1.1 家庭助手 1.2 机器翻译 1.3 图像识别 1.4 下棋高手 1.5 自动驾驶 1.6 医疗健康 1.7 金融与商业 1.8 微软亚洲研究院院长洪小文博士寄语计算机教育 1.9 人工智能改变世界：微软新视界Center One 2.1 什么是人工智能 2.2 人工智能经典问题 2.3 第一次热潮 2.4 第二次热潮 2.5 第三次热潮 2.6 人工智能发展状况 2.7 微软亚研院刘铁岩副院长访谈：人工智能发展简史-历史 2.8 微软亚研院刘铁岩副院长访谈：人工智能发展简史-热潮 2.9 微软亚研院刘铁岩副院长访谈：人工智能发展简史-未来 3.1 基于决策树和搜索的智能系统：实例1 读心术 3.2 基于决策树和搜索的智能系统：和人类一样的判断方式 3.3 基于决策树和搜索的智能系统：专家系统应用与发展 3.4 基于决策树和搜索的智能系统：实例2 井字棋 3.5 基于决策树和搜索的智能系统：博弈树 3.6 基于决策树和搜索的智能系统：虚拟机安装与使用 3.7 基于决策树和搜索的智能系统：读心术代码运行及说明 4.1 基于决策树和搜索的智能系统：估值决策 4.2 基于决策树和搜索的智能系统：最大最小值法 4.3 基于决策树和搜索的智能系统：Alpha-Beta剪枝 4.4 基于决策树和搜索的智能系统：启发式算法 4.5 基于决策树和搜索的智能系统：从国际象棋到围棋 4.6 基于决策树和搜索的智能系统：井字棋代码运行及说明 5.1 基于仿生算法的智能系统：仿生算法简介 5.2 基于仿生算法的智能系统：基因遗传算法 5.3 基于仿生算法的智能系统：实例3 拼图游戏 5.4 基于仿生算法的智能系统：拼图的基因 5.5 基于仿生算法的智能系统：遗传和变异 5.6 基于仿生算法的智能系统：自然选择（适应度函数判定） 5.7 基于仿生算法的智能系统：基因遗传算法代码运行及说明 6.1 基于神经网络的智能系统：神经元与神经网络 6.2 基于神经网络的智能系统：实例4 手写数字识别 6.3 基于神经网络的智能系统：网络构建 6.4 基于神经网络的智能系统：计算损失函数 6.5 基于神经网络的智能系统：优化器优化函数 6.6 基于神经网络的智能系统：反向传播 6.7 基于神经网络的智能系统：手写数字识别代码运行及说明 7.1 基于神经网络的智能系统II：监督学习和非监督学习 7.2 基于神经网络的智能系统II：让人工智能学会玩游戏 7.3 基于神经网络的智能系统II：试错式学习 7.4 基于神经网络的智能系统II：状态、动作、回报 7.5 基于神经网络的智能系统II：价值判断Q函数 7.6 基于神经网络的智能系统II：尝遍百草：e-greedy 7.7 基于神经网络的智能系统II：熟能生巧 7.8 基于神经网络的智能系统II：实例5 FlappyBird代码运行及说明 8.1 人工智能应用 ：图像识别与分类 8.2 人工智能应用：医学影像分析 8.3 微软亚研院张益肇副院长访谈：人工智能应用-医疗+AI综述 8.4 微软亚研院张益肇副院长访谈：人工智能应用-医疗+AI当前成就 8.5 微软亚研院张益肇副院长访谈：人工智能应用-医疗+AI未来展望 8.6 人工智能应用：语音识别-个人助理 8.7 人工智能应用：人脸识别和情感计算 8.8 微软亚研院周明副院长访谈：人工智能应用-自然语言处理综述 8.9 微软亚研院周明副院长访谈：人工智能应用-自然语言处理当前成就 8.10 微软亚研院周明副院长访谈：人工智能应用-自然语言处理未来展望 8.11 人工智能应用：自动驾驶 9.1 人工智能与人类社会未来：挑战-技术视角 9.2 人工智能与人类社会未来：挑战-人文视角 9.3 人工智能与人类社会未来：伦理规范-社会层面 9.4 人工智能与人类社会未来：伦理规范-公共政策 9.5 微软亚研院潘天佑副院长访谈：人工智能各个领域发展 9.6 微软亚研院潘天佑副院长访谈：伦理规范的影响 9.7 微软亚研院潘天佑副院长访谈：人工智能与人类的关系 9.8 人工智能与人类社会未来：科幻作品中的人工智能 9.9 人工智能与人类社会未来：奇点理论-畅想未来