人工智能通识教程(第2版·微课版)

第1章思考的工具1
【导读案例】动物智能: 聪明的汉斯1
1.1计算的渊源2
1.1.1巨石阵2
1.1.2安提基特拉机械3
1.1.3阿拉伯数字3
1.2巴贝奇与数学机器4
1.2.1差分机4
1.2.2分析机4
1.2.3“机器人”的由来5
1.3计算机的出现6
1.3.1为战争而发展的计算机器6
1.3.2计算机无处不在7
1.3.3通用计算机7
1.3.4计算机语言9
1.3.5计算机建模9
1.4计算机的智能行为10
1.4.1类人行为: 图灵测试10
1.4.2类人思考: 认知建模10
1.4.3理性思考: “思维法则”11
1.4.4理性行为: 理性智能体11
1.4.5对人类可证益的智能体12
1.5人工智能大师13
【作业】13
第2章定义人工智能16
【导读案例】自动驾驶概述16
2.1人工智能的学科基础19
2.2人工智能概述24
2.2.1“人工”与“智能”24
2.2.2人工智能的定义26
2.2.3人工智能的实现途径26
2.2.4人工智能发展的6个阶段27
2.3人工智能的发展历史29
2.3.1人工智能研究获得的图灵奖29
2.3.2从人工神经元开始（1943—1956）29
2.3.3早期期望无限（1952—1969）31
2.3.4一些现实（1966—1973）32
2.3.5专家系统（1969—1986）33
2.3.6神经网络的回归（1986至今）34
2.3.7概率推理和机器学习（1987至今）34
2.3.8大数据（2001至今）35
2.3.9深度学习（2011至今）36
2.4人工智能的研究36
【作业】40
第3章大数据与人工智能43
【导读案例】电子商务的推荐系统43
3.1什么是模糊逻辑44
3.1.1甲虫机器人的规则45
3.1.2模糊逻辑的发明45
3.1.3制定模糊逻辑的规则46
3.1.4模糊逻辑的定义47
3.1.5模糊理论的发展47
3.2模糊逻辑系统48
3.2.1纯模糊逻辑系统48
3.2.2高木—关野模糊逻辑系统49
3.2.3具有产生器及消除器的模糊逻辑系统49
3.3数据思维与变革49
3.3.1思维转变之一: 样本=总体50
3.3.2思维转变之二: 接受数据的混杂性51
3.3.3思维转变之三: 数据的相关关系52
3.4大数据与人工智能53
3.4.1人工智能与大数据的联系53
3.4.2人工智能与大数据的区别54
3.4.3人工智能深化大数据应用54
【作业】55
第4章智能体与智能代理58
【导读案例】智能体: 下一个颠覆性AI应用58
4.1智能体和环境61
4.2智能体的良好行为62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、学习和自主63
4.3环境的本质64
4.3.1指定任务环境64
4.3.2任务环境的属性65
4.4智能体的结构68
4.4.1智能体程序68
4.4.2学习型智能体69
4.4.3智能体程序组件的工作71
4.5智能代理技术72
4.5.1智能代理的定义72
4.5.2智能代理的典型工作过程72
4.5.3智能代理的特点73
4.5.4系统内的协同合作74
4.6智能代理的典型应用75
4.6.1股票/债券/期货交易75
4.6.2医疗诊断76
4.6.3搜索引擎76
4.6.4实体机器人77
4.6.5电脑游戏77
【作业】78
第5章机器学习80
【导读案例】奈飞的电影推荐引擎80
5.1什么是机器学习81
5.1.1机器学习的发展81
5.1.2机器学习的定义83
5.1.3机器学习的研究85
5.2基于学习方式的分类86
5.2.1监督学习86
5.2.2无监督学习87
5.2.3强化学习87
5.2.4机器学习的其他分类88
5.3机器学习的基本结构89
5.4机器学习算法90
5.4.1专注于学习能力91
5.4.2回归算法92
5.4.3K近邻算法92
5.4.4决策树算法92
5.4.5贝叶斯算法93
5.4.6聚类算法94
5.4.7支持向量机算法94
5.4.8神经网络算法94
5.4.9梯度增强算法94
5.4.10关联规则算法95
5.4.11EM（期望*大化）算法95
5.5机器学习的应用95
5.5.1数据分析与挖掘96
5.5.2模式识别96
5.5.3生物信息学应用96
5.5.4物联网96
5.5.5聊天机器人97
5.5.6自动驾驶98
【作业】98
第6章深度学习101
【导读案例】人类与动物智商的差别101
6.1动物的中枢神经系统103
6.1.1神经系统的结构103
6.1.2神经系统的学习机制104
6.2了解人工神经网络104
6.2.1人工神经网络的研究105
6.2.2典型的人工神经网络105
6.2.3类脑计算机106
6.3深度学习的定义106
6.3.1深度学习的优势107
6.3.2深度学习的意义107
6.3.3神经网络理解图片108
6.3.4训练神经网络110
6.3.5深度学习的方法111
6.4卷积神经网络114
6.4.1为什么选择卷积114
6.4.2卷积神经网络结构116
6.5迁移学习117
6.5.1基于实例的迁移118
6.5.2基于特征的迁移118
6.5.3基于共享参数的迁移118
6.6深度学习的应用118
【作业】120
第7章强化学习122
【导读案例】谷歌制定新“守则”，确保机器人决策更安全122
7.1强化学习的定义123
7.1.1发展历史123
7.1.2基本模型和原理124
7.1.3网络模型设计124
7.1.4设计考虑126
7.1.5数据依赖性126
7.2与监督学习的区别127
7.2.1学习方式128
7.2.2先验知识与标注数据129
7.3强化学习基础理论129
7.3.1基于模型与免模型环境129
7.3.2探索与利用130
7.3.3预测与控制131
7.4强化学习分类131
7.4.1从奖励中学习131
7.4.2被动强化学习132
7.4.3主动强化学习132
7.4.4强化学习中的泛化132
7.4.5学徒学习与逆强化学习132
7.5强化学习的应用133
7.5.1游戏博弈134
7.5.2机器人控制134
7.5.3制造业135
7.5.4医疗服务业135
7.5.5电子商务136
【作业】136
第8章数据挖掘139
【导读案例】葡萄酒的品质139
8.1从数据到知识142
8.1.1决策树分析143
8.1.2购物车分析143
8.1.3贝叶斯网络144
8.2数据挖掘方法145
8.2.1数据挖掘的发展145
8.2.2数据挖掘的对象146
8.2.3数据挖掘的步骤146
8.2.4数据挖掘分析方法147
8.3数据挖掘的经典算法148
8.3.1神经网络法148
8.3.2决策树法149
8.3.3遗传算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6关联规则法150
8.4机器学习与数据挖掘150
8.4.1数据挖掘和机器学习典型过程150
8.4.2机器学习与数据挖掘应用案例152
【作业】154
第9章机器人技术156
【导读案例】划时代的阿波罗计划156
9.1包容体系结构158
9.1.1所谓“中文房间”159
9.1.2传统机器人学159
9.1.3建立包容体系结构160
9.2包容体系结构的实现160
9.2.1艾伦机器人161
9.2.2赫伯特机器人161
9.2.3托托机器人162
9.3机器感知162
9.3.1机器智能与智能机器163
9.3.2机器思维与思维机器163
9.3.3机器行为与行为机器163
9.4机器人的概念164
9.4.1机器人的发展164
9.4.2机器人“三原则”165
9.5机器人的技术问题166
9.5.1机器人的组成166
9.5.2机器人的运动167
9.5.3机器人大狗168
【作业】169
第10章计算机视觉172
【导读案例】谷歌大脑的诞生172
10.1模式识别174
10.2图像识别175
10.2.1人类的图像识别能力176
10.2.2图像识别的基础176
10.2.3图形识别的模型178
10.2.4神经网络图像识别178
10.3计算机视觉技术179
10.3.1什么是机器视觉179
10.3.2定义计算机视觉180
10.3.3计算机视觉与机器视觉的区别181
10.4智能图像处理技术182
10.4.1图像采集182
10.4.2图像预处理182
10.4.3图像分割182
10.4.4目标识别和分类183
10.4.5目标定位和测量183
10.4.6目标检测和跟踪183
10.5计算机视觉系统典型功能184
10.6计算机视觉技术的应用185
10.6.1机器视觉的行业应用186
10.6.2检测与机器人视觉应用186
10.6.3布匹生产质量检测188
【作业】190
第11章自然语言处理192
【导读案例】机器翻译: 大数据简单算法与小数据复杂算法192
11.1语言的问题和可能性194
11.2什么是自然语言处理195
11.2.1自然语言处理的原因195
11.2.2自然语言处理的方法196
11.2.3自然语言处理的任务197
11.2.4语言模型198
11.3语法类型与语义分析199
11.3.1语法类型200
11.3.2语义分析200
11.3.3IBM机器翻译系统200
11.4处理数据与处理工具201
11.4.1统计NLP语言数据集201
11.4.2自然语言处理工具201
11.4.3自然语言处理的技术难点202
11.5语音处理202
11.5.1语音处理的发展202
11.5.2语音理解203
11.5.3语音识别203
【作业】205
第12章GPT——大语言模型起步207
【导读案例】2023年国内大模型汇总207
12.1自然语言处理的进步209
12.1.1关于ImageNet210
12.1.2自然语言处理的ImageNet时刻210
12.1.3从GPT1到GPT3211
12.1.4ChatGPT聊天机器人模型与对策212
12.1.5从文本生成音乐的MusicLM模型213
12.1.6检测AI文本的DetectGPT算法213
12.2科普AI大语言模型214
12.3ChatGPT的模仿秀215
12.3.1旧的守卫，新的想法215
12.3.2搜索引擎结合LLM216
12.3.3克服简单编造与重复216
12.4传统行业的下岗217
12.4.1客服市场，AI本来就很卷217
12.4.2伐木场迎来工业革命219
12.4.3新技术，新问题221
【作业】222
第13章群体智能225
【导读案例】无人机*快圈速: 算法控制战胜专业驾驶员225
13.1向蜜蜂学习群体智能227
13.2什么是群体智能229
13.2.1群体人工智能技术229
13.2.2群体智能的两种机制230
13.2.3基本原则与特点230
13.3典型算法模型231
13.3.1蚁群算法231
13.3.2搜索机器人233
13.3.3微粒群（鸟群）优化算法234
13.3.4没有机器人的集群236
13.4群体智能背后的故事236
13.5群体智能的应用238
13.6群体智能的发展240
【作业】240
第14章自动规划243
【导读案例】自动驾驶泊车技术243
14.1规划的概念244
14.2人工智能的乌姆普斯世界245
14.2.1描述乌姆普斯世界245
14.2.2探索乌姆普斯世界246
14.3什么是自动规划247
14.3.1定义经典规划247
14.3.2自动规划问题248
14.3.3规划问题示例249
14.4规划方法252
14.4.1规划即搜索252
14.4.2部分有序规划254
14.4.3分级规划255
14.4.4基于案例的规划255
14.4.5规划方法分析255
14.5时间、调度和资源256
14.5.1时间约束和资源约束的表示256
14.5.2解决调度问题256
【作业】257
第15章人工智能的发展259
【导读案例】科学家发现新的人类脑细胞259
15.1创新发展与社会影响261
15.1.1人工智能发展的启示262
15.1.2人工智能的发展现状与影响262
15.2伦理与安全264
15.2.1创造智能机器的大猩猩问题264
15.2.2积极与消极的方面264
15.2.3人才和基础设施短缺265
15.2.4设定伦理要求266
15.2.5强力保护个人隐私267
15.2.6机器人权利267
15.3人工智能的极限268
15.3.1由非形式化得出的论据268
15.3.2衡量人工智能268
15.4人工智能架构269
15.4.1传感器与执行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的机遇与挑战271
15.6未来的人工智能272
15.6.1意识与感质273
15.6.2机器能思考吗273
15.6.3未来已来274
【作业】274
【课程学 结】277
附录A作业参考答案281
参考文献285