人工智能通识教程_周苏、鲁玉军、蓝忠华、周斌斌_9787302555186

工智能AI是计算机科学与技术的一个重要分支与应用，目前人工智能主要的研究与开发方向有模拟、延伸与扩展人类智能的理论、方法、技术及应用系统，涉及的技术与应用包括：大数据基础、知识表示、专家系统、机器学习、深度学习、机器人与智能制造、图像识别、语音识别和自然语言处理等方向。
本书是为高等院校相关专业“人工智能导论”课程全新设计编写，具有丰富实践特色的主教材。针对学生的发展需求，本书内容引言与典型应用、基础知识、基于知识的系统和高级专题等四部分，可依照学习进度与需求，做适当选择。

作为计算机科学与技术一个重要的分支，人工智能（Artificial Intelligence，AI）的发展历史已经不短了。它经过几起几落，终于迎来了高速发展、成果不断涌现的新时期。毫无疑问，一如当年的计算机以及随后的因特网、物联网、云计算和大数据，今天，人工智能也是每个大学生和社会人士都必须关注、学习和重视的知识与应用。

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。它试图了解人类智能的实质，并生产出新的能以与人类智能相似的方式做出反应的智能机器。该领域的研究包括基础概念、专家系统、机器学习、神经网络、智能代理、群体智能、数据挖掘、机器人、图像识别与处理、自然语言处理、自动规划等。可以想象，未来人工智能带来的科技产品将会是人类智慧的“容器”。人工智能不是人的智能，但能模仿人的思考，甚至在某些方面可能超过人的智能。

人工智能是一门极富挑战性的科学，包括的知识内容十分广泛。本书结构新颖，内容丰富，系统、全面地介绍了人工智能的相关概念与理论，可以帮助读者扎实地打好人工智能的知识与应用基础。

本书针对高等院校文理科学生的发展需要，是为高等院校相关专业“人工智能”基础课程或通识课程全新设计、编写的教材。教师在使用本书进行教学时，可依照学习进度与需求对内容进行适当取舍。

本书每一章都体现下列要点：

（1）介绍基本概念，解释原理，让学习者能切实理解和掌握人工智能的基本原理及相关应用知识。

（2）组织浅显易懂的案例，注重让学生扎实地掌握基本理论知识，养成良好的学习方法。

（3）为学生提供低认知负荷的作业，让学生在自我成就中构建人工智能的基本观念与技术架构。

（4）注重思维与实践并进。每章后面安排了【研究性学习】环节，建议教师在教学班中组织研究性学习小组，鼓励学生讨论与表达，努力让人工智能的知识成为学生未来驰骋职场的立身之本。

虽然社会已经进入“电子时代”，但我们仍然竭力倡导课前、课后读书，课中在书上记笔记，在课程结束时完成课程学习总结。为各章设计的作业（单选题）并不难，学生只要认真阅读本书，就能够准确回答所有题目。

采用本书作为教材时，教师和学生可以参考下面的课程教学进度表。在实际教学中，应按照教学大纲和实际情况确定课程教学进度。课程教学进度表（20—20学年第学期）

课程号：课程名称：人工智能学分： 2

周学时： 2总学时： 32 （其中理论学时： 32，实践学时：）

主讲教师：序号校历周次章节（或实训、习题课等）名称与内容学时教学方法课后作业布置11引言

第1章思考的工具222第2章什么是人工智能233第3章规则与专家系统244第4章模糊逻辑与大数据思维255第5章包容体系结构与机器人技术266第5章包容体系结构与机器人技术277第6章机器学习288第6章机器学习299第7章神经网络与深度学习21010第8章智能代理21111第9章群体智能21212第10章数据挖掘与统计数据21313第11章智能图像处理21414第12章自然语言处理21515第13章自动规划21616第14章人工智能的发展2课文作业

研究性学习课程学习总结填表人（签字）：日期：

系（教研室）主任（签字）：日期：课程的教学评测可以从以下几个方面入手：

（1）每章的课后作业（共14次）。

（2）每章的研究性学习小组活动评价（共13次）。

（3）第14章的课程学习总结（大作业，1次）。

（4）平时考勤。

（5）任课教师认为必要的其他考核方法。

本书特色鲜明，易读易学，适合本科和高职高专院校各相关专业文理科学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。

与本书配套的教学大纲、教学课件、习题答案等配套电子资源以及作者联系方式可以从清华大学出版社网站（https://www.tup.com.cn）下载，欢迎教师索取本书的配套教学资源并与作者交流。

根据学习需要，本书还配备了1500分钟的音频讲解资源，读者可在书中扫描二维码获取。

本书的编写得到浙江大学城市学院、浙江理工大学、嘉兴技师学院、浙江商业职业技术学院、浙江安防职业技术学院等多所院校师生的支持，袁坚刚、吴贤平、余强、周恒、王文、乔凤凤等参与了本书部分内容的编写工作，作者在此一并表示感谢！

第1章思考的工具1

1.1计算的渊源1

1.1.1巨石阵1

1.1.2安提基特拉机械2

1.1.3皮格马利翁2

1.1.4阿拉伯数字3

1.2巴贝奇与数学机器3

1.2.1差分机3

1.2.2分析机4

1.2.3“机器人”的由来5

1.3计算机的出现5

1.3.1为战争而发展的计算机器5

1.3.2计算机无处不在6

1.3.3通用计算机7

1.3.4计算机语言8

1.3.5建模8

1.4人工智能大师9

【作业】10

【研究性学习】“神奇”的动物智能与对人工智能的憧憬11第2章什么是人工智能13

2.1人工智能概述13

2.1.1“人工”与“智能”13

2.1.2图灵测试14

2.1.3人工智能的定义15

2.1.4人工智能的实现途径16

2.2人工智能发展历史17

2.2.1从人工神经元开始17

2.2.2人工智能发展的6个阶段20

2.3人工智能的研究22

2.3.1人工智能的研究领域22

2.3.2新图灵测试24

【作业】25

【研究性学习】自动驾驶汽车的现实与未来26第3章规则与专家系统27

3.1规则与策略27

3.1.1制胜策略27

3.1.2极小极大化策略28

3.2利用规则推导建立的专家系统29

3.2.1规则的举例29

3.2.2建立框架31

3.2.3IBM公司的沃森系统31

3.3专家系统及其发展32

3.3.1在自己的领域里作为专家32

3.3.2技能获取的5个阶段34

3.3.3专家的特点与特征35

3.3.4建立专家系统要思考的问题36

3.3.5典型的专家系统——ADIS37

3.4专家系统的结构38

3.4.1知识库38

3.4.2推理机39

3.4.3其他部分39

【作业】40

【研究性学习】无人机技术的应用前景41第4章模糊逻辑与大数据思维42

4.1什么是模糊逻辑42

4.1.1甲虫机器人的规则42

4.1.2模糊逻辑的发明42

4.1.3制定模糊逻辑的规则43

4.1.4模糊逻辑的定义44

4.2模糊理论的发展45

4.3模糊逻辑系统46

4.3.1纯模糊逻辑系统46

4.3.2高木关野模糊逻辑系统46

4.3.3具有模糊产生器及模糊消除器的模糊逻辑系统46

4.4大数据思维变革47

4.4.1思维转变之一：样本=总体47

4.4.2思维转变之二：接受数据的混杂性48

4.4.3思维转变之三：关注数据的相关关系49

【作业】51

【研究性学习】观察和熟悉模糊逻辑在家用电器中的应用52第5章包容体系结构与机器人技术53

5.1什么是包容体系结构53

5.1.1“中文房间”思维实验53

5.1.2建立包容体系结构53

5.2包容体系结构的实现54

5.2.1机器人艾伦55

5.2.2机器人赫伯特55

5.2.3机器人托托56

5.3划时代的阿波罗计划56

5.4机器感知58

5.4.1机器智能与智能机器59

5.4.2机器思维与思维机器59

5.4.3机器行为与行为机器60

5.5机器人的概念60

5.5.1机器人的发展60

5.5.2机器人三定律61

5.6机器人的技术问题62

5.6.1机器人的组成62

5.6.2机器人的运动64

5.6.3机器狗65

【作业】66

【研究性学习】网络搜索机器人资料，憧憬机器人发展68第6章机器学习69

6.1什么是机器学习69

6.1.1机器学习的发展69

6.1.2机器学习的定义70

6.2机器学习的类型71

6.2.1监督学习72

6.2.2无监督学习72

6.2.3强化学习72

6.3机器学习的算法73

6.3.1专注于学习能力73

6.3.2回归算法74

6.3.3基于实例的算法75

6.3.4决策树算法75

6.3.5贝叶斯算法75

6.3.6聚类算法75

6.3.7神经网络算法76

6.4机器学习的基本结构76

6.5机器学习的应用78

6.5.1应用于物联网78

6.5.2应用于聊天机器人79

6.5.3应用于自动驾驶79

【作业】80

【研究性学习】什么是机器学习，举例说明机器学习的应用81第7章神经网络与深度学习82

7.1动物的中枢神经系统82

7.2了解人工神经网络83

7.2.1人工神经网络的研究83

7.2.2典型的人工神经网络84

7.2.3类脑计算机85

7.2.4利用人工神经网络理解图片85

7.2.5训练人工神经网络87

7.3基于人工神经网络的深度学习88

7.3.1深度学习的意义88

7.3.2深度学习的方法89

7.3.3深度学习的概念92

7.3.4深度学习的实现93

7.4机器学习与深度学习的比较94

【作业】97

【研究性学习】了解谷歌大脑，熟悉人工神经网络的研究与应用98第8章智能代理99

8.1什么是智能代理99

8.2智能代理的特点100

8.3系统内的协同合作101

8.4智能代理的典型应用场景103

8.4.1股票/债券/期货交易103

8.4.2实体机器人103

8.4.3电脑游戏104

8.4.4医疗诊断105

8.4.5搜索引擎105

8.5与外部环境相关的重要术语106

【作业】107

【研究性学习】机器学习及其应用108第9章群体智能109

9.1向蜜蜂学习群体智能109

9.2什么是群体智能111

9.2.1群集人工智能技术111

9.2.2基本原则与特点112

9.3典型群体智能算法模型113

9.3.1蚁群优化算法113

9.3.2搜索机器人115

9.3.3粒子群优化算法116

9.3.4没有机器人的集群118

9.4群体智能背后的故事119

9.5群体智能的发展121

【作业】121

【研究性学习】群体智能及其应用前景122第10章数据挖掘与统计数据124

10.1从数据到知识124

10.1.1决策树分析124

10.1.2购物车分析125

10.1.3贝叶斯网络126

10.2数据挖掘126

10.2.1数据挖掘的对象与步骤127

10.2.2数据挖掘分析方法128

10.3数据挖掘经典算法130

10.3.1神经网络法130

10.3.2决策树法130

10.3.3遗传算法131

10.3.4粗糙集法131

10.3.5模糊集法131

10.3.6关联规则法131

10.4机器学习与数据挖掘132

10.4.1典型的数据挖掘和机器学习过程132

10.4.2机器学习和数据挖掘应用案例133

【作业】136

【研究性学习】大数据对于人工智能技术与应用的意义137第11章智能图像处理138

11.1模式识别138

11.2图像识别139

11.2.1人类的图像识别能力140

11.2.2图像识别的基础140

11.2.3图像识别的模型141

11.2.4图像识别技术的发展141

11.3机器视觉与图像处理142

11.3.1机器视觉的发展142

11.3.2图像处理143

11.3.3计算机视觉143

11.3.4计算机视觉与机器视觉的区别144

11.3.5神经网络图像识别技术145

11.4图像识别技术的应用145

11.4.1机器视觉的行业应用146

11.4.2检测与机器人视觉146

11.4.3应用案例：布匹质量检测148

11.5智能图像处理技术149

11.5.1图像采集149

11.5.2图像预处理150

11.5.3图像分割150

11.5.4目标识别和分类150

11.5.5目标定位和测量151

11.5.6目标检测和跟踪151

【作业】151

【研究性学习】熟悉模式识别与智能图像处理153第12章自然语言处理154

12.1语言的问题和可能性154

12.2什么是自然语言处理155

12.3语法类型与语义分析156

12.3.1语法类型157

12.3.2语义分析和扩展语义158

12.3.3机器翻译系统Candide158

12.4处理数据与处理工具159

12.4.1自然语言处理中的数据集159

12.4.2自然语言处理工具159

12.4.3自然语言处理的技术难点160

12.5语音处理160

12.5.1语音处理的发展160

12.5.2语音理解161

12.5.3语音识别162

【作业】162

【研究性学习】了解大数据机器翻译，学习自然语言处理164第13章自动规划165

13.1什么是自动规划165

13.1.1规划的概念分析165

13.1.2自动规划的定义166

13.1.3规划应用示例166

13.2规划方法169

13.2.1规划即搜索169

13.2.2部分有序规划170

13.2.3分级规划171

13.2.4基于案例的规划171

13.3著名的规划系统172

【作业】173

【研究性学习】用人工智能辅助课程和职业规划174第14章人工智能的发展175

14.1未来的人工智能175

14.1.1工作型机器人175

14.1.2技术加速176

14.1.3电子游戏的智能水平177

14.1.4强人工智能的发展178

14.1.5机器能思考吗178

14.2创新发展与社会影响179

14.2.1人工智能发展的启示180

14.2.2人工智能的发展现状与影响181

14.2.3建立人工智能生态系统182

14.3人工智能时代需要的人才183

14.3.1人工智能对就业的影响183

14.3.2新创造的核心工作岗位183

14.3.3未来的5个热门工作岗位184

14.4人工智能与安全185

14.4.1人才和技术基础设施短缺185

14.4.2安全问题不容忽视186

14.4.3设定伦理要求186

14.4.4保护个人隐私186

【作业】187

【课程学习总结】189

参考文献193

你还可能感兴趣

我要评论