本書主要涉及數(shù)據(jù)工程、人工智能算法原理，大數(shù)據(jù)平臺(tái)技術(shù)、人工智能算法在大數(shù)據(jù)平臺(tái)上的實(shí)現(xiàn)、人工智能算法的應(yīng)用與實(shí)踐。全書共 7 章。第 1 章是大數(shù)據(jù)與人工智能的歷史、應(yīng)用；第 2 章是數(shù)據(jù)工程；第 3 章是人工智能基礎(chǔ)算法的原理介紹；第 4 章是大數(shù)據(jù)平臺(tái)的介紹；第 5 章以第 3 章中的幾種算法為例，介紹了它們是如何在大數(shù)據(jù)平臺(tái)上分布式實(shí)現(xiàn)的；第 6 章是當(dāng)前熱門的深度學(xué)習(xí)技術(shù)的介紹；第 7 章是實(shí)踐。本書可作為希望快速了解和入門本領(lǐng)域知識(shí)的本科生、研究生的參考書，也可供互聯(lián)網(wǎng)領(lǐng)域中對(duì)人工智能算法感興趣的工程技術(shù)人員參考使用。

　　當(dāng)人類開始發(fā)明計(jì)算機(jī)的時(shí)候，就已經(jīng)在思考如何讓計(jì)算機(jī)獲取“智能”。如今，伴隨著社會(huì)的日益數(shù)字化，人類社會(huì)進(jìn)入大數(shù)據(jù)時(shí)代，海量的數(shù)據(jù)和云計(jì)算使人工智能進(jìn)入一個(gè)快速發(fā)展期。作者在平時(shí)科研與教學(xué)中發(fā)現(xiàn)，許多學(xué)生對(duì)人工智能與大數(shù)據(jù)領(lǐng)域表現(xiàn)出了極大的興趣。市面上雖然有許多優(yōu)秀的相關(guān)類型的圖書，然而，它們大部分都假設(shè)讀者已經(jīng)具備了很高的數(shù)學(xué)基礎(chǔ)，這是許多學(xué)生尤其是非數(shù)學(xué)系的本科生所不具備的。除此之外，有的圖書對(duì)細(xì)節(jié)介紹非常詳盡，這使初學(xué)者容易陷入其中而忽視了整體。有的圖書則完全介紹理論，也容易導(dǎo)致初學(xué)者不會(huì)學(xué)以致用。因此，作者萌生了寫一本真正適合初學(xué)者的大數(shù)據(jù)與人工智能圖書的想法，希望能指引更多有志于研究該領(lǐng)域的學(xué)習(xí)者少走一些彎路，順利邁入人工智能的大門。全書共 7 章，大體可分為 4 個(gè)部分。第一部分是第 1~2 章，介紹人工智能和大數(shù)據(jù)的基本知識(shí)；第二部分是第 3~4 章，介紹一些最經(jīng)典而常用的機(jī)器學(xué)習(xí)算法和常用的大數(shù)據(jù)處理平臺(tái)；第三部分是第 5~6 章，介紹一些進(jìn)階知識(shí)，包括一些機(jī)器學(xué)習(xí)算法的并行化實(shí)現(xiàn)和深度學(xué)習(xí)的內(nèi)容；第四部分即第 7 章是實(shí)踐部分，用案例來學(xué)習(xí)前面學(xué)習(xí)的算法是如何應(yīng)用在實(shí)際中的。其中，第三部分的兩章相對(duì)獨(dú)立，讀者可以根據(jù)自己的興趣和時(shí)間情況選擇使用。作者認(rèn)為，對(duì)于初學(xué)者而言，應(yīng)該適當(dāng)增加學(xué)習(xí)的廣度而降低學(xué)習(xí)的深度。本書對(duì)數(shù)據(jù)工程、機(jī)器學(xué)習(xí)、大數(shù)據(jù)以及機(jī)器學(xué)習(xí)的并行化實(shí)現(xiàn)、深度學(xué)習(xí)均予以介紹，已經(jīng)涵蓋了大部分人工智能的基礎(chǔ)性內(nèi)容。需要指出的是，理論上機(jī)器學(xué)習(xí)只是人工智能的一種解決方案。然而，近年來，機(jī)器學(xué)習(xí)已經(jīng)在人工智能領(lǐng)域中占據(jù)了絕對(duì)主導(dǎo)地位。因此本書作為一本旨在服務(wù)初學(xué)者的圖書，并不會(huì)區(qū)分它們。作者在本書中試圖盡可能地少使用數(shù)學(xué)知識(shí)，對(duì)于一些不可避免的部分，力求展現(xiàn)其中的精華，同時(shí)亦在本書的最后介紹了一些確實(shí)不可避免的線性代數(shù)以及概率論知識(shí)。作者在保證廣度和淡化深度的同時(shí)，避免了羅列知識(shí)，而是有機(jī)地將各方面知識(shí)串接起來。對(duì)于應(yīng)用實(shí)踐部分，一些基礎(chǔ)性編程語(yǔ)言的掌握是必不可少的，作者在附錄中介紹了 Java 和 Python，供有需要的讀者閱讀。

　　隨著移動(dòng)通信技術(shù)和智能終端設(shè)備的飛速發(fā)展，全球數(shù)據(jù)通信總量也逐年激增。一方面，由于數(shù)據(jù)產(chǎn)生方式發(fā)生了從手工生產(chǎn)到自動(dòng)化生產(chǎn)的改變，人類為了實(shí)現(xiàn)對(duì)信息的全量化收集，大量使用傳感器（目前全球有 3 B~5 B 個(gè)傳感器），這些傳感器 24 h 都在產(chǎn)生數(shù)據(jù)，加快了信息的爆發(fā)式增長(zhǎng)；另一方面，由于人類活動(dòng)越來越離不開數(shù)據(jù)，人類的日常生活已經(jīng)與數(shù)據(jù)成為密不可分的整體。伴隨著移動(dòng)智能設(shè)備的普及（圖 1-1 中的數(shù)據(jù)顯示了近幾年全球網(wǎng)絡(luò)用戶數(shù)量的變化），移動(dòng)端的數(shù)據(jù)已經(jīng)逐步增長(zhǎng)并成為最主要的數(shù)據(jù)來源：社交通信中產(chǎn)生的文字、語(yǔ)音、圖像、視頻，生活應(yīng)用中的位置信息、查詢請(qǐng)求信息，娛樂購(gòu)物產(chǎn)生的產(chǎn)品介紹信息、訂單請(qǐng)求信息等無時(shí)無刻不在人們周圍產(chǎn)生并傳遞。舉例來說，Youtube 上每天會(huì)有來自全球 28.8 k 小時(shí)的視頻上傳量，Twitter 上每天大概會(huì)新增 50 M 條信息，亞馬遜每天產(chǎn)生 6.3 M 筆訂單……歐洲粒子物理研究所的大型強(qiáng)子對(duì)撞機(jī)，每秒產(chǎn)生的原始數(shù)據(jù)量高達(dá) 40 TB。2000 年斯隆數(shù)字巡天項(xiàng)目（SDSS，Sloan Digital Sky Survey）啟動(dòng)的時(shí)候，位于墨西哥州的望遠(yuǎn)鏡在短短幾周內(nèi)收集到的數(shù)據(jù)比之前天文學(xué)歷史上收集的數(shù)據(jù)總和還要多。從科研領(lǐng)域到醫(yī)療衛(wèi)生領(lǐng)域，從銀行業(yè)到互聯(lián)網(wǎng)行業(yè)，各行各業(yè)都面臨著需要解決爆發(fā)式增長(zhǎng)的數(shù)據(jù)量的難題。

　　隨著 AI 技術(shù)的發(fā)展，現(xiàn)如今幾乎各種技術(shù)的發(fā)展都涉及人工智能技術(shù)，人工智能技術(shù)已經(jīng)滲透到許多領(lǐng)域，應(yīng)用范圍主要包括以下 9 個(gè)方面。（1）符號(hào)計(jì)算計(jì)算機(jī)最主要的用途之一就是科學(xué)計(jì)算，科學(xué)計(jì)算可分為兩類：一類是純數(shù)值的計(jì)算，通常是對(duì)函數(shù)、公式的求值；另一類是符號(hào)計(jì)算，也稱代數(shù)運(yùn)算，這種運(yùn)算是對(duì)符號(hào)進(jìn)行運(yùn)算，并且符號(hào)可以代表整數(shù)、有理數(shù)、實(shí)數(shù)和復(fù)數(shù)，也可以代表多項(xiàng)式、函數(shù)、集合等。（2）模式識(shí)別模式識(shí)別就是通過計(jì)算機(jī)對(duì)數(shù)據(jù)樣本進(jìn)行特征提取，并用數(shù)學(xué)方法來研究模式的自動(dòng)處理和判讀。這里常說的模式是指文字、語(yǔ)音、生物特征、數(shù)字水印等環(huán)境與客體的結(jié)合體。（3）機(jī)器翻譯機(jī)器翻譯是通過計(jì)算機(jī)把一種自然語(yǔ)言轉(zhuǎn)換成另一種自然語(yǔ)言的過程，用以完成這一過程的軟件系統(tǒng)叫作機(jī)器翻譯系統(tǒng)。它是計(jì)算語(yǔ)言學(xué)（Computational Linguistics ）的一個(gè)分支，涉及計(jì)算機(jī)、認(rèn)知科學(xué)、語(yǔ)言學(xué)、信息論等學(xué)科，是人工智能的終極目標(biāo)之一，具有重要的科學(xué)研究?jī)r(jià)值。（4）機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)是機(jī)器具有智能的重要標(biāo)志，同時(shí)也是機(jī)器獲取知識(shí)的根本途徑。機(jī)器學(xué)習(xí)是一個(gè)難度較大的研究領(lǐng)域，它與認(rèn)知科學(xué)、神經(jīng)心理學(xué)、邏輯學(xué)等學(xué)科都有著密切的聯(lián)系，并對(duì)人工智能的其他分支，如專家系統(tǒng)、自然語(yǔ)言理解、自動(dòng)推理、智能機(jī)器人、計(jì)算機(jī)視覺、計(jì)算機(jī)聽覺等方面，也會(huì)起到重要的推動(dòng)作用。（5）邏輯推理與定理證明邏輯推理是人工智能研究中最持久的領(lǐng)域之一，其中特別重要的是要找到一些方法，只把注意力集中在一個(gè)大型數(shù)據(jù)庫(kù)中的有關(guān)事實(shí)上，留意可信的證明，并在出現(xiàn)新信息時(shí)適時(shí)修正這些證明。（6）自然語(yǔ)言處理自然語(yǔ)言的處理是人工智能技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例，經(jīng)過多年艱苦努力，這一領(lǐng)域已獲得了大量令人矚目的成果。目前該領(lǐng)域的主要課題是：計(jì)算機(jī)系統(tǒng)如何以主題和對(duì)話情境為基礎(chǔ)，注重大量的常識(shí)——世界知識(shí)和期望作用，生成和理解自然語(yǔ)言。（7）分布式人工智能分布式人工智能在 20 世紀(jì) 70 年代后期出現(xiàn)，是人工智能研究的一個(gè)重要分支。分布式人工智能系統(tǒng)一般由多個(gè)智能體（Agent）組成，每一個(gè) Agent 又是一個(gè)半自治系統(tǒng)，Agent 之間以及 Agent 與環(huán)境之間進(jìn)行并發(fā)活動(dòng)，并通過交互來完成問題求解。（8）計(jì)算機(jī)視覺計(jì)算機(jī)視覺主要研究的是使計(jì)算機(jī)具有通過二維圖像認(rèn)知三維環(huán)境信息的能力，這種能力不僅包括對(duì)三維環(huán)境中物體形狀、位置、姿態(tài)、運(yùn)動(dòng)等幾何信息的感知，而且還包括對(duì)這些信息的描述、存儲(chǔ)、識(shí)別與理解。（9）專家系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域，它是一種具有特定領(lǐng)域內(nèi)大量知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)。人類專家因其豐富的知識(shí)，能夠高效、快速地解決相應(yīng)領(lǐng)域的眾多問題，基于這一事實(shí)，給計(jì)算機(jī)程序?qū)W習(xí)并使其靈活運(yùn)用這些知識(shí)，也就能解決人類專家所解決的問題，而且能幫助人類專家發(fā)現(xiàn)推理過程中出現(xiàn)的差錯(cuò)。

　　人工智能已經(jīng)發(fā)展了 60 多年，雖然在研究解釋和模擬人類智能、智能行為及其規(guī)律這一總目標(biāo)來說，已經(jīng)取得了很大的進(jìn)展。但從整體發(fā)展情況來看，人工智能發(fā)展過程曲折，而且還面臨著不少難題，主要集中在以下幾個(gè)方面。（1）機(jī)器翻譯機(jī)器翻譯遇到的最主要的問題是歧義性問題。構(gòu)成句子的單詞和歧義性問題一直是自然語(yǔ)言理解（NLU，Natural Language Understanding）中的一大難關(guān)。不同的使用場(chǎng)景，句子的含義也可能天差地別。所以要想消除歧義，正確解釋句子語(yǔ)意必須結(jié)合具體語(yǔ)境。但現(xiàn)有的翻譯方式通常都是將句子甚至詞組作為理解單元，翻譯結(jié)果往往忽視具體語(yǔ)境。另外，即使對(duì)原文語(yǔ)意理解到位，如何將其正確地表示成另一種語(yǔ)言，也是一個(gè)難題?，F(xiàn)有的 NLU 系統(tǒng)無法隨著時(shí)間增長(zhǎng)而提高解讀能力，學(xué)習(xí)深度不夠。（2）自動(dòng)定理證明自動(dòng)定理證明需要機(jī)器擁有一套智能系統(tǒng)，不僅能夠?qū)ΜF(xiàn)有條件進(jìn)行合理演繹，并且能夠做出正確判定。這一領(lǐng)域的代表性工作是 1965 年魯賓孫提出的歸結(jié)原理。歸結(jié)原理雖然簡(jiǎn)單易行，但它所采用的方法是演繹，而這種形式上的演繹與人類自然演繹推理方法是截然不同的?；跉w結(jié)原理的演繹推理要求把邏輯公式轉(zhuǎn)化為子句集合，從而喪失了其固有的邏輯蘊(yùn)含語(yǔ)義。（3）模式識(shí)別雖然使用計(jì)算機(jī)進(jìn)行模式識(shí)別的研究與開發(fā)已取得大量成果，有的已成為產(chǎn)品投入實(shí)際應(yīng)用，但是它的理論和方法與人的感官識(shí)別機(jī)制是全然不同的。一方面，人的識(shí)別手段、形象思維能力是任何最先進(jìn)的計(jì)算機(jī)識(shí)別系統(tǒng)望塵莫及的；另一方面，在現(xiàn)實(shí)世界中，生活并不是一項(xiàng)結(jié)構(gòu)嚴(yán)密的任務(wù)，一般的動(dòng)物都能輕而易舉地對(duì)付，但機(jī)器不會(huì)，這并不是說它們永遠(yuǎn)不會(huì)，而是說目前不會(huì)。技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出，未來人工智能可能會(huì)向以下幾個(gè)方面發(fā)展：模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。

　　人工智能作為一個(gè)整體的研究才剛剛開始，離其預(yù)定的目標(biāo)還很遙遠(yuǎn)，但人工智能在某些方面將會(huì)有大的突破。（1）自動(dòng)推理是人工智能最經(jīng)典的研究分支，其基本理論是人工智能其他分支的共同基礎(chǔ)。一直以來，自動(dòng)推理都是人工智能研究的最熱門內(nèi)容之一，其中知識(shí)系統(tǒng)的動(dòng)態(tài)演化特征及可行性推理的研究是最新的熱點(diǎn)，很有可能取得大的突破。（2）機(jī)器學(xué)習(xí)的研究取得長(zhǎng)足的發(fā)展。許多新的學(xué)習(xí)方法相繼問世并獲得了成功的應(yīng)用，如增強(qiáng)學(xué)習(xí)（Reinforcement Learning）算法等。也應(yīng)看到，現(xiàn)有的方法在處理在線學(xué)習(xí)方面尚不夠有效，尋求一種新的方法以解決移動(dòng)機(jī)器人、自主 agent、智能信息存取等研究中的在線學(xué)習(xí)問題是研究人員共同關(guān)心的問題，相信不久會(huì)在這些方面取得突破。（3）自然語(yǔ)言處理是 AI 技術(shù)應(yīng)用于實(shí)際領(lǐng)域的典型范例，經(jīng)過 AI 研究人員的艱苦努力，這一領(lǐng)域已獲得了大量令人矚目的理論與應(yīng)用成果。許多產(chǎn)品已經(jīng)進(jìn)入了眾多領(lǐng)域。智能信息檢索技術(shù)在 Internet 技術(shù)的影響下，近年來迅猛發(fā)展，已經(jīng)成為 AI 的一個(gè)獨(dú)立研究分支。由于信息獲取與精化技術(shù)已成為當(dāng)代計(jì)算機(jī)科學(xué)與技術(shù)研究中迫切需要研究的課題，將 AI 技術(shù)應(yīng)用于這一領(lǐng)域的研究是人工智能走向應(yīng)用的契機(jī)與突破口。從近年的人工智能發(fā)展來看，這方面的研究已取得了可喜的進(jìn)展。人工智能一直處于計(jì)算機(jī)技術(shù)的前沿，其研究的理論和發(fā)現(xiàn)在很大程度上將決定計(jì)算機(jī)技術(shù)的發(fā)展方向。如今，已經(jīng)有很多人工智能的研究成果進(jìn)入人們的日常生活。未來，人工智能技術(shù)的發(fā)展將會(huì)給人們的生活、工作和教育等帶來更大的影響