第1章 緒論1.1 引言1.2 人工智能系統(tǒng)超人的案例1.2.1 人機(jī)智力問答和辯論賽1.2.2 圖像識別和人臉識別1.2.3 圍棋、撲克的人機(jī)對弈1.2.4 阿爾法空戰(zhàn)人機(jī)格斗1.2.5 人工智能與游戲玩家1.2.6 AI與蛋白質(zhì)結(jié)構(gòu)預(yù)測1.3 人工智能系統(tǒng)智障的案例1.3.1 易變壞的聊天機(jī)器人1.3.2 IBM沃森醫(yī)生的教訓(xùn)1.3.3 歧視的再犯罪AI算法1.3.4 人臉識別系統(tǒng)的問題 第1章 緒論1.1 引言1.2 人工智能系統(tǒng)超人的案例1.2.1 人機(jī)智力問答和辯論賽1.2.2 圖像識別和人臉識別1.2.3 圍棋、撲克的人機(jī)對弈1.2.4 阿爾法空戰(zhàn)人機(jī)格斗1.2.5 人工智能與游戲玩家1.2.6 AI與蛋白質(zhì)結(jié)構(gòu)預(yù)測1.3 人工智能系統(tǒng)智障的案例1.3.1 易變壞的聊天機(jī)器人1.3.2 IBM沃森醫(yī)生的教訓(xùn)1.3.3 歧視的再犯罪AI算法1.3.4 人臉識別系統(tǒng)的問題1.3.5 頻發(fā)事故的自動駕駛1.3.6 社交網(wǎng)絡(luò)中真假難辨1.4 可信人工智能的倫理和法規(guī)1.4.1 典型的人工智能倫理原則1.4.2 可信人工智能原則的實施1.5 人工智能可信的挑戰(zhàn)性問題1.5.1 人工智能預(yù)測的可信問題1.5.2 人工智能決策的可信問題1.5.3 人工智能系統(tǒng)的可信問題1.6 小結(jié)參考文獻(xiàn)第2章 人工智能的風(fēng)險與信任2.1 引言2.2 人工智能的風(fēng)險問題2.2.1 數(shù)據(jù)驅(qū)動決策的內(nèi)生風(fēng)險2.2.2 人工智能模型的內(nèi)生風(fēng)險2.3 人工智能的信任問題2.3.1 對人工智能的信任問題2.3.2 AI系統(tǒng)信任的影響因素2.3.3 對人工智能的采納問題2.4 國外對可信人工智能的推進(jìn)2.4.1 國外可信人工智能的發(fā)展2.4.2 DARPA的可信人工智能項目2.5 小結(jié)參考文獻(xiàn)第3章 人工智能可解釋推理3.1 引言3.1.1 為什么人工智能需要可解釋3.1.2 人工智能可解釋的相關(guān)概念3.2 深度神經(jīng)網(wǎng)絡(luò)的可解釋性3.2.1 基于視覺的解釋方法3.2.2 基于擾動的解釋方法3.2.3 基于知識的解釋方法3.2.4 基于因果的解釋方法3.3 自動駕駛系統(tǒng)的可解釋性3.3.1 自動駕駛可解釋的需求3.3.2 自動駕駛關(guān)鍵操作可解釋3.4 人工智能可解釋軟件工具3.4.1 XAI工具箱比較分析3.4.2 以人為本的可解釋AI3.5 人工智能可解釋性的評估3.5.1 解釋的主觀評估標(biāo)準(zhǔn)3.5.2 解釋的客觀評估指標(biāo)3.5.3 DARPA的XAI評價案例3.6 小結(jié)參考文獻(xiàn)第4章 人工智能對抗樣本和防御4.1 引言4.1.1 對抗樣本的概念4.1.2 對抗樣本的分類4.2 數(shù)字世界的對抗樣本4.2.1 AI模型對抗樣本生成4.2.2 對抗樣本的攻擊類型4.2.3 對抗樣本可視化解釋4.2.4 對抗樣本的評價指標(biāo)4.3 物理世界的對抗樣本4.3.1 路標(biāo)識別的物理對抗攻擊4.3.2 目標(biāo)檢測的物理對抗攻擊4.3.3 人臉識別的物理對抗攻擊4.3.4 車牌識別系統(tǒng)的對抗攻擊4.4 對抗樣本的檢測和防御4.4.1 對抗樣本攻擊的防御4.4.2 AI攻擊防御評價指標(biāo)4.5 AI對抗樣本工具軟件與競賽4.5.1 AI對抗樣本工具軟件4.5.2 人工智能攻防對抗競賽4.5.3 光電系統(tǒng)對抗攻擊實例4.6 小結(jié)參考文獻(xiàn)第5章 人工智能內(nèi)容生成與深度偽造5.1 引言5.2 深度生成模型5.2.1 GAN網(wǎng)絡(luò)的基本概念5.2.2 深度生成模型的發(fā)展5.2.3 AIGC和大模型可信問題5.3 圖像和視頻深度偽造5.3.1 深度偽造分類5.3.2 深度偽造傳播5.4 音頻和文本深度偽造5.4.1 音頻AI生成與偽造5.4.2 音頻深度偽造檢測5.4.3 文本AI生成與偽造5.4.4 文本深度偽造檢測5.5 對AI深度偽造的治理5.5.1 AI深度偽造的影響5.5.2 AI深度偽造的治理5.5.3 深度偽造檢測比賽5.6 AI深度偽造的其他應(yīng)用5.6.1 隱身衣和位置欺騙5.6.2 深度偽造與認(rèn)知戰(zhàn)5.7 小結(jié)參考文獻(xiàn)第6章 人工智能使能系統(tǒng)的可信決策6.1 引言6.2 人工智能工程6.2.1 人工智能工程的概述6.2.2 人工智能工程的實踐6.3 AI使能系統(tǒng)與可信決策6.3.1 不確定情境下對AI系統(tǒng)的信任6.3.2 數(shù)據(jù)和模型不確定下的AI決策6.3.3 人機(jī)協(xié)同的AI系統(tǒng)可信決策和組團(tuán)6.4 AI系統(tǒng)生命周期的人機(jī)協(xié)同可信6.4.1 用戶需求與開發(fā)者間的協(xié)同6.4.2 系統(tǒng)開發(fā)者與AI系統(tǒng)的協(xié)同6.4.3 AI系統(tǒng)和系統(tǒng)用戶間的協(xié)同6.5 小結(jié)參考文獻(xiàn)第7章 人工智能可信應(yīng)用的要素7.1 引言7.2 AI可信應(yīng)用中的數(shù)據(jù)要素7.2.1 數(shù)據(jù)集存在系統(tǒng)缺陷7.2.2 數(shù)據(jù)壟斷和隱私問題7.2.3 數(shù)據(jù)資產(chǎn)估值和定價7.3 AI可信應(yīng)用中的模型要素7.3.1 開放世界的模型要素7.3.2 算法公平性的分類7.3.3 算法決策公平方法7.4 AI可信應(yīng)用中的系統(tǒng)要素7.4.1 機(jī)器學(xué)習(xí)運(yùn)維7.4.2 人工智能系統(tǒng)可靠性7.5 小結(jié)附錄：數(shù)據(jù)計價規(guī)范附件1 數(shù)據(jù)定價方法附件2 數(shù)據(jù)集構(gòu)建規(guī)模度量方法附件3 人力成本取值參考表附件4 非人力成本費(fèi)用附件5 數(shù)