《人工智能導論》是為高等院校相關(guān)專業(yè)“人工智能導論”課程設(shè)計編寫，具有豐富應(yīng)用特色的主教材。針對高校學生的發(fā)展需求，《人工智能導論》分引言、基礎(chǔ)知識、基于知識的系統(tǒng)和高級專題四部分，可依照學習進度與需求，做適當選擇。內(nèi)容包括：引言，包括緒論（基本概念）、人工智能+領(lǐng)域應(yīng)用；基礎(chǔ)知識，包括大數(shù)據(jù)思維、搜索算法、知識表示；基于知識的系統(tǒng)，包括專家系統(tǒng)、機器學習、深度學習；高級專題，包括機器人技術(shù)、智能圖像處理、自然語言處理、自動規(guī)劃。
《人工智能導論》較為系統(tǒng)、全面地介紹了人工智能的相關(guān)概念、理論與應(yīng)用，可以幫助讀者扎實地打好人工智能的知識基礎(chǔ)。
《人工智能導論》既適合高校學生學習，也適合對人工智能相關(guān)領(lǐng)域感興趣的讀者閱讀參考。
前言
第一部分引言
第1章緒論
【導讀案例】云計算四十年歷史化蝶
成繭
1.1什么是人工智能
1.1.1人工智能定義
1.1.2強人工智能與弱人工智能
1.2人工智能發(fā)展歷史
1.2.1大師與通用機器
1.2.2人工智能學科的誕生
1.2.3人工智能的發(fā)展歷程
1.2.4人工智能的社會必然性
1.3人工智能的研究
1.3.1人工智能的研究領(lǐng)域
1.3.2在計算機上的實現(xiàn)方法
1.3.3人工智能發(fā)展的啟示
1.3.4新圖靈測試
1.4人工智能時代需要的人才
1.4.1社會進步取代了傳統(tǒng)勞動
1.4.2未來的五個重要崗位
1.5人工智能與安全
1.5.1安全問題不容忽視
1.5.2設(shè)定倫理要求
1.5.3強力保護個人隱私
【作業(yè)】
第2章人工智能+領(lǐng)域應(yīng)用
【導讀案例】動物智能：聰明的
漢斯
2.1關(guān)于智慧地球
2.2智慧城市
2.2.1什么是智慧城市
2.2.2智慧城市與數(shù)字城市
2.2.3智慧城市與智能城市
2.2.4智慧城市與智慧農(nóng)業(yè)
2.3智慧交通
2.3.1智慧交通的建設(shè)前提
2.3.2軌道交通系統(tǒng)的發(fā)展
2.4智能家居
2.4.1家庭自動化
2.4.2家庭網(wǎng)絡(luò)
2.4.3網(wǎng)絡(luò)家電
2.4.4智能家居的設(shè)計理念
2.5智慧醫(yī)療
2.5.1循證醫(yī)學的發(fā)展
2.5.2醫(yī)療保健新突破
2.5.3智慧的醫(yī)療信息平臺
2.6智慧教育
2.6.1智慧教育的定義
2.6.2智慧校園是智慧教育的
一部分
2.6.3建設(shè)智慧教室
2.6.4智慧教學模式
2.7智慧新零售
2.8智能客戶服務(wù)
2.8.1企業(yè)布局智能客服
2.8.2智能客服的人機分工
【作業(yè)】
第二部分基 礎(chǔ) 知 識
第3章大數(shù)據(jù)思維
【導讀案例】亞馬遜推薦系統(tǒng)
3.1大數(shù)據(jù)與人工智能
3.2思維轉(zhuǎn)變之一：樣本=總體
3.2.1小數(shù)據(jù)時代的隨機采樣
3.2.2大數(shù)據(jù)與喬布斯的癌癥治療
3.2.3全數(shù)據(jù)模式：樣本=總體
3.3思維轉(zhuǎn)變之二：接受數(shù)據(jù)的
混雜性
3.3.1允許不精確
3.3.2紛繁的數(shù)據(jù)越多越好
3.3.3混雜性是標準途徑
3.3.45%的數(shù)字數(shù)據(jù)與95%的非
結(jié)構(gòu)化數(shù)據(jù)
3.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)
關(guān)系
3.4.1關(guān)聯(lián)物，預測的關(guān)鍵
3.4.2“是什么”，而不是
“為什么”
3.4.3通過因果關(guān)系了解世界
3.4.4通過相關(guān)關(guān)系了解世界
【作業(yè)】
第4章搜索算法
【導讀案例】AI能替代碼農(nóng)
編程嗎？
4.1關(guān)于搜索算法
4.2盲目搜索
4.2.1狀態(tài)空間圖
4.2.2回溯算法
4.2.3貪婪算法
4.2.4旅行銷售員問題
4.2.5深度優(yōu)先搜索
4.2.6廣度優(yōu)先搜索
4.2.7迭代加深搜索
4.3知情搜索
4.3.1啟發(fā)法
4.3.2爬山法
4.3.3最陡爬坡法
4.3.4最佳優(yōu)先搜索
4.3.5分支定界法——找到最佳解
4.3.6A*算法
4.4受到自然啟發(fā)的搜索
4.4.1遺傳規(guī)劃
4.4.2螞蟻聚居地優(yōu)化
4.4.3模擬退火
4.4.4粒子群
4.4.5禁忌搜索
【作業(yè)】
第5章知識表示
【導讀案例】“x0后”網(wǎng)絡(luò)形象報告：
成長為中堅一代
5.1什么是知識表示
5.1.1知識的概念
5.1.2知識表示方法
5.1.3表示方法的選擇
5.2圖形草圖
5.3圖和哥尼斯堡橋問題
5.4搜索樹（決策樹）
5.5產(chǎn)生式系統(tǒng)
5.6面向?qū)ο?br>5.7框架法
5.8語義網(wǎng)絡(luò)
5.8.1語義網(wǎng)絡(luò)表示
5.8.2知識圖譜
【作業(yè)】
第三部分基于知識的系統(tǒng)
第6章專家系統(tǒng)
【導讀案例】中美人工智能PK
6.1專家系統(tǒng)及其發(fā)展
6.1.1在自己的領(lǐng)域里作為專家
6.1.2五個技能獲取階段
6.1.3專家的特點
6.1.4專家系統(tǒng)的特征
6.1.5建立專家系統(tǒng)要思考的問題
6.2知識工程
6.3知識獲取
6.4專家系統(tǒng)的結(jié)構(gòu)
6.4.1知識庫
6.4.2推理機
6.4.3其他部分
6.5經(jīng)典的專家系統(tǒng)
6.5.1DENDRAL專家系統(tǒng)
6.5.2振動故障診斷的專家系統(tǒng)
6.5.3自動牙科識別
【作業(yè)】
第7章機器學習
【導讀案例】Netflix的電影推薦
引擎
7.1什么是機器學習
7.1.1機器學習的發(fā)展
7.1.2機器學習的定義
7.2機器學習的學習類型
7.2.1監(jiān)督學習
7.2.2無監(jiān)督學習
7.2.3強化學習
7.3機器學習的算法
7.3.1什么是算法
7.3.2回歸算法
7.3.3基于實例的算法
7.3.4決策樹算法
7.3.5貝葉斯算法
7.3.6聚類算法
7.3.7神經(jīng)網(wǎng)絡(luò)算法
7.4機器學習的基本結(jié)構(gòu)
7.5機器學習的分類
7.5.1基于學習策略的分類
7.5.2基于所獲取知識的表示形式
分類
7.5.3按應(yīng)用領(lǐng)域分類
7.5.4綜合分類
7.6機器學習的應(yīng)用
7.6.1應(yīng)用于物聯(lián)網(wǎng)
7.6.2應(yīng)用于聊天機器人
7.6.3應(yīng)用于自動駕駛
【作業(yè)】
第8章深度學習
【導讀案例】谷歌大腦
8.1了解神經(jīng)網(wǎng)絡(luò)
8.1.1人腦神經(jīng)的研究
8.1.2人工神經(jīng)網(wǎng)絡(luò)的研究
8.1.3神經(jīng)網(wǎng)絡(luò)理解圖片
8.2什么是深度學習
8.2.1深度學習的意義
8.2.2深度的概念
8.2.3深度學習的核心思路
8.2.4深度學習的實現(xiàn)
8.3機器學習VS深度學習
【作業(yè)】
第四部分高 級 專 題
第9章機器人技術(shù)
【導讀案例】RoboCup機器人世界杯
足球錦標賽
9.1劃時代的計劃
9.1.1劃時代的阿波羅計劃
9.1.2機器人學中新的標準問題
9.2機器感知
9.2.1機器智能與智能機器
9.2.2機器思維與思維機器
9.2.3機器行為與行為機器
9.3機器人的概念
9.3.1機器人的發(fā)展
9.3.2機器人的定義與“三原則”
9.3.3機器人的分類
9.4機器人的技術(shù)問題
9.4.1機器人的組成
9.4.2機器人的運動
9.4.3機器人大狗
9.5智能制造
9.5.1什么是智能制造
9.5.2綜合特征
9.5.3智能技術(shù)
9.5.4測控裝置
9.5.5運作過程
【作業(yè)】
第10章智能圖像處理
【導讀案例】算法工程師：你的一切
皆在我計算中
10.1模式識別
10.2圖像識別
10.2.1人類的圖像識別能力
10.2.2圖像識別基礎(chǔ)
10.2.3計算機圖形識別模型
10.2.4圖像識別的發(fā)展
10.3機器視覺與圖像處理
10.3.1機器視覺的發(fā)展
10.3.2圖像處理
10.3.3計算機視覺
10.3.4計算機視覺與機器視覺的
區(qū)別
10.3.5神經(jīng)網(wǎng)絡(luò)的圖像識別技術(shù)
10.4圖像識別技術(shù)的應(yīng)用
10.4.1機器視覺的行業(yè)應(yīng)用
10.4.2檢測與機器人視覺應(yīng)用
10.4.3應(yīng)用案例：布匹質(zhì)量檢測
10.5智能圖像處理技術(shù)
10.5.1圖像采集
10.5.2圖像預處理
10.5.3圖像分割
10.5.4目標識別和分類
10.5.5目標定位和測量
10.5.6目標檢測和跟蹤
【作業(yè)】
第11章自然語言處理
【導讀案例】機器翻譯：大數(shù)據(jù)的簡單
算法與小數(shù)據(jù)的復雜
算法
11.1語言的問題和可能性
11.2什么是自然語言處理
11.3自然語言處理的歷史
11.3.1基礎(chǔ)期
11.3.2符號與隨機方法
11.3.3四種范式
11.3.4經(jīng)驗主義和有限狀態(tài)模型
11.3.5大融合
11.3.6機器學習的興起
11.4語法類型與語義分析
11.4.1語法類型
11.4.2語義分析和擴展語法
11.4.3IBM的機器翻譯Candide
系統(tǒng)
11.5處理數(shù)據(jù)與處理工具
11.5.1統(tǒng)計NLP語言數(shù)據(jù)集
11.5.2自然語言處理工具
11.5.3自然語言處理技術(shù)難點
11.6語音處理
11.6.1語音處理的發(fā)展
11.6.2語音理解
11.6.3語音識別
11.7自然語言處理的應(yīng)用
11.7.1自然語音系統(tǒng)和語音識別
系統(tǒng)
11.7.2信息提取和問答系統(tǒng)
【作業(yè)】
第12章自動規(guī)劃
【導讀案例】“雙馬”激辯AI
12.1什么是自動規(guī)劃
12.1.1規(guī)劃是特殊的智力指標
12.1.2規(guī)劃的概念分析
12.1.3自動規(guī)劃的定義
12.1.4規(guī)劃應(yīng)用示例
12.2規(guī)劃方法
12.2.1規(guī)劃即搜索
12.2.2部分有序規(guī)劃
12.2.3分級規(guī)劃
12.2.4基于案例的規(guī)劃
12.3著名的規(guī)劃系統(tǒng)
12.3.1STRIPS
12.3.2NOAH
12.3.3NONLIN
12.3.4O-PLAN
12.3.5Graphplan
【作業(yè)】
附錄作業(yè)參考答案
參考文獻
書單推薦
