author:魏静崎
2024年10月7日
文献考试-基础文献部分

[1] 汪小帆,李翔,陈关荣.网络科学导论[M].北京:高等教育出版社,2012.

模型、特性、生成模型、稳定性、演化、应用、控制

《网络科学导论》是汪小帆教授主讲的一门深入探讨复杂网络特性的课程，其课件包含了丰富的网络科学理论与实践知识。这门课程不仅涵盖了网络科学的基础概念，还涉及了网络科学在实际应用中的诸多方面。下面将详细阐述网络科学的主要知识点。 网络科学是一门跨学科的研究领域，它结合了数学、物理、计算机科学和社会学等多领域的理论，以研究网络结构、演化规律以及网络中的现象和过程。 1. 网络模型：网络科学中最基础的是各种网络模型，如无标度网络、小世界网络和随机图等。无标度网络的特征是节点的度分布遵循幂律分布，小世界网络则表现为节点之间距离短且随机性，而随机图则是每个节点与其他节点连接的概率均等。 2. 复杂网络的特性：包括节点度分布、聚类系数、路径长度等。度分布是描述节点连接数的统计特性，聚类系数反映了节点邻居之间的连接程度，路径长度则是网络中两个节点间最短路径的平均长度。 3. 网络生成模型：如ER随机图模型、BA无标度网络模型和WS小世界模型，这些模型帮助我们理解复杂网络是如何形成的。 4. 网络的稳定性与动力学：研究网络如何抵抗局部故障或全局攻击，以及网络动态行为如同步、传播动力学等。 5. 社区结构：复杂网络中节点往往有明显的群组划分，社区检测算法是寻找这些结构的重要工具。 6. 网络的演化：研究网络随着时间增长和变化的规律，包括节点的加入、删除以及链接的形成与断裂。 7. 网络应用：网络科学广泛应用于生物学（如蛋白质相互作用网络）、社会学（如社交网络）、信息科学（如互联网和万维网）等领域，分析网络的结构和行为有助于理解和预测这些系统的动态。 8. 网络控制：如何通过干预网络的某些节点或链接来影响整个网络的行为，例如在网络优化、疾病传播控制等方面。 通过汪小帆教授的《网络科学导论》课程，学习者不仅可以掌握网络科学的基本理论，还能了解到网络科学在现实世界中的广泛应用和挑战。每一份PDF文件可能都详细解读了上述一个或多个知识点，为深入理解和研究复杂网络提供了宝贵的资源。

[2] 冈萨雷斯.数字图像处理.4 版[M].阮秋琦,等译.北京:电子工业出版社,2020.

获取、增强、复原、变换、分割、彩色图像处理、像素操作、编码与压缩、分析、挑战

 本书主要涵盖了图像处理的基本概念、理论和技术，旨在帮助读者理解和掌握图像处理的基本原理及其在实际中的应用。全书分为多个章节，内容丰富，包括但不限于以下几个方面： 1. 图像获取：介绍图像形成的基本原理，如光学成像、扫描仪、相机等设备的工作机制，以及像素的概念和数字图像的表示方式。 2. 图像增强：探讨了如何通过各种算法改善图像质量，如直方图均衡化、低通滤波、高通滤波等，以提高图像的对比度和清晰度。 3. 图像恢复与复原：讨论了图像失真（如噪声、模糊）的识别和处理方法，如自适应滤波器和逆滤波技术。 4. 图像变换：介绍傅立叶变换、小波变换等在图像分析中的应用，这些变换为图像特征提取和压缩提供了理论基础。 5. 图像分割：讲述如何将图像分割成有意义的区域，包括阈值分割、边缘检测、区域生长等方法，这对于图像分析和理解至关重要。 6. 彩色图像处理：阐述了RGB色彩模型和其它色彩空间，以及彩色图像的处理技巧，如色彩转换、色彩空间融合等。 7. 像素操作与几何变换：讲解了图像的旋转、缩放、平移等几何变换，以及像素级操作，如卷积、膨胀、腐蚀等形态学操作。 8. 数字图像编码与压缩：介绍了无损和有损图像压缩的基本原理，如霍夫曼编码、JPEG、PNG、MPEG等标准。 9. 图像分析与理解：探讨了基于特征的图像分析，如角点检测、模板匹配，以及更高级的图像理解技术，如机器学习和深度学习在图像分类、目标检测等方面的应用。 通过阅读《数字图像处理冈萨雷斯》，读者不仅可以深入理解图像处理的基本理论，还能掌握实用的编程技能，例如使用MATLAB或Python实现书中提到的算法。这将为从事图像处理、计算机视觉、人工智能等相关工作的专业人士提供坚实的理论基础和实践指导。

数字图像处理的挑战 数字图像处理仍然面临着一些挑战，包括： 1. 图像噪声和 artifacts 的存在。 2. 图像处理算法的复杂性和计算复杂度。 3. 图像 Compression 的损失和失真。 4. 图像识别的准确性和鲁棒性。 数字图像处理的发展趋势 数字图像处理仍然在不断发展和完善，未来可能的发展趋势包括： 1. 深度学习和机器学习在图像处理中的应用。 2. 图像处理算法的加速和优化。 3. 图像 Compression 的无损压缩和高效压缩。 4. 图像识别的准确性和鲁棒性的提高。 数字图像处理是计算机视觉和图像处理领域的基础课程，对数字图像处理的理解和掌握对计算机视觉和图像处理领域的发展至关重要。

[3]肖仰华.知识图谱:概念与技术[M].北京:电子工业出版社.

基本理论、技术框架、研究方法和前沿进展

《知识图谱》是肖仰华教授所著的一本关于知识图谱的专业书籍。本书全面介绍了知识图谱的基本理论、技术框架、研究方法和前沿进展，旨在帮助读者深入了解知识图谱的原理与应用。
首先，本书介绍了知识图谱的基本理论。肖仰华教授详细解释了知识图谱的定义、构建方式以及其在人工智能领域中的重要性。他阐述了知识图谱的核心概念，如实体、属性和关系，并通过实例解释了这些概念在实际应用中的意义。
其次，本书介绍了知识图谱的技术框架。肖仰华教授系统地介绍了构建和应用知识图谱的关键技术，包括知识表示、知识抽取、知识融合、知识推理和知识查询等。他深入讲解了这些技术的原理、方法和算法，并举例说明了它们在实际项目中的应用。
接着，本书介绍了知识图谱的研究方法。肖仰华教授指导读者如何进行知识图谱的研究和实践，介绍了数据采集、预处理、建模和评估等重要步骤。他还强调了实践的重要性，鼓励读者通过开展实际项目来深化对知识图谱理论的理解并提高技术能力。
最后，本书介绍了知识图谱的前沿进展。肖仰华教授概述了近年来在知识图谱领域取得的重要研究成果和应用案例，涵盖了知识表示学习、图神经网络、自动问答系统等热门方向。他还展望了未来的发展趋势，包括知识图谱在智能推荐、智能搜索和智能对话等领域的应用前景。
总体而言，《知识图谱》是一本深入浅出、全面系统地介绍知识图谱的专业著作。肖仰华教授通过清晰的语言和实用的案例，使复杂的知识图谱理论变得易于理解和应用。本书适合计算机科学、人工智能及相关领域的专业人士阅读，也可供对知识图谱感兴趣的非专业读者作为参考。通过阅读本书，读者可以全面了解知识图谱的基本理论、技术框架、研究方法和前沿进展，以应对实际项目中的挑战并推动知识图谱在各个领域的应用。

[4]车万翔,郭江,崔一鸣.自然语言处理:基于预训练模型的方法[M].北京:电子工业出版社,2021.

NLP任务、NLP基础、工具和数据集、NLP与神经网络、词向量和预训练模型、预训练语言模型、预训练模型进阶、多模态融合

《自然语言处理-基于预训练模型的方法》是一本深入探讨NLP领域中预训练模型的著作，由车万翔、郭江、崔一鸣合著。该书详细介绍了预训练模型在自然语言处理中的重要性和广泛应用，涵盖了从基础知识到前沿技术的多个层面。 一、自然语言处理任务体系 NLP任务分为不同的层级和类别，如语法分析、语义理解、情感分析等。研究层次则涉及理论研究、模型构建和实际应用。预训练时代意味着模型在大规模无标注数据上预先学习通用语言表示，之后在特定任务上进行微调。 二、NLP基础 1. 文本表示：从传统的独热向量到分布式表示，再到词嵌入和词袋模型，这些表示方式逐渐提高了模型对语义的理解能力。 2. 任务类型：包括语言模型、基础任务（如情感分析、命名实体识别）和应用任务（如机器翻译、问答系统）。 3. 评价指标：如准确率、F1值，针对标准答案明确或不明确的情况有不同的评估方法。 三、基础工具集与常用数据集 学习NLP时，常见的工具集如NLTK、Spacy，以及Hugging Face的Datasets库提供了丰富的数据集和处理方法，如Wikipedia数据集的获取和处理。 四、神经网络基础 介绍神经网络在NLP中的应用，包括理论、代码实现和实际项目，为理解后续的预训练模型打下基础。 五、静态词向量预训练模型 如Word2Vec和GloVe，这两种模型通过不同机制学习词的上下文信息，用于生成词向量。它们在内部任务和外部任务上的表现展示了词向量在NLP任务中的有效性。 六、动态词向量预训练模型 ELMo引入了上下文敏感的词向量，通过双向语言模型学习，提高了词向量的表达能力。 七、预训练语言模型 GPT和BERT是两个里程碑式的模型，前者采用自回归模型，后者使用Transformer架构和掩码语言模型。更多的掩码策略如整词掩码（WWM）、N-gram掩码（NM）进一步优化了预训练过程。BERT模型的可解释性分析和探针实验揭示了其内在工作原理。 八、预训练模型进阶 包括XLNet、RoBERTa、ALBERT、ELECTRA和MacBERT等模型，通过改进优化策略和结构，提升了模型性能。长文本处理模型如Transformer-XL、Reformer、Longformer和BigBird解决了长序列处理的问题。模型蒸馏和压缩如DistilBERT、TinyBERT和MobileBERT降低了模型复杂度。生成模型BART、UniLM、T5以及GPT-3等则在文本生成任务中取得了显著成果。 九、多模态融合的预训练模型 多语言模型如mBERT、XLM和XLM-R实现了跨语言的预训练。多媒体融合模型VideoBERT、VL-BERT和DALL·E结合了视觉信息。知识融合模型如ERNIE、KnowBERT和K-BERT融入了知识图谱信息，增强语义理解。多任务学习模型如MT-DNN和百度ERNIE 2.0则通过同时学习多种任务提升泛化能力。 这本书详细讲解了自然语言处理中的预训练模型方法，从基本概念到最新进展，适合有一定深度学习基础的读者深入学习。通过阅读此书，读者可以全面了解预训练模型如何推动NLP领域的进步，并掌握如何应用这些模型解决实际问题。同时，作者提供的代码和资料有助于读者实践操作，加深理解。

[5] [美]邓力,刘洋等编著.基于深度学习的自然语言处理[M]:清华大学出版社,2020.

三大浪潮、对话、语音文本、词法句法、知识图谱、翻译、问答、情感、社会、图像、前沿

第1章 自然语言处理与深度学习概述

本章概述了自然语言处理（NLP）的发展历程。最初的NLP浪潮以理性主义为主，依赖语言规则和逻辑推理。随后是经验主义的崛起，强调基于大量数据的统计模型。第三波浪潮是深度学习，带来了通过神经网络处理文本的革命。本章还讨论了从经验主义到深度学习的转变、当前技术的局限性及未来发展方向，如神经符号集成、多模态学习和元学习。

第2章 基于深度学习的对话语言理解

本章介绍了对话语言理解的核心任务，包括域检测、意图识别和填槽任务。随着深度学习的发展，这些任务从传统的统计建模方法转向神经网络模型。本章还讨论了多任务、多域的联合建模以及上下文理解，展示了深度学习对话理解技术的提升。

第3章 基于深度学习的语音与文本对话系统

本章探讨了如何使用深度学习构建语音和文本对话系统，涵盖了系统的组件学习方法、神经语言理解、对话状态追踪、深度对话管理以及自然语言生成。通过讨论各种数据集和开源软件，本章展示了对话系统评估的不同方式，并概述了面向开放式对话系统的技术挑战。

第4章 基于深度学习的词法分析和句法分析

本章主要讨论了词法和句法分析中的深度学习应用，包括分词、词性标注和依存句法分析等任务。它详细介绍了基于图和转移的方法，并探讨了神经图和神经转移方法如何用于结构化预测问题。

第5章 基于深度学习的知识图谱

本章介绍了知识图谱的基本概念和深度学习在知识表征、关系抽取和实体连接中的应用。它展示了如何利用深度学习技术增强知识图谱的构建和运作，并讨论了实体连接框架和相关挑战。

第6章 基于深度学习的机器翻译

本章讨论了从统计机器翻译到深度学习机器翻译的演进，重点介绍了编码器-解码器框架、注意力机制、低资源语言翻译和神经机器翻译（NMT）中的技术挑战。此外，章中还讨论了统计机器翻译（SMT）和NMT的结合。

第7章 基于深度学习的问答系统

本章探讨了基于知识库的问答系统（KBQA）和机器阅读理解（MRC）中的深度学习应用。它比较了信息提取与语义分析两种问答方法，并讨论了数据集和当前面临的挑战。

第8章 基于深度学习的情感分析

本章讨论了深度学习在情感分析中的应用，包括词嵌入、句子级和文档级的情感分类、细粒度情感分析以及诸如意见挖掘、讽刺识别等特定任务。它还探讨了卷积神经网络（CNN）、循环神经网络（RNN）等模型的使用。

第9章 基于深度学习的社会计算

本章主要介绍了如何使用深度学习建模用户生成内容和社交联系，包括传统的语义表征方法、注意力机制的使用、网络嵌入模型以及其在推荐系统中的应用。特别讨论了社交媒体中的推荐算法。

第10章 基于深度学习的图像描述

本章讨论了深度学习在图像描述中的应用，涵盖了端到端框架、组合框架及其他框架。它还详细介绍了图像描述的评估指标、工业应用场景和未来研究方向，如从图像生成自然语言描述。

第11章 后记：深度学习时代下自然语言处理的前沿研究

本章总结了深度学习在自然语言处理中的最新研究进展，如组合性泛化、无监督学习、强化学习和元学习。本章探讨了NLP未来的可能发展方向，特别关注模型的可解释性问题

[6]冯友兰.中国哲学史:上下[M].北京:生活·读书·新知三联书店,2009.

六家(儒家，道家,法家,阴阳家,名家，墨家)
你是谁？人的来源和本性
你从哪里来？国家和社会的制约
你要到哪里去？做个圣人
何为哲学

《中国哲学史》总结归纳了中国哲学史中，奠基者地位的六家(儒家，道家,法家,阴阳家,名家，墨家)的发展历程和主要思想。同时,介绍了佛家,以及西方哲学对中国哲学的影响，语言深入浅出，可读性极强;在叙述的过程中，有的放矢的探讨和回答了三个经典问题：
1.你是谁?
在阴阳家和道家的思想中，人是自然的产物（侧面承认了人的动物性），所以最基础的思想认识是——人。道家认为，规律没有极限，而是相符相依的关系。人类本性中，不管根源是“善”还是“恶”，一味放纵没有约束，懒惰是不可避免的，趋利除害的性格也会让已经成型的社会组织或者国家陷入混乱。
2.你从哪里来?
人本性需要以礼道德，甚至是法律加以约束。第一个思想层次属于少年，任凭天性自由发挥；第二个层次的思想来自于中年，人不是完全离群索居的动物，而是社会组织——国家中的人。名家创建了对于条文措辞的推敲，法家承载了其工具，开创了”以法立国“的精神体系。而传颂千年的儒家思想，则是强调内修。依靠外界的法令工具和内在的修养修为，人在社会和国家中，会对自己的行为有更加清楚的认识，有更准确地定位。
3.你要到哪里去?
在中国哲学史中，诸子百家都给过自己的答案。“内圣为王”的概念非常流行，从儒家、道家再到墨家，都有过类似的阐述。在古圣贤们看来，最理想的社会结构，应当是让”圣人来为王“。圣人，可以做到”仁、义、礼、兼爱、无为“等等，各家各派都将自己的最高认识用到了”圣人“的标准中，而做到这些标准的人，一旦成为了”网王“，则是天下苍生的福祉，也是人类历史发展的最佳状态。
根据中国哲学的传统，哲学的功能是为了增强正面的知识，而是为了提高人的心灵，超越现实世界，体验高于道德的价值。在西方出现宗教与科学的冲突，科学每前进一步，宗教便后退一步，它的权威在科学前进的历程中不断被削弱。维护传统的人们对这个事实感到遗憾，惋惜大众离开宗教，结果是自身的衰退，大众抛弃了宗教，也就抛弃了更高的价值。但是除宗教外，哲学可以达到更高的价值，人不需要宗教化，但是人必须哲学化。
冯友兰先生说过，中国之所以没有特别盛行的宗教，因为中国人将哲学当成了宗教：我们在哲学中寻求真谛，也在哲学中寻求内心的安宁。中国传统哲学的主要精神，是既入世又出世，中国哲学既是理想主义的，又是现实主义的，既讲求实际又不肤浅。出世入世的对立，中国哲学的使命是要在两种极端对立中寻求他们的综合。

[7]习近平.在中国科学院第二十次院士大会、中国工程院第十五次院士大会、中国科协第十

两个一百年、新成就、发展问题、努力方向、院士怎么做

次全国代表大会上的讲话[N].人民日报,2021-05-29(002).
本次会议是在”两个一百年“奋斗目标的历史交汇点，开启全面建设社会主义现代化国家新征程的重要时刻，共商推进我国科技创新发展大计的一次盛会。
会议总结了我国科技创新取得新的历史性成就，在党的坚强领导下，在全国科技界和社会各界共同努力下，我国科技实力正从量的积累迈向质的飞越，从点的突破迈向系统能力提升，科技创新取得新的历史新成就：

1. 基础研究和原始创新取得重要进展，化学、材料、物理、工程等学科水平明显提升，嫦娥五号实现地外天体采样返回、新一代人造太阳首次放电、可编程超导量子计算机“祖冲之一号”呈成功问世等
2. 战略高技术领域取得新跨越，实现在深海、深空、深地、深蓝等领域积极抢占科技制高点。“海斗一号”完成万米海试、中国空间站天和核心舱成功发射、“神威太湖之光”超级计算机、“墨子号”实现无中继千公里级量子密钥分发。
3. 高端产业取得新突破，C919大飞机准备运营、港珠澳大桥开通营运、5G移动通信技术实现规模化应用。
4. 科技在新冠肺炎防控中发挥了重要作用，分离毒株、病毒基因测序、救治药物、检测设备和试剂，提供有力支撑，打赢了一场成功的科技抗疫战。
5. 民生科技领域取得显著成效，磁共振、彩超、CT等高端医疗设备国产化取得重大进展，运用科技手段精准扶贫，科技在打赢脱贫攻坚战中发挥了重要作用。
6. 国防科技创新取得重大成就（东风导弹、国产航母、歼20战机）
   当前，新一轮科技革命和产业变革突飞猛进，科学研究范式正在发生深刻变革，学科交叉融合不断发展，科学技术和经济社会发展加速渗透融合。但与此同时，我国科技发展仍然面临许多问题：
7. 加强原创性、引领性科技攻关，坚决打赢关键核心技术攻坚战
8. 强化国家战略科技力量，提高国家创新体系整体效能
9. 推进科技体制改革，形成全面支持创新的基础制度
10. 构建开放新生态，参与全球科技治理
11. 激发各类人才创新活力，建设全球人才高地
    把科技自立自强作为国家发展的战略支撑。立足新发展阶段、贯彻新发展理念、构建新发展格局、推动高质量发展，必须深入实施科教兴国战略、人才强国战略、创新驱动发展战略，完善国家创新体系，加快建设科技强国，实现高水平科技自立自强。解决这些问题可以努力的方向是：
    关键核心科技攻关。健全国家科技体系，建立国家实验室、国家科研机构、高水平研究大学、科技领军企业、各地区。实施科技体制改革：健全评价制度、支持合理的科学计划和科学工程。参与全球科技治理。
    习近平主席给院士提出了殷切希望：
12. 希望广大院士做胸怀祖国、服务人民的表率
13. 做追求真理、勇攀高峰的表率
14. 做坚守学术道德、严谨治学的表率
15. 做甘为人梯、奖掖后学的表率
    全面建设社会主义现代化国家新征程已经开启，向第二个百年奋斗目标进军的号角已经吹响。让我们团结起来，勇于创新、顽强拼搏，为建成世界科技强国、实现中华民族伟大复兴不断作出新的更大贡献！

[8] 吴军.数学之美:第 3 版[M].北京:人民邮电出版社,2020.

基础理论、技术应用、研究方法、前沿进展

《数学之美》是吴军博士所著的一本科普读物，通过生动且易懂的语言，向读者介绍了数学的基本理论、技术框架、研究方法以及前沿进展。本书以数学的应用为核心，探索了数学在现实世界中的广泛应用，并说明了数学对于解决实际问题的重要性。
在基本理论方面，吴军博士从数学的起源和发展出发，向读者展示了数学的美妙之处。他讲述了数学的基本原理与概念，如数列、函数、微积分等，以及其背后的发展历程和重要应用。通过这些案例，读者可以更好地理解数学的本质和基础。
在技术框架方面，本书重点介绍了数学在计算机科学和人工智能领域的应用。吴军博士深入浅出地介绍了机器学习、数据挖掘、图像处理等技术，展示了数学在这些领域中的重要作用。他以实际案例为例，解释了数学模型在解决实际问题中的应用方法，并让读者更好地理解数学的实际应用意义。
在研究方法方面，本书突出了数学的思维方式和解决问题的方法论。吴军博士强调了创新思维和数学推理对于解决实际问题的重要性，并介绍了数学家们在解决难题时的思考过程。他通过一系列有趣的例子，向读者展示了数学家们是如何通过数学思维和方法来解决实际问题的。
在前沿进展方面，本书介绍了一些数学领域的研究前沿和最新进展。吴军博士涵盖了数学与物理、经济、生物等领域的交叉应用，展示了数学在不同领域中的前沿应用和挑战。他还介绍了一些数学难题的解决方法以及近年来的研究成果，让读者了解到数学发展的最新动态。
总体而言，《数学之美》是一本通俗易懂的科普读物，通过具体案例和生动的语言，向读者展示了数学的魅力和实际应用。无论对于数学爱好者还是对数学感兴趣的非专业读者，本书都能够带领他们深入了解数学的基本理论、技术框架、研究方法以及前沿进展。通过阅读本书，读者可以对数学产生更加深刻的认识，并体会到数学在我们日常生活中的重要作用。

[9]费孝通.乡土中国[M].北京:人民出版社,2015.

血缘、地缘和家庭、商业转变、实证研究、理解农村

这本书是费孝通先生根据解放前夕中国社会现实状况在上世纪四十年代所完成的是著作。详细阐述了费老在深入中国乡村社会后，于基层中洞悉的彼时中国的社会特点。
先生在书中对传统农村社会的社会结构和人际关系进行了深层次的解读和认识。认为社会秩序实际上靠的是“血缘、地缘和家庭”——三位一体的乡土精神来维持。对传统中国社会中的社会结构和人际关系做了理论上的概括，提出了著名的“差序格局”的概念：以”己“为中心，根据亲属关系的亲疏不断推衍出去的同心圆。乡土社会是“安土重迁的，生于斯，长于斯，死于斯”的社会。它是一个社会变迁很少，而且变迁速度很快慢的社会。真正能对这一关系造成冲击的是商业的发展：“商业是在血缘之外发展的。从血缘结合转变到地缘结合是社会性质的转变，也是社会史上的一个大转变。 “家庭、血缘、地缘”三者盘根错节，相互重叠。特别是“差序格局”这一概念的提出，对我们认识和分析中国传统社会无疑具有开创性的意义。
费孝通先生采用了人类学、社会学、历史学等多学科的研究方法，以实地调查和深入访谈为基础进行数据收集。他运用详实的实证数据和案例分析，通过对家庭、村庄、土地、人际关系等方面进行细致观察和分析，揭示了中国农村社会的内在规律。费孝通强调了实证研究的重要性，并将其置于历史和文化的背景之中，注重了理论与实践相结合的研究方法。先生的方法注重于发掘农村社会中的微观现象和个体经验，并将其整合成为宏观的理论框架。他通过深入了解农民的生活方式、信仰习俗、经济活动等方面，对农村社会的结构和功能进行综合理解。费孝通倡导了历史演变的视角，注重从长期的历史纵深中寻找农村社会的发展线索，同时也关注了当代农村社会现象的动态变化。
总而言之，《乡土中国》是费孝通对中国传统农村社会进行全面观察和分析的重要著作。它以实证研究和历史演变的视角为特点，通过深入研究农村社会的实践与制度，揭示了中国农村社会的内在规律和特点。该书对于理解中国农村社会的历史演变、社会结构和经济活动有着重要意义，并为后来的研究者提供了广阔的研究领域。

[10]尼克.人工智能简史:第 2 版[M].北京:人民邮电出版社,2021.

基础理论、研究方法、技术框架（什么是AI、斗争、思想源头、计算理论）、创新建议

基础理论： 从人工智能的发源说起，细数行业的典故与内幕。内容涉及到学者们的思想、各门各派的师承与争斗、主要的争论点、在商业上的应用等。包括达特茅斯会议、人机下棋大战、火热的深度学习技术、编程语言和工具、人工智能在不同领域的应用等等。
研究方法： 贯穿于全书的就是对科学家们的介绍，重点讲述了他们的人生经历和对人工智能的发展做出的贡献。 
技术框架： 1、AI是计算机科学的分支。国外分科为理论、系统（软件和硬件）和AI（最早为控制论）。国内分系为计算机和自动化系，AI领域自动化系最有发言权，但自动化系主要关注计算机是怎么用的，并不关注计算机的基础理论。
2. AI发展史就是一部斗争史。AI发展史主要就是符号派和神经派的斗争史，区别在于自上而下和自下而上。
3.AI思想源头。图灵1948年写的NPL内部报告《智能机器》是最早理论源头，1950年《计算机与智能》正式介绍了模仿游戏（也就是图灵测试），AI最早的说法是“机器智能”（machine intelligence）现在也是同义词。冯诺伊曼是计算机科学工程路线的源头，学生霍兰德发明遗传算法，徒孙发明强化学习。这一派和控制论结合的很紧。
4.计算理论基础。计算理论是基础，主要是图灵机、丘奇-图灵论题、相似性原则和超计算。不懂计算理论的讨论不清楚基础问题。界定人或智能是什么、追问机器是否有智能，需要诉诸计算理论。
前沿进展：无
创新建议： 六十年来，人工智能的研究三起两落。今天数据量够大，计算机够快，理论够清晰，人工智能的研究取得了突破性的进展，在当今这个科技爆炸式发展的时代，有很光明的未来，可以探索更多算法和交叉学科的融合，同样也会面临它的挑战也是通用性、自适应能力的提高，和对于数据缺失时的训练。此外，chatgpt作为人工智能领域的一项重要技术突破，为人工智能领域注入了信心和并指明了发展方向，展示了“大力出奇迹”的可能性：通过不断扩大神经网络的模型规模和增加数据量，可以在AI的道路上取得实质性的进展。

赏

谢谢你请我吃糖果

支付宝

微信