人工智能通識(shí)教程

第1章思考的工具1
1.1計(jì)算的淵源1
1.1.1巨石陣1
1.1.2安提基特拉機(jī)械2
1.1.3皮格馬利翁2
1.1.4阿拉伯?dāng)?shù)字3
1.2巴貝奇與數(shù)學(xué)機(jī)器3
1.2.1差分機(jī)3
1.2.2分析機(jī)4
1.2.3“機(jī)器人”的由來(lái)5
1.3計(jì)算機(jī)的出現(xiàn)5
1.3.1為戰(zhàn)爭(zhēng)而發(fā)展的計(jì)算機(jī)器5
1.3.2計(jì)算機(jī)無(wú)處不在6
1.3.3通用計(jì)算機(jī)7
1.3.4計(jì)算機(jī)語(yǔ)言8
1.3.5建模8
1.4人工智能大師9
【作業(yè)】10
【研究性學(xué)習(xí)】“神奇”的動(dòng)物智能與對(duì)人工智能的憧憬11第2章什么是人工智能13
2.1人工智能概述13
2.1.1“人工”與“智能”13
2.1.2圖靈測(cè)試14
2.1.3人工智能的定義15
2.1.4人工智能的實(shí)現(xiàn)途徑16
2.2人工智能發(fā)展歷史17
2.2.1從人工神經(jīng)元開始17
2.2.2人工智能發(fā)展的6個(gè)階段20
2.3人工智能的研究22
2.3.1人工智能的研究領(lǐng)域22
2.3.2新圖靈測(cè)試24
【作業(yè)】25
【研究性學(xué)習(xí)】自動(dòng)駕駛汽車的現(xiàn)實(shí)與未來(lái)26第3章規(guī)則與專家系統(tǒng)27
3.1規(guī)則與策略27
3.1.1制勝策略27
3.1.2極小極大化策略28
3.2利用規(guī)則推導(dǎo)建立的專家系統(tǒng)29
3.2.1規(guī)則的舉例29
3.2.2建立框架31
3.2.3IBM公司的沃森系統(tǒng)31
3.3專家系統(tǒng)及其發(fā)展32
3.3.1在自己的領(lǐng)域里作為專家32
3.3.2技能獲取的5個(gè)階段34
3.3.3專家的特點(diǎn)與特征35
3.3.4建立專家系統(tǒng)要思考的問(wèn)題36
3.3.5典型的專家系統(tǒng)——ADIS37
3.4專家系統(tǒng)的結(jié)構(gòu)38
3.4.1知識(shí)庫(kù)38
3.4.2推理機(jī)39
3.4.3其他部分39
【作業(yè)】40
【研究性學(xué)習(xí)】無(wú)人機(jī)技術(shù)的應(yīng)用前景41第4章模糊邏輯與大數(shù)據(jù)思維42
4.1什么是模糊邏輯42
4.1.1甲蟲機(jī)器人的規(guī)則42
4.1.2模糊邏輯的發(fā)明42
4.1.3制定模糊邏輯的規(guī)則43
4.1.4模糊邏輯的定義44
4.2模糊理論的發(fā)展45
4.3模糊邏輯系統(tǒng)46
4.3.1純模糊邏輯系統(tǒng)46
4.3.2高木關(guān)野模糊邏輯系統(tǒng)46
4.3.3具有模糊產(chǎn)生器及模糊消除器的模糊邏輯系統(tǒng)46
4.4大數(shù)據(jù)思維變革47
4.4.1思維轉(zhuǎn)變之一： 樣本=總體47
4.4.2思維轉(zhuǎn)變之二： 接受數(shù)據(jù)的混雜性48
4.4.3思維轉(zhuǎn)變之三： 關(guān)注數(shù)據(jù)的相關(guān)關(guān)系49
【作業(yè)】51
【研究性學(xué)習(xí)】觀察和熟悉模糊邏輯在家用電器中的應(yīng)用52第5章包容體系結(jié)構(gòu)與機(jī)器人技術(shù)53
5.1什么是包容體系結(jié)構(gòu)53
5.1.1“中文房間”思維實(shí)驗(yàn)53
5.1.2建立包容體系結(jié)構(gòu)53
5.2包容體系結(jié)構(gòu)的實(shí)現(xiàn)54
5.2.1機(jī)器人艾倫55
5.2.2機(jī)器人赫伯特55
5.2.3機(jī)器人托托56
5.3劃時(shí)代的阿波羅計(jì)劃56
5.4機(jī)器感知58
5.4.1機(jī)器智能與智能機(jī)器59
5.4.2機(jī)器思維與思維機(jī)器59
5.4.3機(jī)器行為與行為機(jī)器60
5.5機(jī)器人的概念60
5.5.1機(jī)器人的發(fā)展60
5.5.2機(jī)器人三定律61
5.6機(jī)器人的技術(shù)問(wèn)題62
5.6.1機(jī)器人的組成62
5.6.2機(jī)器人的運(yùn)動(dòng)64
5.6.3機(jī)器狗65
【作業(yè)】66
【研究性學(xué)習(xí)】網(wǎng)絡(luò)搜索機(jī)器人資料，憧憬機(jī)器人發(fā)展68第6章機(jī)器學(xué)習(xí)69
6.1什么是機(jī)器學(xué)習(xí)69
6.1.1機(jī)器學(xué)習(xí)的發(fā)展69
6.1.2機(jī)器學(xué)習(xí)的定義70
6.2機(jī)器學(xué)習(xí)的類型71
6.2.1監(jiān)督學(xué)習(xí)72
6.2.2無(wú)監(jiān)督學(xué)習(xí)72
6.2.3強(qiáng)化學(xué)習(xí)72
6.3機(jī)器學(xué)習(xí)的算法73
6.3.1專注于學(xué)習(xí)能力73
6.3.2回歸算法74
6.3.3基于實(shí)例的算法75
6.3.4決策樹算法75
6.3.5貝葉斯算法75
6.3.6聚類算法75
6.3.7神經(jīng)網(wǎng)絡(luò)算法76
6.4機(jī)器學(xué)習(xí)的基本結(jié)構(gòu)76
6.5機(jī)器學(xué)習(xí)的應(yīng)用78
6.5.1應(yīng)用于物聯(lián)網(wǎng)78
6.5.2應(yīng)用于聊天機(jī)器人79
6.5.3應(yīng)用于自動(dòng)駕駛79
【作業(yè)】80
【研究性學(xué)習(xí)】什么是機(jī)器學(xué)習(xí)，舉例說(shuō)明機(jī)器學(xué)習(xí)的應(yīng)用81第7章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)82
7.1動(dòng)物的中樞神經(jīng)系統(tǒng)82
7.2了解人工神經(jīng)網(wǎng)絡(luò)83
7.2.1人工神經(jīng)網(wǎng)絡(luò)的研究83
7.2.2典型的人工神經(jīng)網(wǎng)絡(luò)84
7.2.3類腦計(jì)算機(jī)85
7.2.4利用人工神經(jīng)網(wǎng)絡(luò)理解圖片85
7.2.5訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)87
7.3基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)88
7.3.1深度學(xué)習(xí)的意義88
7.3.2深度學(xué)習(xí)的方法89
7.3.3深度學(xué)習(xí)的概念92
7.3.4深度學(xué)習(xí)的實(shí)現(xiàn)93
7.4機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的比較94
【作業(yè)】97
【研究性學(xué)習(xí)】了解谷歌大腦，熟悉人工神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用98第8章智能代理99
8.1什么是智能代理99
8.2智能代理的特點(diǎn)100
8.3系統(tǒng)內(nèi)的協(xié)同合作101
8.4智能代理的典型應(yīng)用場(chǎng)景103
8.4.1股票/債券/期貨交易103
8.4.2實(shí)體機(jī)器人103
8.4.3電腦游戲104
8.4.4醫(yī)療診斷105
8.4.5搜索引擎105
8.5與外部環(huán)境相關(guān)的重要術(shù)語(yǔ)106
【作業(yè)】107
【研究性學(xué)習(xí)】機(jī)器學(xué)習(xí)及其應(yīng)用108第9章群體智能109
9.1向蜜蜂學(xué)習(xí)群體智能109
9.2什么是群體智能111
9.2.1群集人工智能技術(shù)111
9.2.2基本原則與特點(diǎn)112
9.3典型群體智能算法模型113
9.3.1蟻群優(yōu)化算法113
9.3.2搜索機(jī)器人115
9.3.3粒子群優(yōu)化算法116
9.3.4沒(méi)有機(jī)器人的集群118
9.4群體智能背后的故事119
9.5群體智能的發(fā)展121
【作業(yè)】121
【研究性學(xué)習(xí)】群體智能及其應(yīng)用前景122第10章數(shù)據(jù)挖掘與統(tǒng)計(jì)數(shù)據(jù)124
10.1從數(shù)據(jù)到知識(shí)124
10.1.1決策樹分析124
10.1.2購(gòu)物車分析125
10.1.3貝葉斯網(wǎng)絡(luò)126
10.2數(shù)據(jù)挖掘126
10.2.1數(shù)據(jù)挖掘的對(duì)象與步驟127
10.2.2數(shù)據(jù)挖掘分析方法128
10.3數(shù)據(jù)挖掘經(jīng)典算法130
10.3.1神經(jīng)網(wǎng)絡(luò)法130
10.3.2決策樹法130
10.3.3遺傳算法131
10.3.4粗糙集法131
10.3.5模糊集法131
10.3.6關(guān)聯(lián)規(guī)則法131
10.4機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘132
10.4.1典型的數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)過(guò)程132
10.4.2機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘應(yīng)用案例133
【作業(yè)】136
【研究性學(xué)習(xí)】大數(shù)據(jù)對(duì)于人工智能技術(shù)與應(yīng)用的意義137第11章智能圖像處理138
11.1模式識(shí)別138
11.2圖像識(shí)別139
11.2.1人類的圖像識(shí)別能力140
11.2.2圖像識(shí)別的基礎(chǔ)140
11.2.3圖像識(shí)別的模型141
11.2.4圖像識(shí)別技術(shù)的發(fā)展141
11.3機(jī)器視覺(jué)與圖像處理142
11.3.1機(jī)器視覺(jué)的發(fā)展142
11.3.2圖像處理143
11.3.3計(jì)算機(jī)視覺(jué)143
11.3.4計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)的區(qū)別144
11.3.5神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)145
11.4圖像識(shí)別技術(shù)的應(yīng)用145
11.4.1機(jī)器視覺(jué)的行業(yè)應(yīng)用146
11.4.2檢測(cè)與機(jī)器人視覺(jué)146
11.4.3應(yīng)用案例： 布匹質(zhì)量檢測(cè)148
11.5智能圖像處理技術(shù)149
11.5.1圖像采集149
11.5.2圖像預(yù)處理150
11.5.3圖像分割150
11.5.4目標(biāo)識(shí)別和分類150
11.5.5目標(biāo)定位和測(cè)量151
11.5.6目標(biāo)檢測(cè)和跟蹤151
【作業(yè)】151
【研究性學(xué)習(xí)】熟悉模式識(shí)別與智能圖像處理153第12章自然語(yǔ)言處理154
12.1語(yǔ)言的問(wèn)題和可能性154
12.2什么是自然語(yǔ)言處理155
12.3語(yǔ)法類型與語(yǔ)義分析156
12.3.1語(yǔ)法類型157
12.3.2語(yǔ)義分析和擴(kuò)展語(yǔ)義158
12.3.3機(jī)器翻譯系統(tǒng)Candide158
12.4處理數(shù)據(jù)與處理工具159
12.4.1自然語(yǔ)言處理中的數(shù)據(jù)集159
12.4.2自然語(yǔ)言處理工具159
12.4.3自然語(yǔ)言處理的技術(shù)難點(diǎn)160
12.5語(yǔ)音處理160
12.5.1語(yǔ)音處理的發(fā)展160
12.5.2語(yǔ)音理解161
12.5.3語(yǔ)音識(shí)別162
【作業(yè)】162
【研究性學(xué)習(xí)】了解大數(shù)據(jù)機(jī)器翻譯，學(xué)習(xí)自然語(yǔ)言處理164第13章自動(dòng)規(guī)劃165
13.1什么是自動(dòng)規(guī)劃165
13.1.1規(guī)劃的概念分析165
13.1.2自動(dòng)規(guī)劃的定義166
13.1.3規(guī)劃應(yīng)用示例166
13.2規(guī)劃方法169
13.2.1規(guī)劃即搜索169
13.2.2部分有序規(guī)劃170
13.2.3分級(jí)規(guī)劃171
13.2.4基于案例的規(guī)劃171
13.3著名的規(guī)劃系統(tǒng)172
【作業(yè)】173
【研究性學(xué)習(xí)】用人工智能輔助課程和職業(yè)規(guī)劃174第14章人工智能的發(fā)展175
14.1未來(lái)的人工智能175
14.1.1工作型機(jī)器人175
14.1.2技術(shù)加速176
14.1.3電子游戲的智能水平177
14.1.4強(qiáng)人工智能的發(fā)展178
14.1.5機(jī)器能思考嗎178
14.2創(chuàng)新發(fā)展與社會(huì)影響179
14.2.1人工智能發(fā)展的啟示180
14.2.2人工智能的發(fā)展現(xiàn)狀與影響181
14.2.3建立人工智能生態(tài)系統(tǒng)182
14.3人工智能時(shí)代需要的人才183
14.3.1人工智能對(duì)就業(yè)的影響183
14.3.2新創(chuàng)造的核心工作崗位183
14.3.3未來(lái)的5個(gè)熱門工作崗位184
14.4人工智能與安全185
14.4.1人才和技術(shù)基礎(chǔ)設(shè)施短缺185
14.4.2安全問(wèn)題不容忽視186
14.4.3設(shè)定倫理要求186
14.4.4保護(hù)個(gè)人隱私186
【作業(yè)】187
【課程學(xué)習(xí)總結(jié)】189

參考文獻(xiàn)193