人工智能通识基础

以学生为中心，从问题出发，以启发式的方法引导学生发现问题、分析问题、解决问题。 本书的最大优点是开创一种新的人工智能技术讲解方式，通过问题示例引导出理论，最后通过代码实践给出解决方案。通过规避复杂理论推导，使得完全无基础的学生也能尽快入门课程并完成实践。同时，对于每一部分人工智能内容，均配备来自生活的实践示例，培养学生学习和研究人工智能的兴趣。

本书服务国家重大战略，紧扣各级读者对人工智能深入了解的迫切需求，对人工智能的基础知识、发展现状、研究热点、技术支撑等方面进行了简明通俗的阐述，是学习人工智能知识、迎接人工智能时代的通识读物。 书中包含大量人工智能应用案例，涉及安防、金融、医疗、农业、交通、教育、零售、娱乐、物联网等领域。结合人工智能技术原理、核心优势以及具体应用场景，介绍了人工智能给各行业带来的重大变革，分析了人工智能在各行业的发展现状以及急需解决的难点、痛点，为广大读者了解人工智能、学习人工智能、运用人工智能提供了切实可靠的参考。 本书还介绍了国内外人工智能的发展现状和相关部署，探讨了人工智能时代的机遇、挑战与人才培养，帮助读者全面、正确认识人工智能，更好地拥抱人工智能时代。 本书适用于政府机构、科研院所、学校、企业等对人工智能领域专业基础和相关技术具有需求的技术人员和管理人员；可作为各类本科、专科通识教育的教材和参考书，也可作为专业技术人才和政务工作者技能提升相关培训的教辅书。

西安电子科技大学计算机科学与技术学部主任、人工智能研究院院长、智能感知与图像理解教育部重点实验室主任、智能感知与计算国际联合研究中心主任、智能感知与计算国际合作联合实验室主任、“智能信息处理科学与技术”高等学校学科创新引智基地（“111计划”）主任、教育部科技委学部委员、中国人工智能学会副理事长、教育部人工智能科技创新专家组专家、IET西安分会主席、IEEE西安分会奖励委员会主席、IEEE计算智能协会西安分会主席、IEEE GRSS西安分会主席，IEEE TCYB、IEEE TGRS副主编、教育部创新团队首席专家，IEEE Fellow、IET Fellow、CAAI Fellow、CCF Fellow、CIE Fellow、CAA Fellow，PC of NeurlPS、ICML、CVPR、AAAI、IJCAI and ICCV, 连续七年入选爱思唯尔高被引学者榜单。国务院学位委员会学科评议组成员，人社部博士后管委会评议组专家，曾任第八届全国人大代表。1991年被批准为享受国务院政府津贴的专家，1996年首批入选国家“百千万”人才工程（第一、二层次），陕西省首批“三五人才”第一层次。当选为全国模范教师、陕西省突出贡献专家和陕西省师德标兵。

摘要 III 前言  V 第  1章 人工智能概述  1 1.1  什么是人工智能  1 1.1.1  计算机视觉  2 1.1.2  机器学习  4 1.1.3  自然语言处理  6 1.1.4  机器人技术  7 1.1.5  语音识别技术  9 1.2  人工智能的发展历程（简史）  10 1.3  人工智能的主要特征  24 1.3.1  环境感知能力  24 1.3.2  知识运用能力  25 1.3.3  学习能力  25 1.4  人工智能的重要意义  25 第  2章 国内外发展现状  33 2.1  人工智能的发展现状  33 2.1.1  人工智能核心技术发展现状  33 2.1.2  人工智能产业现状  41 2.1.3  人工智能人才培养现状  46 2.2  中国人工智能的国家战略  49 2.3  国外人工智能的相关部署  61 2.3.1  美国人工智能领域相关部署  61 2.3.2  欧盟人工智能领域相关部署  62 2.3.3  其他国家人工智能领域相关部署  63 第3章  人工智能热点问题及技术支持  68 3.1  人工智能研究热点问题  68 3.1.1  深度神经网络  68 3.1.2  特征抽取  69 3.1.3  图像分类  69 3.1.4  目标检测  70 3.1.5  语义分割  71 3.1.6  表示学习  71 3.1.7  生成对抗网络  72 3.1.8  语义网络  72 3.1.9  协同过滤  73 3.1.10  机器翻译  73 3.2  图灵奖中的主要人工智能技术  74 3.3  媒体评选出的重大人工智能技术  78 3.4  人工智能各子领域中的人工智能技术  82 3.4.1  机器学习  82 3.4.2  自然语言处理  84 3.4.3  知识工程  86 3.4.4  信息检索与推荐  87 3.4.5  计算机视觉  89 3.4.6  语音识别  90 3.4.7  机器人  91 3.4.8  数据挖掘  93 3.4.9  人机交互  93 3.4.10  可视化  94 3.4.11  其他人工智能外延技术  96 第4章  人工智能的基本算法  107 4.1  人工智能经典网络模型  107 4.1.1  自编码器  107 4.1.2  DBN生成模型  109 4.1.3  浅层CNN网络  115 4.1.4  类残差网络  121 4.1.5  循环神经网络（RNN）  125 4.1.6  胶囊网络  129 4.1.7  图卷积神经网络  133 4.1.8  GAN生成对抗  139 第5章  人工智能＋在各行各业的发展状况  146 5.1  “人工智能＋安防”  146 5.1.1  背景介绍  146 5.1.2  实施场景及应用  147 5.1.3  智慧安防新趋势  148 5.2  “人工智能＋金融”  150 5.2.1  发展背景  150 5.2.2  应用场景  151 5.2.3  总结  153 5.3  “人工智能＋医疗”  154 5.3.1  发展背景  154 5.3.2  应用场景  154 5.3.3  总结  156 5.4  “人工智能＋农业”  158 5.4.1  发展背景  158 5.4.2  应用场景  159 5.4.3  总结  161 5.5  “人工智能＋交通”  162 5.5.1  发展背景  162 5.5.2  应用场景  164 5.5.3  总结展望  165 5.6  “人工智能＋教育”  166 5.6.1  发展背景  166 5.6.2  应用场景  167 5.6.3  未来展望  170 5.7  “人工智能＋零售”  171 5.7.1  发展背景  171 5.7.2  应用场景  171 5.7.3  总结展望  173 5.8  “人工智能＋娱乐（音乐＋美术＋影视）”  175 5.8.1  发展背景  175 5.8.2  应用场景  175 5.8.3  总结  177 5.9  “人工智能＋物联网”  178 5.9.1  背景介绍  178 5.9.2  应用场景  178 5.9.3  总结  180 第6章  人工智能教育体系  183 6.1  人工智能教育体系建设的重要性  183 6.2  人工智能教育布局（小学生—研究生）  188 6.2.1  中小学人工智能教育  188 6.2.2  高等院校人工智能  192 6.3  人工智能教育体系现有支撑  199 6.3.1  教材建设  199 6.3.2  师资队伍建设  203 第7章  机遇与挑战  209 7.1  机遇  209 7.1.1  国际大势所趋  209 7.1.2  国家战略驱动  212 7.1.3  国内发展需求  214 7.1.4  智力资源优势  217 7.1.5  产业初步基础  218 7.1.6  金融资本助力  221 7.2  挑战  223 7.2.1  下一代人工智能研究方向  224 7.2.2  中国人工智能基础理论和算法存在问题  231 7.2.3  人工智能高水平人才培养的挑战  234 第8章  做人工智能教育的探索者和引领者  240 8.1  坚持四个面向，积极探索与构建人工智能人才培养与科技创新融合的新模式  240 8.2  注重链式思维，构建“国际化+西电特色”的本硕博一体化培养体系  241 8.3  拓展载体建设，厚植产学研协同化人才培养基础  241 8.4  突出研教融合，打造高精尖专业化科技创新团队  241 8.5  拓展国际交流，营造互联互通全球化人才培养氛围  242 第1章  人工智能概述 1.1  什么是人工智能  1 1.1.1  计算机视觉  3 1.1.2  机器学习  5 1.1.3  自然语言处理  7 1.1.4  机器人技术  9 1.1.5  语音识别技术  10 1.2  人工智能发展简史  12 1.2.1  人工智能的发展历程  12 1.2.2  人工智能的发展现状  26 1.2.3  人工智能的发展趋势  38 1.3  人工智能的主要特征  39 1.3.1  环境感知能力  40 1.3.2  知识运用能力  40 1.3.3  学习能力  40 1.4  人工智能的重要意义  41 1.5  人工智能学习建议  45 1.5.1  行业人才需求  45 1.5.2  知识、能力与素养目标  47 1.5.3  知识体系  49 1.5.4  学习指导  51 第2章  人工智能核心技术及研究热点 2.1  人工智能各子领域中的技术  53 2.1.1  机器学习  54 2.1.2  自然语言处理  55 2.1.3  知识工程  57 2.1.4  信息检索与推荐  58 2.1.5  计算机视觉  60 2.1.6  语音识别  61 2.1.7  机器人  62 2.1.8  数据挖掘  64 2.1.9  人机交互  64 2.1.10  可视化技术  65 2.1.11  其他人工智能外延技术  67 2.2  人工智能研究热点问题  74 2.2.1  深度神经网络  75 2.2.2  特征抽取  75 2.2.3  图像分类  76 2.2.4  目标检测  77 2.2.5  语义分割  77 2.2.6  表示学习  78 2.2.7  生成对抗网络  79 2.2.8  语义网络  79 2.2.9  协同过滤  80 2.2.10  机器翻译  80 第3章  人工智能的基本算法 3.1  自编码器  82 3.2  DBN生成模型  84 3.3  浅层卷积神经网络  90 3.4  类残差网络  96 3.5  相关的循环神经网络  100 3.6  胶囊网络  104 3.7  图卷积神经网络  108 3.8  生成对抗网络  113 第4章  人工智能各行各业的发展状况 4.1  人工智能+安防  117 4.1.1  发展背景  117 4.1.2  应用场景  118 4.1.3  发展总结  120 4.2  人工智能+金融  121 4.2.1  发展背景  121 4.2.2  应用场景  123 4.2.3  发展总结  125 4.3  人工智能+医疗  125 4.3.1  发展背景  126 4.3.2  应用场景  127 4.3.3  发展总结  130 4.4  人工智能+农业  130 4.4.1  发展背景  130 4.4.2  应用场景  132 4.4.3  发展总结  134 4.5  人工智能+交通  135 4.5.1  发展背景  135 4.5.2  应用场景  136 4.5.3  发展总结  139 4.6  人工智能+教育  139 4.6.1  发展背景  139 4.6.2  应用场景  141 4.6.3  发展总结  143 4.7  人工智能+零售  144 4.7.1  发展背景  144 4.7.2  应用场景  145 4.7.3  发展总结  147 4.8  人工智能+娱乐  148 4.8.1  发展背景  148 4.8.2  应用场景  149 4.8.3  发展总结  152 4.9  人工智能+物联网  152 4.9.1  发展背景  152 4.9.2  应用场景  154 4.9.3  发展总结  156 第5章  下一代人工智能发展方向及高水平人才培养 5.1  下一代人工智能发展方向  157 5.2  我国人工智能基础理论和算法发展策略  164 5.3  人工智能高水平人才培养  167