针对现有人工智能（AI）教材大多重视技术、淡化商业应用的问题，本教材力图“透过技术的坚硬外壳，探索AI的商业潜力和社会影响”。作为一本“面向商学院学生的人工智能教材”，本教材的主要内容有新一代人工智能基本技术原理、特点，人工智能技术的发展历史，新一代人工智能发展的驱动因素、特征和发展方向，人工智能应用层技术的特点、能力和商业意义，人工智能技术的主要行业应用及影响。本教材试图从战略融合的视角，启发学生思考“企业如何实现从数字化到智能化”。本教材还探讨了人工智能在宏观层面的长期影响，如人工智能将如何影响人类工作、人工智能的社会影响和伦理道德，以及人工智能的社会治理等。
本教材适用于商学院管理类专业本科生及研究生。

无

人工智能（AI）技术的迅猛发展正在引发链式反应：催生了一批颠覆性技术，培育了经济发展新动能，塑造了新型产业体系，引领了新一轮的科技革命和产业变革。计算机视觉、自然语言处理和语音识别等人工智能技术的飞速进步，带动商业智能对话和推荐、自动驾驶、智能穿戴设备、语言翻译、自动导航、新经济预测等快速进入实用阶段。人工智能技术正在渗透并重组生产、分配、交换、消费等经济活动环节，形成从宏观到微观各领域的智能化新需求、新产品、新技术、新流程、新业态，改变着人类的生活、生产方式甚至社会结构，实现了社会生产力的整体跃升。人工智能展现出的技术属性、商业属性和社会属性高度融合的特点，是经济发展的新引擎，也是社会发展的加速器。
本教材的目标是“透过技术的坚硬外壳，探索AI的商业潜力和社会影响”。本教材定位为一本“面向商学院学生的人工智能教材”，兼顾AI的技术属性、商业属性和社会属性，探讨了人工智能对商业和社会的价值、影响和挑战，希望能帮助读者理解和把握新一代人工智能技术的现状和发展态势，并规划人工智能时代的学习方向和职业生涯。无论读者对AI发展是充满期待还是深感忧虑，我们都希望本教材能为读者带来一些启发。
本教材结构如下：第1章绪论介绍了新一代AI的内涵、技术体系、特点和驱动因素，并提出AI已经成为一种通用目的技术。第2章介绍了AI发展简史，着重叙述了AI发展三大学派的来龙去脉。第3章介绍了AI的底层技术基础，包括机器学习、神经网络、深度学习和知识图谱等，还借用大咖视角预测了AI技术的未来发展。第4～7章分别介绍了智能语音（语言）技术、计算机视觉技术、认知智能技术、智能机器人技术这四大类AI应用层技术。第8、9章介绍了AI在8个典型行业中的产业应用情况。第10章从个人层面分析人工智能对人类工作的影响，并提出了“协作智能”的发展模式。第11章从企业层面分析“智能化转型”的挑战、方法和策略。第12章从社会层面分析AI的伦理和安全问题，介绍了AI的社会治理体系，分析了广受关注的“人工智能威胁论”。本教材还穿插了一些“小知识”“案例讨论”，力图帮助读者从更全面的视角来理解AI，也提升了教材的趣味性。
本教材由大连理工大学闵庆飞和刘志勇联合编著，其中，闵庆飞负责第1、2、3、8、9、10、11、12章的编著以及全书的统稿工作，刘志勇负责第4～7章的编著。感谢我们的研究生苏超、胡丽霞、霍宏虹、王晓娣、姜林彤、李悦平、王晓宇、傅婧、刘一诺、曹霞、徐慧敏、何碌君、张乐在教材编著过程中所做的贡献，他们都是勤勉聪慧、前途可期的好青年。
在教材编著过程中，我们借鉴了大量学术同行的研究成果以及研究机构的研究报告，也参考了很多科技论坛上网友的观点和文章。我们尽量对引用的文献进行了标注，以表达对他人知识贡献的尊重。尽管如此，我们依然对可能存在的漏标之处深感不安，恳请广大同行、研究机构、网友及时指出我们的疏漏，我们将在第一时间做出修正。本教材的出版得到了机械工业出版社华章分社张有利先生、宁鑫先生的大力支持，在此一并致以诚挚的谢意！
人工智能是一个纷繁庞杂的话题，其技术体系本身依然在高速发展中，对其未来发展方向和社会影响，学界和业界至今仍在热烈探讨之中，加之编著者知识结构所限，书中的疏漏和错误在所难免，恳请广大读者不吝赐教，我们将不胜感激。

闵庆飞　刘志勇
2020年12月

电子商务及信息管理

人工智能技术的迅猛发展引发了一系列链式反应：催生了一批颠覆性技术，培育了经济发展新动能，塑造了新兴产业体系，引领了新一轮的科技革命和产业革命。人工智能技术影响了人们的方方面面，在商业经营上，正不断渗透并重组生产、分配、交换、消费等经济活动环节。
本教材兼顾人工智能的技术属性、商业属性和社会属性，定位为一本“面向商学院学生的人工智能教材”。力图透过技术的坚硬外壳，系统探索人工智能的商业潜力和社会影响”。
本书特点：
技术性。介绍了人工智能的发展过程和发展历史，以及人工智能的基本技术原理；
前沿性。介绍了新一代人工智能发展的驱动因素、特征和发展方向；
商业性。介绍了人工智能应用层技术的特点、能力和商业意义；
实践性。介绍了人工智能技术对不同行业的应用及影响；
社会性。介绍了人工智能如何影响人类工作，以及其带来的社会影响、伦理道德和社会治
理问题；
本书可作为人工智能、信息管理与信息系统、数据科学与大数据技术、大数据管理与应用等专业本科生和包括MBA、MEM在内的经济管理类研究生的教材，也可作为相关从业人员的参考读物。

闵庆飞 刘志勇：无

前言
作者简介
第1章　绪论 1
1.1　人工智能：一种通用目的技术 1
1.2　新一代人工智能的技术体系 3
1.3　新一代人工智能的特点 5
1.4　新一代人工智能发展的驱动因素 8
思考题 11
第2章　人工智能发展简史 12
2.1　人工智能的开端（1943～1956年） 12
2.1.1　早期孕育 12
2.1.2　正式诞生：达特茅斯会议 14
2.1.3　两大学派：符号主义和联结主义 15
2.2　发展中的第一次起伏（1957～1980年） 18
2.2.1　专家系统 18
2.2.2　自然语言处理的早期发展 19
2.2.3　压倒神经网络学科的最后一根稻草 20
2.2.4　人工智能的第一次低谷 20
2.3　发展中的第二次起伏（1980～2005年） 22
2.3.1　专家系统的成功商业应用 22
2.3.2　第五代计算机 22
2.3.3　联结主义重回大众视野 24
2.3.4　自然语言处理的进一步发展 26
2.3.5　AI寒冬 26
2.3.6　第一次成功的人机对弈 27
2.3.7　“躯体的重要性”：行为主义 28
2.4　深度学习蓬勃发展（2006年至今） 29
2.4.1　深度学习概念的提出 29
2.4.2　图像识别和语音识别迅速发展 30
2.4.3　震惊世界的AlphaGo 31
思考题 32
第3章　人工智能技术基础 33
3.1　机器学习 34
3.1.1　机器学习概述 34
3.1.2　机器学习的一般流程 35
3.1.3　机器学习的算法体系 37
3.1.4　监督学习 37
3.1.5　无监督学习 42
3.1.6　弱监督学习 44
3.2　人工神经网络与深度学习 46
3.2.1　神经元与人脑神经网络 46
3.2.2　人工神经网络 48
3.2.3　人工神经网络算法 49
3.2.4　深度学习及其框架 51
3.2.5　深度学习与传统机器学习的区别 54
3.3　知识图谱 56
3.3.1　知识图谱概述 56
3.3.2　知识图谱的构建 59
3.3.3　知识图谱应用 61
3.3.4　知识图谱未来发展 62
扩展讨论：AI技术的未来发展方向 63
训练集困境和强化学习 63
深度学习面前的三座大山 64
自我监督学习 65
思考题 66
第4章　智能语音（语言）技术 67
4.1　自然语言处理 67
4.1.1　自然语言处理概述 67
4.1.2　自然语言处理分类 70
4.1.3　自然语言处理技术基础 71
4.1.4　自然语言处理典型应用 74
4.1.5　自然语言处理未来发展方向 75
4.2　语音识别 75
4.2.1　语音识别概述 75
4.2.2　语音识别系统分类 76
4.2.3　语音识别技术基础 77
4.2.4　语音识别典型应用 77
4.2.5　语音识别未来发展方向 79
4.3　机器翻译 80
4.3.1　机器翻译分类 80
4.3.2　机器翻译技术基础 82
4.3.3　机器翻译典型应用 83
4.3.4　机器翻译存在的问题 84
4.3.5　机器翻译未来发展方向 86
4.4　语音交互 87
4.4.1　语音交互概述 87
4.4.2　语音交互技术基础 88
4.4.3　语音交互典型应用场景 89
4.4.4　语音交互未来发展方向 91
案例讨论：你会购买“聊天机器人”
推销的产品吗 91
思考题 93
第5章　计算机视觉技术 94
5.1　计算机视觉概述 94
5.1.1　计算机视觉的内涵 94
5.1.2　计算机视觉的主要任务 95
5.2　计算机视觉的发展历史 95
5.2.1　马尔计算视觉（20世纪60～80年代） 95
5.2.2　多视几何与分层三维重建（20世纪90年代初～21世纪初） 96
5.2.3　基于学习的视觉（21世纪初至今） 97
5.3　计算机视觉的主要技术 97
5.3.1　人脸识别技术 97
5.3.2　其他生物识别技术 100
5.3.3　图像分类 102
5.3.4　目标检测 102
5.3.5　图像语义分割 103
5.3.6　OCR文字识别 104
5.3.7　图像生成 105
5.3.8　人体关键点检测 106
5.3.9　视频分类 107
5.3.10　度量学习 107
5.4　计算机视觉重要应用 107
5.4.1　图像检索 107
5.4.2　场景文字识别 109
5.4.3　医疗影像分析 109
5.4.4　安防检测 110
5.4.5　自动驾驶汽车、无人机 110
5.4.6　军事用途 112
5.5　计算机视觉的未来发展 113
5.5.1　现有技术的局限 113
5.5.2　未来的发展方向 113
思考题 114
第6章　认知智能技术 115
6.1　智能搜索 115
6.1.1　搜索引擎发展历史 115
6.1.2　智能搜索发展 117
6.1.3　智能搜索技术基础 118
6.1.4　智能搜索未来发展方向 119
6.2　智能问答 119
6.2.1　智能问答概述 119
6.2.2　智能问答分类 121
6.2.3　智能问答应用场景 122
6.2.4　智能问答未来发展方向 123
案例讨论：善解人意的智能问答系统—微软小冰 124
6.3　智能规划 126
6.3.1　智能规划概述 126
6.3.2　智能规划的发展历史 127
6.3.3　智能规划方法分类 128
6.3.4　智能规划应用领域 129
6.3.5　智能规划的发展方向 131
6.4　智能决策 131
6.4.1　智能决策概述 131
6.4.2　智能决策支持系统分类 133
6.4.3　智能决策支持系统的基本结构 134
6.4.4　智能决策支持系统典型应用 135
6.4.5　智能决策支持系统未来发展 137
案例讨论：IBM“沃森医生”的理想与现实 138
思考题 139
第7章　智能机器人技术 140
7.1　机器人技术概述 140
7.1.1　机器人的定义 140
7.1.2　机器人的特征 141
7.2　机器人的关键技术 142
7.2.1　机器人感知 142
7.2.2　机器人认知 142
7.2.3　机器人行动 143
7.3　机器人技术的发展历史 144
7.3.1　电气时代的程序控制机器人 145
7.3.2　数字时代适应型机器人 146
7.3.3　智能机器人 146
7.4　智能机器人分类 147
7.4.1　按智能程度分类 147
7.4.2　按形态分类 147
7.5　智能机器人的应用领域 149
7.5.1　工业机器人 149
7.5.2　服务机器人 152
7.5.3　物流与运输机器人 155
7.5.4　危险环境机器人 156
7.6　智能机器人技术未来发展方向 157
7.6.1　智能机器人技术发展 158
7.6.2　智能机器人应用前景 160
思考题 163
第8章　人工智能的产业应用（一） 164
8.1　人工智能+制造 164
8.1.1　智能研发设计 164
8.1.2　智能工业生产制造 165
8.1.3　智能工业质检 167
8.1.4　智能工业安检 168
8.1.5　智能设备维护 169
8.1.6　智能仓储物流 170
8.2　人工智能+家居生活 171
8.2.1　智能安防 171
8.2.2　智能家电 172
8.2.3　智能社区与智慧物业 172
8.3　人工智能+医疗 173
8.3.1　智能疾病风险预测与健康管理 173
8.3.2　智能医学影像 174
8.3.3　智能手术辅助 175
8.3.4　智能医药研发 175
8.4　人工智能+汽车 176
8.4.1　无人驾驶乘用车 178
8.4.2　无人驾驶卡车 179
8.4.3　无人驾驶配送车 180
思考题 181
第9章　人工智能的产业应用（二） 182
9.1　人工智能+金融 182
9.1.1　智能风险控制 183
9.1.2　智能投资顾问 184
9.1.3　智能投资研究 186
9.1.4　智能信贷评估 186
9.1.5　智能保险理赔 188
9.2　人工智能+公共管理 189
9.2.1　智能政务 189
9.2.2　智能安防 190
9.2.3　智能交通 191
9.2.4　智能能源 192
9.2.5　智慧城市 193
9.3　人工智能+教育 194
9.3.1　智能学习管理 194
9.3.2　智能学习评测 195
9.3.3　智能教学辅助 196
9.3.4　智能教育认知与思考 197
9.4　人工智能+农业 198
9.4.1　智能化种植业 198
9.4.2　智能化畜牧业 200
思考题 200
第10章　协作智能时代 201
10.1　人工智能适合做什么 201
10.2　人工智能不适合做什么 204
10.2.1　反向波兰尼悖论 204
10.2.2　AI的稳健性问题 205
10.3　人工智能与人类智能的比较 207
10.3.1　单维智能vs.多元智能 207
10.3.2　人类的“算法优势” 208
10.4　协作智能时代 210
10.4.1　人类协助机器 210
10.4.2　机器帮助人类 212
10.4.3　协作智能重塑业务流程 213
10.4.4　需要新的角色和人才 214
扩展讨论：具备常识有多难 216
思考题 217
第11章　企业智能化转型 218
11.1　智能化转型概述 218
11.1.1　智能化转型的五个层次 218
11.1.2　智能化转型内部动力 219
11.1.3　智能化转型外部动力 221
11.2　企业智能化转型的挑战 222
11.2.1　转型实践举步维艰 222
11.2.2　智能化转型的八重困境 223
11.3　企业智能化转型策略与方法 225
11.3.1　企业智能化转型策略 225
11.3.2　企业数字化转型需要的核心能力 227
11.3.3　企业人工智能商业落地的其他建议 229
11.4　云计算开创AI“普惠”时代 230
11.4.1　AI云服务的内涵 230
11.4.2　国内主要AI云服务商 231
11.4.3　国外主要AI云服务商 233
11.4.4　AI的“电网vs.电池”之争 235
案例讨论：从谷歌的“AI先行”看科技企业的AI战略 236
思考题 237
第12章　人工智能的社会治理 238
12.1　人工智能伦理道德问题 238
12.1.1　数据相关的伦理问题 238
12.1.2　算法相关的伦理问题 239
12.1.3　应用相关的伦理问题 241
12.2　人工智能安全问题 243
12.2.1　经济安全风险 243
12.2.2　政治安全风险 244
12.2.3　社会安全风险 246
12.3　各国的AI治理原则 248
12.3.1　中国：发展负责任的人工智能 248
12.3.2　欧盟：可信AI伦理指南 250
12.3.3　人工智能国际治理机制的关键要素 252
12.4　人工智能威胁论 255
12.4.1　技术奇点理论 255
12.4.2　人工智能发展的三个层次 256
12.4.3　对人工智能威胁论的反驳 258
12.4.4　量子计算机与AI 261
案例讨论：中文房间思维实验 263
思考题 264
参考文献 265