本书向读者介绍当代人工智能技术的入门知识，特别是以深度学习为代表的机器学习方法。本书主要内容包括人工智能在模拟人类视觉、听觉、语言、行为、思维五个方面的最新进展，覆盖了当前人工智能应用最广泛的几个领域，包括人脸识别、语音识别、声纹识别、自然语言理解、机器人设计等。
本书介绍的很多算法都需要动手实践才能有更好的理解。读者可以下载本书的实验套件，边学边做，才能真正领略人工智能的神奇与瑰丽。
本书是一本科普著作，没有复杂的数学公式，适用于任何对人工智能技术感兴趣的读者。书中提到的每项关键技术都提供了参考文献，有志于深入理解人工智能算法的读者可以按图索骥，深入钻研。

第1章 神奇的人工智能
1.1 什么是人工智能
1.2 人工智能简史
1.2.1 数理逻辑：人工智能的前期积累
1.2.2 图灵：人工智能的真正创始人
1.2.3 达特茅斯会议：AI的开端
1.2.4 人工智能的三起两落
1.3 机器学习：现代人工智能的灵魂
1.3.1 什么是机器学习
1.3.2 机器学习发展史
1.3.3 机器学习的基本框架
1.4 让人惊讶的“学习”
1.4.1 从猴子摘香蕉到星际大战
1.4.2 集体学习的机器人
1.4.3 图片和文字理解
1.4.4 AlphaGo
1.4.5 机器智能会超过人类智能吗
1.5 开始你的机器学习之旅
1.5.1 训练、验证与测试
1.5.2 Occam剃刀准则
1.5.3 没有免费的午餐
1.5.4 对初学者的几点建议
1.6 AIDemo示例系统
1.6.1 AIDemo环境搭建
1.6.2 AIDemo示例基础
1.6.3 人脸检测(Face-detection)：第一个示例程序
第2章 认识你的脸
2.1 人脸识别概述
2.1.1 什么是人脸识别
2.1.2 人脸识别系统的基本组成
2.1.3 人脸识别简史
2.2 基于特征脸的人脸识别
2.2.1 主成分分析
2.2.2 支持向量机
2.3 基于深度学习的人脸识别
2.3.1 神经网络的故事
2.3.2 神经网络结构
2.3.3 深度学习
2.3.4 基于深度卷积网络的人脸识别
2.3.5 基于DNN的人脸识别性能
2.4 深度神经网络的其他应用
2.4.1 人脸检测
2.4.2 人脸正规化
2.4.3 图像生成
2.4.4 图像风格转换
2.5 AIDemo：人脸识别
思考题
第3章 聆听你的声音
3.1 语音的产生与感知
3.1.1 语音的产生
3.1.2 语音的感知
3.2 语音识别概述
3.2.1 什么是语音识别
3.2.2 语音识别简史
3.3 基于GMM-HMM的语音识别
3.3.1 MFCC特征提取
3.3.2 GMM-HMM声学模型
3.3.3 N-Gram语言模型
3.3.4 解码过程
3.4 基于深度学习的语音识别
3.4.1 DNN特征提取
3.4.2 DNN静态建模
3.4.3 RNN动态建模
3.5 说话人识别
3.5.1 传统GMM-UBM系统
3.5.2 基于DNN的说话人识别系统
3.6 语音合成
3.6.1 参数合成
3.6.2 拼接合成
3.6.3 统计模型合成
3.6.4 神经模型合成
3.7 AIDemo：语音信号处理
3.7.1 实验说明
3.7.2 实验步骤
思考题
第4章 理解你的语言
4.1 人类语言的复杂性
4.1.1 结构复杂性
4.1.2 语义复杂性
4.1.3 知识复杂性
4.1.4 时空复杂性
4.1.5 应用复杂性
4.1.6 什么是语言理解
4.2 传统语言理解方法
4.2.1 词法分析
4.2.2 句法分析
4.2.3 语义分析
4.3 基于深度学习的语言理解方法
4.3.1 词向量
4.3.2 句向量
4.3.3 传统方法和深度学习方法对比
4.4 机器翻译
4.4.1 机器翻译的历史
4.4.2 统计机器翻译
4.4.3 神经机器翻译
4.5 语言理解的其他应用
4.5.1 搜索引擎
4.5.2 推荐系统
4.5.3 会话机器人
4.6 AIDemo：计算中文词向量
思考题
第5章 模仿你的行为
5.1 现代机器人发展史
5.2 基于设计的机器人
5.2.1 操作机器人
5.2.2 移动机器人
5.3 基于学习的机器人
5.3.1 简单的例子：模仿学习
5.3.2 强化学习
5.3.3 强化学习的学习对象
5.4 深度强化学习方法
5.4.1 Atari游戏
5.4.2 AlphaGoZero
5.4.3 实体机器人
5.4.4 两种机器人的比较
5.5 AIDemo：AI机器人
思考题
第6章 学习你的思维
6.1 形象思维
6.1.1 诗词生成
6.1.2 DeepDream
6.2 逻辑思维
6.2.1 定理证明：精确逻辑推理
6.2.2 阅读理解：非精确逻辑推理
6.3 AIDemo：DeepDream
思考题

本书用浅显的语言向读者，特别是青少年学生，介绍人工智能的基本原理和背后的机器学习方法。不需要复杂的数学公式。读者就可以了解到机器如何通过学习来模拟人的智能（看、听、言、行、思五个方面），并根据书中提供的一系列小实验自己动手实现一些有趣的人工智能系统。