登入會員
品牌介紹
關於我們
企業徵才
客服中心
會員專區
與我連絡
申訴信箱
FAQ
電子報
書目下載
圖書總覽
服務推薦
教學網
考用網站
首頁
書目下載
會員專區
與我連絡
飛躍六十 迎向百年
法律/政治
法律
政治、公共事務
財經/商管/觀光
財經、商管、統計
觀光、餐旅、休閒
文/史/哲/期刊
辭書、總類
語言、文學
歷史、哲學、宗教
藝術、設計、文創
學術期刊
理工/醫護
理工
醫護暨生命科學
農林漁牧
教育/心理/傳播
教育
心理、諮商與輔導
社會、傳播(影視)
小五南/中等教育
小五南
電機與電子群
餐旅群
家政群
商業與管理群
英文
藝術群
農業群
食品群
【五南圖書 重要防詐聲明】 已報案處理:本公司已向警察機關完成報案。 澄清說明:「五南讀書趣」僅為 FB 粉專,非官網通知;絕無 LINE 訂書群組! 防詐提醒:請勿點擊不明連結或加入群組。疑慮請撥 165、110 或客服 02-27055066。
分享
財經、商管、統計
-
統計
-
通論
人工智慧:從技術演化到全產業智慧升級
作 者:
黃昱凱
出版社別:
五南
出版日期:2026/11/10(1版1刷)
ISBN:978-626-442-928-3
E I S B N:9786264429283
書 號:1H1Z
頁 數:232
開 數:20K
定 價:450元
優惠價格:405元
滿額優惠折扣
11/10-1/10 五南全書系書展!全站滿599再95折
投影片(請電洽,僅供老師索取)
本書從人工智慧的發展歷程與核心原理出發,介紹神經網路、深度學習與生成式人工智慧,並以半導體、交通、旅宿、物流、教育、醫療、媒體、農業及國防為例,說明人工智慧如何進入產業。書中也探討企業導入、效益評估、工作轉型、演算法偏見、倫理與法律治理等議題,協助讀者理解技術、掌握趨勢、辨識風險,並思考人工智慧如何改變產業,以及人類如何與之共處。人工智慧帶來挑戰,也拓展了人類智慧與能力。 謹以本書追念北京大學新聞與傳播學院蕭東發教授。蕭老師長年投入中國書史與出版研究,並以治學熱忱培育後進,為學術傳承留下深遠影響。我與蕭老師雖分處兩岸,卻對華文出版懷有共同期許;有幸與老師相識,並建立深厚情誼。老師的學者風範與待人溫厚,至今令我感念。謹以此書寄託追思,並致上敬意。
黃昱凱 現任國立臺灣海洋大學海洋觀光管理學士學位學程副教授兼主任、郵輪產業研究發展中心主任,並擔任臺灣郵輪產業發展協會理事。 擁有國立陽明交通大學管理學博士及日本大學工學博士學位。早年接受物理學訓練,兼具自然科學、工程技術與管理科學的跨領域學術背景,長期致力於將科學方法與數據分析應用於真實世界的複雜問題。 研究專長涵蓋人工智慧、研究方法、非線性動態系統、複雜決策、交通運輸、觀光管理及產業智慧轉型。熟悉結構方程模型、模糊認知圖、多準則決策分析及動態模擬等研究方法,並持續探索人工智慧與人類決策行為之間的互動關係。 作者曾於2014年受邀香港中文大學新聞與傳播學院擔任訪問學者,曾任新學友書局總經理室特別助理、便利達康(全家便利商店子公司)專案經理及上海全家便利商店特聘顧問,具出版與零售產業實務經驗。2015年獲日本台灣交流協會研究獎學金赴日,研究日本城郭的保存與發展。其研究結合學術與產業實務,持續關注科技變遷及產業發展。 其著作強調跨領域整合、理論與實務對話,以及獨立思考的重要性。致力於以清晰易懂的方式解讀複雜知識,讓讀者不僅理解技術與方法,更能培養分析問題、形成洞見與自主判斷的能力。
作者導讀
第一章 智慧啟程—人工智慧的定義與演化
第二章 數據預言—統計模型與商業決策
第三章 深度革命—機器學習與模型演化
第四章 感官融合—影像、語言與人機互動
第五章 算力巔峰—AI產業版圖與巨頭博弈
第六章 智慧生活—服務與物流的數位革命
第七章 全產業升級—從教育、健康到國防
第八章 組織變革—AI的導入、標準化與評估
第九章 陰影與思辨—機器人、風險與哲學
第十章 國家藍圖—戰略、賦能與展望
後記
附錄:AI名詞解釋
第三章 深度革命—機器學習與模型演化 【從自動化學習,邁向通用智慧的巔峰】 如果說統計模型是AI 的骨架,那麼機器學習與深度學習便是讓這副骨架開始自行調整的肌肉。過去十餘年,人工智慧從「人類教機器規則」走向「機 器從資料中學習模式」,這是一場深刻的技術革命;但本章也要提醒讀者:機器能學會模式,並不等於真正理解世界。辨識、生成與預測背後,仍然有資料邊界、模型偏差與人類判斷需要被看見。 本章將帶領讀者見證這場壯闊的技術進化。我們首先透過「3.1 自動化學習」建立機器學習的核心思維,理解系統如何從原始數據中提取特徵。接著, 在「3.2 深度突破」與「3.3 仿生邏輯」中,我們將深入類神經網路的層次結構,探索權重與激活函數如何交織出仿效大腦的運算奧祕。隨後,本章將進入幾個具代表性的架構:從擅長處理影像局部特徵的「3.4視覺之眼」,到改變語言處理邏輯的「3.5 全神貫注」。最後,我們將介紹充滿張力的「3.6 矛盾對決」,理解機器如何在生成與判別的互動中學會產出近 似真實的內容。 本章深入機器學習與深度學習的核心邏輯,理解神經網路如何透過權重、偏誤與激發函數逐步學習,並認識CNN、Transformer 與生成模型的不同 功能。除了理解模型如何運作,更要思考機器的「學習」是否等同人類理解,以及模型愈大是否必然愈好,進而掌握效能、成本、資料品質與可解釋性之間的取捨。讓我們跨越技術斷層,理解現代AI 的核心動能;也提醒自己,模型越強大,人類越需要懂得判斷它的邊界。
0
1