可信人工智能

定　　价：78 元

丛书名：人工智能技术应用丛书

• 作者：孔祥维，梁熠，纪守领，王志勇 著
• 出版时间：2024/6/1
• ISBN：9787118134414
• 出 版 社：国防工业出版社

• 中图法分类：TP18 
• 页码：215页
• 版次：1
• 开本：16开

内容简介

本书系统介绍了可信人工智能的基础知识、理论方法和应用要素。内容包括绪论、人工智能的风险与信任、人工智能可解释推理、人工智能对抗样本和防御、人工智能内容生成与深度伪造、人工智能使能系统的可信决策、人工智能可信应用的要素。本书还讨论了以人为本人工智能系统的设计、开发和使用中涉及的人类、组织和技术等复杂的因素。本书可以作为教科书，面向有一定人工智能基础的本科生和研究生；也可以作为参考书，面向设计可信人工智能的技术人员和系统工程师，了解可信人工智能系统的基本路线图和一些开放问题；还可供从事管理工作的人员在设计和选择应用人工智能系统时借鉴。

目 录

第1章 绪论 1.1 引言 1.2 人工智能系统超人的案例 1.2.1 人机智力问答和辩论赛 1.2.2 图像识别和人脸识别 1.2.3 围棋、扑克的人机对弈 1.2.4 阿尔法空战人机格斗 1.2.5 人工智能与游戏玩家 1.2.6 AI与蛋白质结构预测 1.3 人工智能系统智障的案例 1.3.1 易变坏的聊天机器人 1.3.2 IBM沃森医生的教训 1.3.3 歧视的再犯罪AI算法 1.3.4 人脸识别系统的问题 1.3.5 频发事故的自动驾驶 1.3.6 社交网络中真假难辨 1.4 可信人工智能的伦理和法规 1.4.1 典型的人工智能伦理原则 1.4.2 可信人工智能原则的实施 1.5 人工智能可信的挑战性问题 1.5.1 人工智能预测的可信问题 1.5.2 人工智能决策的可信问题 1.5.3 人工智能系统的可信问题 1.6 小结 参考文献 第2章 人工智能的风险与信任 2.1 引言 2.2 人工智能的风险问题 2.2.1 数据驱动决策的内生风险 2.2.2 人工智能模型的内生风险 2.3 人工智能的信任问题 2.3.1 对人工智能的信任问题 2.3.2 AI系统信任的影响因素 2.3.3 对人工智能的采纳问题 2.4 国外对可信人工智能的推进 2.4.1 国外可信人工智能的发展 2.4.2 DARPA的可信人工智能项目 2.5 小结 参考文献 第3章 人工智能可解释推理 3.1 引言 3.1.1 为什么人工智能需要可解释 3.1.2 人工智能可解释的相关概念 3.2 深度神经网络的可解释性 3.2.1 基于视觉的解释方法 3.2.2 基于扰动的解释方法 3.2.3 基于知识的解释方法 3.2.4 基于因果的解释方法 3.3 自动驾驶系统的可解释性 3.3.1 自动驾驶可解释的需求 3.3.2 自动驾驶关键操作可解释 3.4 人工智能可解释软件工具 3.4.1 XAI工具箱比较分析 3.4.2 以人为本的可解释AI 3.5 人工智能可解释性的评估 3.5.1 解释的主观评估标准 3.5.2 解释的客观评估指标 3.5.3 DARPA的XAI评价案例 3.6 小结 参考文献 第4章 人工智能对抗样本和防御 4.1 引言 4.1.1 对抗样本的概念 4.1.2 对抗样本的分类 4.2 数字世界的对抗样本 4.2.1 AI模型对抗样本生成 4.2.2 对抗样本的攻击类型 4.2.3 对抗样本可视化解释 4.2.4 对抗样本的评价指标 4.3 物理世界的对抗样本 4.3.1 路标识别的物理对抗攻击 4.3.2 目标检测的物理对抗攻击 4.3.3 人脸识别的物理对抗攻击 4.3.4 车牌识别系统的对抗攻击 4.4 对抗样本的检测和防御 4.4.1 对抗样本攻击的防御 4.4.2 AI攻击防御评价指标 4.5 AI对抗样本工具软件与竞赛 4.5.1 AI对抗样本工具软件 4.5.2 人工智能攻防对抗竞赛 4.5.3 光电系统对抗攻击实例 4.6 小结 参考文献 第5章 人工智能内容生成与深度伪造 5.1 引言 5.2 深度生成模型 5.2.1 GAN网络的基本概念 5.2.2 深度生成模型的发展 5.2.3 AIGC和大模型可信问题 5.3 图像和视频深度伪造 5.3.1 深度伪造分类 5.3.2 深度伪造传播 5.4 音频和文本深度伪造 5.4.1 音频AI生成与伪造 5.4.2 音频深度伪造检测 5.4.3 文本AI生成与伪造 5.4.4 文本深度伪造检测 5.5 对AI深度伪造的治理 5.5.1 AI深度伪造的影响 5.5.2 AI深度伪造的治理 5.5.3 深度伪造检测比赛 5.6 AI深度伪造的其他应用 5.6.1 隐身衣和位置欺骗 5.6.2 深度伪造与认知战 5.7 小结 参考文献 第6章 人工智能使能系统的可信决策 6.1 引言 6.2 人工智能工程 6.2.1 人工智能工程的概述 6.2.2 人工智能工程的实践 6.3 AI使能系统与可信决策 6.3.1 不确定情境下对AI系统的信任 6.3.2 数据和模型不确定下的AI决策 6.3.3 人机协同的AI系统可信决策和组团 6.4 AI系统生命周期的人机协同可信 6.4.1 用户需求与开发者间的协同 6.4.2 系统开发者与AI系统的协同 6.4.3 AI系统和系统用户间的协同 6.5 小结 参考文献 第7章 人工智能可信应用的要素 7.1 引言 7.2 AI可信应用中的数据要素 7.2.1 数据集存在系统缺陷 7.2.2 数据垄断和隐私问题 7.2.3 数据资产估值和定价 7.3 AI可信应用中的模型要素 7.3.1 开放世界的模型要素 7.3.2 算法公平性的分类 7.3.3 算法决策公平方法 7.4 AI可信应用中的系统要素 7.4.1 机器学习运维 7.4.2 人工智能系统可靠性 7.5 小结 附录：数据计价规范 附件1 数据定价方法 附件2 数据集构建规模度量方法 附件3 人力成本取值参考表 附件4 非人力成本费用 附件5 数