人工智能通识教程(第2版)

1星价 ¥37.7 (6.3折)

2星价￥37.7 定价￥59.8

作者：王万良

出版社：清华大学出版社

本类榜单：教材

分类：教材 > 高职高专教材

买过本商品的人还买了

暂无评论

图文详情

ISBN：9787302606734
装帧：简裝本
册数：暂无
重量：暂无
开本：16开
页数：336
出版时间：2022-06-01
条形码：9787302606734 ; 978-7-302-60673-4

本书特色

本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解、计算机视觉和智能机器人，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本思路，拓宽科学视野，培养创新精神。

本书的适用对象广泛，可作为高等学校各专业本科生“人工智能”通识课程的教材，以及应用型本科和高职高专相关专业的“人工智能导论”课程的教材，也可供对人工智能技术感兴趣的广大读者阅读。

内容简介

本书全面介绍人工智能的基本理论、技术及应用。全书共12章，主要内容包括人工智能概论、知识表示与知识图谱、模糊推理、搜索策略、遗传算法、群智能算法、人工神经网络、机器学习与深度学习、专家系统、自然语言理解、计算机视觉和智能机器人，附录部分给出了实用性强的12个实验。本书强调人工智能知识的基础性、整体性、综合性和广博性，使学生掌握人工智能的主要思想和应用人工智能技术解决专业领域问题的基本思路，拓宽科学视野，培养创新精神。
本书的适用对象广泛，可作为高等学校各专业本科生“人工智能”通识课程的教材，以及应用型本科和高职高专相关专业的“人工智能导论”课程的教材，也可供对人工智能技术感兴趣的广大读者阅读。

前言

人工智能在Internet时代获得了前所未有的发展机遇，已经成为目前发展*迅速、对社会影响*大的新兴学科。由于人工智能是模拟人类智能解决问题的方法，几乎在所有领域都具有非常广泛的应用，所以目前许多高校开设了人工智能通识课程。

1. 开设人工智能通识课程的必要性

2017年7月国务院发布的《新一代人工智能发展规划》把人工智能作为国家发展战略。人工智能人才培养是实现国家人工智能发展战略的一个关键。2018年，教育部制订了《高等学校人工智能创新行动计划》，从不同的专业角度对人工智能人才培养进行全面布局，在计算机、电子信息、自动化、机械等多个专业领域设置了智能科学与技术、人工智能、数据科学与大数据技术、机器人工程等人工智能类专业，还把人工智能技术引入传统专业，形成智能制造工程、智能车辆工程、智能电网信息工程、电气工程与智能控制、电机电器智能化、智能材料与结构、智能医学工程等专业。

人工智能是当前建设新工科、新医科、新农科、新文科的重要举措。将人工智能技术引入哲学、经济学、管理学、法学、教育学、文学、艺术学等人文社科类专业，开设人工智能通识课程，帮助学生广泛涉猎不同学科的知识和思想方法，体现知识的基础性、整体性、综合性、广博性，使学生拓宽视野，提高综合素质，优化知识结构。

事实上，人工智能和其他专业的结合是培养人工智能应用人才的一个非常重要的方面，是和人工智能专业人才培养相辅相成的。人工智能专业人员的优势是精通算法和编程实现；其他专业人员的优势是熟悉本专业领域对人工智能技术的需求，他们掌握了人工智能思想以后，能够产生用人工智能技术解决他们专业领域的问题的想法，提出应用人工智能技术解决问题的思路，然后由人工智能专业人员进行实现。许多时候想到比做到更重要。创新的源头更多地来自应用领域。所以，开设人工智能通识课程是非常必要的，可以在较短的时间内让其他专业人员掌握人工智能的基本思想与方法。

2. 本书的形成

本书作者从1989年开始从事人工智能及其应用的研究，从1993年开始从事人工智能课程的教学，为控制、计算机、机械等专业研究生讲授“人工智能原理与应用”课程，为计算机、自动化等类专业本科生讲授“人工智能导论”课程。在多年的教学实践中，作者深感极有必要编著一本内容比较基础、可读性好、适合讲授的人工智能教材。本书作者在自己多年来的讲稿基础上，于2005年编写了人工智能教材，并不断跟踪人工智能的发展，形成了适合研究生、本科生不同层次的人工智能系列教材，被许多高校选用。其中，作者主讲的“人工智能导论”入选首批国家级线上一流本科课程，编写的《人工智能导论》（第5版）入选“十二五”普通高等教育本科国家级规划教材，并荣获首届国家级优秀教材二等奖。

人工智能通识教程（第2版）第2版前言随着人工智能技术的发展，越来越多的专业需要开设人工智能课程。因此，作者从2005年开始为全校工学、理学、经济学、管理学、哲学、文学、法学等学科门类专业学生开设“人工智能及其应用”公选课，从2017年开始负责全校人工智能通识教育核心课程建设。在人工智能通识课程教学过程中，作者深感已有人工智能教材不适合作为通识课程教材，特别是不适合人文社科类大学生的学习，因此，迫切需要编写面向全校各专业（包括人文社科专业）的人工智能通识课程教材。因此，作者针对人文社科类大学生的知识结构和思维方式，突出人工智能解决复杂问题的创新思想，编写了本书。

3. 主要内容

本书共12章。第1章除了介绍人工智能的基本概念、发展简史以外，着重介绍目前人工智能的主要研究内容与各种应用，以开阔读者的视野，引导读者进入人工智能各个研究领域，*后，简要介绍了人工智能伦理。第2章介绍知识表示的概念，产生式、框架等基本的知识表示方法，以及知识图谱的基本内容。第3章介绍模拟人类思维的模糊推理及其应用。第4章介绍应用非常广泛的搜索策略。第5章介绍模拟生物进化的遗传算法。第6章介绍模拟生物群体行为的适用于大规模优化问题的群智能算法。第7章介绍模拟生物神经系统的人工神经网络，为后面介绍深度学习奠定基础。第8章介绍机器学习与深度学习及其广泛的应用，包括卷积神经网络、胶囊网络、生成对抗网络等深度学习的前沿内容。第9章介绍专家系统的概念、工作原理以及应用。第10章介绍日益广泛应用的自然语言处理技术，包括机器翻译、语音识别等应用。第11章介绍应用非常广泛的计算机视觉，包括人脸识别、虹膜识别等应用。第12章简要介绍智能机器人及其在工业、农业、服务业、医疗、军事等领域的应用，*后简要介绍智能机器人伦理。

4. 本书特色

本书有以下特色。

（1）语言简明，可读性好。本书用于人工智能通识课程教学，力求用通俗的文字深入浅出地讲解概念、理论和技术，特别是将人工智能技术与文学艺术、人们的日常生活、人类思维方法等相结合，使学生能够感受到与人工智能相关的人文情怀，感受到人工智能就在自己身边，使学生能够有兴趣、有耐心、系统地阅读本书，掌握人工智能的基本思想与基本方法。人工智能通识课程既不能把通识课当成专业课来讲，导致很多非计算机类专业的学生尤其是人文社科专业的学生理解不了；又不能空谈人工智能的概念，不讲具体的人工智能技术，导致学生以后不能把人工智能技术与要解决的问题联系起来。

（2）内容先进，注重应用。人工智能正处于迅速发展时期，内容非常丰富。本书覆盖了人工智能的主要应用领域，体系完整，精选了人工智能技术的一些前沿热点。书中运用大量日常生活中的例子，跳出晦涩复杂的概率论、数理统计、算法理论，结合人文理念讲解人工智能，让这些“冷冰冰”的人工智能知识变得“有温度”。以浅显易懂的方式诠释人工智能精髓，启迪算法理解，让人文社科专业的学生也能听得懂原本深奥的人工智能技术。书中介绍一些能够为本科生理解的应用实例，引导学生学习应用新理论解决实际问题的方法，在理论、技术和应用方面取得平衡。书中设置了很多课程思政教学元素。

（3）精心编排，便于学习。每章开始设置了导读，使学生在学习本章之前就知道本章要讨论的主题和学习目标。每章*后扼要总结了本章的重要概念、公式、定理与方法。本书采用双色印刷，将重要的概念、公式、定理与方法用红色标示出来，以引起学生注意。

（4）结构合理，方便教学。本书各章内容相对独立，教师可以根据课程计划学时和专业需要自由选择和组合相关内容，以保持课程体系结构的完整性。采用本书作为教材，建议课堂教学学时为32学时。本书中许多内容可以在教师指导下由学生自学，以减少课堂教学学时。

（5）附有实验指导，方便实验教学。围绕人工智能技术的主要教学内容，附录中设置了课程实验，方便教学。学生通过程序实现能够深入了解人工智能的算法，体会如何应用人工智能技术解决实际问题。对于人文社科专业学生，这些课程实验内容可以作为演示实验。

（6）有配套MOOC课程，便于学生自学。需要进一步学习人工智能技术的学生，可以选择作者在“中国大学MOOC”网站（http://www.icourse163.org）上开设的“人工智能导论”国家线上一流精品课程。

5. 人工智能通识课程的教学方法

一般来说，学习人工智能算法需要比较好的数学基础，实现人工智能系统还需要比较强的编程能力。但不可能也不必要求人文社科专业的学生像理工专业学生一样具有较好的数学基础和较强的编程能力。那么，人工智能通识课程的教学目标、教学重点、教学难点和课程思政教学内容是什么？

（1）人工智能通识课程教学目标：遇到复杂问题想到用人工智能方法解决，这是人工智能通识课程教学*根本的目标。事实上，很多时候想到比做到更重要。正如卡内基·梅隆大学的一位教授所说的那样： “人工智能教育不在于让学生从零开始学人工智能技术的开发和底层的编程技术，而在于让学生学会通过使用现有人工智能工具创造改善人类社会的新方案。”

（2）人工智能通识课程教学重点：算法的仿生背景和应用的思路。人工智能的许多方法都来源于生物、社会等的启示。首先，着重讲清楚人工智能算法的生物、社会等背景。其中的公式看上去复杂，但如果把其背景讲清楚了，这些公式自然而然就好理解了。事实上，人工智能中的公式绝大部分都不是推导出来的，而是根据一些生物或者人类解决问题的方法构造出来的。其次，讲清楚人工智能方法的应用思路，而具体怎么实现并不是教学重点。通过应用实例能够让学生举一反三，将人工智能技术应用于解决其他问题，才是人工智能通识课程的教学重点。

（3）人工智能通识课程教学难点：根据不同的对象选择不同的教学方法。这是对教师讲课的基本要求。其实，相同的内容可以有不同的讲法。就像讲三国故事，对小学生要选择连环画的形式，而对中学生和大学生要选择《三国演义》甚至《三国志》的原文。不管是史书、小说还是连环画讲的都是三国故事，让不同水平的人了解三国故事才是主要目的。对于人工智能通识课程要采用案例式教学。人工智能具有非常广泛的应用，针对不同的专业，可以在其专业领域内选择一些人工智能应用案例进行教学。

（4）人工智能课程思政教学： “教之以事而喻诸德”是课程思政教学的重要方式。教师在教学过程中以“喻”为教，通过教材中大量的教学案例，使抽象的道理转化为具体可感的形象，引发学生思考。在人工智能通识课程教学过程中，以习近平总书记提出的“四个正确认识”作为课程思政教学的主要内容。因此，人工智能通识课程教学中应着重以下4方面：宣传国家战略，正确认识世界和中国发展大势；培养民族自信，正确认识中国特色和国际比较；弘扬中国文化，正确认识时代责任和历史使命；坚持不懈精神，正确认识远大抱负和脚踏实地。

6. 作者致谢

衷心感谢浙江工业大学对人工智能通识课程建设的大力支持！感谢浙江工业大学人工智能课程国家级虚拟教研室和浙江省高校名师工作室全体成员和作者一起对人工智能教学的不断探索！感谢赵燕伟教授、王铮博士参与本教材编写！衷心感谢清华大学出版社的龙启铭先生，他为本书付出了辛勤劳动以及向作者提出了许多有益的修改建议。

7. 联系作者

本书是人工智能通识课程教学的探索成果。限于作者水平，书中一定会存在许多不足之处，欢迎广大读者提出宝贵意见。

王万良2022年2月于杭州

第1章人工智能概论1

1.1你了解人类的智能吗1

1.1.1智能的概念1

1.1.2智能的特征3

1.2人工智能的孕育和诞生6

1.2.1人工智能的孕育期6

1.2.2人工智能的诞生——达特茅斯会议8

1.2.3人工智能的定义与图灵测试9

1.3人工智能的发展11

1.3.1人工智能的形成期11

1.3.2几起几落的曲折发展期12

1.3.3大数据驱动的飞速发展期14

1.4从两场标志性人机博弈看人工智能的发展15

1.4.1人工智能研究中的“小白鼠”15

1.4.2“深蓝”战胜国际象棋棋王卡斯帕罗夫15

1.4.3阿尔法狗无师自通横扫世界围棋大师17

1.5人工智能研究的基本内容19

1.6人工智能的主要应用领域21

1.7人工智能会使许多人失业吗36

1.8人工智能伦理37

1.8.1人工智能伦理的提出与发展37

1.8.2人工智能伦理的典型案例与成因分析38

1.8.3人工智能伦理的治理原则41

1.8.4人工智能伦理的治理措施42

1.9本章小结44

讨论题44

第2章知识表示与知识图谱46

2.1你了解人类知识吗46

2.1.1什么是知识46

2.1.2知识的相对正确性47

2.1.3知识的不确定性48

2.2计算机表示知识的方法50

2.3产生式表示法51

2.3.1产生式52

2.3.2产生式系统53

2.3.3产生式表示法的特点55

2.4框架表示法56

2.4.1框架的一般结构57

2.4.2用框架表示知识的例子58

2.4.3框架表示法的特点60

2.5知识图谱61

2.5.1知识图谱的提出61

2.5.2知识图谱的定义62

2.5.3知识图谱的表示63

2.5.4知识图谱的架构64

2.5.5知识图谱的典型应用65

2.6本章小结67

讨论题68

人工智能通识教程（第2版）目录第3章模拟人类思维的模糊推理69

3.1推理的定义69

3.2推理的分类70

3.2.1演绎推理70

3.2.2归纳推理71

3.2.3默认推理71

3.3推理的方向72

3.3.1正向推理72

3.3.2逆向推理73

3.3.3混合推理76

3.4推理中的冲突消解策略78

3.5模糊集合与模糊知识表示81

3.5.1模糊逻辑的提出与发展81

3.5.2模糊集合的定义与表示82

3.5.3隶属函数85

3.6模糊关系与模糊关系的合成86

3.6.1模糊关系86

3.6.2模糊关系的合成88

3.7模糊推理与模糊决策89

3.7.1模糊推理89

3.7.2模糊决策90

3.8模糊推理的应用91

3.9本章小结93

讨论题93

第4章搜索策略96

4.1搜索的概念96

4.2如何用状态空间表示搜索对象97

4.2.1状态空间知识表示方法97

4.2.2状态空间的图描述99

4.3回溯策略102

4.4盲目的图搜索策略104

4.4.1宽度优先搜索策略104

4.4.2深度优先搜索策略105

4.5启发式图搜索策略108

4.5.1启发式策略108

4.5.2启发信息和估价函数111

4.5.3A搜索算法113

4.5.4A搜索算法114

4.6本章小结116

讨论题117

第5章模拟生物进化的遗传算法118

5.1进化算法的生物学背景118

5.2遗传算法120

5.2.1遗传算法的发展历史120

5.2.2遗传算法的基本思想121

5.2.3编码122

5.2.4种群设定124

5.2.5适应度函数125

5.2.6选择126

5.2.7交叉129

5.2.8变异131

5.3遗传算法的主要改进算法132

5.3.1双倍体遗传算法133

5.3.2双种群遗传算法134

5.3.3自适应遗传算法135

5.4基于遗传算法的生产调度方法137

5.4.1基于遗传算法的流水车间调度方法137

5.4.2基于遗传算法的混合流水车间调度方法139

5.5本章小结144

讨论题145

第6章模拟生物群体行为的群智能算法146

6.1群智能算法的生物学背景146

6.2模拟鸟群行为的粒子群优化算法148

6.2.1基本粒子群优化算法148

6.2.2粒子群优化算法的应用150

6.3模拟蚁群行为的蚁群优化算法152

6.3.1蚁群优化算法的生物学背景153

6.3.2基本蚁群优化算法153

6.3.3蚁群优化算法的应用157

6.4本章小结159

讨论题160

第7章模拟生物神经系统的人工神经网络161

7.1人工神经元与人工神经网络161

7.1.1生物神经元结构161

7.1.2生物神经元的数学模型162

7.1.3人工神经网络的结构与学习164

7.2机器学习的先驱——赫布学习规则165

7.3掀起人工神经网络**次高潮的感知器167

7.4掀起人工神经网络第二次高潮的BP学习算法169

7.4.1BP学习算法的提出169

7.4.2BP神经网络170

7.4.3BP学习算法171

7.4.4BP学习算法在模式识别中的应用172

7.5本章小结175

讨论题175

第8章机器学习与深度学习176

8.1机器学习的基本概念176

8.1.1学习176

8.1.2机器学习177

8.1.3学习系统177

8.1.4机器学习的发展180

8.2机器学习的分类181

8.2.1机器学习的一般分类方法181

8.2.2监督学习与无监督学习183

8.2.3弱监督学习185

8.3知识发现与数据挖掘188

8.3.1知识发现与数据挖掘的概念189

8.3.2知识发现的一般过程189

8.3.3知识发现的任务190

8.3.4知识发现的对象191

8.4动物视觉机理与深度学习的提出193

8.4.1浅层学习的局限性193

8.4.2深度学习的提出194

8.5卷积神经网络与胶囊网络196

8.5.1卷积神经网络的结构196

8.5.2卷积的物理、生物与生态学等意义197

8.5.3卷积神经网络的卷积运算198

8.5.4卷积神经网络中的关键技术200

8.5.5卷积神经网络的应用203

8.5.6胶囊网络204

8.6生成对抗网络及其应用207

8.6.1生成对抗网络的基本原理207

8.6.2生成对抗网络的结构与训练208

8.6.3生成对抗网络在图像处理中的应用210

8.6.4生成对抗网络在语言处理中的应用214

8.6.5生成对抗网络在视频生成中的应用217

8.6.6生成对抗网络在医疗中的应用218

8.7本章小结219

讨论题220

第9章专家系统222

9.1专家系统的产生和发展222

9.2专家系统的概念224

9.2.1专家系统的定义224

9.2.2专家系统的特点225

9.2.3专家系统的类型227

9.3专家系统的工作原理228

9.3.1专家系统的一般结构228

9.3.2知识库229

9.3.3推理机230

9.3.4综合数据库230

9.3.5知识获取机构230

9.3.6解释机构231

9.3.7人机接口232

9.4简单的动物识别专家系统232

9.4.1知识库建立232

9.4.2综合数据库建立和推理过程234

9.5专家系统开发工具——骨架系统235

9.5.1骨架系统的概念235

9.5.2EMYCIN骨架系统236

9.5.3KAS骨架系统237

9.6专家系统开发环境239

9.7本章小结240

讨论题241

第10章自然语言理解242

10.1自然语言理解的概念与发展242

10.1.1自然语言理解的概念242

10.1.2自然语言理解的发展历史243

10.2语言处理过程的层次246

10.3机器翻译方法概述248

10.4循环神经网络252

10.4.1循环神经网络的结构252

10.4.2循环神经网络的训练253

10.4.3长短期记忆神经网络254

10.5基于循环神经网络的机器翻译254

10.6语音识别256

10.6.1语音识别的概念256

10.6.2语音识别的主要过程257

10.6.3语音识别的方法260

10.7本章小结261

讨论题262

第11章计算机视觉263

11.1计算机视觉概述263

11.2计算机视觉系统中的数字图像266

11.3基于深度学习的计算机视觉267

11.4基于计算机视觉的生物特征识别268

11.4.1人脸识别268

11.4.2虹膜识别269

11.5本章小结270

讨论题271

第12章智能机器人272

12.1机器人的产生与发展272

12.2机器人中的人工智能技术275

12.2.1机器人智能感知276

12.2.2机器人智能导航279

12.2.3机器人智能路径规划279

12.2.4机器人智能运动控制281

12.2.5机器人智能交互282

12.3智能机器人的应用283

12.3.1工业机器人283

12.3.2农业机器人285

12.3.3服务机器人288

12.3.4医用机器人291

12.3.5军用机器人293

12.4智能机器人技术展望295

12.5智能机器人伦理问题297

12.6本章小结299

讨论题299

附录A人工智能实验指导书300

实验1产生式系统实验300

实验2洗衣机模糊推理系统实验301

实验3A算法求解N数码问题实验302

实验4A算法求解迷宫寻路问题实验304

实验5遗传算法求函数*大值实验305

实验6遗传算法求解TSP问题实验308

实验7粒子群算法求函数*小值实验310

实验8蚁群算法求解TSP问题实验311

实验9BP神经网络分类实验311

实验10卷积神经网络分类实验312

实验11胶囊网络分类实验313

实验12用生成对抗网络生成数字图像实验314

展开全部

作者简介

王万良，工学博士，二级教授，博士生导师，国务院政府特殊津贴专家，教学名师，国家“万人计划”首批教学名师，浙江省杰出教师。现任教育部高等学校计算机类专业教学指导委员会委员、人工智能课程虚拟教研室带头人、浙江省高等学校大数据与人工智能专业教学指导委员会主任、全国高校大数据教育联盟副理事长、中国人工智能学会理事、自然计算与数字智能城市专业委员会主任、中国自动化学会理事、智慧教育专业委员会主任

本类五星书