書名：AI必修課：日本情感研究權威的人工智慧秒懂攻略

商品簡介

NHK、全球財經衛星、朝日新聞爭相邀請
日本AI情感研究第一人
亞馬遜網友熱烈贊同，讀懂AI的第一本書

人工智慧來了！
AlphaGo在棋盤上打敗人類、蘇菲亞成為沙國公民…
未來，AI還會造成什麼樣的影響？
準備好迎接人造智慧的時代了嗎？
本書適合想了解AI，但似懂非懂，覺得相關知識很難的讀者，能為學生建立基礎概念，提前職涯規劃，也能讓社會人士速修最新知識，領先時代潮流。
日本AI情感研究第一人、第一位分析AlphaGo及AI情感的研究者?本真樹教授，
手把手帶你了解AI！

本書重點：
★人工智慧(AI)到底是什麼？漫畫插圖一次看懂！
★AI≠機器人！人工智慧與機器人的關係，就像大腦和身體
★AI也有分等級，你身邊的冰箱、冷氣可能就是AI！
★根據摩爾定律，電腦將在2045年超越人腦！
★哪些工作會在未來消失，哪些工作不會被AI取代？
★課外補充、求職先修、職場加分必讀！

立刻了解AI發展史、現況，掌握未來趨勢！

目錄
第一章 人工智慧是什麼？
1.1 人工智慧何時誕生？
●人的智慧？人工智慧？ ●哪一邊是人呢？圖靈測試
●看起來有點孤單的人工智慧？ ●人類和人工智慧的差異 ●與電腦性能一起發展
●AI的歷史＜達特茅斯會議＞ ●AI的歷史＜第一次AI熱潮＞
●AI的歷史＜第二次AI熱潮＞ ●現在進行式＜第三次AI熱潮＞！
1.2 這就是人工智慧？
●人工智慧和機器人的差異 ●機器人研究？人工智慧研究？
●人工智慧是否需要身體？ ●第一級人工智慧 ●第二級人工智慧
●第三級人工智慧 ●第四級人工智慧、特化型人工智慧
●第五級人工智慧、泛用人工智慧
1.3 人工智慧會超越人類嗎？
●「科技奇點」是什麼？ ●科技奇點值得擔憂嗎？
●怎麼製作泛用人工智慧？ ●人類是否有可能因AI而滅亡？
●AI會改變人類的未來嗎？ ●未來可能消失的工作？
●未來可能留下的工作？
第二章 人工智慧擅長與不擅長處理的事
2.1 人工智慧擅長處理的事
●擅長處理Web資訊 ●0與1組成的數位資料
●電腦資料（語言、影片、聲音） ●以電腦處理視覺資訊
●數位相機的進化 ●提高解析度，相機可以超越人眼嗎？
●世界共通的資料 ●圖像識別競賽ILSVRC ●電腦處理聽覺資訊
●使用兩個麥克風的聲音辨識 ●使用多個麥克風的「麥克風陣列」
●如何將聲音轉換成文字？ ●聲音模型、語言模型
2.2 人工智慧不擅長處理的事
●事物的意義難以理解 ●語意網路是什麼？
●就算不懂問題的意義仍可回答？ ●潛在語義分析是什麼？ ●東Robo君放棄的理由
●為了變聰明，五感是必要條件？ ●對人工智慧來說，什麼是味覺？
●對人工智慧來說，什麼是嗅覺？ ●氣味在未來有哪些相關發展？
●對人工智慧來說，什麼是觸覺？ ●實現觸覺很困難！
第三章 人工智慧如何從資訊中學習？
3.1 機器學習是什麼？
●想要教機器（電腦）如何「學習」！ ●監督式學習
●分類問題＜判斷垃圾郵件＞ ●回歸問題＜預測數值＞
●找出適當的直線（函數）！ ●過度學習
●什麼是非監督式學習？ ●把資料分成數個群集吧！ ●k-means分類法
●強化學習是講賞與懲罰
3.2 類神經網路是什麼？
●神經元建構的腦 ●人工神經元的結構 ●權重代表重要度與信賴度
●赫布理論 ●什麼是感知器？
●線性不可分的問題 ●Backpropagation（誤差反向傳播法）
●為了讓誤差變小，需要調整權重！ ●增加層數後…誤差反而傳不過去？
●支援向量機的優點是什麼？ ●過度學習的避免與泛化能力不能兩者兼得
3.3 Deep Learning厲害在哪裡？
●Deep Learning出名之日 ●電腦自動尋找特徵量！
●Deep Learning可以到四層以上 ●自動編碼器的輸入與輸出相同？
●輸入與輸出相同所代表的意義 ●更接近人類的方式
●Deep Learning方法
3.4 AI三大家之一的「遺傳演算法」是什麼？
●AI三大家的各種面向 ●達爾文演化論的啟發 ●遺傳演算法的使用方式
第四章 人工智慧的應用
4.1 從「遊戲」應用看人工智慧
●遊戲AI進化史 ●人類 vs AI ∼西洋棋篇∼ ●人類 vs AI ∼將棋篇∼
●人類 vs AI ∼圍棋篇∼
4.2 「影像」應用，引發第三次AI熱潮
●Google的貓識別 ●影像辨識的進化 ●醫療上的應用（庄野研究室）
●醫療上的應用（黑色素瘤的判別） ●醫療上的應用（癌症診斷）
●提升診斷精確度
4.3 熱門話題「自動駕駛AI」應用
●自動化達成的程度？ ●為實現自動駕駛必須做到哪些事？ ●訓練自動駕駛的步驟
●如何判斷位置與狀況 ●發生交通事故，如何釐清事故原因？
4.4 「對話AI」應用實例
●如何讓電腦與人對話？ ●「有知識的」對話AI
●「沒有知識的」對話AI ●編寫對話的三種技術 ●如何使機器進行自然對話？
4.5 遺傳演算法的「擬聲詞」應用實例
●傳遞人類感受的擬聲詞 ●擬聲詞生成系統
●生成擬聲詞的步驟 ●執行最適化過程 ●擬聲詞生成系統的內部機制
●擬聲詞的生成
4.6 AI的「藝術」應用實例
●AI在藝術方面的挑戰∼小說篇∼ ●AI小說計畫
●AI在藝術方面的挑戰∼繪畫篇∼ ●AI在藝術方面的挑戰∼作曲篇∼
結語
參考文獻
索引

前言
近幾年來，市面上出現了許多與人工智慧相關的書籍，銷量都不錯，使人工智慧相關的知識似乎早已普及於我們的世界。這時候才要寫一本人工智慧的書會不會稍嫌太遲呢？因此，我並沒有很積極地想要寫一本給大眾閱讀人工智慧相關書籍。就在此時，曾因其他企劃案而請我寫過書的歐姆社向我提案，「既然?本老師是人工智慧學會的學會期刊編輯委員，要不要試著寫一本講人工智慧，且有著?本老師風格的書呢？」我不太會拒絕別人的請求（當然，如果是現實上不可做到的事我還是會拒絕），反而常把這想成是上天賜給我的機會，便心懷感激地接下了這個工作。
被人要求寫出「有我的風格人工智慧相關書籍」，於是我一開始先翻出得到2014年度人工智慧學會論文獎兩篇論文：《判斷不同擬聲詞造成人們印象中各種細微差異的系統》（人工智慧學會期刊29卷1號）與《符合使用者感性印象的擬聲詞系統之創造》（人工智慧學會期刊30卷1號），想以這兩篇論文為基礎試著寫寫看。但我發現這樣寫出來的內容太過艱深，故試著調整，從原來的專業書風格，改為入門書風格。
由於從前我讀的都是人工智慧的專業書籍，藉著這次機會，我開始尋找一些市面上的入門書籍，並試著閱讀這些書。經過搜尋，我產生了一種感覺：「這些原本應該要寫得簡單易懂的入門書，對一般人來說，想必還是很難看得懂吧」。事實上，一般人對AI人工智慧本來就有著「很困難」的印象，大概很少有人會想去弄懂人工智慧是怎麼回事。因此，我便抱著想要寫出有趣內容的想法，寫出了這本書。
本書的目標，是讓完全不懂人工智慧的人，也能夠輕鬆讀懂本書的內容。譬如說要開始思考未來方向的高中生、大學念文組科系卻對人工智慧有點興趣的人、大學是理工科系且準備要朝資訊工程方面發展的人、無法無視人工智慧存在的企業員工和主管、在人工智慧應用漸廣趨勢下為孩子未來前途擔心的家長、想要繼續打拼永不退休的老人等，無論男女老少都可以閱讀的一本書。

雖然我的目標是要寫出一本可以輕鬆閱讀人工智慧相關書籍，但在提到深度學習此時還是不免會提到技術相關的話題，因此本書第三章可能較有難度。不過就算是入門書，關於深度學習部分的內容都會顯得特別難。我抱著這樣的擔憂，並將寫完的原稿交給日本歐姆社，沒想到加上了簡單易懂的插畫，卻搖身一變成為輕鬆有趣的內容，真的是非常感謝各位編輯與插畫家。
進入校稿階段時，我邀請當年度以深度學習為題，完成畢業論文的川?卓也同學試閱，請他指出是否哪個部分不易懂，或者哪裡有問題。剛寫完畢業論文之際，畢業生通常只想儘快進入人生下個階段。在這樣的心情下，川?卓也同學仍願意仔細閱讀，協助校稿，實在相當感謝。
最後，在許多人的幫助之下，這本書才得以完成。在此要感謝推動這項短期企劃的各位歐姆社書籍編輯部人員，以及為這本書繪製精美插畫的Office sawa澤田小姐。
我期望能透過本書，讓更多人能夠瞭解人工智慧是怎麼一回事。
2017年三月
?本真樹

內文試閱
人的智慧？人工智慧？
當有人問我「在研究些甚麼呢？」此時我會回答「人工智慧」，接著大約會得到這樣的回應「是喔，似乎很厲害呢。那人工智慧又是什麼？」
雖然媒體上幾乎天天都會提到「AI」和「人工智慧」等名詞，但不知為何，人工智慧總給人一種很深奧的感覺。
「人工智慧」顧名思義，就是由人類所製造的智慧，然而聽完這樣的解釋，還是會想再問「人類所製造的智慧是什麼？或者更深入一點，智慧又是什麼？」
會有這樣的疑問無可厚非。
即使在集合了許多人工智慧研究者人工智慧學會，其中每個會員所研究的東西、研究的目標都因人而異，故實在很難一言以蔽之。
智慧是什麼？我們要如何以人工方式製造智慧？要回答這個問題，就必須從人與人造物的差異在哪裡？人的智慧又是什麼？從這些哲學問題開始討論。
因為我原本對人的智慧來源很感興趣，也做過相關研究，故常會試著思考「如果可以用人工方式製造智慧，是否能讓我們更加了解人的智慧是什麼？」、「歸根究底，為什麼我們會知道自己以外的人和自己一樣是人呢？」這類問題。
然而，對以人工智慧為研究主題的人們來說，目標並不在於探究人類的智慧來源，而是在於以人工方式（工程技術）製造出類似人類智慧的東西。
AI的歷史＜達特茅斯會議＞
雖然我們說，人工智慧是伴隨著電腦發展的，然而「人工智慧」一詞究竟是什麼時候誕生的呢？
1 人工智慧（AI）
人工智慧（Artificial Intelligence）這個名詞是在1956年夏天，於美國東部達特茅斯所舉行的會議中初次登場。對於人工智慧研究者來說，這是一個傳說級的會議。
在這個達特茅斯會議中，人們將像人一樣會思考的電腦稱作「人工智慧」，於是「人工智慧」一詞才終於定案了下來。
在這之前，其實已有可稱為人工智慧研究出現。1946年，公認為世界第一個電腦，ENIAC誕生，這是一個使用了17,000個真空管的巨大計算機。那時人們已經相信，總有一天電腦可能會超越人類。達特茅斯會議將所有以此為目標的研究者聚集在一起，目的正在於此。
這個會議中有許多著名的研究人員參加，包括約翰．麥卡錫（John McCarthy*1；1927-2011）、馬文．閔斯基（Marvin Minsky；1927-2016）、艾倫．紐厄爾（Allen Newell*2；1927-1992）、司馬賀（Herbert Simon；1916-2000）。許多研究者在這個會議上發表了當時最新的研究結果。2016年去世的閔斯基，便曾在1951年，利用以硬體實現的類神經網路製作機器學習裝置，這可說是世界上第一個可進行自我學習的人工智慧。
AI的歷史＜第一次AI熱潮＞
經過達特茅斯會議，到了1950年代後期至1960年代流行的是，用電腦進行推論或探索，以解決特定問題的研究。
以走迷宮為例，目標是要從迷宮起點走到終點。人類走迷宮，碰到死路時會稍微後退尋找其他路徑，一步步朝終點邁進。
相對的，讓電腦來走迷宮，不會真的沿道路前進。而是從起點開始進行分類，分成往A走的情況，往B走的情況等。接著將往A走會碰到的情況，以及往B走的情況，進行分類。
在不斷的分類下，最後便能找到終點。這就是人工智慧所使用的方法。
近年來因為電腦的優異表現而廣受媒體矚目的西洋棋、將棋、圍棋等棋類競賽，用的都是這種探索法。
西洋棋、將棋、圍棋等棋類競賽與迷宮不同，在探索時必須考慮對手會用何種方式回應棋步，使得排列組合數大量增加，因此拉高了處理難度。舉例來說，將棋的可能走法有10的220次方，而圍棋更是有10的360次方，簡直是天文數字。
乍看之下，用探索法處理這類問題似乎很麻煩，但隨著電腦處理速度的提升，使電腦在這些棋類競賽中的成績愈來愈好。且隨著各種機器學習方法的問世，電腦展現出壓倒性的優勢。關於機器學習將在本書第三章中解說。
1960年代，人們熱衷於以探索法解決棋類競賽的問題，形成了第一次AI熱潮。然而對於疾病治療，以及其他亟待解決的現實社會問題，人工智慧卻毫無幫助。再加上備受產業界期待的機器翻譯，發展不順，美國政府認為無望，於是切斷了研究資金的提供，成為最後一根稻草，直接造成第一次AI熱潮結束，使得1970年代成為人工智慧的寒冬。
AI的歷史＜第二次AI熱潮＞
第一次AI熱潮人工智慧，其能力的強弱主要依賴電腦的計算能力。然而，電腦有辦法累積相當龐大的知識，這對人類來說是不可能辦到的事。運用電腦的儲存功能，將「知識」存入電腦讓它變聰明，這就是第二次AI熱潮中研究人員們做的事。
「專家系統」指的是具有特定領域的龐大知識，在該領域內稱得上是專家人工智慧。1970年代初期，史丹佛大學所開發的MYCIN就是一個很有名的例子。
在第一次AI熱潮中，人工智慧無法為疾病治療作出貢獻，使相關研究進入寒冬。不過MYCIN卻能夠將過去所有診斷為細菌感染病人的症狀與其他狀況（條件）等，作為知識記錄在資料庫。當有新的患者出現時，輸入患者症狀與其他狀況，就能夠推測患者感染某種細菌的機率，如「這種症狀的病人有69%機率感染△△細菌」等。
然而，要讓電腦具有這些知識，需要聽取許多專家的相關知識，並進行許多調查研究，以累積資料，這會耗費相當多的時間與費用。
現在進行式，第三次AI熱潮！
隨著第二次AI熱潮結束，人工智慧寒冬又再度到來。不過到了1990年代中期，搜尋引擎誕生，網路爆炸的普及至每一個角落。到了2000年代，隨著網站數量的增加，人類得以取得大量資料，使得輸入知識至電腦這件事變得容易許多。