第1章探究几个有趣的移动算法，这些算法基于Craig Reynolds与Ian Millington开发的转向行为（steering behavior)原则，是绝大多数高级游戏和其他一些依赖于移动的算法（比如寻路算法家族)的基础。第2章涵盖了用于导航复杂场景的寻路算法。该章包含一些使用不同的图结构来表示游戏世界的方法，以及几个用于寻路的算法，每种算法针对的场景有所不同。第3章解释不同的决策制定技术，这些技术能够灵活地适应不同类型的游戏，并且足够健壮地让我们构建模块化的决策制定系统。第4章揭示Unity 5.6中引入的NavMesh API的内部原理，解释如何掌握NavMesh的强大之处，以及实时优化。第5章涉及几篇不同的教程，把不同的agent协调成一个整体，比如基于图表（如路径点和势力图)制定战术策略的编队技巧。第6章探究了几种在agent上模拟感官刺激的不同方式。我们将学习如何使用已知的工具来创建这些模拟器：碰撞器和图。第7章涵盖了用于开发棋类游戏的一个算法家族，以及创建AI的基于回合的游戏技术。第8章探索机器学习领域，该章是我们学习并将机器学习技术应用到游戏中的极好开端。第9章探究使用程序化内容生成来实现游戏可重玩性的几种不同技术。该章是生成不同类型的内容的指南。第10章介绍一些新技术，以及使用前几章中学过的算法创建不完全符合特定类别的新行为。

第1章探究几个有趣的移动算法，这些算法基于Craig Reynolds与Ian Millington开发的转向行为（steering behavior)原则，是绝大多数高级游戏和其他一些依赖于移动的算法（比如寻路算法家族)的基础。第2章涵盖了用于导航复杂场景的寻路算法。该章包含一些使用不同的图结构来表示游戏世界的方法，以及几个用于寻路的算法，每种算法针对的场景有所不同。第3章解释不同的决策制定技术，这些技术能够灵活地适应不同类型的游戏，并且足够健壮地让我们构建模块化的决策制定系统。第4章揭示Unity 5.6中引入的NavMesh API的内部原理，解释如何掌握NavMesh的强大之处，以及实时优化。第5章涉及几篇不同的教程，把不同的agent协调成一个整体，比如基于图表（如路径点和势力图)制定战术策略的编队技巧。第6章探究了几种在agent上模拟感官刺激的不同方式。我们将学习如何使用已知的工具来创建这些模拟器：碰撞器和图。第7章涵盖了用于开发棋类游戏的一个算法家族，以及创建AI的基于回合的游戏技术。第8章探索机器学习领域，该章是我们学习并将机器学习技术应用到游戏中的极好开端。第9章探究使用程序化内容生成来实现游戏可重玩性的几种不同技术。该章是生成不同类型的内容的指南。第10章介绍一些新技术，以及使用前几章中学过的算法创建不完全符合特定类别的新行为。

本教材较为系统地介绍了人工智能应用场景下的数据采集、数据处理、数据标注等技术。全书分为4篇，共12个项目，包括了解数据采集、了解网络数据采集、了解端侧数据采集、数据存储与加载、了解数据处理、图像数据处理、文本数据处理、了解数据标注、图像数据标注、文本数据标注、深度学习图像分类应用实战、深度学习情感分析应用实战等内容。本教材以企业用人需求为导向、以岗位技能和综合素质为核心，通过理论与实战相结合的方式组织内容，以培养能够根据项目需求完成数据的采集、处理、标注等的人才。 本教材可用于1+X证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（初级）的教学和培训，也适合作为中等职业学校、高等职业院校、应用型本科院校人工智能相关专业的教材，还适合作为需补充学习深度学习应用开发知识的技术人员的参考用书。

本教材较为系统地介绍了人工智能应用场景下的数据采集、数据处理、数据标注等技术。全书分为4篇，共12个项目，包括了解数据采集、了解网络数据采集、了解端侧数据采集、数据存储与加载、了解数据处理、图像数据处理、文本数据处理、了解数据标注、图像数据标注、文本数据标注、深度学习图像分类应用实战、深度学习情感分析应用实战等内容。本教材以企业用人需求为导向、以岗位技能和综合素质为核心，通过理论与实战相结合的方式组织内容，以培养能够根据项目需求完成数据的采集、处理、标注等的人才。 本教材可用于1+X证书制度试点工作中的人工智能深度学习工程应用职业技能等级证书（初级）的教学和培训，也适合作为中等职业学校、高等职业院校、应用型本科院校人工智能相关专业的教材，还适合作为需补充学习深度学习应用开发知识的技术人员的参考用书。

本书第1版旨在为人工智能时代来临前夕的高等教育改革绘制蓝图，而现在人工智能时代已经到来。第2版的问世完全是为了响应第1版对新课程的呼吁，即通过体验式学习和终身学习来强化“人类学”。第2版对第三章“未来的学习模式”进行了大幅更新，以适应技术、数据和人类素养的新变化，这些方面在人工智能时代来临前并不那么重要，但现在已经成为焦点。第四章“体验不同”和第五章“终身学习”在第1版论证的基础上进行了扩展，解释了在人工智能不断改变工作和社会的情况下，采用体验式学习和终身学习等具体途径的必要性，以及它们为什么比以往任何时候都更容易引起人们的共鸣。在第2版中，作者试图围绕气候变化、经济变化和社会凝聚力等重大挑战讨论人工智能时代的教育问题，认为应对人工智能和解决这些相关问题都迫切需要个人的重塑。

本书第1版旨在为人工智能时代来临前夕的高等教育改革绘制蓝图，而现在人工智能时代已经到来。第2版的问世完全是为了响应第1版对新课程的呼吁，即通过体验式学习和终身学习来强化“人类学”。第2版对第三章“未来的学习模式”进行了大幅更新，以适应技术、数据和人类素养的新变化，这些方面在人工智能时代来临前并不那么重要，但现在已经成为焦点。第四章“体验不同”和第五章“终身学习”在第1版论证的基础上进行了扩展，解释了在人工智能不断改变工作和社会的情况下，采用体验式学习和终身学习等具体途径的必要性，以及它们为什么比以往任何时候都更容易引起人们的共鸣。在第2版中，作者试图围绕气候变化、经济变化和社会凝聚力等重大挑战讨论人工智能时代的教育问题，认为应对人工智能和解决这些相关问题都迫切需要个人的重塑。

本书系统、深入地探讨了人工智能（AI）领域的理论和实践，以统一的风格将当今流行的人工智能思想和术语融合到引起广泛关注的应用中，真正做到理论和实践相结合。全书分7个部分，共28章，理论部分介绍了人工智能研究的主要理论和方法并追溯了两千多年前的相关思想，内容主要包括逻辑、概率和连续数学，感知、推理、学习和行动，公平、信任、社会公益和安全；实践部分完美地践行了“现代”理念，实际应用选择当下热度较高的微电子设备、机器人行星探测器、拥有几十亿用户的在线服务、AlphaZero、人形机器人、自动驾驶、人工智能辅助医疗等。本书适合作为高等院校人工智能相关专业本科生和研究生的教材，也可以作为相关领域专业人员的参考书。

本书选择以遮挡人脸识别这一当今世界难题为例，探索人工智能技术实战进阶之路。本书重现了笔者对人脸有无口罩识别、口罩分割提取、遮挡人脸识别等方面的技术探索与实现过程。从视频图像的智能分割、图像区域生长算法设计与实现、智能采集、智能分割、智能变换、智能融合、图像边缘智能检测、图像非局部均值滤波等角度入手，尝试了遮挡人脸图像处理的探索，并最终分别基于MATLAB和Python实现了遮挡人脸识别。本书内容通俗易懂，适用于对人工智能实战应用感兴趣但缺少专业指导的读者。无论是对遮挡人脸识别技术感兴趣的大学生，还是希望向人工智能领域转型的技术人员，都可以通过本书的指引，轻松完成人工智能实战进阶。

本书选取人工智能的8个核心方向，精心选择不同章节的关键知识点。力求在保证教学内容易于接受的同时，与后续高等教育的人工智能教育无缝衔接。同时，书中的每一章均配备作业题与编程练习，让同学们在练习当中加深对算法与原理的理解。

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。