人们相信人工智能可以为这个时代的技术带来突破，而ChatGPT则使这种希望成为现实。现在，许多人都渴望了解与ChatGPT相关的一切，包括技术的历史和背景，其神奇的功能以及如何使用它。虽然ChatGPT的使用方法很简单，但它具有无限的潜力。如果不去亲身体验，很难体会到它的强大之处。本书尽可能全面地介绍了与ChatGPT相关的内容，特别是许多应用示例，可以给读者带来启发。
希望读者通过这本书了解ChatGPT后，在自己的工作中也能充分利用它。本书适合希望了解和使用ChatGPT的人阅

ChatGPT颠覆了互联网格局。本书紧跟技术前沿，是一本针对ChatGPT的超级实战指南。本书介绍了ChatGPT的发展历史与常用功能，剖析讲授了其初阶、进阶、高阶操作，枚举解析了27个有趣的应用例子、75个高级提示例子，以及100多条商业变现思路。本书摒弃繁杂理论，尤重实用性；又以内容充实、案例丰富为特色；同时采用场景式教学，语言轻松、深入浅出，让初学者也能轻易上手。本书教导的ChatGPT技巧有益于绝大部分读者的工作、生活所需，更可启发实现商业变现。
本书几乎适用于所有人员阅读，尤其适

本书从人工智能（AI）项目管理中的实际困难出发，覆盖通用项目管理、通用人工智能、特定领域人工智能三个层次的问题。重点讨论治理、范围、进度和质量四个大类的问题，并提供一系列适用于AI项目管理的基本框架、分析思路和翔实可用的模板、思维图表和流程，帮助读者快速理解人工智能项目管理的特点，并应用到具体的项目中，解决具体的问题。
全书内容可概括为两大部分——“地基”和“上层建筑”。首先覆盖了项目、行业和人这三个基础主题，让AI项目管理能够站在一个稳定的基础知识（地基）上。之后，重点概述了范围、进度和

本书以智能博弈对抗为主线，聚焦技术进展、紧盯研究前沿，分为理论方法、应用实践、前沿展望三大部分。理论方法着重介绍智能博弈对抗的理论、相关基础方法；应用实践针对当前三类典型智能博弈对抗系统平台，提出人工智能程序设计思路并进行设计实现；前沿展望分析当前智能博弈对抗领域的前沿元理论，探讨智能博弈对抗的典型应用场景。

多智能体系统协调控制是控制领域的研究热点，正渗透到社会系统、生物系统、军事系统、经济系统等众多领域中，其相关的研究已成为目前学术界一个具有挑战性的研究课题。本书系统地介绍作者近年来在多智能体系统的协调分析与控制领域的研究成果，具体内容包括线性多智能体系统的有限时间编队跟踪控制、包含控制、编队包含控制，以及非线性**者-跟随者多智能体系统的多编队控制问题、异质多智能体系统的输出一致性、固定时间二部一致性、二部输出一致性问题等。

人工智能（AI）是否会取代人类？是不是所有的事情机器都能比人做得好？当 AlphaGo 能下围棋、ChatGPT 能理解并生成内容时，当每一次AI 应用取得突破时，这两个问题都会引起人们的广泛讨论。 本书提供了多个 AI 应用的例子，可让读者直观地了解 AI 已经可以出色地完成很多任务。通过一个个具体的案例，本书细致讲解了主要 AI 工具的使用方法，包括 ChatGPT、Midjourney、Stable Diffusion 等 AIGC（人工智能生成内容）工具，以辅助我们完成绘画、视频制作

本书首先简要介绍了ChatGPT与自然语言大模型的基本概念，以及GPT-4的核心技术特点和人工智能技术未来的发展趋势；之后介绍了数字化时代的基础安全问题，以及大模型和ChatGPT在内容安全、网络安全、隐私安全、版权合规和伦理道德等方面带来的新挑战、新风险，如生成内容的准确性问题、作品训练的版权问题等，并从人工智能技术的监管角度给出了一些策略建议；最后深入地分析了如何客观看待ChatGPT给如今的经济社会所带来的各种影响，我们该如何与新兴的人工智能技术和谐相处。

本书适合人工智能

我们在运用AI的时候，有时得不到自己想要的回答，于是责怪AI不够智能。我们容易忽略的是，AI的回答质量往往取决于提问的质量。

《秒懂AI提问：让人工智能成为你的效率神器》系统地介绍了20种向AI提问的有效方法，用这些方法可以让AI给出高质量的回答。在介绍提问方法时，本书紧扣日常工作和生活，并通过对比让读者直观感受不同提问方法的效果，最后引出更多场景下的应用，让读者真正学以致用。

《秒懂AI提问：让人工智能成为你的效率神器》适合各行业对AI技术应用

图数据是对万物间联系的一般抽象，广泛存在于各行各业中。图表征学习为图数据的建模与分析提供了新范式，是近年来机器学习与数据挖掘领域的热门研究方向，并被有效地应用于推荐系统、交通预测等众多领域。本书将全面介绍图表征学习，特别是针对处于真实世界动态、开放环境之中图数据的图表征学习方法。本书分为3 篇：第1 篇介绍图嵌入和图神经网络等经典图表征学习方法；第2 篇围绕鲁棒性、动态性、可解释性、分布外泛化性等多个角度，系统地介绍针对动态开放环境中的图表征学习方法；第3 篇以四个不同领域为例，从推荐系统、交通

本书针对学习者在选择合适的学习资源时所面临的学习资源问题，利用深度学习技术分别对学习者模型、学习者的反馈信息、学习者的社交关系和学习资源的知识图谱等方面的内容进行建模研究。本书采用定量与定性的研究方式评估了所提出的学习资源适配模型，并实现和开发了学习资源适配服务平台，从理论和实证研究相结合的角度对学习资源适配技术进行了系统性的研究。本书图文并茂，既有详细的模型算法图，又有严谨的公式推导和实验验证，所构建的模型能够有效的提高学习资源适配的准确率，使学习者在进行在线学习过程中，获得更加个性化的学习体