人工智能導論（微課視頻版）

目錄

第1章人工智能概述1

1.1什麼是人工智能1

1.2人工智能的發展歷程1

1.2.1初創時期（1936—1956）3

1.2.2形成時期（1957—1969）4

1.2.3低谷時期（1970—1992）4

1.2.4發展時期（1993—2011）5

1.2.5突破時期（2012年至今）6

1.3機器能否真正擁有智能7

1.3.1圖靈測試8

1.3.2中文屋9

1.4人工智能的主要研究內容10

1.4.1機器學習10

1.4.2深度學習11

1.4.3強化學習13

1.4.4計算機視覺14

1.4.5自然語言處理15

1.4.6智能博弈17

1.4.7智能機器人18

1.4.8人工智能的新興研究方向19

1.5習題20

參考文獻20

第2章人工智能軟硬件平臺基礎21

2.1硬件平臺21

2.1.1智能芯片21

2.1.2人工智能芯片的發展方向23

2.2軟件平臺23

2.2.1人工智能開發框架23

2.2.2經典的人工智能開發框架24

2.2.3人工智能雲平臺29

2.3Python基礎31

2.3.1Python的安裝31

2.3.2Python編程基礎31

2.3.3文件操作32

2.3.4第三方模塊的使用32

2.3.5NumPy與SciPy以及Matplotlib的使用32

2.4習題33

參考文獻33

第3章面向人工智能的優化算法35

3.1人工智能優化算法概論35

3.2無約束優化算法37

3.2.1盲人下山37

3.2.2梯度下降法38

3.2.3牛頓法39

3.3隨機優化算法39

3.3.1大數據背景下的模型訓練39

3.3.2隨機梯度下降40

3.3.3動量法41

3.3.4步長自適應算法和Adam42

3.4應用示例44

3.4.1梯度下降44

3.4.2SSGD45

3.4.3動量法45

3.4.4Adam45

3.4.5PyTorch實現46

3.5帶約束優化算法46

3.5.1罰函數法46

3.5.2增廣拉格朗日法47

3.5.3交替方向乘子法47

3.6習題47

參考文獻47

第4章機器學習49

4.1機器學習概論49

4.1.1機器學習的內涵49

4.1.2機器學習的發展歷程50

4.1.3機器學習的基本流程51

4.2機器學習方法分類52

4.2.1監督學習52

4.2.2無監督學習53

4.2.3強化學習54

4.3機器學習的常用算法54

4.3.1分類任務54

4.3.2回歸分析57

4.3.3聚類任務58

4.3.4降維算法60

4.4機器學習的應用61

4.5習題61

參考文獻62

第5章深度學習63

5.1深度學習概論63

5.2深度學習發展歷程63

5.2.1起源階段63

5.2.2發展階段64

5.2.3爆發階段64

5.3深度神經網絡基本原理65

5.3.1深度神經網絡核心知識65

5.3.2前向神經網絡與反饋神經網絡68

5.3.3反向傳播算法70

5.4典型的神經網絡71

5.4.1卷積神經網絡71

5.4.2循環神經網絡74

5.5深度學習的應用74

5.5.1語音識別75

5.5.2自動駕駛75

5.5.3醫療健康診斷75

5.5.4廣告點擊率預估76

5.6深度學習的未來76

5.7習題77

參考文獻77

第6章強化學習79

6.1強化學習概論79

6.2數學基礎80

6.2.1概率論與數理統計基礎80

6.2.2信息論基礎知識81

6.3強化學習的基本概念82

6.3.1馬爾可夫決策過程82

6.3.2隨機策略與確定性策略83

6.3.3值函數與行為值函數84

6.3.4強化學習與其他機器學習的聯系與區別86

6.4強化學習分類86

6.4.1基於值函數的強化學習算法86

6.4.2基於直接策略搜索的強化學習算法88

6.5強化學習的應用90

6.5.1人類級雅達利專家: DQN90

6.5.2星際爭霸大師: AlphaStar91

6.5.3超級聊天機器人: ChatGPT93

6.6習題94

參考文獻94

第7章計算機視覺95

7.1計算機視覺概論95

7.2圖像與圖像預處理96

7.2.1圖像的表示96

7.2.2圖像點運算97

7.2.3圖像濾波99

7.2.4邊緣檢測102

7.3計算機視覺經典任務及算法104

7.3.1圖像分類104

7.3.2目標檢測107

7.3.3語義分割109

7.3.4目標跟蹤110

7.4計算機視覺算法的實現111

7.4.1OpenCV視覺庫111

7.4.2MATLAB圖像處理工具箱111

7.4.3深度學習框架TensorFlow與PyTorch112

7.5計算機視覺的應用112

7.5.1車牌識別112

7.5.2人臉識別113

7.5.3質量缺陷檢測113

7.6習題113

參考文獻113

第8章自然語言處理116

8.1自然語言處理概論116

8.1.1自然語言處理的發展歷史116

8.1.2自然語言處理面臨的難點問題117

8.2詞法分析118

8.2.1詞法分析概述118

8.2.2分詞118

8.2.3詞性標註122

8.2.4命名實體識別122

8.3句法分析123

8.3.1句法分析概述123

8.3.2句法分析樹構建123

8.3.3句子分割125

8.4語義分析126

8.4.1語義分析概述126

8.4.2詞義消歧126

8.4.3語義角色標註127

8.4.4文本語義表示128

8.5自然語言處理的應用130

8.5.1文本分類130

8.5.2信息抽取131

8.5.3自動問答132

8.5.4自動文本摘要132

8.6習題133

參考文獻135

第9章智能博弈136

9.1智能博弈概論136

9.1.1博弈的基本概念136

9.1.2博弈的分類137

9.1.3納什均衡及典型案例138

9.2博弈的復雜度138

9.2.1博弈問題的狀態復雜度和博弈樹復雜度139

9.2.2狀態復雜度及博弈樹復雜度的估算方法139

9.2.3博弈問題的計算復雜性140

9.3智能博弈策略求解技術141

9.3.1博弈樹搜索142

9.3.2極大極小值算法142

9.3.3裁枝搜索（αβ剪枝）143

9.3.4剪枝優化方法144

9.3.5蒙特卡洛樹搜索144

9.3.6深度強化學習146

9.4智能博弈的典型應用147

9.4.1國際象棋智能體“深藍”147

9.4.2圍棋智能體AlphaGo148

9.4.3Dota 2智能體OpenAI Five148

9.4.4鬥地主智能體DouZero149

9.5習題150

參考文獻150

第10章智能機器人152

10.1智能機器人概論152

10.1.1初識機器人152

10.1.2智能機器人技術的發展154

10.1.3機器人的分類157

10.2機器人的基本結構與工作原理157

10.3機器人感知單元158

10.3.1常見的機器人傳感器158

10.3.2機器人視覺159

10.4機器人的規劃、控制與決策161

10.5機器人在我國的實際應用163

10.5.1南極長航程科考機器人163

10.5.2適用於有色金屬澆鑄生產線的修錠機器人164

10.5.3微操作克隆機器人系統164

10.6機器人的發展方向: 技能學習與智能發育165

10.6.1機器人的技能學習166

10.6.2機器人的智能發育166

10.7習題168

參考文獻169

附錄: 重要術語中英文對照表171