本書根據(jù)人工智能技術(shù)服務(wù)專業(yè)人才培養(yǎng)的需求，以智能機器人為載體，以揭開人工智能的神秘面紗為主線進行編寫，設(shè)置了5個學習情境。學習情境1主要介紹人工智能的發(fā)展和應(yīng)用，引起學習者的興趣；學習情境2主要從智能機器如何進行知識存儲的角度來理解人工智能；學習情境3主要從智能機器如何使用知識進行探索世界和求解問題的角度來進一步理解人工智能；學習情境4主要從智能機器如何進行自主學習知識、增長智慧的角度來理解人工智能；學習情境5主要從人工智能的自然辯證法視角理解人工智能的本質(zhì)，從社會學角度給智能機器添加倫理與法律的約束，從而消除人類對人工智能的恐懼，使得人工智能技術(shù)更好地為人類服務(wù)。
本書在思政方面圍繞“愛國精神、崇尚科技、思維模式、樂觀進取”，將其與人工智能技術(shù)進行“術(shù)道融合”，結(jié)合“做中學、做中悟”的方式來開展立德樹人的工作。
本書可作為高等職業(yè)院校電子信息類專業(yè)、機電一體化專業(yè)、應(yīng)用電子技術(shù)專業(yè)及相關(guān)專業(yè)的教材，也可作為相關(guān)技術(shù)人員的參考用書。
出版說明
前言
二維碼資源清單
學習情境1 讓機器走進您的世界—人工智能概述1
情境導入1
情境目標2
知識鏈接2
1.1 人工智能簡史2
1.1.1 全球人工智能發(fā)展史2
1.1.2 我國人工智能發(fā)展史3
1.2 人工智能的產(chǎn)生7
1.3 人工智能的發(fā)展8
1.3.1 計算機時代9
1.3.2 人工智能的開端9
1.3.3 人工智能程序積累階段10
1.3.4 超越人類的臨界點11
1.4 人工智能的主流學派13
1.4.1 符號學派：物理符號系統(tǒng)假說13
1.4.2 連接學派14
1.4.3 行為學派15
1.4.4 三大學派的比較16
1.5 人工智能的定義17
1.6 人工智能的五個感官18
1.7 人工智能的分類19
1.7.1 按發(fā)展階段分19
1.7.2 按應(yīng)用領(lǐng)域分19
1.7.3 按智能化強弱程度分21
1.8 人工智能對人類的影響23
情境操作25
1.9 案例欣賞25
1.9.1 案例1 生物表情自動評價：再沒有“水軍”濫竽充數(shù)25
1.9.2 案例2 老人身邊的醫(yī)生：人工智能對生命的關(guān)懷26
情境小結(jié)26
課后習題27
學習情境2 讓機器具有知識—知識表示技術(shù)29
情境導入29
情境目標29
知識鏈接30
2.1 知識的概述30
2.1.1 知識、信息和數(shù)據(jù)31
2.1.2 知識的特性32
2.1.3 知識的分類33
2.1.4 知識表示33
2.2 知識的表示方法34
2.2.1 邏輯表示法34
2.2.2 語義網(wǎng)絡(luò)表示法43
2.2.3 框架表示法48
2.2.4 產(chǎn)生式表示法49
2.2.5 狀態(tài)空間表示法52
2.2.6 問題歸約法53
2.2.7 面向?qū)ο蟊硎痉?7
2.2.8 模糊邏輯表示法60
情境操作65
2.3 任務(wù)實施65
2.3.1 任務(wù)1 動物識別的產(chǎn)生式知識表示65
2.3.2 任務(wù)2 傳教士和野人過河問題的狀態(tài)空間知識表示71
2.3.3 任務(wù)3 擺放家具的面向?qū)ο笾R表示75
2.3.4 任務(wù)4 自動控制系統(tǒng)的模糊知識表示80
情境小結(jié)83
課后習題83
學習情境3 讓機器使用知識—搜索與推理85
情境導入85
情境目標85
知識鏈接86
3.1 搜索和推理概述86
3.1.1 搜索86
3.1.2 推理89
3.2 狀態(tài)空間的搜索策略93
3.2.1 狀態(tài)空間搜索的基本思想93
3.2.2 圖搜索的一般過程94
3.3 狀態(tài)空間的盲目搜索95
3.3.1 廣度優(yōu)先搜索95
3.3.2 深度優(yōu)先搜索97
3.3.3 代價樹搜索100
3.4 狀態(tài)空間的啟發(fā)式搜索102
3.4.1 啟發(fā)性信息和估價函數(shù)102
3.4.2 A算法103
3.5 遺傳算法搜索105
3.5.1 遺傳算法的結(jié)構(gòu)105
3.5.2 遺傳算法的基本原理107
3.5.3 遺傳算法的性能108
3.6 基于規(guī)則的演繹推理108
3.7 產(chǎn)生式推理109
3.8 不確定性推理112
3.8.1 概率推理112
3.8.2 模糊推理112
情境操作114
3.9 任務(wù)實施114
3.9.1 任務(wù)1 過河問題的狀態(tài)空間深度優(yōu)先搜索應(yīng)用114
3.9.2 任務(wù)2 八數(shù)碼問題的啟發(fā)式搜索應(yīng)用118
3.9.3 任務(wù)3 函數(shù)最大值的遺傳算法搜索應(yīng)用127
3.9.4 任務(wù)4 動物識別的產(chǎn)生式推理應(yīng)用134
3.9.5 任務(wù)5 自動控制系統(tǒng)的模糊推理應(yīng)用138
情境小結(jié)141
課后習題142
學習情境4 讓機器習得知識—機器學習144
情境導入144
情境目標144
知識鏈接145
4.1 習得技術(shù)概述145
4.2 學習相關(guān)的基本概念146
4.2.1 標簽146
4.2.2 特征146
4.2.3 模型147
4.2.4 回歸與分類147
4.2.5 聚類148
4.3 機器學習的定義149
4.4 機器學習的過程150
4.5 機器學習的分類151
4.6 機器學習的方法152
4.6.1 有監(jiān)督學習152
4.6.2 無監(jiān)督學習153
4.6.3 半監(jiān)督學習154
4.6.4 強化學習155
4.6.5 遷移學習156
4.7 機器學習的模型158
4.7.1 線性模型158
4.7.2 核模型170
4.7.3 層級模型172
4.8 深度學習175
4.8.1 深度學習概述175
4.8.2 深度學習的模型—神經(jīng)網(wǎng)絡(luò)177
4.8.3 常用的深度學習框架188
情境操作190
4.9 任務(wù)實施190
4.9.1 任務(wù)1 自搭建線性模型解決分類問題190
4.9.2 任務(wù)2 運用TensorFlow框架解決分類問題193
4.9.3 任務(wù)3 運用層次模型解決招聘程序員薪資預(yù)測問題196
4.9.4 任務(wù)4 運用卷積運算提取圖像特征200
4.9.5 任務(wù)5 運用卷積神經(jīng)網(wǎng)絡(luò)CNN識別圖像204
情境小結(jié)214
課后習題214
學習情境5 讓機器成為“社會人”—德才兼?zhèn)?16
情境導入216
情境目標217
知識鏈接217
5.1 人工智能的自然辯證法217
5.1.1 自然辯證法218
5.1.2 人類改造世界的工具219
5.1.3 人工智能的本質(zhì)220
5.1.4 人工智能的“工具”特殊性221
5.2 人工智能的社會約束222
5.2.1 人工智能社會223
5.2.2 人工智能的社會屬性224
5.2.3 人工智能社會的特點224
5.2.4 人與人工智能的社會關(guān)系225
5.2.5 人工智能社會的問題226
5.2.6 人工智能的倫理規(guī)范構(gòu)建229
5.2.7 人工智能的法律規(guī)范構(gòu)建231
情境操作234
5.3 任務(wù)實施234
5.3.1 任務(wù)1 快速搭建簡單的陪伴機器人234
5.3.2 任務(wù)2 陪伴機器人的倫理案例分析240
情境小結(jié)242
課后習題242
參考文獻246
書單推薦
