包邮人工智能导论 第2版

前言 br 课程教学进度表 br 第1章概论 br 【导读案例】有意义的人工智能时代 br 11计算的渊源 br 111阿拉伯数字 br 112巴贝奇与数学机器 br 113“机器人”的由来 br 12计算机的出现 br 121为战争而发展的计算机器 br 122计算机无处不在 br 123通用计算机 br 124计算机语言 br 125计算机建模 br 126人工智能大师 br 13人工的智能行为 br 131什么是“智能” br 132类人行为：图灵测试 br 133类人思考：认知建模 br 134理性思考：思维法则 br 135理性行为：理性智能体 br 14人工智能学科 br 141人工智能学科基础 br 142人工智能定义 br 143人工智能的实现途径 br 15人工智能发展的6个阶段 br 【作业】 br 第2章模糊逻辑与大数据思维 br 【导读案例】电商网站的推荐系统 br 21什么是模糊逻辑 br 211甲虫机器人的规则 br 212模糊逻辑的发明 br 213制定模糊逻辑的规则 br 214模糊逻辑的定义 br 215模糊理论的发展 br 22模糊逻辑系统 br 221纯模糊逻辑系统 br 222高木-关野模糊逻辑系统 br 223具有模糊产生器及模糊消除器的模糊逻辑系统 br 23大数据思维与变革 br 231思维转变之一：样本=总体 br 232思维转变之二：接受数据的混杂性 br 233思维转变之三：数据的相关关系 br 24大数据与人工智能 br 241人工智能与大数据的联系 br 242人工智能与大数据的区别 br 243人工智能深化大数据应用 br 【作业】 br 第3章智能体与智能代理 br 【导读案例】智能体：下一个颠覆性AI应用 br 31智能体和环境 br 32智能体的良好行为 br 321性能度量 br 322理性 br 323全知、学习和自主 br 33环境的本质 br 331指定任务环境 br 332任务环境的属性 br 34智能体的结构 br 341智能体程序 br 342学习型智能体 br 343智能体程序组件的工作 br 35智能代理技术 br 351智能代理的定义 br 352智能代理的典型工作过程 br 353智能代理的特点 br 354系统内的协同合作 br 36智能代理的典型应用 br 361股票/债券/期货交易 br 362医疗诊断 br 363搜索引擎 br 364实体机器人 br 365游戏代理 br 【作业】 br 第4章知识表示及其方法 br 【导读案例】智能体将重构人机交互 br 41什么是知识表示 br 411知识的概念 br 412知识表示方法 br 413表示方法的选择 br 42图形草图 br 43图和哥尼斯堡桥问题 br 44搜索树（决策树） br 45产生式系统 br 46面向对象 br 47框架法 br 48语义网络 br 481语义网络表示 br 482知识图谱 br 【作业】 br 第5章规则与专家系统 br 【导读案例】人工智能时代的工作路径 br 51专家的技能与特点 br 511在自己的领域里作为专家 br 512技能获取的5个阶段 br 513专家的特点 br 52规则与策略 br 521制胜策略 br 522知识工程 br 523知识获取 br 53利用规则推导建立专家系统 br 531规则举例 br 532建立框架 br 533IBM的沃森系统 br 54专家系统及其发展 br 541建立专家系统的思考 br 542专家系统的特征 br 543典型的专家系统——ADIS br 55专家系统的结构 br 551专家系统的功能 br 552知识库 br 553推理机 br 554其他部分 br 555实现方式 br 【作业】 br 第6章机器学习及其算法 br 【导读案例】奈飞的电影推荐引擎 br 61什么是机器学习 br 611机器学习的发展 br 612机器学习的定义 br 613机器学习的研究 br 62基于学习方式的分类 br 621监督学习 br 622无监督学习 br 623强化学习 br 624机器学习的其他分类 br 63机器学习的基本结构 br 64机器学习算法 br 641专注于学习能力 br 642回归算法 br 643基于实例的算法 br 644决策树算法 br 645朴素贝叶斯算法 br 646聚类算法 br 647支持向量机算法 br 648神经网络算法 br 649Boosting与Bagging算法 br 6410关联规则算法 br 6411EM（期望*大化）算法 br 65机器学习的应用 br 651数据分析与挖掘 br 652模式识别 br 653生物信息学应用 br 654物联网 br 655聊天机器人 br 656自动驾驶 br 【作业】 br 第7章神经网络与深度学习 br 【导读案例】谷歌大脑 br 71动物的中枢神经系统 br 711神经系统的结构 br 712神经系统学习机制 br 72了解人工神经网络 br 721人工神经网络的研究 br 722典型的人工神经网络 br 723类脑计算机 br 73深度学习的定义 br 731深度学习的优势 br 732深度学习的意义 br 733神经网络理解图片 br 734训练神经网络 br 735深度学习的方法 br 74卷积神经网络 br 741为什么选择卷积 br 742卷积神经网络结构 br 75迁移学习 br 751基于实例的迁移 br 752基于特征的迁移 br 753基于共享参数的迁移 br 76深度学习的应用 br 【作业】 br 第8章创建智能系统的强化学习 br 【导读案例】机器学习帮助拯救濒危物种 br 81强化学习的定义 br 811以奖励假说为基础 br 812片段性任务及连续性任务 br 813强化学习发展历史 br 814基本模型和原理 br 815网络模型设计 br 816设计考虑 br 817数据依赖性 br 82强化学习与监督学习的区别 br 821强化学习与监督学习和无监督 br 学习的不同 br 822学习方式 br 823先验知识与标注数据 br 83强化学习的基础理论 br 831基于模型环境与免模型环境 br 832探索与利用 br 833预测与控制 br 84强化学习分类 br 841从奖励中学习 br 842被动强化学习 br 843主动强化学习 br 844强化学习中的泛化 br 845学徒学习与逆强化学习 br 85强化学习的应用 br 851游戏博弈 br 852机器人控制 br 853制造业 br 854医疗服务业 br 855电子商务 br 【作业】 br 第9章数据挖掘与经典算法 br 【导读案例】评估葡萄酒的品质 br 91从数据到知识 br 911决策树分析 br 912购物车分析 br 913贝叶斯网络 br 92数据挖掘方法 br 921数据挖掘的发展 br 922数据挖掘的对象 br 923数据挖掘的步骤 br 924数据挖掘分析方法 br 93数据挖掘经典算法 br 931神经网络法 br 932决策树法 br 933遗传算法 br 934粗糙集法 br 935模糊集法 br 936关联规则法 br 94机器学习和数据挖掘 br 941数据挖掘和机器学习典型过程 br 942机器学习和数据挖掘应用案例 br 【作业】 br 第10章计算机视觉与处理 br 【导读案例】模仿人类视网膜的生物芯片 br 101模式识别 br 102图像识别 br 1021人类的图像识别能力 br 1022图像识别的基础 br 1023图形识别的模型 br 1024神经网络图像识别 br 103计算机视觉技术 br 1031什么是机器视觉 br 1032定义计算机视觉 br 1033计算机视觉与机器视觉的区别 br 104智能图像处理技术 br 1041图像采集 br 1042图像预处理 br 1043图像分割 br 1044目标识别和分类 br 1045目标定位和测量 br 1046目标检测和跟踪 br 105计算机视觉系统典型功能 br 106计算机视觉技术的应用 br 1061机器视觉的行业应用 br 1062检测与机器人视觉应用 br 1063布匹生产质量检测 br 【作业】 br 第11章包容体系结构与机器人 br 【导读案例】RoboCup机器人世界杯足球锦标赛 br 111什么是包容体系结构 br 1111所谓“中文房间” br 1112传统机器人学 br 1113建立包容体系结构 br 112包容体系结构的实现 br 1121艾伦机器人 br 1122赫伯特机器人 br 1123托托机器人 br 113划时代的阿波罗计划 br 114机器感知 br 1141机器智能与智能机器 br 1142机器思维与思维机器 br 1143机器行为与行为机器 br 115机器人的概念 br 1151机器人的发展 br 1152机器人“三原则” br 116机器人的技术问题 br 1161机器人的组成 br 1162机器人的运动 br 1163机器人大狗 br 【作业】 br 第12章自然语言与语音处理 br 【导读案例】机器翻译：大数据简单算法与小数据复杂算法 br 121语言的问题和可能性 br 122什么是自然语言处理 br 1221自然语言处理的原因 br 1222自然语言处理的方法 br 1223自然语言处理的任务 br 1224语言模型 br 123语法类型与语义分析 br 1231语法类型 br 1232语义分析 br 124处理数据与处理工具 br 1241统计NLP语言数据集 br 1242自然语言处理工具 br 1243自然语言处理技术难点 br 125语音处理 br 1251语音处理的发展 br 1252语音理解 br 1253语音识别 br 【作业】 br 第13章GPT大语言模型崛起 br 【导读案例】难以区分的人工智能和人类艺术 br 131自然语言处理的进步 br 1311关于ImageNet br 1312自然语言处理的ImageNet时刻 br 1313从GPT-1到GPT-3 br 1314ChatGPT聊天机器人模型与对策 br 1315从文本生成音乐的MusicLM模型 br 1316检测AI文本的DetectGPT算法 br 132科普AI大语言模型 br 1321大语言模型的能力 br 1322国内的大语言模型 br 1323获得大模型的机会 br 133ChatGPT的模仿秀 br 1331旧的守卫，新的想法 br 1332搜索引擎结合LLM br 1333克服简单编造与重复 br 134传统行业的下岗 br 1341客服市场，AI本来就很“卷” br 1342伐木场迎来工业革命 br 1343新技术，新问题 br 【作业】 br 第14章向动物学习群体智能 br 【导读案例】“超级蜂群”无人机 br 141向蜜蜂学习群体智能 br 142什么是群体智能 br 1421群体人工智能技术 br 1422群体智能的两种机制 br 1423基本原则与特点 br 143典型算法模型 br 1431蚁群算法 br 1432搜索机器人 br 1433微粒群（鸟群）优化算法 br 1434没有机器人的集群 br 144群体智能背后的故事 br 145群体智能的应用与发展 br 【作业】 br 第15章智能制造与智能建造 br 【导读案例】互联网之父预言：智能眼镜未来将取代手机 br 151智能制造 br 1511综合特征 br 1512智能技术 br 1513测控装置 br 1514运作过程 br 152数字孪生 br 1521数字孪生的动态仿真 br 1522数字孪生的价值 br 153建筑信息模型 br 1531BIM基本特性 br 1532BIM对工程造价的影响 br 1533BIM模型的构架 br 1534BIM生态系统 br 1535BIM全周期实施规划 br 154智能建造 br 1541智能建造的定义 br 1542实现智能建造 br 【作业】 br 第16章自动规划及其方法 br 【导读案例】人与机器更好相处的“阿凡达”之路 br 161规划的概念 br 162人工智能的乌姆普思世界 br 1621描述乌姆普思世界 br 1622探索乌姆普思世界 br 163什么是自动规划 br 1631定义经典规划 br 1632自动规划问题 br 164规划方法 br 1641规划即搜索 br 1642部分有序规划 br 1643分级规划 br 1644基于案例的规划 br 1645规划方法分析 br 165时间、调度和资源 br 1651时间约束和资源约束的表示 br 1652解决调度问题 br 166自动规划的应用 br 【作业】 br 第17章搜索技术与算法 br 【导读案例】科研变革进入第五范式：“加速”也要防“跑偏” br 171关于搜索算法 br 172盲目搜索 br 1721状态空间图 br 1722回溯算法 br 1723贪婪算法 br 1724旅行销售员问题 br 1725深度优先搜索 br 1726广度优先搜索 br 1727迭代加深搜索 br 173知情搜索 br 1731启发法 br 1732爬山法 br 1733*陡爬坡法 br 1734*佳优先搜索 br 1735分支定界法 br 1736A*算法 br 174受到自然启发的搜索 br 1741遗传规划 br 1742蚂蚁聚居地优化 br 1743模拟退火 br 1744粒子群 br 1745禁忌搜索 br 【作业】 br 第18章人工智能的发展 br 【导读案例】AI生成的作品也有著作权 br 181创新发展与社会影响 br 1811人工智能发展的启示 br 1812人工智能的发展现状与影响 br 182伦理与安全 br 1821创造智能机器的大猩猩问题 br 1822积极与消极的方面 br 1823人才和基础设施短缺 br 1824设定伦理要求 br 1825强力保护个人隐私 br 1826机器人权利 br 183人工智能的极限 br 1831由非形式化得出的论据 br 1832衡量人工智能 br 184人工智能架构 br 1841传感器与执行器 br 1842通用人工智能 br 1843人工智能工程 br 185未来的人工智能 br 1851意识与感质 br 1852机器能思考吗 br 1853从模仿到理解 br 1854未来已来 br 【作业】 br 附录作业参考答案 br 参考文献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——ADIS5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*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ImageNet1312自然语言处理的ImageNet时刻1313从GPT-1到GPT-313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LLM13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*陡爬坡法1734*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