人工智能通識教程

第1章思考的工具1
1.1計算的淵源1
1.1.1巨石陣1
1.1.2安提基特拉機械2
1.1.3皮格馬利翁2
1.1.4阿拉伯數(shù)字3
1.2巴貝奇與數(shù)學機器3
1.2.1差分機3
1.2.2分析機4
1.2.3“機器人”的由來5
1.3計算機的出現(xiàn)5
1.3.1為戰(zhàn)爭而發(fā)展的計算機器5
1.3.2計算機無處不在6
1.3.3通用計算機7
1.3.4計算機語言8
1.3.5建模8
1.4人工智能大師9
【作業(yè)】10
【研究性學習】“神奇”的動物智能與對人工智能的憧憬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”與“智能”13
2.1.2圖靈測試14
2.1.3人工智能的定義15
2.1.4人工智能的實現(xiàn)途徑16
2.2人工智能發(fā)展歷史17
2.2.1從人工神經(jīng)元開始17
2.2.2人工智能發(fā)展的6個階段20
2.3人工智能的研究22
2.3.1人工智能的研究領域22
2.3.2新圖靈測試24
【作業(yè)】25
【研究性學習】自動駕駛汽車的現(xiàn)實與未來26第3章規(guī)則與專家系統(tǒng)27
3.1規(guī)則與策略27
3.1.1制勝策略27
3.1.2極小極大化策略28
3.2利用規(guī)則推導建立的專家系統(tǒng)29
3.2.1規(guī)則的舉例29
3.2.2建立框架31
3.2.3IBM公司的沃森系統(tǒng)31
3.3專家系統(tǒng)及其發(fā)展32
3.3.1在自己的領域里作為專家32
3.3.2技能獲取的5個階段34
3.3.3專家的特點與特征35
3.3.4建立專家系統(tǒng)要思考的問題36
3.3.5典型的專家系統(tǒng)——ADIS37
3.4專家系統(tǒng)的結構38
3.4.1知識庫38
3.4.2推理機39
3.4.3其他部分39
【作業(yè)】40
【研究性學習】無人機技術的應用前景41第4章模糊邏輯與大數(shù)據(jù)思維42
4.1什么是模糊邏輯42
4.1.1甲蟲機器人的規(guī)則42
4.1.2模糊邏輯的發(fā)明42
4.1.3制定模糊邏輯的規(guī)則43
4.1.4模糊邏輯的定義44
4.2模糊理論的發(fā)展45
4.3模糊邏輯系統(tǒng)46
4.3.1純模糊邏輯系統(tǒng)46
4.3.2高木關野模糊邏輯系統(tǒng)46
4.3.3具有模糊產(chǎn)生器及模糊消除器的模糊邏輯系統(tǒng)46
4.4大數(shù)據(jù)思維變革47
4.4.1思維轉變之一： 樣本=總體47
4.4.2思維轉變之二： 接受數(shù)據(jù)的混雜性48
4.4.3思維轉變之三： 關注數(shù)據(jù)的相關關系49
【作業(yè)】51
【研究性學習】觀察和熟悉模糊邏輯在家用電器中的應用52第5章包容體系結構與機器人技術53
5.1什么是包容體系結構53
5.1.1“中文房間”思維實驗53
5.1.2建立包容體系結構53
5.2包容體系結構的實現(xiàn)54
5.2.1機器人艾倫55
5.2.2機器人赫伯特55
5.2.3機器人托托56
5.3劃時代的阿波羅計劃56
5.4機器感知58
5.4.1機器智能與智能機器59
5.4.2機器思維與思維機器59
5.4.3機器行為與行為機器60
5.5機器人的概念60
5.5.1機器人的發(fā)展60
5.5.2機器人三定律61
5.6機器人的技術問題62
5.6.1機器人的組成62
5.6.2機器人的運動64
5.6.3機器狗65
【作業(yè)】66
【研究性學習】網(wǎng)絡搜索機器人資料，憧憬機器人發(fā)展68第6章機器學習69
6.1什么是機器學習69
6.1.1機器學習的發(fā)展69
6.1.2機器學習的定義70
6.2機器學習的類型71
6.2.1監(jiān)督學習72
6.2.2無監(jiān)督學習72
6.2.3強化學習72
6.3機器學習的算法73
6.3.1專注于學習能力73
6.3.2回歸算法74
6.3.3基于實例的算法75
6.3.4決策樹算法75
6.3.5貝葉斯算法75
6.3.6聚類算法75
6.3.7神經(jīng)網(wǎng)絡算法76
6.4機器學習的基本結構76
6.5機器學習的應用78
6.5.1應用于物聯(lián)網(wǎng)78
6.5.2應用于聊天機器人79
6.5.3應用于自動駕駛79
【作業(yè)】80
【研究性學習】什么是機器學習，舉例說明機器學習的應用81第7章神經(jīng)網(wǎng)絡與深度學習82
7.1動物的中樞神經(jīng)系統(tǒng)82
7.2了解人工神經(jīng)網(wǎng)絡83
7.2.1人工神經(jīng)網(wǎng)絡的研究83
7.2.2典型的人工神經(jīng)網(wǎng)絡84
7.2.3類腦計算機85
7.2.4利用人工神經(jīng)網(wǎng)絡理解圖片85
7.2.5訓練人工神經(jīng)網(wǎng)絡87
7.3基于人工神經(jīng)網(wǎng)絡的深度學習88
7.3.1深度學習的意義88
7.3.2深度學習的方法89
7.3.3深度學習的概念92
7.3.4深度學習的實現(xiàn)93
7.4機器學習與深度學習的比較94
【作業(yè)】97
【研究性學習】了解谷歌大腦，熟悉人工神經(jīng)網(wǎng)絡的研究與應用98第8章智能代理99
8.1什么是智能代理99
8.2智能代理的特點100
8.3系統(tǒng)內的協(xié)同合作101
8.4智能代理的典型應用場景103
8.4.1股票/債券/期貨交易103
8.4.2實體機器人103
8.4.3電腦游戲104
8.4.4醫(yī)療診斷105
8.4.5搜索引擎105
8.5與外部環(huán)境相關的重要術語106
【作業(yè)】107
【研究性學習】機器學習及其應用108第9章群體智能109
9.1向蜜蜂學習群體智能109
9.2什么是群體智能111
9.2.1群集人工智能技術111
9.2.2基本原則與特點112
9.3典型群體智能算法模型113
9.3.1蟻群優(yōu)化算法113
9.3.2搜索機器人115
9.3.3粒子群優(yōu)化算法116
9.3.4沒有機器人的集群118
9.4群體智能背后的故事119
9.5群體智能的發(fā)展121
【作業(yè)】121
【研究性學習】群體智能及其應用前景122第10章數(shù)據(jù)挖掘與統(tǒng)計數(shù)據(jù)124
10.1從數(shù)據(jù)到知識124
10.1.1決策樹分析124
10.1.2購物車分析125
10.1.3貝葉斯網(wǎng)絡126
10.2數(shù)據(jù)挖掘126
10.2.1數(shù)據(jù)挖掘的對象與步驟127
10.2.2數(shù)據(jù)挖掘分析方法128
10.3數(shù)據(jù)挖掘經(jīng)典算法130
10.3.1神經(jīng)網(wǎng)絡法130
10.3.2決策樹法130
10.3.3遺傳算法131
10.3.4粗糙集法131
10.3.5模糊集法131
10.3.6關聯(lián)規(guī)則法131
10.4機器學習與數(shù)據(jù)挖掘132
10.4.1典型的數(shù)據(jù)挖掘和機器學習過程132
10.4.2機器學習和數(shù)據(jù)挖掘應用案例133
【作業(yè)】136
【研究性學習】大數(shù)據(jù)對于人工智能技術與應用的意義137第11章智能圖像處理138
11.1模式識別138
11.2圖像識別139
11.2.1人類的圖像識別能力140
11.2.2圖像識別的基礎140
11.2.3圖像識別的模型141
11.2.4圖像識別技術的發(fā)展141
11.3機器視覺與圖像處理142
11.3.1機器視覺的發(fā)展142
11.3.2圖像處理143
11.3.3計算機視覺143
11.3.4計算機視覺與機器視覺的區(qū)別144
11.3.5神經(jīng)網(wǎng)絡圖像識別技術145
11.4圖像識別技術的應用145
11.4.1機器視覺的行業(yè)應用146
11.4.2檢測與機器人視覺146
11.4.3應用案例： 布匹質量檢測148
11.5智能圖像處理技術149
11.5.1圖像采集149
11.5.2圖像預處理150
11.5.3圖像分割150
11.5.4目標識別和分類150
11.5.5目標定位和測量151
11.5.6目標檢測和跟蹤151
【作業(yè)】151
【研究性學習】熟悉模式識別與智能圖像處理153第12章自然語言處理154
12.1語言的問題和可能性154
12.2什么是自然語言處理155
12.3語法類型與語義分析156
12.3.1語法類型157
12.3.2語義分析和擴展語義158
12.3.3機器翻譯系統(tǒng)Candide158
12.4處理數(shù)據(jù)與處理工具159
12.4.1自然語言處理中的數(shù)據(jù)集159
12.4.2自然語言處理工具159
12.4.3自然語言處理的技術難點160
12.5語音處理160
12.5.1語音處理的發(fā)展160
12.5.2語音理解161
12.5.3語音識別162
【作業(yè)】162
【研究性學習】了解大數(shù)據(jù)機器翻譯，學習自然語言處理164第13章自動規(guī)劃165
13.1什么是自動規(guī)劃165
13.1.1規(guī)劃的概念分析165
13.1.2自動規(guī)劃的定義166
13.1.3規(guī)劃應用示例166
13.2規(guī)劃方法169
13.2.1規(guī)劃即搜索169
13.2.2部分有序規(guī)劃170
13.2.3分級規(guī)劃171
13.2.4基于案例的規(guī)劃171
13.3著名的規(guī)劃系統(tǒng)172
【作業(yè)】173
【研究性學習】用人工智能輔助課程和職業(yè)規(guī)劃174第14章人工智能的發(fā)展175
14.1未來的人工智能175
14.1.1工作型機器人175
14.1.2技術加速176
14.1.3電子游戲的智能水平177
14.1.4強人工智能的發(fā)展178
14.1.5機器能思考嗎178
14.2創(chuàng)新發(fā)展與社會影響179
14.2.1人工智能發(fā)展的啟示180
14.2.2人工智能的發(fā)展現(xiàn)狀與影響181
14.2.3建立人工智能生態(tài)系統(tǒng)182
14.3人工智能時代需要的人才183
14.3.1人工智能對就業(yè)的影響183
14.3.2新創(chuàng)造的核心工作崗位183
14.3.3未來的5個熱門工作崗位184
14.4人工智能與安全185
14.4.1人才和技術基礎設施短缺185
14.4.2安全問題不容忽視186
14.4.3設定倫理要求186
14.4.4保護個人隱私186
【作業(yè)】187
【課程學習總結】189

參考文獻193