效力于某知名搜索引擎公司的程序员加利·史密斯（多姆纳尔·格利森 Domhnall Gleeson 饰）幸运地抽中老板纳森（奥斯卡•伊萨克 Oscar Isaac 饰）所开出的大奖，他将受邀前往位于深山的别墅中和老板共度假期。在与世隔绝的别墅中，纳森亲切地接待了这位员工。 事实上他邀请加利到来还有另一个目的，那就是协助他完成其所开发的智能机器人的测试。天才一般的纳森研制了具有独立思考能力的智能机器人伊娃（艾丽西亚·维坎德 Alicia Vikander 饰），为了确认她是否具有独立思考的能力，他希望加利能为伊娃进行著名的“图灵测试”。似乎从第一眼开始，加利便为这台有着宛如人类般姣好容颜的机器人所吸引。
在随后的交流中，他所面对的似乎不是冷冰冰的机器，而更像是一个被无辜囚禁起来的可怜少女……

21世纪中期，由于温室效应，南北极冰川融化，地球上很多城市被淹没。此时，人类科技已经高度发达，人工智能机器人就是人类发明出来用以应对恶劣自然环境的科技手段之一，而且，机器人制造技术已经高度发达，先进的机器人不但拥有可以乱真的人类外表，还能感知自身的存在。
莫妮卡的儿子马丁重病住院，生命危在旦夕，为了缓解伤痛的心情，她领养了机器人小孩大卫（海利•乔•奥斯蒙特 饰），大卫的生存使命就是爱她。马丁苏醒，恢复健康，回到了家里，一系列的事情使大卫“失宠”，最后被莫妮卡抛弃。
在躲过机器屠宰场的残酷追杀后，大卫在机器情人乔（裘德•洛 饰）的帮助下，开始寻找自己的生存价值：渴望变成真正的小孩，重新回到莫妮卡妈妈的身边。谁也不知道他能否完成自己的心愿，脱胎换骨成为真正的人，等待他们的只是凶吉难料的旅程……

天才科学家大卫创造了世界首具拥有高度人工智慧的机械人亚当，并邀请当红的科技杂志记者荞依，进入实验室进行一週的近距离专访。在採访的过程中，荞依深受聪明又充满抱负的大卫吸引，萌生情愫的两人开始越走越近，而将一切看在眼裡的亚当，竟产生如人类般的忌妒情绪，行为更变得有些怪异与偏激...

由出品四届艾美奖最佳影集【广告狂人】、两届艾美奖最佳影集【绝命毒师】、艾美奖四项提名作品【谋杀】和金球奖最佳影集提名及美国最高收视电视作品【行尸走肉】的金奖电视网AMC，与出品BAFTA英国电影和电视艺术学院奖最佳电视影集【乌托邦】、 【小镇疑云】的英国电视4台，跨越国界，双剑合璧，携手联合制作的八集电视影集《真实的人类》将于六月廿八日晚上九时在美国首映。这出全新科幻影集改编自备受评论界激赞的瑞典获奖科幻影集《Real Humans》，并由英国编剧Sam Vincent 和Jonathan Brackley (【反恐谍报战】) 执笔重新创作剧本。该剧设定在机器人Synth被繁忙都市人广泛使用的世界，呈现人类与机器人的界限愈发模糊后，扣人心弦的矛盾冲突、心理冲击与道德拷问。

《机械姬 Ex Machina》及《湮灭 Annihilation》的导演Alex Garland宣布为Hulu制作剧集《开发者 Devs》并获得预订，这部8集限定剧将由Alex Garland编写剧本及执导，剧中讲述一个年轻电脑工程师Lily于旧金山的顶尖科技公司工作，她 决心调查雇主的秘密开发部门，因为Lily认为这与男友的失踪有所关联。
Sonoya Mizuno﹑Nick Offerman﹑Jin Ha﹑Zach Grenier﹑ Stephen McKinley Henderson﹑Cailee Spaeny及Alison Pill皆加盟剧组，水野索诺亚/ Sonoya Mizuno饰演女主Lily﹑Nick Offerman饰演Amaya的CEO Forest，对公司秘密开发部门有所痴迷﹑Jin Ha饰演一个天才网络安全专家，女主前男友。
Zach Grenier饰演Kenton，Amaya的安保主管﹑Stephen McKinley Henderson饰演Amaya秘密开发部门的其中一名顶尖技术人员Stewart﹑Cailee Spaeny饰演Amaya秘密开发部门的员工Lyndon，年轻聪明的她有点固执﹑Alison Pill饰演Amaya二把手Katie，受Forest提携的量子物理学家。

全球科技巨头纷纷拥抱深度学习，自动驾驶、AI医疗、语音识别、图像识别、智能翻译以及震惊世界的AlphaGo，背后都是深度学习在发挥神奇的作用。深度学习是人工智能从概念到繁荣得以实现的主流技术。经过深度学习训练的计算机，不再被动按照指令运转，而是像自然进化的生命那样，开始自主地从经验中学习。
本书作者特伦斯·谢诺夫斯基是全球人工智能十大科学家之一、深度学习先驱及奠基者，亲历了深度学习在20世纪70年代到90年代的寒冬。但他和一众开拓者，利用大数据和不断增强的计算能力，终于在神经网络算法上取得重大突破，实现了人工智能井喷式的发展。
作为深度学习领域的通识作品，本书以恢弘的笔触，通过3个部分全景展现了深度学习的发展、演变与应用，首次以亲历者视角回溯了深度学习浪潮在过去60年间的发展脉络与人工智能的螺旋上升，并前瞻性地预测了智能时代的商业图景。

何谓人工智能？何谓人类智慧？我们人类又是如何作出决策的？包括此刻正在阅读的你，究竟是如何做到理解文意的呢？
如果不是被特意追问，我们很少会留意这些问题。其实，只有对于这些问题的探讨，我们才可以从更本质的角度来理解人工智能这一热门话题。
《你一定爱读的人工智能简史》作者山本一成是世界人工智能领域的代表人物，他开发的“PONANZA”程序，与IBM公司的“深蓝”，谷歌公司的阿尔法狗并称人工智能史上的三大标杆。在这本书中，作者将讨论的绝不是晦涩难懂的话题，而是以将棋、围棋为中心，继而探索“机器学习”、“深度学习”、“强化学习”——这三大人工智能核心技术的本质、历史与未来，并尽可能通俗地对其进行解读。
此外，作者将继续改进PONANZA的设计，并在本书中与大家同步分享设计过程中的直观感受，这将是绝无仅有的。

《中文信息处理丛书：统计自然语言处理（第2版）》全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。
《中文信息处理丛书：统计自然语言处理（第2版）》可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。

《深度学习》由全球知名的三位专家Ian Goodfellow、Yoshua Bengio 和Aaron Courville撰写，是深度学习领域奠基性的经典教材。全书的内容包括3个部分：第1部分介绍基本的数学工具和机器学习的概念，它们是深度学习的预备知识；第2部分系统深入地讲解现今已成熟的深度学习方法和技术；第3部分讨论某些具有前瞻性的方向和想法，它们被公认为是深度学习未来的研究重点。
《深度学习》适合各类读者阅读，包括相关专业的大学生或研究生，以及不具有机器学习或统计背景、但是想要快速补充深度学习知识，以便在实际产品或平台中应用的软件工程师。

“科幻鬼才”菲利普•迪克成长于西方科技文明创造出的崭新辉煌的时代。彼时，人类进入了太空，登上了月球，成功制造出第一台工业用机器人……科技的蓬勃发展也催生出主流科幻小说对人类创造力的无比自信，克拉克、阿西莫夫和海因莱因撑起了西方科幻的黄金时代。可是，迪克却反其道而行之，他的主人公迷惘于亦真亦假的世界上，挣扎于文明的陷落中，充满了对生命的依恋和对人性的追求。
《仿生人会梦见电子羊吗？》是菲利普•迪克最负盛名的作品，小说描述了从一天早晨到第二天早晨的二十多个小时，主人公里克•德卡德为了赏金追杀几个仿生人的过程，历经无数变故，狗血共桃花一色，阴谋与暴力齐飞。小说里的人类受到地球辐射尘的影响，相貌丑陋，很多在心智上都发生了退化，而仿生人却外表堂堂，多才多艺。当仿生人在外表和心智上无限逼近人类，甚至表面上已经超越人类时，人究竟何以为人？
1982年，菲利普•迪克去世后不久，根据《仿生人会梦见电子羊吗？》改编的电影《银翼杀手》上映，雷德利•斯科特导演。电影笼罩着一种迷离、朦胧、似幻似真的基调，描绘了一个末世大都市洛杉矶，是后世无数赛博朋克电影的鼻祖之作。我是谁？我从哪里来？要到哪里去？对这个哲学终极命题的探讨，让这部电影成为科幻电影史上的经典之作，也赋予其历久弥新的魅力。
2017年，电影续集《银翼杀手2049》在北美定档10月6日，也即将与中国观众见面。关于生存和生命的意义，我们永远没有确切答案。
核战后，放射尘让地球上的动物濒临灭绝，地球已不再适合人类居住。为了鼓励残存的人口移民，政府承诺，只要移民到外星球，就为每人自动配备一个仿生人帮助其生活。仿生人不满足于被人类奴役的现状，想方设法逃回地球。
小说主人公里克•德卡德是一名专门追捕逃亡仿生人的赏金猎人。在一次追捕行动中，里克遭遇了新型仿生人前所未有的挑战。九死之后，能否一生？在与仿生人的接触和较量中，里克发现自己对仿生人的看法和态度有了很大的改变。这种改变究竟是福还是祸？

➢如何思考会思考的机器？本书编者约翰•布罗克曼召集了约190位世界顶尖的科学家和思想家来回答这个“大问题”，并把他们的答案和论述集结成书。
➢这本书将带你认识这些“最伟大的头脑”，看他们在思考什么样的问题，从而开启你的脑力激荡。他们都是各个领域的“科学明星”，包括全 球大数据权威阿莱克斯•彭特兰、世界顶级语言学家史蒂芬•平克、生物地理学家贾雷德•戴蒙德、互联网思想家凯文•凯利、《全球概览》创始人斯图尔特•布兰德等。
➢智能机器真的会思考吗？
智能机器会进化出人类级别的智能，并超越其人类制造者吗？
未来某日，强人工智能是否会发动“权力之战”，将人类驱逐出权力中心？
人类是否会和人工智能和谐共处，实现人机大融合？
诸如此类的问题，你会在本书中找到属于自己的答案。
--------------------------------------------------------------------------------------------------------
各方赞誉：
段永朝（财讯传媒集团首席战略官）：伟大头脑的伟大之处，绝不在于他们拥有 “金手指”，可以指点未来；而在于他们能时时将思想的触角，延伸到意识的深海，他们发问，不停地发问，在众声喧哗间点亮“大问题”“大思考”的火炬。
胡泳（博士、北京大学新闻与传播学院教授）：建筑学家威廉·J.米切尔曾有一个比喻：人不过是猿猴的1.0版。现在，经由各种比特的武装，人类终于将自己升级到猿猴2.0版。他们将如何处理自己的原子之身呢？这是今日顶尖思想者不得不回答的“大问题”。
吴甘沙（驭势科技（北京）有限公司联合创始人兼CEO）：“对话最伟大的头脑”这套书中，每一本都是一个思想的“热核反应堆”，在它们建构的浩瀚星空中，百位大师或近或远、如同星宿般璀璨。每一位读者都将拥有属于自己的星际穿越，你会发现思考机器的100种未来定数，而“奇点理论”不过是星空中小小的一颗。
周涛（电子科技大学教授、互联网科学中心主任）：一个人的格局和视野取决于他思考什么样的问题，而他未来的思考，很大程度上取决于他现在的阅读。这套书会让你相信，在生活的苟且之外，的确有一群伟大的头脑，在充满诗意的远方运转。
苟利军（中国科学院国家天文台研究员，中国科学院大学教授，“第十一届文津奖”获奖图书《星际穿越》译者）：在这个科技日益发达的多维社会中，我们依旧面临着非常多的“大问题”，它们或许根本就没有一个明确的答案。这套“对话最伟大的头脑·大问题系列”，让我们有机会一窥“最强大脑”的独特视角，从而得到一些思想上的启迪。
李天天（丁香园创始人）：未来并非如我所愿一片光明，看看大师们有什么深刻思考和破解之道，也许会让我们活得更放松一些。
王烁（财新传媒主编，BetterRead公号创始人）：不要指望在这套书里读到“ABC”，也不要指望获得完整的阐释。数百位一流精英在这里直接回答“大问题”，论证很少，锐度却很高，带来碰撞和启发。剩下的，靠你自己。
刘兵（清华大学社会科学学院教授）：与最伟大的头脑对话，虽然不一定让你自己也伟大起来，但一定是让人摆脱平庸的最好方式之一。
兰小欢（复旦大学经济学助理教授）：世界虽只有一个，但认识世界的角度多多益善。学科的边界都是人造的藩篱，能了解各行业精英的视角，从多个角度玩味这个世界，综合各种信息来做决策，这不显然比死守一个角度更有益也更有趣么？
郝景芳（2016年雨果奖获得者，《北京折叠》作者）：如果你不只对琐碎的生活有兴趣，还曾有那么一个瞬间，思考过全人类的问题，思考过有关世界未来的命运，那么这套书无疑是最好的礼物。一篇文章就是一片视野，让你站到群山之巅。

AlphaGo战胜了世界围棋冠军，但无论是聂卫平还是设计AlphaGo的谷歌工程师都无法理解AlphaGo为什么这样走棋，这就是人工智能中令人困惑的“不可解释性”问题。作者从这个问题出发，发现了一类全新的知识——“暗知识”。
一直以来人类的知识可以分为两类：“明知识”和“默知识”。明知识就是那些可以用语言、文字或公式清晰表达和描述的知识；默知识则是个人在感觉上能把握但无法清晰描述的知识，也即我们常说的“只可意会，不可言传”的那类知识。今天，人工智能突然发掘出了人类既无法感受又无法表达和描述的暗知识—隐藏在海量数据中的万事万物间的关系。本书介绍了机器学习五大流派从数据中挖掘暗知识的方法以及各自适用的领域，尤其是神经网络的基本工作原理和目前在商业上应用最广泛的几种形态。同时着重讨论了暗知识对商业和社会的直接影响，比如哪些行业将面临机器认知的颠覆，在不同行业里有哪些投资机会和陷阱。本书最后介绍了目前还没有商业化的，但可能更深刻影响我们的一些神奇的人工智能应用，以及人工智能会在多大程度上取代人的工作，造成哪些社会问题，如何让下一代做好准备等。

本书是机器学习实战领域的一本佳作，从机器学习的基本概念讲起，旨在将初学者引入机器学习的大门，并走上实践的道路。本书通过讲解机器学习中的监督学习和无监督学习，并结合特征选择和排序、聚类方法、文本和网页挖掘等热点问题，论证了“优化是力量之源”这一观点，为机器学习在企业中的应用提供了切实可行的操作建议。

人工智能基础（高中版）》是面向高中学生的教材。讲授人工智能的发展历史、基本概念以及实际应用，使学生理解人工智能的基本原理，特别是数据、算法与应用之间的相互关系。并结合常见的应用场景，理解人工智能技术（包括感知与决策）的基本工作方式，通过动手实践，更深入地理解人工智能技术的原理、能力，以及在实用中面临的挑战。本书强调人工智能基本理念与原理的传递，注重创造力、想象力、整体思考，以及动手能力的提升。

作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。
本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。
本书系统、全面地涵盖了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容进行了拓展，更辅以实例，可以帮助读者扎扎实实打好基础。本书特色鲜明、内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。

大数据和机器智能的出现，对我们的技术发展、商业和社会都会产生重大的影响。作者吴军在《智能时代：大数据与智能革命重新定义未来》中指出，首先，我们在过去认为非常难以解决的问题，会因为大数据和机器智能的使用而迎刃而解，比如解决癌症个性化治疗的难题。同时，大数据和机器智能还会彻底改变未来的商业模式，很多传统的行业都将采用智能技术实现升级换代，同时改变原有的商业模式。大数据和机器智能对于未来社会的影响是全方位的。

《神经网络与机器学习(英文版第3版)》的可读性非常强，作者举重若轻地对神经网络的基本模型和主要学习理论进行了深入探讨和分析，通过大量的试验报告、例题和习题来帮助读者更好地学习神经网络。神经网络是计算智能和机器学习的重要分支，在诸多领域都取得了很大的成功。在众多神经网络著作中，影响最为广泛的是SimonHaykin的《神经网络原理》(第4版更名为《神经网络与机器学习》）。在《神经网络与机器学习(英文版第3版)》中，作者结合近年来神经网络和机器学习的最新进展，从理论和实际应用出发，全面。系统地介绍了神经网络的基本模型、方法和技术，并将神经网络和机器学习有机地结合在一起。《神经网络与机器学习(英文版第3版)》不但注重对数学分析方法和理论的探讨，而且也非常关注神经网络在模式识别、信号处理以及控制系统等实际工程问题中的应用。
本版在前一版的基础上进行了广泛修订，提供了神经网络和机器学习这两个越来越重要的学科的最新分析。

《神经网络在应用科学与工程中的应用:从基本原理到复杂的模式识别》为读者提供了神经网络方面简单但却系统的介绍。
《神经网络在应用科学和工程中的应用从基本原理到复杂的模式识别》以神经网络在科学数据分析中所扮演角色的介绍性讨论作为开始，给出了神经网络的基本概念。《神经网络在应用科学和工程中的应用从基本原理到复杂的模式识别》首先对用于实际数据分析的神经网络结构进行了综合概述，继而对线性网络进行了大量的介绍，并介绍了所有处理阶段的用于非线性预报和分类的多层感知器。此外，还通过实际例子和个案研究阐述了模型开发技术。后面章节又提出了用于非线性数据聚类的自组织映射、用于线性或非线性时间序列预测的递归网络和适用于科学数据分析的其他类型的网络。
《神经网络在应用科学和工程中的应用从基本原理到复杂的模式识别》通过使用广泛的图示和多学科的内容以一种更容易理解的形式，填补了市场上神经网络用于多维科学数据的空白，并将神经网络与统计学联系了起来。
国际视野，科技前沿。
国际电气工程先进技术译丛，传播国际最新技术成果，搭建电气工程技术平台。
《神经网络在应用科学和工程中的应用从基本原理到复杂的模式识别》特点：
◆在多学科领域解释了神经网络；
◆为了易于理解，使用了大量图例来解释复杂数据概念；
◆深入研究了神经网络在线性和非线性预报、分类，聚类和预测方面的应用；
◆阐述了模型开发的所有阶段和结果的解释，包括数据预处理，数据维数约简，输入选择，模型开发和验证，模型不确定性评估以及对输入、误差和模型参数的灵敏度分析。

本书旨在向读者交付有关深度学习的交互式学习体验。书中不仅阐述深度学习的算法原理，还演示它们的实现和运行。与传统图书不同，本书的每一节都是一个可以下载并运行的 Jupyter记事本，它将文字、公式、图像、代码和运行结果结合在了一起。此外，读者还可以访问并参与书中内容的讨论。
全书的内容分为3个部分：第一部分介绍深度学习的背景，提供预备知识，并包括深度学习最基础的概念和技术；第二部分描述深度学习计算的重要组成部分，还解释近年来令深度学习在多个领域大获成功的卷积神经网络和循环神经网络；第三部分评价优化算法，检验影响深度学习计算性能的重要因素，并分别列举深度学习在计算机视觉和自然语言处理中的重要应用。
本书同时覆盖深度学习的方法和实践，主要面向在校大学生、技术人员和研究人员。阅读本书需要读者了解基本的Python编程或附录中描述的线性代数、微分和概率基础。

知识图谱的发展历史源远流长，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，一百多个基础知识点的内容，同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点、新发展。作为一本导论性质的书，本书希望帮助初学者梳理知识图谱的基本知识点和关键技术要素，也希望帮助技术决策者建立知识图谱的整体视图和系统工程观，为前沿科研人员拓展创新视野和研究方向。
本书在技术广度和深度上兼具极强的参考性，适合高等院校的计算机专业师生阅读，也可供计算机相关行业的管理者和研发人员参考。