新書推薦：
《
我不能在鸟兽身旁只是悲伤
》
售價：NT$
449.0
《
你可以有情绪，但别往心里去
》
售價：NT$
214.0
《
汴京客
》
售價：NT$
305.0
《
好望角·滑向战争：决定历史的交涉与日本的失败
》
售價：NT$
500.0
《
八千里路云和月（白先勇新作！记述我的父亲母亲并及那个忧患重重的时代）
》
售價：NT$
316.0
《
教师助手：巧用AI高效教学（给教师的66个DeepSeek实战技巧，AI助力备课、教学、练习、考试及测评）
》
售價：NT$
352.0
《
伊壁鸠鲁主义的政治哲学 ： 卢克莱修的《物性论》
》
售價：NT$
316.0
《
低空经济：新质生产力的一种新经济结构
》
售價：NT$
709.0
|
| 編輯推薦： |
频频获奖的青少年科普读物 韩国中小学生常备课外书
1、获韩国教保文库“年度环境图书”称号
2、2021韩国世宗图书奖优秀教养图书
3、韩国青少年出版协会推荐书籍
4、连续24周蝉联韩国阿拉丁网络书店青少年畅销排行榜TOP100
5、入选韩国大型连锁书店教保文库“MD的选择”推荐
6、韩国“幸福晨读”2020年推荐图书
7、入选韩国主要网络书店Yes24年度选书推荐
8、韩国庆尚南道教育厅高城图书馆推荐书籍
|
| 內容簡介： |
1.本套书含5册：《酷！科学少年 极简宇宙史》《酷！科学少年 气候变暖》《酷！科学少年 热爱地球》《酷！科学少年 新材料》 《酷！科学少年 人工智能》，向读者讲述了当下世界最受关注的五大问题。
2.分册具体简介如下：
《酷！科学少年 极简宇宙史》介绍了目前最权威的宇宙大爆炸理论，通过时间轴的方式，详细叙述了宇宙在大爆炸之后的 138 亿年的时间所经历的变化，并展望了未来宇宙的演变。
《酷！科学少年 气候变暖》关注了气候危机问题。本书从气象与气候的区别入手，逐步引导读者了解气候的相关知识，并学会如何科学地应对气候危机。如，了知道什么是气候，气候受到哪些因素的影响。
《酷！科学少年 热爱地球》介绍了我们平日看似普通的消费行为实际上与这个世界、生态环境息息相关。如，我们吃的方便面与热带雨林中的猩猩数量减少之间有联系；大量种植牛油果与饮用水短缺之间有关联……本书讲述了日常生活中的7种消费行为与环境之间的关系，旨在让读者深入了解环保的重要性。
《酷！科学少年 新材料》介绍了现代文明所使用的无数连名字都不被人熟知的新材料。比如，制造折叠显示器的材料跟我们写字用的铅笔是同一类，电器的核心部件半导体与沙石有关系；太阳能发电与普通矿石有关系。本书将带你登上前往新材料开发的冒险船只，探索与生活密切相关的材料世界。
《酷！科学少年 人工智能》介绍了给人们带来希望，同时也引发了不安的人工智能。介绍了人工智能目前处于何种阶段；它是否有可能否取代所有人类的工作；强人工智能是否会对人类构成威胁；读完本书，相信你会找到自己的答案。
|
| 關於作者： |
[韩国]李旨由 等 著
李旨由：一流少儿科普畅销书作家。韩国首尔大学地球科学教育学专业毕业，主修科学教育及天文学。喜欢去的景点是植物园。常会陷入与植物对话的幻想中，是个不折不扣的植物迷。作品有《流星阿姨说宇宙故事》《流星阿姨说火山故事》《流星阿姨说恐龙故事》《与宇宙历史的第一次接触》《纵横宇宙》《发射星星的人类》《你好，这里是天文台》等。
|
| 目錄：
|
第1章
人工智能，揭开你的神秘面纱吧
什么是人工智能
人工智能的引擎——算法
人工智能和机器人的区别
逾越恐怖谷
第2章
人工智能，为什么你现在如此热门
人工智能的发展之路
深度学习，推动人工智能的发展
大数据的发展
第四次工业革命
第3章
人工智能美好的未来拜托你啦
自动驾驶汽车进入日常生活
越活越年轻的世界
更加便利的生活
共享经济的出现
第4章
人工智能，你真的会取代人类吗
未来的就业--制造业
夕阳职业和新兴职业
服务业会不同于制造业吗
第5章
人工智能，你有那么可怕吗
红色的眼睛
强人工智能
风险可以防范吗
……
|
| 內容試閱：
|
逾越恐怖谷
类人机器人与人类越来越像，有时会引起人类的不适与反感，这就是我们说的“恐怖谷效应”。“恐怖谷”的英文是“Uncanny Valley”，“uncanny ”的意思是“神秘的、离奇的”。被称为精神分析学之父的西格蒙德·弗洛伊德曾在一篇论文中分析了恐怖谷这一复杂的心理变化过程。当我们熟悉的某个事物变得反常，人们会产生奇异恐怖的感觉。比如，平时和善的人突然破口大骂，或者原本性格孤僻的人突然变得很亲切，这些都会让人感到奇怪。
那么恐怖谷效应到底是什么呢？一般来说，机器人与人类的相似度越高，两者的亲密度也会越高。但当相似度达到某种程度时，这种亲近感反而会陡然下降。机器人一成不变的面部表情、机械化的动作都会让人感到陌生和恐惧。好感与厌烦两种情感的转换形成的强烈反差，就像一道深不可测的鸿沟，所以就用一个非常形象的单词“valley”（山谷）来形容。当对机器人感到害怕或者厌恶时，你已经受到了恐怖谷效应的影响。
不过当机器人和人类的相似度继续上升，和人越来越像，我们对机器人的感情又会回归正面，不再感到恐惧。制造高度仿真人是人类的梦想，但是以现有的技术实现这一梦想还有一定的困难，因为制造机器人的技术有限。普遍认为，人工智能还不能像人类一样从事各种各样的工作，虽然人工智能近年来已经取得了飞跃性的发展，但要具备人类的智能水平，还有很长的路要走。想了解其中的原因，我们就要探索人类大脑的秘密了。
人类能够思考主要依靠神经元。神经元，即神经细胞，是神经系统的基本单位。神经元让人类可以感知、思考、对话、记忆和运动。你知道人类大脑中有多少神经元吗？
至少有1000亿个，而在围棋比赛中打败人类的“阿尔法狗”只有1000万个电子神经元，所以，单从神经元的数量来看，“阿尔法狗”并不是人类的对手。
正因为如此，尽管“阿尔法狗”的围棋水平很高，但它依然不能像人类一样从事其他类型的工作。前面说过，机器人分为工业机器人和服务机器人，两者所从事的工作互不重叠。“阿尔法狗”虽然打败了李世石，但它只会下棋；而李世石不仅会下棋，还会唱歌、画画等。人类可以完成很多种工作，既可以在写字楼里上班，也可以到工地。
还会唱歌！
我会下棋！上干活，还可以在餐厅里工作等。
可以说，人脑的涉及面比较广，而充当机器大脑的人工智能则比较深入。所以，虽然“阿尔法狗”不能从事多方面的工作，但在某个特定领域却能超越人类。
虽然“阿尔法狗”的神经元数量远不及人类，但它却拥有13层卷积神经网络，而这些神经网络赋予了它学习数还会画画！
我只会下棋，唉……十万盘棋局的能力。
虽然人工智能的能力并不仅由神经元的数量决定，但如果能拥有与人类神经元数量相当的神经元，或许“阿尔法狗”的能力范围也会更加广泛。
但这一点很难实现。首先，准备100万台“阿尔法狗”就非常困难；就算数量满足了，想让它们同时工作也几乎是不可能的。因为这需要大量的电能支撑，而且是大到我们根本无法想象的电能。
你知道人体也能产生电吗？你一定以为我说的是静电吧。当然，静电肯定是存在的。但是，除了静电之外，细胞之间的相互作用也需要少量的电。人类大脑1000亿个神经元的功率是20瓦，而“阿尔法狗”1000万个神经元的功率却达到了200千瓦。所以，要让100万台“阿尔法狗”同时工作，就需要大量的电能。一座核电站的发电功率大概是100万千瓦，所以100万台“阿尔法狗”同时工作所需要的电能相当于200座核电站的发电量。这是目前人工智能无法超越人类的难点之一。
也有人认为，就算能让 100 万台“阿尔法狗”同时工作，也无法将它们的功能集中于一台机器人，所以制造仿真机器人从一开始就是一个悖论。以前的机器人技术是将芯片植入机器人内部，因为我们不可能无限制地扩大机器人的体积，所以机器人的大小成为限制机器人发展的重要因素。而未来的机器人是依靠网络来连接和工作的，也就是说，未来的机器人不需要拥有实际的大脑。
我们的终极理想是希望人工智能达到像人类一样智能，随着技术一步步成熟，这或许将成为现实。到那时，人工智能可能会超越人类。那么，我们还会将它称为人工智能吗？它又会是什么样子呢？会与人类共存还是对抗？面对这一连串的疑问，让我们继续探索人工智能的世界，一起寻找问题的答案吧。
对人工智能的研究在很早以前就开始了，为什么现在才变得如此热门呢？要回答这个问题，就要先了解人工智能研究的发展历程了。正如诗人拜伦所说，“过去是未来最好的预言家”。当我们展望未来时，必须立足当下并且回望过去。就让我们先来了解人工智能的过去，然后再来看看推动它发展的技术背景吧。
人工智能研究开始于20世纪50年代中期，当时一些科学家开始思考如何制造“会思考的机器”。1956年，美国的一批数学家和科学家在一次会议上首次正式提出“人工智能”这一概念。更准确地说，应该是美国麻省理工学院教授约翰·麦卡锡（John McCarthy）于1955年在其论文《制造智能机器的科学与技术》中首次使用了“人工智能”一词。
当时，科学家对人工智能的未来充满信心，甚至大胆宣称，“能像人类一样思考的机器将在10年内面世。”可以说，这是一个良好的开端。在1955年底，一款能够解决数学难题的程序“逻辑理论家”就已被开发出来，它能够非常轻松地解决一些复杂的数学难题，这在当时是举世瞩目的成就，人们也因此大受鼓舞。可以说，“逻辑理论家”就是人工智能的雏形。
在第1章“寻找迷宫出口”的例子中我们提到，如果要运用计算机解决某个问题，人类必须提前制定好规则。但是人类制定规则的能力也是有限的，解决某些问题需要综合分析大量的信息，这时规则的制定就会变得非常困难。
比如，两个人玩“剪刀、石头、布”的游戏，每次都会有9种可能：剪刀 剪刀、剪刀 石头、剪刀 布、石头 剪刀、石头 石头、石头 布、布 剪刀、布 石头、布 布。虽然在这个游戏中只有9种可能，但围棋比赛中的可能性就比较多了。围棋的棋盘横竖各有19条线，共361个交叉点，在下棋过程中最多会出现361×360×359×…×3×2×1种可能，数量也就是361的阶乘，这个结果约为10768。
10768是多大的数字呢？我们需要在数字10的后面添加767 个 0 ，只是写出来就要好一阵吧！可见 10768是一个非常大的数字，可能比地球上沙子的数量还要多得多。所以，人类几乎不可能给如此复杂的比赛制定规则或算法。
用编写好的程序解决某些特定问题时，效果可能会比较好，比如证明某个数学原理。不过，大部分人认为，想创造性地解决一些实际问题，编制的程序依然有不足的地方。在解决实际问题的过程中，需要对大量的数据进行综合分析和推导，算法的编写也会因此遇到困难并受到限制。
试想一下，用来证明数学原理的程序能用来制造一个翻译机吗？翻译本身不像解数学题那样是一个机械的过程，同一个单词在不同的语境中会有不同的意思，想用固定的规则来体现语言的千变万化几乎是不可能的。
这些问题曾一度导致人工智能的研究停滞不前。人工智能曾经历两次寒冬期，分别在 20 世纪 70 年代末和 80 年代末，当时甚至出现了人工智能无用论。
不过后来，“机器学习”——堪称人工智能的救星——横空出世了。
机器学习，顾名思义就是计算机具有了学习的能力，但是学习的内容必须由人类来提供。人类需要给计算机提供大量的范例，比如，收到信息A时，可以得出结论B。计算机先学习和吸收这些范例，再去解决新的问题。机器学习是在 20世纪 80年代兴起的，但真正的发展是在 20世纪90年代。
我们可以把机器学习理解为计算机在模仿人类的思维方式和学习方法。那么，人类是如何思考和学习的呢？举个例子，人们对汽车的认知，并不是通过了解它有 4个轮子、燃料是汽油、动力来自发动机这些理论知识，而是先通过图片知道什么是客车、什么是货车，然后在街上看到来来往往的车辆，会说出来这个是客车、那个是货车，我们就是这样把知识运用到实际生活中去的。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
