人工智能起源于20世紀(jì)50年代，雖然已有60余年的發(fā)展歷程，但這期間人工智能經(jīng)歷過經(jīng)費枯竭、前途渺茫的寒冬，也經(jīng)歷了兩個大發(fā)展的春天。從2006年開始，隨著數(shù)據(jù)量的大增、深度學(xué)習(xí)技術(shù)的應(yīng)用以及移動終端等生態(tài)系統(tǒng)的建立，人工智能的發(fā)展無比迅猛。從Siri語音識別到無人駕駛，都是人工智能的實現(xiàn)載體，涉及的技術(shù)和領(lǐng)域跨越多個學(xué)科，包括深度學(xué)習(xí)、智能識別、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、自然語言理解、知識發(fā)現(xiàn)、遺傳算法、符號推理、智能機器人等。
人工智能的本質(zhì)是對人類智能的模擬甚至超越，是指用機器去實現(xiàn)所有目前必須借助人類智慧才能實現(xiàn)的任務(wù)。英國數(shù)學(xué)家、計算機科學(xué)奠基人阿蘭·圖靈在1950年發(fā)表的著名論文Computing Machinery and Intelligence中，詳細(xì)討論了機器能否擁有智能的問題，提出了關(guān)于人工智能概念的三個重要命題。，人工智能關(guān)注如何模擬人類的智能活動，而不是全部腦力活動； 第二，人工智能關(guān)注計算機的外部智能行為，而不是產(chǎn)生該行為的內(nèi)部過程； 第三，人工智能的主題是設(shè)計能夠綜合適應(yīng)人類所在環(huán)境的單一智能體，而不是專門解決特定數(shù)學(xué)問題的算法。因此，從本質(zhì)上來說，人工智能是一種技術(shù)，一種對人的特定思想、意識、智慧的模擬甚至超越。
為了大力發(fā)展人工智能技術(shù)，世界各國也紛紛從國家戰(zhàn)略層面對人工智能加緊布局，推出自己的人工智能計劃。歐盟委員會于2013年宣布人腦計劃(HBP)為歐盟未來十年的新興旗艦技術(shù)項目，計劃開發(fā)出世界上個具有意識和智能的人造大腦； 同年，美國正式公布推進(jìn)創(chuàng)新神經(jīng)技術(shù)腦研究計劃，其目標(biāo)是繪制出一幅囊括大腦所有活動的詳圖； 日本也在2014年宣布啟動大腦研究計劃Brain/MINDS，旨在理解大腦如何工作以及通過建立動物模型，研究大腦神經(jīng)回路技術(shù)； 2017年我國人工智能政策的密集頒布和推陳出新更是歷史上其他產(chǎn)業(yè)前所未有的。這說明了人工智能產(chǎn)業(yè)發(fā)展的劃時代的重要性和緊迫性，我們每個人只有全面、科學(xué)和前瞻性地了解人工智能，才能更快、更好地緊跟時代潮流，提升自我的科學(xué)素養(yǎng)。
在學(xué)習(xí)了解人工智能的過程中，國內(nèi)外已出版了多本關(guān)于人工智能的書籍，但有的過于偏重人工智能的某一領(lǐng)域或內(nèi)容過于艱澀深奧，對初學(xué)者來說顯得有些吃力。人工智能的分支眾多，很難通過寥寥幾本書就完全掌握人工智能的奧妙。本書主要面向文科生及低年級理科生，或想要廣泛了解人工智能的其他領(lǐng)域的科研人員。
本書分為11章。首先從人工智能的歷史出發(fā)，介紹了其概念、研究現(xiàn)狀、三大學(xué)派等背景知識； 然后詳細(xì)地展示了兩大知識表示方法及其相應(yīng)的搜索技術(shù)，對謂詞邏輯和模糊邏輯也有具體的介紹； 之后還涉及遺傳算法、群智能算法和人工神經(jīng)網(wǎng)絡(luò)等計算智能技術(shù)，也介紹了機器學(xué)習(xí)和模式識別等人工智能中重要的研究領(lǐng)域； 后一章給出
了新一代人工智能的幾個經(jīng)典應(yīng)用案例。
本書力求系統(tǒng)而全面地介紹人工智能的背景及各領(lǐng)域分支。在內(nèi)容選取上，側(cè)重介紹通用的、常見的方法，盡可能全面廣泛地描述不同知識點的各種方法策略。在介紹格式上，每章都盡可能采用同樣的敘述方式，統(tǒng)一的框架使全書整體連貫不失系統(tǒng)性。對每一類方法策略，都會先給出簡單的示例以供讀者透徹學(xué)習(xí)，在此后同類的方法都會給出關(guān)鍵步驟，并在該類方法介紹完畢時給出相應(yīng)的總結(jié)。對于深層次的內(nèi)容或擴(kuò)展的知識，本書則是點到為止，有興趣的讀者可根據(jù)每章的參考文獻(xiàn)進(jìn)一步學(xué)習(xí)。關(guān)于章節(jié)習(xí)題，既包括理解性的討論類題目，也有技巧性的計算類題目，希望讀者可以通過這些習(xí)題鞏固掌握相關(guān)方法的本質(zhì)和根本理念。
本書的編寫得到西安電子科技大學(xué)教材基金資助。
在本書的編寫過程中，各位編者多次討論協(xié)商書中內(nèi)容和眾多細(xì)節(jié)，力求達(dá)到更高的質(zhì)量。盡管編者盡了的努力創(chuàng)作整理本書，但書中不足在所難免，歡迎各位專家和讀者提出寶貴意見，將不勝感激。
編者
2021年3月
西安電子科技大學(xué)
第1章概論
1.1人工智能的定義
1.1.1生物智能與人類智能
1.1.2人工智能
1.2人工智能的發(fā)展史和研究現(xiàn)狀
1.2.1萌芽期(1956年以前)
1.2.2形成期(19561970年)
1.2.3黯淡期(19661974年)
1.2.4繁榮期(19701988年)
1.2.5集成發(fā)展期(19862005年)
1.2.6發(fā)展新時代(2006年至今)
1.2.7人工智能的研究現(xiàn)狀
1.3人工智能三大學(xué)派
1.3.1圖靈測試
1.3.2符號主義
1.3.3連接主義
1.3.4行為主義
1.3.5三大學(xué)派的爭論
1.4人工智能的應(yīng)用領(lǐng)域
1.4.1計算機視覺
1.4.2自然語言處理
1.4.3認(rèn)知與推理
1.4.4機器人學(xué)
1.4.5博弈與倫理
1.4.6機器學(xué)習(xí)
本章小結(jié)
習(xí)題1
參考文獻(xiàn)
第2章狀態(tài)空間知識表示及其搜索技術(shù)
2.1經(jīng)典問題
2.2狀態(tài)空間表示法
2.2.1狀態(tài)空間的基本構(gòu)成
2.2.2狀態(tài)空間的問題表示
2.3狀態(tài)空間搜索的一般過程
2.3.1搜索的一般概念
2.3.2狀態(tài)空間圖搜索
2.4盲目式搜索
2.4.1寬度優(yōu)先搜索
2.4.2深度優(yōu)先搜索
2.4.3有界深度優(yōu)先搜索
2.4.4等代價搜索
2.5啟發(fā)式搜索
2.5.1估價函數(shù)與啟發(fā)式信息
2.5.2局部擇優(yōu)搜索
2.5.3全局擇優(yōu)搜索
2.5.4A*算法
2.6搜索算法的評價標(biāo)準(zhǔn)
本章小結(jié)
習(xí)題2
參考文獻(xiàn)
第3章問題歸約知識表示及其搜索技術(shù)
3.1問題歸約表示法
3.1.1問題的分解與等價變換
3.1.2問題歸約的與/或圖表示
3.2與/或圖的一般搜索過程
3.3盲目式搜索
3.3.1寬度優(yōu)先搜索
3.3.2深度優(yōu)先搜索
3.4啟發(fā)式搜索
3.4.1解樹的代價
3.4.2希望樹
3.5機器博弈
3.5.1機器博弈背景
3.5.2極大極小搜索
3.5.3剪枝
本章小結(jié)
習(xí)題3
參考文獻(xiàn)
第4章確定性推理
4.1推理的基本概念
4.1.1推理的概念
4.1.2推理的分類
4.1.3推理的策略
4.2推理的邏輯基礎(chǔ)
4.2.1命題邏輯
4.2.2謂詞邏輯
4.3自然演繹推理
4.4歸結(jié)演繹推理
4.4.1海伯倫定理
4.4.2魯濱遜歸結(jié)原理
4.4.3歸結(jié)策略
4.4.4歸結(jié)反演
4.5基于規(guī)則的演繹推理
4.5.1規(guī)則正向演繹系統(tǒng)
4.5.2規(guī)則逆向演繹系統(tǒng)
4.5.3規(guī)則雙向演繹系統(tǒng)
本章小結(jié)
習(xí)題4
參考文獻(xiàn)
第5章不確定性推理
5.1不確定性推理的基本概念
5.1.1不確定性的表示與度量
5.1.2不確定性的算法
5.1.3不確定性推理方法分類
5.2概率推理
5.2.1概率的基本公式
5.2.2概率推理方法
5.3主觀貝葉斯方法
5.3.1基于主觀貝葉斯的不確定性表示
5.3.2主觀貝葉斯方法的推理算法
5.4可信度方法
5.4.1基于可信度的不確定性表示
5.4.2可信度方法的推理算法
5.4.3帶有閾值限度的不確定性推理
5.4.4加權(quán)的不確定性推理
5.5證據(jù)理論
5.5.1基于證據(jù)理論的不確定性
5.5.2證據(jù)理論的不確定推理模型
5.6模糊推理
5.6.1模糊集合
5.6.2模糊關(guān)系及其合成
5.6.3模糊推理
5.6.4模糊決策
本章小結(jié)
習(xí)題5
參考文獻(xiàn)
第6章遺傳算法
6.1進(jìn)化計算
6.1.1進(jìn)化計算的背景
6.1.2進(jìn)化計算的分類
6.2遺傳算法的生物學(xué)背景
6.2.1達(dá)爾文進(jìn)化論與孟德爾學(xué)說
6.2.2生物進(jìn)化與遺傳算法的基本思想
6.3遺傳算法的實現(xiàn)過程
6.3.1編碼機制
6.3.2種群初始化
6.3.3適應(yīng)度函數(shù)
6.3.4遺傳算子
6.3.5環(huán)境選擇
6.3.6停機準(zhǔn)則
6.3.7基本步驟
6.4遺傳算法求解優(yōu)化問題實例
6.4.1優(yōu)化問題
6.4.2求解連續(xù)優(yōu)化問題
6.4.3求解組合優(yōu)化問題
6.4.4求解多目標(biāo)優(yōu)化問題
6.4.5遺傳算法參數(shù)討論
6.4.6遺傳算法工具箱
6.5遺傳算法的改進(jìn)
6.6遺傳算法的應(yīng)用
本章小結(jié)
習(xí)題6
參考文獻(xiàn)
第7章群智能算法
7.1群智能基礎(chǔ)
7.1.1群智能算法的基本思想
7.1.2典型群智能算法
7.2粒子群算法
7.2.1粒子群算法的背景
7.2.2粒子群算法的原理
7.2.3粒子群算法求解實例
7.2.4粒子群算法的各種改進(jìn)
7.2.5粒子群算法的應(yīng)用
7.3蟻群算法
7.3.1蟻群算法的起源
7.3.2蟻群算法的原理
7.3.3蟻群算法求解實例
7.3.4蟻群算法的各種改進(jìn)
7.3.5蟻群算法的應(yīng)用
7.4魚群算法
7.4.1魚群算法的背景
7.4.2魚群算法的原理
7.4.3魚群算法的求解實例
本章小結(jié)
習(xí)題7
參考文獻(xiàn)
第8章人工神經(jīng)網(wǎng)絡(luò)
8.1人工神經(jīng)網(wǎng)絡(luò)的基本原理
8.1.1生物神經(jīng)系統(tǒng)
8.1.2人工神經(jīng)網(wǎng)絡(luò)的模型
8.1.3人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)建模
8.2學(xué)習(xí)機理
8.2.1單層感知器及其學(xué)習(xí)算法
8.2.2BP神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法
8.3人工神經(jīng)網(wǎng)絡(luò)的分類
8.3.1前向網(wǎng)絡(luò)
8.3.2反饋網(wǎng)絡(luò)
8.4人工神經(jīng)網(wǎng)絡(luò)的基本學(xué)習(xí)算法
8.4.1Hebb規(guī)則
8.4.2誤差修正學(xué)習(xí)算法
8.4.3勝者為王學(xué)習(xí)規(guī)則
8.5從神經(jīng)網(wǎng)絡(luò)到深度學(xué)習(xí)
8.6深度網(wǎng)絡(luò)
8.6.1深度卷積神經(jīng)網(wǎng)絡(luò)
8.6.2稀疏深度神經(jīng)網(wǎng)絡(luò)
8.6.3深度融合網(wǎng)絡(luò)
本章小結(jié)
習(xí)題8
參考文獻(xiàn)
第9章機器學(xué)習(xí)基礎(chǔ)
9.1機器學(xué)習(xí)理論基礎(chǔ)
9.1.1機器學(xué)習(xí)的定義和研究意義
9.1.2機器學(xué)習(xí)的發(fā)展史
9.2機器學(xué)習(xí)的方法
9.2.1機器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)
9.2.2機器學(xué)習(xí)方法的分類
9.2.3幾種機器學(xué)習(xí)方法介紹
9.3機器學(xué)習(xí)算法的應(yīng)用
本章小結(jié)
習(xí)題9
參考文獻(xiàn)
第10章模式識別
10.1模式識別的基本概念
10.1.1模式識別的定義
10.1.2模式識別與分類器
10.1.3有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)
10.1.4實例： 手寫數(shù)字識別
10.2模式識別系統(tǒng)
10.2.1基本框架
10.2.2基本方法
10.3特征提取與選擇
10.3.1基本概念
10.3.2特征評價
10.3.3特征選擇算法
10.3.4特征提取
10.4分類器設(shè)計
10.4.1經(jīng)典的有監(jiān)督分類器
10.4.2經(jīng)典的無監(jiān)督分類器
10.5分類器的評價
10.5.1監(jiān)督模式識別系統(tǒng)評價
10.5.2非監(jiān)督模式識別系統(tǒng)評價
本章小結(jié)
習(xí)題 10
參考文獻(xiàn)
第11章未來人工智能
11.1人工智能的發(fā)展階段
11.2人工智能圍棋
11.2.1AlphaGo
11.2.2AlphaGo Zero
11.3無人駕駛
11.3.1原理概述
11.3.2研究概況
11.4無人超市
11.4.1誕生背景
11.4.2Amazon Go
11.5情感機器人
11.5.1情感機器人的定義
11.5.2情感機器人的研究概況
11.6智能醫(yī)療
11.6.1智能醫(yī)療設(shè)備
11.6.2智能醫(yī)療系統(tǒng)
11.7智能家居
11.7.1背景
11.7.2發(fā)展現(xiàn)狀
11.7.3主要功能
11.8智能藝術(shù)
11.8.1作詩
11.8.2繪畫
11.9機器翻譯
11.9.1翻譯簡史
11.9.2機譯系統(tǒng)
11.9.3在線機譯
11.10未來人工智能展望
11.10.1人工智能的未來趨勢
11.10.2面臨的挑戰(zhàn)
本章小結(jié)
習(xí)題11
參考文獻(xiàn)
書單推薦
