皮埃罗·斯加鲁菲（Piero Scaruffi）
毕业于都灵大学数学系，自1980年开始在硅谷从事人工智能研究。
20世纪90年代中期先后在哈佛大学、斯坦福大学的人工智能实验室等机构从事研究工作，项目涉及认知科学、专家系统、神经网络、自然语言处理等。
2003年后成为独立研究员，在加州大学伯克利分校、斯坦福大学兼职讲授认知论、心性学和艺术史等课程。
著有《智能的本质》《硅谷百年史》（合著）等重量级作品。
他兴趣广泛，研究领域包括从认知模型到音乐史的广博学科。他还是北京他山石智库首-席科技顾问，中国美院客座教授。

AI,人工智能,深度学习,无人驾驶,神经网络,算法,通识课

第一章人工智能发展史//1
文化背景：知识型的社会//2
人工智能研究的起源//2
人工智能研究的早期发展//7
专家系统的兴起//9
探讨人工智能历史的前提//12
步入人工智能的寒冬//15
人工智能的逆向发展阶段//16
玻尔兹曼机与神经网络//20
人工智能的强化学习阶段//28
人工智能的卷积神经网络阶段//36
人工智能发展的深度学习阶段//50
人工智能发展的深度强化学习阶段//56
机器是如何学习的//63
深度学习源自哪里//72
从认识到创造：生成对抗性网络//75
网络时代的社会文化变迁//82
第二章智能的定义与本质//89
认知科学的发展史//90
逻辑推理的发展史//92
对“智能”的（冗余）定义//101
人工智能系统能得诺贝尔奖吗//107
大脑模拟与智能//111
能听到我说话吗//113
结构化环境中的智能行为//119
第三章人工智能的应用实验//127
仿生人类、半机械人和神经工程//128
实现人工智能的第一步//133
第一项失败//135
另一次失败：机器学习//139
又一次失败：常识//141
预告：学习聊天//143
变脸//146
数字生活的起源//149
难题：智慧并不意味着精确//150
聊天机器人的发展历程//153
第四章人工智能的算法进化//155
计算机的发展历程//156
将计算作为推论//159
概率论、马尔可夫链与蒙特卡罗方法//161
数学上的难题：假如你不得不经历一次智力层面的相变//168
设计机器与设计人类//171
遗传算法的复兴//177
大数据集的诅咒//182
模拟计算与储备池计算//186
算法官僚系统的反乌托邦引发的推测：利维坦、圆形监狱与生命权利//189
道德的算法//192
明日乌托邦——与算法共生//193
第五章神经网络与认知//195
联结主义//196
人工与自然神经网络：反向传播的神话//204
模式识别问题//205
关于AlphaZero//206
动态路由和胶囊网络//213
变分推理//215
分层贝叶斯网络//222
神经网络的智能//224
神经网络的常识//225
基于知识的系统//230
第六章智能与机器人//235
机器学习先于人工智能//236
机器人的诞生//238
机器学习的未来：无监督学习的救赎之道//239
生活在智能机器的世界//255
迎娶人工智能：满怀信心地迎接未来//262
后机器智能时代：机器创造力能否成就艺术//274
机器智能的危险之处//289
过度就业//293
第七章人工智能的伦理学困境//297
一个哲学层面的问题：我们真的需要全能的智能吗//298
对历史的注释：新无神论//300
机器伦理//301
反乌托邦四部曲//303
你是一个机器人//308
第八章人工智能的未来//313
人工智能与“没有免费午餐定理”//314
揭开图灵测试的神秘面纱//315
浅人工智能//319
为何没有构建人工通用智能//320
通用性人工智能的时间框架//326
硅能产生智能吗//328
下一项突破是：了解大脑//329
为什么我不害怕人工智能的到来//331
隐形的机器人云//334
附录 人工智能大事记//337

硅谷人工智能先行者倾力打造之作，牛津、清华、北大计算机科学教授、中科院院士审读推荐；
系统化整理人工智能领域各个分支的共识，提供一套可以为不同人群所理解的关于人工智能技术真实进展的通识。

《人工智能通识课》纵贯人工智能技术在全球 70 多年的发展历史，综合逻辑学派和神经网络学派的主流观点，系统介绍了人工智能各种算法的起源与演进过程，以及人工智能技术在消费者行为分析、机器人、自动驾驶、医疗等方面的应用实践，使读者可以全面了解人工智能领域的真实现状，及其给人类社会带来的技术、哲学乃至艺术层面的影响。最后，本书作者对于人工智能的未来发展做了非常客观、务实的展望。
《人工智能通识课》语言深入浅出，非技术专业人士也可以读懂，适合各种知识背景的读者了解人工智能技术的全貌，对人工智能技术建立起客观理性的认知；也适合作为高校人工智能通识课程的教材或参考读物。