认识几个专业术语—AI界的“切口”

第2篇 人工智能的底层逻辑

• 第3章 风起云涌的人工智能战国时代

• 3.8.1 20分钟搭建Python环境

• 3.8.2 线性回归—预测鸢尾花的花瓣宽度

• 3.8.3 逻辑回归—泰坦尼克号乘客的幸存概率

• 3.8.4 K近邻—给电影分类

• 3.8.5 支持向量机—判断真正购买的客户

• 3.8.6 决策树模型—判断能否获得贷款

• 3.6.1 线性可分问题—楚河汉界

• 3.6.2 线性不可分问题—靠穿越能解决的都不叫事儿

• 3.6.3 多分类问题—笨人也有笨办法

• 3.5.1 用决策树选出心中的女神

• 3.5.2 ID3、C4.5和CART算法—不断提高决策的效率

• 3.5.3 解决过拟合问题—剪枝

• 3.5.4 随机森林—借助现场观众的智慧

• 3.2.1 线性回归—做股市里最靓的仔

• 3.2.2 套索回归&岭回归—线性回归的改良版

• 3.3.3 让损失函数最小化的方法—梯度下降

• 3.1 一个神族和人族的赌局

• 3.2 回归预测—未卜先知不是梦

• 3.3 逻辑回归—1912年4月15日

• 3.4 K近邻—圈子对了，事就成了

• 3.5 决策树—选择比努力更重要？

• 3.6 支持向量机—人脸识别的利器

• 3.7 朴素贝叶斯算法—买彩票走向人生巅峰

• 3.8 算法实战—用人工智能解决实际问题

• 第4章 神经网络的崛起—不是老夫离不开江湖，而是江湖离不开老夫

• 4.5.1 预训练—培养一位合格的运动员

• 4.5.2 微调—为具体比赛做准备

• 4.5.3 对齐—查缺补漏

• 4.3.1 狮驼岭的“妖怪神经网络”

• 4.3.2 国有国法，妖有妖规

• 4.3.3 模式识别—狮驼岭基本法

• 4.1 最简单的神经元—大道至简

• 4.2 加层—神经网络的曲折成佛之路

• 4.3 神经网络工作的基本原理—大王让我来巡山

• 4.4 神经网络 vs 传统机器学习

• 4.5 深度机器学习的三大步骤—大模型是怎么炼成的

• 4.6 人工智能科技树回顾

• 4.7 神经网络实战—让MLP识别6岁孩子写的数字

第3篇 煮酒论模型

• 第5章 卷积神经网络（CNN）—图像识别背后的技术

• 5.1 卷积，卷的是什么？

• 5.2 用卷积核提取喵星人的特征

• 5.3 猜错了怎么办？—知错就改，不断进步

• 5.4 神秘的神经网络—人类无法理解的黑箱

• 5.5 CNN实战—让机器能识别飞机、汽车、猫和狗

• 第6章 生成式对抗网络（GAN）—魔高一尺，道高一丈

• 6.1.1 生成器—字画伪造者

• 6.1.2 判别器—字画鉴定师

• 6.1 两个玩家的博弈—生成器和判别器

• 6.2 多轮“博弈”和“进化”

• 6.3 要注意的细节

• 第7章 扩散模型（Diffusion Model）—文字生图

• 7.4.1 Stable Diffusion架构—SD魔法箱里的三件法宝

• 7.4.2 训练U-Net去除噪声—培训一位合格的雕刻家

• 7.4.3 基于CLIP模型创作图像—既懂文字又懂图像的专家

• 7.3.1 扩散模型的灵感—覆水可收

• 7.3.2 从后验概率到DDPM—降低生成图像的难度

• 7.3.3 基于高斯分布预测噪声—另一种方式实现熵减

• 7.1 读心术—女神心里的“520”

• 7.2 从GAN到VAE — “左右手互搏” vs “经脉逆转”

• 7.3 扩散模型—越来越火爆的江湖绝技

• 7.4 Stable Diffusion—文生图的首选

• 第8章 机器翻译，想说爱你不容易

• 8.4.1 注意力不集中，送分题秒变送命题

• 8.4.2 Transformer—AI界的“九阴真经”

• 8.4.3 编码器-解码器（Encoder-Decoder）架构

• 8.4.4 Transformer的秘密—3个神秘矩阵wq、wk、wv

• 8.4.5 自注意力的计算方法

• 8.4.6 点乘运算—精确计算两个词语之间的亲密程度

• 8.4.7 多头注意力—同时关注多个特征

• 8.4.8 “注意力”与“自注意力”的区别

• 8.4.9 位置编码—解决语序问题

• 8.4.10 掩码—训练的时候不能偷看答案

• 8.3.1 化整为零—让“结巴”来识文断句

• 8.3.2 向量—硅基生命理解世界的方式

• 8.3.3 语言向量化的利器—Word2Vec

• 8.3.4 词向量小结

• 8.1 机翻毁一生

• 8.2 让机器翻译变得丝滑的奥秘—训练，不断地训练

• 8.3 单词向量化—编制一个单词向量大辞典

• 8.4 理解一段话的重点—你得品，细细地品

• 8.5 Transformer原理小结

• 8.6 单词向量化实战—用“结巴分词”划分token

• 第9章 自然语言处理的那些事—神经网络语言模型的前世今生

• 9.7.1 “长依赖”问题—太长的句子谁都记不住啊

• 9.7.2 LSTM的门控机制—脑海中的橡皮擦

• 9.5.1 前馈神经网络基本概念

• 9.5.2 怎样训练前馈神经网络

• 9.5.3 GPT的参数个数—1750亿个

• 9.5.4 神经网络怎么看懂人话—每层都有自己的任务

• 9.5.5 基于计数的词向量生成—越过山丘，才发现无人等候

• 9.5.6 基于推理实现词向量生成—欲利其器，先明其理

• 9.5.7 词与词之间的奇妙关系

• 9.5.8 词的意义取决于上下文

• 9.1 为什么自然语言处理是人工智能领域的一颗明珠

• 9.2 机器是如何理解自然语言的

• 9.3 暴力穷举的语言模型—用尽全宇宙的原子也无法存储的信息量

• 9.4 基于统计的语言模型—“床前明菠萝”？

• 9.5 前馈神经网络（FNN）—从最基础的讲起

• 9.6 循环神经网络模型（RNN）—不忘过往，面向未来

• 9.7 长短期记忆神经网络（LSTM）—成熟就是学会遗忘

• 9.8 双向RNN—像诺兰一样思考

• 9.9 Seq2Seq—现实世界在模型中的体现

• 9.10 RNN实战—模仿莎士比亚写作

• 第10章 Transformer架构解密—AIGC的核心技术

• 10.5.1 RAG基本原理—一个专业的“知识外挂”

• 10.5.2 LangChain简介

• 10.2.1 编码器（Encoder）—用庖丁解牛的方式解读文字

• 10.2.2 解码器（Decoder）—充满智慧的讲述者

• 10.2.3 嵌入层&位置编码—从自然语言到机器向量

• 10.2.4 输出层—从机器向量回到自然语言

• 10.1 注意力机制—一个字一个字地复述

• 10.2 从架构上再次解析Transformer—变形的秘密

• 10.3 Transformer 的训练过程

• 10.4 Transformer 的推理过程

• 10.5 让大模型懂你—利用大模型推理能力解决自己的问题

• 10.6 大模型用法实战—RAG+LangChain实现客服机器人

• 第11章 Sora原理解密—物理世界的模拟器？

• 11.2.1 图片连播就是视频—《大闹天宫》的原理

• 11.2.2 视频内容的整体训练—短视频的生成

• 11.2.3 基于Patches训练长视频—Sora的训练过程

• 11.2.4 根据指令生成视频—Sora的推理过程

• 11.1 Sora凭什么吓了世界一跳？

• 11.2 Sora的实现原理—Transformer+Diffusion

• 11.3 Sora真的模拟了这个物理世界吗？

第4篇 对人工智能的冷静思考

• 第12章 人工智能的江湖八卦—在关键转折点的选择

• 12.1 论Transformer的发家史—无心插柳柳成荫

• 12.2 BERT vs GPT—Transformer两大发展方向

• 12.3 为什么ChatGPT可以技惊四座

• 12.4 LLaMA—大羊驼的传奇

• 第13章 人工智能是否能产生意识—人与机器的分界线

• 13.1 一道经典的人工智能测试题

• 13.2 对人工智能的官方测评—155页的变态测试报告

• 13.3 对人工智能的民间测评—有本事就参加高考

• 13.4 机器是如何“思考”的？

• 13.5 奇点，涌现

• 13.6 什么是意识？

• 第14章 谁是洗牌人，谁是被洗的牌？

• 14.1 “人工智能+”

• 14.2 AI正在颠覆世界，是生存危机，还是泼天富贵？

• 14.3 时代的一粒灰，落在每个人的肩头就是一座大山

• 14.4 从恐惧到了解，从了解到掌握

• 14.5 人类智慧与人工智能

• 参考文献

适合人群

本书适合以下人群阅读：

• AI初学者：希望从零开始了解人工智能的读者。

• 学生群体：尤其是对计算机科学、数据科学、机器学习感兴趣的学生。

• 技术人员：希望提升AI技能、了解前沿技术的开发者。

• 教育工作者：希望将AI知识融入教学的教师。

• 企业管理者：希望了解AI如何影响行业和企业发展的决策者。

• 普通读者：对人工智能感兴趣，但没有技术背景的读者。

推荐理由

1. 语言通俗易懂：用生活化语言解释复杂概念，避免枯燥的数学推导，适合零基础读者入门。

2. 内容系统全面：涵盖人工智能从基础理论到前沿技术的完整知识体系。

3. 实战性强：提供多个Python实战案例，帮助读者动手实践，提升实战能力。

4. 结构清晰，层次分明：章节安排合理，逻辑清晰，便于系统学习。

5. 结合现实与未来：不仅讲解技术，还探讨AI对社会、伦理、人类意识的影响。

6. 图文并茂：书中配有大量示意图、流程图，增强理解力。

总结

《深入浅出人工智能：AI入门的第一本书》是一本兼具可读性与实用性的人工智能入门书籍。无论你是学生、技术人员，还是对AI感兴趣的普通读者，都能从这本书中获得启发和成长。它不仅是一本技术书籍，更是一本引导你思考未来世界的读物。如果你正在寻找一本能够带你轻松入门人工智能的书，那么这本书无疑是你的理想之选。