人工智能：從架構到部署的系統工程

"David R.Martinez是MIT林肯實驗室資深研究員，也是MIT《AI戰略與路線圖：AI開發與部署的系統工程方法》和《AI與ML：引I領業務增長》兩門課程的首席講師，深耕AI系統工程與教學研究多年。Bruke M.Kifle是資深管理顧問，曾任微軟圖靈團隊AI產品經理。他與Martinez共同講授MIT的《AI戰略與路線圖：AI開發與部署的系統工程方法》課程。"

目    錄

 

第1章  概述  1

1.1  AI發展歷程中的重要事件  3

1.2  AI流水線：系統架構方法  7

1.3  AI系統架構構建模塊的高級描述  8

1.4  有效的AI部署  11

1.5  AI視野：基於內容、協作和上下文的洞察  12

1.6  章節路線圖  14

1.7  主要收獲  14

1.8  練習  15

 

第I部分  AI系統架構

第2章  系統工程基礎  18

2.1  系統工程的常見定義  19

2.2  系統工程學科的特性主張  21

2.3  應用於AI的系統工程方法  25

2.4  架構框架：是什麼以及如何實施  25

2.5  領導力：系統思考者  28

2.6  系統工程面臨的挑戰  31

2.7  主要收獲  33

2.8  練習  34

第3章  數據預處理  36

3.1  數據的指數級增長  37

3.2  數字化轉型  40

3.3  數據庫：管理與演變  42

3.4  數據質量、清洗與準備  45

3.5  精選數據集示例及屬性  48

3.6  數據預處理面臨的挑戰  51

3.7  主要收獲  53

3.8  練習  54

第4章  機器學習  55

4.1  機器學習的類別  56

4.2  常見的性能衡量標準  62

4.3  深度學習與神經網絡簡介  65

4.4  使用反向傳播訓練神經網絡  68

4.5  設計神經網絡  71

4.6  卷積神經網絡簡介  74

4.7  機器學習面臨的挑戰  76

4.8  主要收獲  77

4.9  練習  78

第5章  現代計算技術  80

5.1  計算技術簡史  82

5.2  企業級計算與邊緣計算  85

5.3  神經網絡：關鍵計算內核  88

5.4  算術精度  91

5.5  機器學習算法改進與計算技術的融合  92

5.6  特定領域的硬件和軟件  95

5.7  當代計算引擎與集成系統  97

5.8  Roofline性能指標  100

5.9  保障現代計算安全  102

5.10  現代計算面臨的挑戰  107

5.11  主要收獲  111

5.12  練習  113

第6章  人機協作  115

6.1  增強人類能力  116

6.2  AI作為搜索與發現工具  118

6.3  AI作為隊友  120

6.4  自主性與近期挑戰  122

6.5  定量和定性績效指標  124

6.6  人機協作面臨的挑戰  128

6.7  主要收獲  130

6.8  練習  132

第7章  可靠的AI系統  134

7.1  從系統視角看AI的脆弱性  136

7.2  對抗性AI的類別  138

7.3  深度偽造技術及其示例  141

7.4  可解釋的AI  143

7.5  緩解技術  145

7.6  對抗攻擊測試方法論  147

7.7  可靠的AI系統面臨的挑戰  149

7.8  主要收獲  151

7.9  練習  153

第8章  負責任的AI  155

8.1  AI與社會  156

8.2  案例研究：AI的危害  158

8.3  社會技術系統的考量因素  160

8.4  負責任的AI原則  162

8.5  AI開發生命周期中的RAI考量  163

8.6  RAI面臨的挑戰  165

8.7  主要收獲  167

8.8  練習  167

 

第II部分  戰略原則

第9章  AI戰略與路線圖  170

9.1  戰略思維導論  171

9.2  AI戰略開發模型  174

9.3  使命/願景與未來展望  178

9.4  組織核心價值觀與戰略方向  180

9.5  AI的價值主張  182

9.6  AI戰略路線圖：藍圖設計  185

9.7  戰略與執行：互補組合  191

9.8  主要收獲  192

9.9  練習  194

第10章  AI部署指南  196

10.1  部署AI時面臨的挑戰  198

10.2  成功部署AI能力的十大指南  199

10.3  將系統工程學科應用於AI部署的流程  201

10.4  AI采用：四個不同的組織成熟度集群  204

10.5  AI生態系統  206

10.6  黃金標準：測試平臺、性能指標和基準  210

10.7  AI平臺的特性與優勢  212

10.8  主要收獲  214

10.9  練習  217

第11章  MLOps：從開發到部署的過渡  218

11.1  MLOps基礎導論  219

11.2  使用MLOps實現AI系統架構  221

11.3  MLOps賦能技術與當代工具  225

11.4  MLOps平臺、AutoML和LCNC應用開發  230

11.5  AI開發與部署：常見的陷阱  232

11.6  主要收獲  234

11.7  練習  236

第12章  營造一個創新型團隊環境  238

12.1  組織文化  240

12.2  組織結構與創新  242

12.3  AI人才與未來的工作  244

12.4  為你鋪就職業成功之路  246

12.5  AI技術深度與廣度  248

12.6  進展和結果的度量指標  250

12.7  AI領導力與韌性  253

12.8  指導、建立人脈和招聘AI人才  258

12.9  維持高績效團隊  260

12.10  主要收獲  262

12.11  練習  264

第13章  高效溝通  266

13.1  用於結構化溝通的VSN-C框架  268

13.2  溫斯頓之星：被銘記的要素  269

13.3  大綱制定要點  271

13.4  寫作和演講基礎  272

13.5  主要收獲  279

13.6  練習  280

 

第Ⅲ部分  人機增強：應用案例

第14章  應用案例1：Misty陪伴機器人用於阿爾茨海默癥的治療  282

14.1  使命和願景  283

14.2  設想的未來  283

14.3  戰略方向  284

14.4  AI價值主張  284

14.5  AI戰略路線圖  285

14.6  練習  287

第15章  應用案例2：Bose AI驅動的騎行教練和警告系統  288

15.1  使命與願景  290

15.2  設想的未來  290

15.3  戰略方向  291

15.4  AI價值主張  291

15.5  AI戰略路線圖  292

15.6  練習  293

第16章  應用案例3：膳食評估及獲取系統(MEALS)  294

16.1  使命和願景  294

16.2  設想的未來  295

16.3  戰略方向  296

16.4  AI價值主張  296

16.5  AI戰略路線圖  298

16.6  練習  299

第17章  應用案例4：管理智能家居(MESH)的能源  300

17.1  使命和願景  301

17.2  設想未來  301

17.3  戰略方向  302

17.4  AI價值主張  302

17.5  AI戰略路線圖  303

17.6  練習  304

第18章  應用案例5：AquaAI——AI驅動的現代化海洋維護系統  305

18.1  使命和願景  306

18.2  設想的未來  306

18.3  戰略方向  306

18.4  AI價值主張  307

18.5  AI戰略路線圖  308

18.6  練習  309

附錄A  310