本書全面介紹人工智能的基本理論、技術及應用。全書共10章，主要內容包括人工智能概論、知識表示與知識圖譜、確定性與不確定性推理、搜索策略、遺傳算法、群智能算法、人工神經(jīng)網(wǎng)絡、機器學習與深度學習、專家系統(tǒng)、自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調人工智能知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工智能的主要思想和應用人工智能技術解決專業(yè)領域問題的基本技術，培養(yǎng)創(chuàng)新精神。 本書的適用對象廣泛，可作為高等學校各專業(yè)人工智能基礎課程的教材，也可供對人工智能技術感興趣的廣大讀者閱讀。
（1）語言簡明，可讀性好。
（2）內容先進，注重應用。
（3）精心編排，便于學習。
（4）結構合理，方便教學。
（5）附有實驗指導，方便實驗教學。
（6）有配套MOOC課程，便于學生自學。
2017年7月，國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》把人工智能作為國家發(fā)展戰(zhàn)略。人工智能人才培養(yǎng)是實現(xiàn)國家人工智能發(fā)展戰(zhàn)略的一個關鍵。2018年，教育制訂了《高等學校人工智能創(chuàng)新行動計劃》，從不同的專業(yè)角度對人工智能人才培養(yǎng)進行全面布局，在計算機、電子信息、自動化、機械等多個專業(yè)領域設置了智能科學與技術、人工智能、數(shù)據(jù)科學與大數(shù)據(jù)技術、機器人工程等人工智能類專業(yè)，還把人工智能技術引入傳統(tǒng)專業(yè)，形成智能制造工程、智能車輛工程、智能電網(wǎng)信息工程、電氣工程與智能控制、電機電器智能化、智能材料與結構、智能醫(yī)學工程等專業(yè)。
事實上，人工智能和其他專業(yè)的結合是培養(yǎng)人工智能應用人才的一個非常重要的方面，是和人工智能專業(yè)人才培養(yǎng)相輔相成的。所以，需要編寫不同特點的人工智能教材。
1. 本書的形成
本書作者從1989年開始從事人工智能及其應用的研究，從1993年開始從事人工智能課程的教學，為控制、計算機、機械等專業(yè)研究生講授人工智能原理與應用課程，為計算機、自動化等類專業(yè)本科生講授人工智能導論課程。在多年的教學實踐中，作者深感極有必要編著一本內容比較基礎、可讀性好、適合講授的人工智能教材。本書作者在自己多年來的講稿基礎上，于2005年編寫了人工智能教材，并不斷跟蹤人工智能的發(fā)展，形成了適合研究生、本科生不同層次的人工智能系列教材，被許多高校選用。其中，作者主講的人工智能導論入選首批國家級線上一流本科課程，編寫的《人工智能導論》（第5版）入選十二五普通高等教育本科國家級規(guī)劃教材，并榮獲首屆國家級優(yōu)秀教材二等獎。
隨著人工智能技術的發(fā)展，越來越多的專業(yè)需要開設人工智能課程。因此，作者從2005年開始為全校工學、理學、經(jīng)濟學、管理學、哲學、文學、法學等學科門類專業(yè)學生開設人工智能及其應用公選課，從2017年開始負責全校人工智能通識教育核心課程建設。在人工智能通識課程教學過程中，作者深感已有人工智能教材不適合作為通識課程教材，特別是不適合人文社科類大學生的學習，因此，迫切需要編寫面向全校各專業(yè)（包括人文社科專業(yè)）的人工智能通識課程教材。為此，作者針對人文社科類大學生的知識結構和思維方式，突出人工智能解決復雜問題的創(chuàng)新思想，編寫了《人工智能通識教程》一書，受到非常廣泛的歡迎。在上述教材的基礎上，作者面向量大面廣的應用型高校開設人工智能課程的需要，編寫了這本《人工智能應用教程》。
2. 主要內容
本書共10章。第1章除了介紹人工智能的基本概念、發(fā)展簡史以外，著重介紹目前人工智能的主要研究內容與各種應用，以開闊讀者的視野，引導讀者進入人工智能各個研究領域，最后，簡要介紹了人工智能倫理。第2章介紹知識表示的概念，一階謂詞邏輯、產(chǎn)生式、框架等基本的知識表示方法，以及知識圖譜的基本內容。第3章介紹推理的概念、基于謂詞邏輯的確定性推理、基于統(tǒng)計分析和基于模糊理論的不確定推理方法及其應用。第4章介紹應用非常廣泛的搜索策略。第5章介紹模擬生物進化的遺傳算法。第6章介紹模擬生物群體行為的適用于大規(guī)模優(yōu)化問題的群智能算法。第7章介紹模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡，為后面介紹深度學習奠定基礎。第8章介紹機器學習與深度學習及其廣泛的應用，包括卷積神經(jīng)網(wǎng)絡、膠囊網(wǎng)絡、生成對抗網(wǎng)絡等深度學習的前沿內容。第9章介紹專家系統(tǒng)的概念、工作原理以及應用。第10章介紹日益廣泛應用的自然語言處理技術，包括機器翻譯、語音識別等應用。
人工智能應用教程前言3. 本書特色
本書有以下特色。
（1） 語言簡明，可讀性好。本書力求用通俗的文字深入淺出地講解概念、理論和技術，特別是將人工智能技術與文學藝術、人們的日常生活、人類思維方法等相結合，使學生能夠感受到與人工智能相關的人文情懷，感受到人工智能就在自己身邊，使學生能夠有興趣、有耐心、系統(tǒng)地閱讀本書，掌握人工智能的基本思想與基本方法。
（2） 內容先進，注重應用。人工智能正處于迅速發(fā)展時期，內容非常豐富。本書覆蓋了人工智能的主要應用領域，體系完整，精選了人工智能技術的一些前沿熱點。書中運用大量應用實例，跳出晦澀復雜的概率論、數(shù)理統(tǒng)計、算法理論，讓這些冷冰冰的人工智能知識變得有溫度。以淺顯易懂的方式詮釋人工智能精髓，啟迪算法理解，讓學生理解原本深奧的人工智能技術。書中介紹一些能夠為本科生理解的應用實例，引導學生學習應用新理論解決實際問題的方法。書中設置了很多課程思政教學元素。
（3） 精心編排，便于學習。每章開始設置了導讀，使學生在學習本章之前就知道本章要討論的主題和學習目標。每章最后扼要總結了本章的重要概念、公式、定理與方法。本書采用雙色印刷，將重要的概念、公式、定理與方法用紅色標示出來，以引起學生注意。
（4） 結構合理，方便教學。本書各章內容相對獨立，教師可以根據(jù)課程計劃學時和專業(yè)需要自由選擇和組合相關內容，以保持課程體系結構的完整性。采用本書作為教材，建議課堂教學學時為48學時左右。
（5） 附有實驗指導，方便實驗教學。圍繞人工智能技術的主要教學內容，附錄中設置了課程實驗，方便教學。學生通過程序實現(xiàn)能夠深入了解人工智能的算法，體會如何應用人工智能技術解決實際問題。
（6） 有配套MOOC課程，便于學生自學。需要進一步學習人工智能技術的學生，可以選擇作者在中國大學MOOC網(wǎng)站（http://www.icourse163.org）上開設的人工智能導論國家線上一流精品課程。
4. 教學資源支持
本書配套的教學資源包括教學大綱、PPT、實驗源代碼、習題答案和題庫，使用本書作為教材的教師可向longqm@163.com免費申請，服務支持請聯(lián)系QQ: 381844463。
5. 作者致謝
衷心感謝人工智能課程國家級虛擬教研室和浙江省高校名師工作室全體成員和作者一起對人工智能教學的不斷探索！衷心感謝清華大學出版社的龍啟銘編輯，他為本書付出了辛勤勞動以及向作者提出了許多有益的修改建議。
限于作者水平，書中一定會存在許多不足之處，歡迎廣大讀者提出寶貴意見。
王萬良2023年1月于杭州
第1章人工智能概論1
1.1你了解人類的智能嗎1
1.1.1智能的概念1
1.1.2智能的特征3
1.2人工智能的孕育和誕生6
1.2.1人工智能的孕育期6
1.2.2人工智能的誕生達特茅斯會議8
1.2.3人工智能的定義與圖靈測試9
1.3人工智能的發(fā)展11
1.3.1人工智能的形成期11
1.3.2幾起幾落的曲折發(fā)展期12
1.3.3大數(shù)據(jù)驅動的飛速發(fā)展期14
1.4從兩場標志性人機博弈看人工智能的發(fā)展15
1.4.1人工智能研究中的小白鼠15
1.4.2深藍戰(zhàn)勝國際象棋棋王卡斯帕羅夫15
1.4.3阿爾法狗無師自通橫掃世界圍棋大師17
1.5人工智能研究的基本內容19
1.6人工智能的主要應用領域21
1.7人工智能倫理36
1.7.1人工智能倫理的提出與發(fā)展37
1.7.2人工智能倫理的典型案例與成因分析38
1.7.3人工智能倫理的治理原則40
1.7.4人工智能倫理的治理措施42
1.8本章小結44
討論題44人工智能應用教程目錄第2章知識表示與知識圖譜45
2.1你了解人類知識嗎45
2.1.1什么是知識45
2.1.2知識的相對正確性46
2.1.3知識的不確定性47
2.1.4計算機表示知識的方法49
2.2一階謂詞邏輯表示法50
2.2.1命題50
2.2.2謂詞51
2.2.3謂詞公式53
2.2.4一階謂詞邏輯知識表示方法56
2.2.5一階謂詞邏輯表示法的特點57
2.3產(chǎn)生式表示法58
2.3.1產(chǎn)生式59
2.3.2產(chǎn)生式系統(tǒng)60
2.3.3產(chǎn)生式表示法的特點62
2.4框架表示法63
2.4.1框架的一般結構64
2.4.2用框架表示知識的例子65
2.4.3框架表示法的特點68
2.5知識圖譜68
2.5.1知識圖譜的提出69
2.5.2知識圖譜的定義69
2.5.3知識圖譜的表示71
2.5.4知識圖譜的架構72
2.5.5知識圖譜的典型應用72
2.6本章小結74
討論題76
習題77第3章模擬人類思維的推理方法78
3.1推理的定義78
3.2推理的分類79
3.2.1從推出知識的路徑分類79
3.2.2從知識的確定性分類81
3.3推理的方向81
3.3.1正向推理82
3.3.2逆向推理84
3.3.3混合推理85
3.4推理中的沖突消解策略87
3.5基于謂詞邏輯的確定性推理90
3.5.1自然演繹推理90
3.5.2魯濱遜歸結原理92
3.5.3歸結反演93
3.5.4歸結求解96
3.6基于統(tǒng)計分析的不確定性推理99
3.6.1不確定性推理的概念99
3.6.2可信度方法103
3.6.3可信度方法舉例106
3.7基于模糊理論的不確定性推理107
3.7.1模糊邏輯的提出與發(fā)展107
3.7.2模糊集合的定義與表示109
3.7.3隸屬函數(shù)111
3.7.4模糊關系113
3.7.5模糊關系的合成115
3.7.6模糊推理116
3.7.7模糊決策117
3.7.8模糊推理的應用118
3.8本章小結119
討論題121
習題121
第4章搜索策略125
4.1搜索的概念125
4.2如何用狀態(tài)空間表示搜索對象126
4.2.1狀態(tài)空間知識表示方法126
4.2.2狀態(tài)空間的圖描述128
4.3回溯策略131
4.4盲目的圖搜索策略133
4.4.1寬度優(yōu)先搜索策略133
4.4.2深度優(yōu)先搜索策略134
4.5啟發(fā)式圖搜索策略137
4.5.1啟發(fā)式策略137
4.5.2啟發(fā)信息和估價函數(shù)140
4.5.3A搜索算法142
4.5.4A搜索算法143
4.5.5蒙特卡洛樹搜索算法145
4.6本章小結147
討論題148
習題149
第5章模擬生物進化的遺傳算法150
5.1進化算法的生物學背景150
5.2遺傳算法152
5.2.1遺傳算法的發(fā)展歷史152
5.2.2遺傳算法的基本思想153
5.2.3編碼154
5.2.4種群設定156
5.2.5適應度函數(shù)157
5.2.6選擇158
5.2.7交叉161
5.2.8變異163
5.3遺傳算法的主要改進算法164
5.3.1雙倍體遺傳算法165
5.3.2雙種群遺傳算法166
5.3.3自適應遺傳算法167
5.4基于遺傳算法的生產(chǎn)調度方法169
5.4.1基于遺傳算法的流水車間調度方法169
5.4.2基于遺傳算法的混合流水車間調度方法171
5.5本章小結176
討論題177
習題178
第6章模擬生物群體行為的群智能算法179
6.1群智能算法的生物學背景179
6.2模擬鳥群行為的粒子群優(yōu)化算法181
6.2.1基本粒子群優(yōu)化算法181
6.2.2粒子群優(yōu)化算法的應用183
6.3模擬蟻群行為的蟻群優(yōu)化算法185
6.3.1蟻群優(yōu)化算法的生物學背景186
6.3.2基本蟻群優(yōu)化算法186
6.3.3蟻群優(yōu)化算法的應用190
6.4本章小結192
討論題193
第7章模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡194
7.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡194
7.1.1生物神經(jīng)元結構194
7.1.2生物神經(jīng)元的數(shù)學模型195
7.1.3人工神經(jīng)網(wǎng)絡的結構與學習197
7.2機器學習的先驅赫布學習規(guī)則198
7.3掀起人工神經(jīng)網(wǎng)絡第一次高潮的感知器200
7.4掀起人工神經(jīng)網(wǎng)絡第二次高潮的BP學習算法202
7.4.1BP學習算法的提出202
7.4.2BP神經(jīng)網(wǎng)絡203
7.4.3BP學習算法204
7.4.4BP學習算法在模式識別中的應用207
7.5本章小結209
討論題209
習題210
第8章機器學習與深度學習213
8.1機器學習的基本概念213
8.1.1學習213
8.1.2機器學習214
8.1.3學習系統(tǒng)214
8.1.4機器學習的發(fā)展217
8.2機器學習的分類218
8.2.1機器學習的一般分類方法218
8.2.2監(jiān)督學習與無監(jiān)督學習220
8.2.3弱監(jiān)督學習222
8.3知識發(fā)現(xiàn)與數(shù)據(jù)挖掘225
8.3.1知識發(fā)現(xiàn)與數(shù)據(jù)挖掘的概念226
8.3.2知識發(fā)現(xiàn)的一般過程226
8.3.3知識發(fā)現(xiàn)的任務227
8.3.4知識發(fā)現(xiàn)的對象228
8.4動物視覺機理與深度學習的提出230
8.4.1淺層學習的局限性230
8.4.2深度學習的提出231
8.5卷積神經(jīng)網(wǎng)絡與膠囊網(wǎng)絡233
8.5.1卷積神經(jīng)網(wǎng)絡的結構233
8.5.2卷積的物理、生物與生態(tài)學等意義234
8.5.3卷積神經(jīng)網(wǎng)絡的卷積運算235
8.5.4卷積神經(jīng)網(wǎng)絡中的關鍵技術237
8.5.5卷積神經(jīng)網(wǎng)絡的應用240
8.5.6膠囊網(wǎng)絡241
8.5.7基于深度學習的計算機視覺244
8.6生成對抗網(wǎng)絡及其應用246
8.6.1生成對抗網(wǎng)絡的基本原理247
8.6.2生成對抗網(wǎng)絡的結構與訓練248
8.6.3生成對抗網(wǎng)絡在圖像處理中的應用250
8.6.4生成對抗網(wǎng)絡在語言處理中的應用254
8.6.5生成對抗網(wǎng)絡在視頻生成中的應用258
8.6.6生成對抗網(wǎng)絡在醫(yī)療中的應用259
8.7本章小結260
討論題262
習題262
第9章專家系統(tǒng)263
9.1專家系統(tǒng)的產(chǎn)生和發(fā)展263
9.2專家系統(tǒng)的概念265
9.2.1專家系統(tǒng)的定義265
9.2.2專家系統(tǒng)的特點266
9.2.3專家系統(tǒng)的類型268
9.3專家系統(tǒng)的工作原理269
9.3.1專家系統(tǒng)的一般結構269
9.3.2知識庫270
9.3.3推理機271
9.3.4綜合數(shù)據(jù)庫271
9.3.5知識獲取機構271
9.3.6解釋機構272
9.3.7人機接口273
9.4簡單的動物識別專家系統(tǒng)273
9.4.1知識庫建立273
9.4.2綜合數(shù)據(jù)庫建立和推理過程275
9.5專家系統(tǒng)開發(fā)工具骨架系統(tǒng)276
9.5.1骨架系統(tǒng)的概念276
9.5.2EMYCIN骨架系統(tǒng)277
9.5.3KAS骨架系統(tǒng)278
9.6專家系統(tǒng)開發(fā)環(huán)境280
9.7本章小結281
討論題282
第10章自然語言理解283
10.1自然語言理解的概念與發(fā)展283
10.1.1自然語言理解的概念283
10.1.2自然語言理解的發(fā)展歷史284
10.2語言處理過程的層次287
10.3機器翻譯方法概述289
10.4循環(huán)神經(jīng)網(wǎng)絡293
10.4.1循環(huán)神經(jīng)網(wǎng)絡的結構293
10.4.2循環(huán)神經(jīng)網(wǎng)絡的訓練294
10.4.3長短期記憶神經(jīng)網(wǎng)絡295
10.5基于循環(huán)神經(jīng)網(wǎng)絡的機器翻譯295
10.6語音識別297
10.6.1語音識別的概念297
10.6.2語音識別的主要過程298
10.6.3語音識別的方法301
10.7本章小結302
討論題303
附錄A人工智能實驗指導書304
實驗1產(chǎn)生式系統(tǒng)實驗304
實驗2洗衣機模糊推理系統(tǒng)實驗305
實驗3A算法求解N數(shù)碼問題實驗306
實驗4A算法求解迷宮尋路問題實驗308
實驗5遺傳算法求函數(shù)最大值實驗309
實驗6遺傳算法求解TSP問題實驗312
實驗7粒子群算法求函數(shù)最小值實驗314
實驗8蟻群算法求解TSP問題實驗315
實驗9BP神經(jīng)網(wǎng)絡分類實驗315
實驗10卷積神經(jīng)網(wǎng)絡分類實驗316
實驗11膠囊網(wǎng)絡分類實驗317
實驗12用生成對抗網(wǎng)絡生成數(shù)字圖像實驗318
書單推薦
