新書推薦：
《
清洁
》
售價：HK$
66.7
《
组队：超级个体时代的协作方式
》
售價：HK$
79.4
《
第十三位陪审员
》
售價：HK$
55.2
《
微观经济学（第三版）【2024诺贝尔经济学奖获奖者作品】
》
售價：HK$
159.9
《
Python贝叶斯深度学习
》
售價：HK$
91.8
《
文本的密码：社会语境中的宋代文学
》
售價：HK$
69.0
《
启微·狂骉年代：西洋赛马在中国
》
售價：HK$
80.5
《
有趣的中国古建筑
》
售價：HK$
68.8
|
| 內容簡介： |
人工智能是新一轮科技革命和产业变革的重要驱动力量，强化工会人工智能应用能够有效延伸工会工作触角、放大服务能力，驱动工会工作整体跃升和跨越式发展。
《和工会干部谈谈人工智能》是AI写给工会干部的第一本书，针对工会干部普遍关心的50个人工智能问题，从概念、趋势以及人工智能在工会工作中的应用等方面进行解答，帮助工会干部轻松了解人工智能的相关知识。
|
| 關於作者： |
|
学习强会是由中华全国总工会打造的服务千万工会干部的全国工会知识服务平台，依托中国工人出版社70多年积累的工会领域内容知识优势，开发工会特色多媒体课程、题库、数据库等数字产品，通过平台“知、学、考、用”的场景学习，针对全国近千万工会干部进行思想政治引领、工运历史传承、工会工作助手的“互联网 工会”知识服务，助力工会干部队伍提素建功。学习强会立足全国工会系统、面向全社会公开，是权威、专业、全面的工会知识智能化服务专家，是千万工会干部学习工会知识、掌握业务技能的云助手。
|
| 目錄：
|
第1部分 人工智能概述
1 什么是人工智能？
2 人工智能的概念是由谁提出的？
3 人工智能的历史发展经历了哪些阶段和转折点？
4 国内主流的人工智能大模型有哪些？
5 大数据与人工智能有什么不同？
6 云计算与人工智能有什么不同？
7 机器学习与人工智能的关系是什么？
8 深度学习与机器学习的关系是什么？
9 自然语言处理与人工智能的关系是什么？
10 人工智能机器人有情商吗？
11 人工智能机器人会不会撒谎？
12 人工智能可以实现“常识相通”吗？
13 哪一款人工智能语言模型应用最广泛？
14 人工智能语言模型的核心技术是什么？
15 人工智能语言模型当前能解决什么问题？
16 哪些问题是人工智能语言模型擅长回答的？
17 如何有效地向人工智能语言模型提问？
18 什么是提示工程师？
19 人工智能有哪些开源的实战项目？
20 人工智能可以自行修改学习过的内容吗？
第2部分 人工智能和社会
21 当前的人工智能主要有哪些用处？
22 如何理解人工智能的伦理和偏见问题？
23 人工智能在决策支持系统中的应用是什么？
24 人工智能和大数据在数据安全和隐私保护方面面临哪些挑战？
25 人工智能大模型是什么，如何应用？
26 未来人工智能将如何改变销售模式？
27 人工智能会帮助企业降低生产成本吗？
28 我们应该怎样从伦理角度看待人工智能？
29 我们应该怎样从哲学角度看待人工智能？
30 我们应该怎样从法律角度看待人工智能？
第3部分 人工智能和劳动者
31 未来企业将如何处理员工和智能机器人
之间的关系？
32 哪些工作是人工智能无法替代的？
33 哪些职业可能被人工智能替代？
34 人工智能时代有哪些新兴的职业？
35 人工智能时代，人类需要具备什么能力？
36 人工智能高度发达后，该如何保护个人的隐私？
37 人工智能机器人高度发达后，人类将面临怎样的角色转变？
第4部分 人工智能和工会
38 如何有效解决人工智能带来的劳动关系矛盾？
39 在推进工会数字化转型时，如何培训工会干部掌握人工智能技术？
40 人工智能如何帮助工会加强对新就业形态劳动者的服务和保障？
41 人工智能在工会教育和培训中的应用是什么？
42 人工智能如何帮助工会促进职工创新创造能力的提升？
43 如何运用人工智能进行工会的财务管理和预算优化？
44 人工智能如何帮助工会预防和化解劳动关系风险和矛盾？
45 工会如何利用人工智能算法帮助职工规划职业路径，提供就业指导，包括职业发展建议和未来就业市场趋势分析？
46 人工智能如何帮助工会发挥民主管理的重要作用？
47 如何使用大数据和人工智能提升工会的社会影响力？
48 人工智能如何帮助工会科学决策？
49 人工智能如何帮助工会高效办公？
50 人工智能如何帮助工会精准服务职工群众？
后 记
|
| 內容試閱：
|
Question 2
人工智能的概念是由谁提出的？
人工智能这一概念的形成和发展涉及多位先驱和学者，他们在不同的时间和背景下提出了与人工智能相关的思想和理论， 在发展史上起到了重要的推动作用。
一是在人工智能早期发展阶段。艾伦·麦席森·图灵（Alan Mathison Turing）是计算机科学和人工智能的先驱之一。他在1936年提出了“图灵机”的概念，这是一种理论上的计算机模型，可以模拟任何计算机程序。1950年，他发表了著名论文 《计算机器与智能》（Computing Machinery and Intelligence），在其中提出了“图灵测试”作为判断机器是否具有智能的标准。虽然他没有直接使用“人工智能”这一术语，但其工作为后来的人工智能研究奠定了基础。约翰·麦卡锡（John McCarthy）是人工智能领域的奠基人之一。1956 年，他在美国达特茅斯学院组织了一次研讨会，首次提出了“人工智能”这一术语，并定义了它的研究领域和目标。麦卡锡对人工智能的发展产生了深远的影响，被誉为“人工智能之父”。
二是在人工智能的发展阶段。马文·明斯基（Marvin Minsky）和西摩尔·派普特（Seymour Papert）在20世纪60年代提出了关于思维和智能的理论，强调了学习和适应性在智能中的重要性 ， 为认知科学和人工智能的后续发展奠定了基础。赫伯特·西蒙（Herbert Simon）和艾伦·纽厄尔（Allen Newell）在20世纪50年代开发出了第一个成功模拟人类解决问题能力的程序——逻辑理论家（Logic Theorist）。这对人工智能的发展产生了重要影响，尤其是在知识表示和推理方面。
三是在现代人工智能的发展阶段。深度学习是人工智能领域的一个重要分支，使用神经网络模型来模拟人脑的学习过程，并在图像识别、语音识别和自然语言处理等领域取得了显著的成果。其中，杰弗里·辛顿（Geoffrey Hinton）、扬·勒昆（Yann LeCun）和约书亚·本吉奥（Yoshua Bengio）等学者在深度学习领域做出了重要贡献。强化学习是一种通过与环境互动来学习最佳决策的方法，在许多应用中取得了成功，如游戏AI和机器人控制。理查德·萨顿（Richard Sutton）和安德鲁·巴托（Andrew Barto）等学者在强化学习领域做出了重要贡献。
人工智能这一概念的形成和发展是一个长期的过程，涵盖了多位先驱、学者的贡献。从艾伦·麦席森·图灵的计算机模型和“图灵测试”，到约翰·麦卡锡提出“人工智能”这一术语，再到深度学习、强化学习等现代技术的发展，人工智能的概念和实践已经发生了深刻变化。这些先驱和学者的探索研究为人工智能领域的发展奠定了基础，并推动了人工智能技术在各个领域的应用和发展。
需要注意的是，人工智能作为一个复杂而广泛的领域，其发展涉及多个学科、领域的知识和技术。因此，在讨论人工智能的起源和发展时，很难将其完全归功于某一个人或团队。相反，我们应该认识到这是一个集体努力的结果，其中涉及众多学者、工程师和研究人员的贡献和创新。
Question 3
人工智能的历史发展经历了哪些阶段和转折点？
人工智能的发展经历了多个阶段和转折点，也标志着人工智能技术的不断进步和应用领域的拓展。
一是萌芽期（20世纪40年代至50年代）。1943年，美国神经生理学家沃伦·麦卡洛克（Warren McCulloch）和数学家沃尔特·皮茨（Walter Pitts）提出了基于神经网络的计算模型，为后来的人工神经网络研究奠定了基础。1950 年，英国数学家艾伦·麦席森·图灵提出了著名的“图灵测试”，为机器智能提供了一个衡量标准。1956 年，美国达特茅斯学院召开了一次具有历史意义的会议，约翰·麦卡锡正式提出了“人工智能”这一术语，并确立了人工智能的研究目标和方向以及其作为一个独立学科的地位。这次会议标志着人工智能学科的诞生。
二是第一次热潮与瓶颈期（20世纪60年代至70年代）。20世纪60年代，由于政府和军方的大力支持，人工智能迎来了第一个黄金发展期。这一时期的研究主要集中在自然语言处理、009机器翻译、模式识别等领域。然而，由于技术限制和资金短缺，人工智能在20世纪 70 年代进入了第一次寒冬。此时，人工智能的实用性受到了质疑，许多研究机构和公司纷纷退出人工智能领域。
三是知识表示与推理时期（20世纪70年代至80年代）。20世纪70年代后期到80年代，人工智能领域开始关注知识表示和推理问题。专家系统如 MYCIN 和 DENDRAL 在这一时期兴起，这些系统尝试用逻辑和知识库来表示和推理知识。这一时期的研究成果为人工智能的进一步发展奠定了基础。
四是第二次热潮与瓶颈期（20世纪80年代至90年代）。20世纪80年代，随着计算机技术的飞速发展，人工智能迎来了第二次热潮。日本推出了第五代计算机项目，带动了全球范围内的人工智能研究。神经网络和深度学习开始崭露头角。然而，由于技术难题和市场接受度低，人工智能再次进入寒冬。
五是统计学习时期（20世纪90年代至21世纪初）。20世纪90年代，随着统计学理论的不断发展，支持向量机（SVM）等统计学习方法开始应用于人工智能领域。数据的重要性开始被认识到，大数据和机器学习逐渐成为人工智能研究的热点。这一时期的人工智能研究开始关注如何从数据中学习和挖掘有用的信息。
六是深度学习崛起与人工智能的普及（21 世纪初至今）。21世纪初，随着大数据和计算力的不断提升，深度学习技术开始崛起。深度学习通过模拟人脑神经网络的结构和功能，实现了从大量数据中自动提取特征并进行分类或预测的能力。这一技术的出现极大地推动了人工智能的发展，使人工智能在图像识别、语音识别、自然语言处理等领域取得了突破性进展。在这个阶段，人工智能技术开始广泛应用于各个领域，如自动驾驶、智能家居、智能医疗等。同时，人工智能技术也引发了社会各界的关注和讨论，涵盖伦理道德、数据安全等问题。
总之，人工智能的发展历史经历了多个阶段和转折点，从最初的萌芽期到现代的广泛应用和不断发展阶段。在这个过程中，无数的科学家和工程师的努力创新推动了人工智能技术的进步和发展。未来随着技术的不断进步和应用场景的不断拓展，人工智能将继续改变我们的生活和世界。
Question 4
国内主流的人工智能大模型有哪些？
国内主流的人工智能大模型主要包括百度文心大模型、华为盘古大模型、阿里通义大模型等。这些大模型在人工智能领域具有重要的地位，代表了国内人工智能技术的最高水平。
一是百度文心大模型。它是百度自主研发的产业级知识增强大模型，以“知识增强”为核心特色，构建了基础—任务—行业三级大模型体系，实现了 AI 应用场景全覆盖。百度文心大模型家族已经成功打造了多个大模型，例如，全球首个百亿参数中英文对话大模PLATO-XL、首个聚焦中英文场景大规模OCR 结构化预训练模型 VIMER-StrucText、全球最大规模中文跨模态生成模型 ERNIE-ViLG 等。百度文心大模型的优势在于其强大的语言理解和生成能力，以及跨模态的理解和生成能力。它能够理解和生成自然语言文本，以及从文本、图像、语音等多种模态中获取信息并进行跨模态的理解和生成。此外，百度文心大模型还具有高效的学习和推理能力，能够在短时间内对大量数据进行分析和处理，提供准确的结果。
二是华为盘古大模型。它是华为自主研发的人工智能大模型，旨在通过深度学习技术，实现对自然语言、图像、语音等多种数据类型的理解和处理。华为盘古大模型家族已经成功打造了多个大模型，例如，中文语言模型“盘古 NLP”、视觉模型“盘古 CV”等。华为盘古大模型的优势在于其强大的多模态处理能力，能够处理文本、图像、语音等多种数据类型。“盘古 NLP”大模型是业界首个超千亿参数的中文预训练大模型，其超大的规模能够处理复杂的自然语言任务。此外，华为盘古大模型可以支持对话问答、文案生成、代码生成、插件调用、NL2SQL、搜索增强等多种任务，提供多任务、多模型和多插件的灵活选择，使用户可以根据实际需求调整模型的使用方式。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
