人工智能导论 第2版

1）适合用作“人工智能通识”课程配套教材。 2）课前安排导读案例，引发学习者的自我学习兴趣。 3）提供浅显易懂的案例，重视对学习方法的培养。 4）精心制作37个知识点视频，并提供视频对应PPT。 5）配套提供：电子课件、微课视频、习题参考答案、教学大纲、教案、知识重难点、题库。

本书是为高等院校、职业本科院校计算机、人工智能各专业“人工智能导论”课程设计编写的教材，具有丰富的应用特色。全书较为系统、全面地介绍了人工智能相关的概念、理论、技术与应用，可以帮助读者扎实地打好人工智能的专业知识基础。本书共18章，内容包括概论、模糊逻辑与大数据思维、智能体与智能代理、知识表示及其方法、规则与专家系统、机器学习及其算法、神经网络与深度学习、创建智能系统的强化学习、数据挖掘与经典算法、计算机视觉与处理、包容体系结构与机器人、自然语言与语音处理、GPT大语言模型崛起、向动物学习群体智能、智能制造与智能建造、自动规划及其方法、搜索技术与算法、人工智能的发展。 本书既适合高等院校、职业本科院校学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。

前言 课程教学进度表 第1章概论 【导读案例】有意义的人工智能时代 11计算的渊源 111阿拉伯数字 112巴贝奇与数学机器 113“机器人”的由来 12计算机的出现 121为战争而发展的计算机器 122计算机无处不在 123通用计算机 124计算机语言 125计算机建模 126人工智能大师 13人工的智能行为 131什么是“智能” 132类人行为：图灵测试 133类人思考：认知建模 134理性思考：思维法则 135理性行为：理性智能体 14人工智能学科 141人工智能学科基础 142人工智能定义 143人工智能的实现途径 15人工智能发展的6个阶段 【作业】 第2章模糊逻辑与大数据思维 【导读案例】电商网站的推荐系统 21什么是模糊逻辑 211甲虫机器人的规则 212模糊逻辑的发明 213制定模糊逻辑的规则 214模糊逻辑的定义 215模糊理论的发展 22模糊逻辑系统 221纯模糊逻辑系统 222高木-关野模糊逻辑系统 223具有模糊产生器及模糊消除器的模糊逻辑系统 23大数据思维与变革 231思维转变之一：样本=总体 232思维转变之二：接受数据的混杂性 233思维转变之三：数据的相关关系 24大数据与人工智能 241人工智能与大数据的联系 242人工智能与大数据的区别 243人工智能深化大数据应用 【作业】 第3章智能体与智能代理 【导读案例】智能体：下一个颠覆性AI应用 31智能体和环境 32智能体的良好行为 321性能度量 322理性 323全知、学习和自主 33环境的本质 331指定任务环境 332任务环境的属性 34智能体的结构 341智能体程序 342学习型智能体 343智能体程序组件的工作 35智能代理技术 351智能代理的定义 352智能代理的典型工作过程 353智能代理的特点 354系统内的协同合作 36智能代理的典型应用 361股票/债券/期货交易 362医疗诊断 363搜索引擎 364实体机器人 365游戏代理 【作业】 第4章知识表示及其方法 【导读案例】智能体将重构人机交互 41什么是知识表示 411知识的概念 412知识表示方法 413表示方法的选择 42图形草图 43图和哥尼斯堡桥问题 44搜索树（决策树） 45产生式系统 46面向对象 47框架法 48语义网络 481语义网络表示 482知识图谱 【作业】 第5章规则与专家系统 【导读案例】人工智能时代的工作路径 51专家的技能与特点 511在自己的领域里作为专家 512技能获取的5个阶段 513专家的特点 52规则与策略 521制胜策略 522知识工程 523知识获取 53利用规则推导建立专家系统 531规则举例 532建立框架 533IBM的沃森系统 54专家系统及其发展 541建立专家系统的思考 542专家系统的特征 543典型的专家系统——ADIS 55专家系统的结构 551专家系统的功能 552知识库 553推理机 554其他部分 555实现方式 【作业】 第6章机器学习及其算法 【导读案例】奈飞的电影推荐引擎 61什么是机器学习 611机器学习的发展 612机器学习的定义 613机器学习的研究 62基于学习方式的分类 621监督学习 622无监督学习 623强化学习 624机器学习的其他分类 63机器学习的基本结构 64机器学习算法 641专注于学习能力 642回归算法 643基于实例的算法 644决策树算法 645朴素贝叶斯算法 646聚类算法 647支持向量机算法 648神经网络算法 649Boosting与Bagging算法 6410关联规则算法 6411EM（期望最大化）算法 65机器学习的应用 651数据分析与挖掘 652模式识别 653生物信息学应用 654物联网 655聊天机器人 656自动驾驶 【作业】 第7章神经网络与深度学习 【导读案例】谷歌大脑 71动物的中枢神经系统 711神经系统的结构 712神经系统学习机制 72了解人工神经网络 721人工神经网络的研究 722典型的人工神经网络 723类脑计算机 73深度学习的定义 731深度学习的优势 732深度学习的意义 733神经网络理解图片 734训练神经网络 735深度学习的方法 74卷积神经网络 741为什么选择卷积 742卷积神经网络结构 75迁移学习 751基于实例的迁移 752基于特征的迁移 753基于共享参数的迁移 76深度学习的应用 【作业】 第8章创建智能系统的强化学习 【导读案例】机器学习帮助拯救濒危物种 81强化学习的定义 811以奖励假说为基础 812片段性任务及连续性任务 813强化学习发展历史 814基本模型和原理 815网络模型设计 816设计考虑 817数据依赖性 82强化学习与监督学习的区别 821强化学习与监督学习和无监督 学习的不同 822学习方式 823先验知识与标注数据 83强化学习的基础理论 831基于模型环境与免模型环境 832探索与利用 833预测与控制 84强化学习分类 841从奖励中学习 842被动强化学习 843主动强化学习 844强化学习中的泛化 845学徒学习与逆强化学习 85强化学习的应用 851游戏博弈 852机器人控制 853制造业 854医疗服务业 855电子商务 【作业】 第9章数据挖掘与经典算法 【导读案例】评估葡萄酒的品质 91从数据到知识 911决策树分析 912购物车分析 913贝叶斯网络 92数据挖掘方法 921数据挖掘的发展 922数据挖掘的对象 923数据挖掘的步骤 924数据挖掘分析方法 93数据挖掘经典算法 931神经网络法 932决策树法 933遗传算法 934粗糙集法 935模糊集法 936关联规则法 94机器学习和数据挖掘 941数据挖掘和机器学习典型过程 942机器学习和数据挖掘应用案例 【作业】 第10章计算机视觉与处理 【导读案例】模仿人类视网膜的生物芯片 101模式识别 102图像识别 1021人类的图像识别能力 1022图像识别的基础 1023图形识别的模型 1024神经网络图像识别 103计算机视觉技术 1031什么是机器视觉 1032定义计算机视觉 1033计算机视觉与机器视觉的区别 104智能图像处理技术 1041图像采集 1042图像预处理 1043图像分割 1044目标识别和分类 1045目标定位和测量 1046目标检测和跟踪 105计算机视觉系统典型功能 106计算机视觉技术的应用 1061机器视觉的行业应用 1062检测与机器人视觉应用 1063布匹生产质量检测 【作业】 第11章包容体系结构与机器人 【导读案例】RoboCup机器人世界杯足球锦标赛 111什么是包容体系结构 1111所谓“中文房间” 1112传统机器人学 1113建立包容体系结构 112包容体系结构的实现 1121艾伦机器人 1122赫伯特机器人 1123托托机器人 113划时代的阿波罗计划 114机器感知 1141机器智能与智能机器 1142机器思维与思维机器 1143机器行为与行为机器 115机器人的概念 1151机器人的发展 1152机器人“三原则” 116机器人的技术问题 1161机器人的组成 1162机器人的运动 1163机器人大狗 【作业】 第12章自然语言与语音处理 【导读案例】机器翻译：大数据简单算法与小数据复杂算法 121语言的问题和可能性 122什么是自然语言处理 1221自然语言处理的原因 1222自然语言处理的方法 1223自然语言处理的任务 1224语言模型 123语法类型与语义分析 1231语法类型 1232语义分析 124处理数据与处理工具 1241统计NLP语言数据集 1242自然语言处理工具 1243自然语言处理技术难点 125语音处理 1251语音处理的发展 1252语音理解 1253语音识别 【作业】 第13章GPT大语言模型崛起 【导读案例】难以区分的人工智能和人类艺术 131自然语言处理的进步 1311关于ImageNet 1312自然语言处理的ImageNet时刻 1313从GPT-1到GPT-3 1314ChatGPT聊天机器人模型与对策 1315从文本生成音乐的MusicLM模型 1316检测AI文本的DetectGPT算法 132科普AI大语言模型 1321大语言模型的能力 1322国内的大语言模型 1323获得大模型的机会 133ChatGPT的模仿秀 1331旧的守卫，新的想法 1332搜索引擎结合LLM 1333克服简单编造与重复 134传统行业的下岗 1341客服市场，AI本来就很“卷” 1342伐木场迎来工业革命 1343新技术，新问题 【作业】 第14章向动物学习群体智能 【导读案例】“超级蜂群”无人机 141向蜜蜂学习群体智能 142什么是群体智能 1421群体人工智能技术 1422群体智能的两种机制 1423基本原则与特点 143典型算法模型 1431蚁群算法 1432搜索机器人 1433微粒群（鸟群）优化算法 1434没有机器人的集群 144群体智能背后的故事 145群体智能的应用与发展 【作业】 第15章智能制造与智能建造 【导读案例】互联网之父预言：智能眼镜未来将取代手机 151智能制造 1511综合特征 1512智能技术 1513测控装置 1514运作过程 152数字孪生 1521数字孪生的动态仿真 1522数字孪生的价值 153建筑信息模型 1531BIM基本特性 1532BIM对工程造价的影响 1533BIM模型的构架 1534BIM生态系统 1535BIM全周期实施规划 154智能建造 1541智能建造的定义 1542实现智能建造 【作业】 第16章自动规划及其方法 【导读案例】人与机器更好相处的“阿凡达”之路 161规划的概念 162人工智能的乌姆普思世界 1621描述乌姆普思世界 1622探索乌姆普思世界 163什么是自动规划 1631定义经典规划 1632自动规划问题 164规划方法 1641规划即搜索 1642部分有序规划 1643分级规划 1644基于案例的规划 1645规划方法分析 165时间、调度和资源 1651时间约束和资源约束的表示 1652解决调度问题 166自动规划的应用 【作业】 第17章搜索技术与算法 【导读案例】科研变革进入第五范式：“加速”也要防“跑偏” 171关于搜索算法 172盲目搜索 1721状态空间图 1722回溯算法 1723贪婪算法 1724旅行销售员问题 1725深度优先搜索 1726广度优先搜索 1727迭代加深搜索 173知情搜索 1731启发法 1732爬山法 1733最陡爬坡法 1734最佳优先搜索 1735分支定界法 1736A*算法 174受到自然启发的搜索 1741遗传规划 1742蚂蚁聚居地优化 1743模拟退火 1744粒子群 1745禁忌搜索 【作业】 第18章人工智能的发展 【导读案例】AI生成的作品也有著作权 181创新发展与社会影响 1811人工智能发展的启示 1812人工智能的发展现状与影响 182伦理与安全 1821创造智能机器的大猩猩问题 1822积极与消极的方面 1823人才和基础设施短缺 1824设定伦理要求 1825强力保护个人隐私 1826机器人权利 183人工智能的极限 1831由非形式化得出的论据 1832衡量人工智能 184人工智能架构 1841传感器与执行器 1842通用人工智能 1843人工智能工程 185未来的人工智能 1851意识与感质 1852机器能思考吗 1853从模仿到理解 1854未来已来 【作业】 附录作业参考答案 参考文献