人工智能通識教程（第3版）

目錄

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2

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7

1.2.3人工智能的定義與圖靈測試8

1.3人工智能的發展10

1.3.1人工智能的形成期10

1.3.2幾起幾落的曲折發展期11

1.3.3大數據驅動的飛速發展期13

1.3.4現代人工智能的發展趨勢14

1.4從兩場標誌性人機博弈看人工智能的發展14

1.4.1人工智能研究中的“小白鼠”14

1.4.2“深藍”戰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16

1.5人工智能研究的基本內容19

1.6人工智能的三大學派21

1.6.1符號主義21

1.6.2連接主義22

1.6.3行為主義22

1.7人工智能的主要應用領域23

1.8人工智能倫理38

1.8.1人工智能倫理的提出與發展38

1.8.2人工智能倫理的典型案例與成因分析40

1.8.3人工智能倫理的治理原則42

1.8.4人工智能倫理的治理措施43

1.8.5人工智能會使許多人失業嗎45

1.9本章小結46

討論題46

第2章知識表示與知識圖譜48

2.1你了解人類知識嗎48

2.1.1什麼是知識48

2.1.2知識的相對正確性49

2.1.3知識的不確定性50

2.2計算機表示知識的方法52

2.3產生式表示法53

2.3.1產生式53

2.3.2產生式系統55

2.3.3產生式表示法的特點56

2.4框架表示法57

2.4.1框架的一般結構58

2.4.2用框架表示知識的例子59

2.4.3框架表示法的特點62

2.5知識圖譜62

2.5.1知識圖譜的提出63

2.5.2知識圖譜的定義63

2.5.3知識圖譜的表示64

2.5.4知識圖譜的架構65

2.5.5知識圖譜的典型應用66

2.6本章小結68

討論題69

第3章模擬人類思維的模糊推理70

3.1推理的定義70

3.2推理的分類71

3.2.1演繹推理71

3.2.2歸納推理72

3.2.3默認推理72

3.3推理的方向73

3.3.1正向推理73

3.3.2逆向推理75

3.3.3混合推理77

3.4推理中的沖突消解策略79

3.5模糊集合與模糊知識表示81

3.5.1模糊邏輯的提出與發展81

3.5.2模糊集合的定義與表示83

3.5.3隸屬函數85

3.6模糊關系與模糊關系的合成87

3.6.1模糊關系87

3.6.2模糊關系的合成89

3.7模糊推理與模糊決策90

3.7.1模糊推理90

3.7.2模糊決策91

3.8模糊推理的應用92

3.9本章小結93

討論題94

第4章搜索策略96

4.1搜索的概念96

4.2如何用狀態空間表示搜索對象97

4.2.1狀態空間知識表示方法97

4.2.2狀態空間的圖描述99

4.3回溯策略102

4.4盲目的圖搜索策略103

4.4.1寬度優先搜索策略103

4.4.2深度優先搜索策略105

4.5啟發式圖搜索策略107

4.5.1啟發式策略107

4.5.2啟發信息和估價函數110

4.5.3A搜索算法113

4.5.4A搜索算法114

4.5.5蒙特卡洛樹搜索算法115

4.6本章小結117

討論題119

第5章模擬生物進化的遺傳算法120

5.1進化算法的生物學背景120

5.2遺傳算法122

5.2.1遺傳算法的發展歷史122

5.2.2遺傳算法的基本思想123

5.2.3編碼124

5.2.4種群設定126

5.2.5適應度函數126

5.2.6選擇128

5.2.7交叉131

5.2.8變異132

5.3遺傳算法的主要改進算法134

5.3.1雙倍體遺傳算法134

5.3.2雙種群遺傳算法136

5.3.3自適應遺傳算法136

5.4基於遺傳算法的生產調度方法138

5.4.1流水車間調度問題138

5.4.2求解流水車間調度問題的遺傳算法設計139

5.4.3求解流水車間調度問題的遺傳算法實例139

5.5本章小結140

討論題141

第6章模擬生物群體行為的群智能算法143

6.1群智能算法的生物學背景143

6.2模擬鳥群行為的粒子群優化算法145

6.2.1基本粒子群優化算法145

6.2.2粒子群優化算法的應用147

6.3模擬蟻群行為的蟻群優化算法149

6.3.1蟻群優化算法的生物學背景150

6.3.2基本蟻群優化算法150

6.3.3蟻群優化算法的應用154

6.4本章小結156

討論題157

第7章模擬生物神經系統的人工神經網絡158

7.1人工神經元與人工神經網絡158

7.1.1生物神經元結構158

7.1.2生物神經元的數學模型159

7.1.3人工神經網絡的結構與學習161

7.2機器學習的先驅——赫布學習規則162

7.3掀起人工神經網絡第一次高潮的感知器163

7.4掀起人工神經網絡第二次高潮的BP學習算法166

7.4.1BP學習算法的提出166

7.4.2BP神經網絡166

7.4.3BP學習算法168

7.4.4BP學習算法在模式識別中的應用170

7.5本章小結171

討論題172

第8章深度學習與大語言模型173

8.1機器學習的基本概念173

8.1.1學習173

8.1.2機器學習174

8.1.3學習系統174

8.1.4機器學習的發展176

8.2機器學習的分類178

8.2.1機器學習的一般分類方法178

8.2.2監督學習與無監督學習180

8.2.3弱監督學習181

8.3知識發現與數據挖掘185

8.3.1知識發現與數據挖掘的概念185

8.3.2知識發現的一般過程186

8.3.3知識發現的任務186

8.3.4知識發現的對象187

8.4動物視覺機理與深度學習的提出189

8.4.1淺層學習的局限性190

8.4.2深度學習的提出190

8.5卷積神經網絡及其應用192

8.5.1卷積神經網絡的結構192

8.5.2卷積的物理、生物與生態學等意義193

8.5.3卷積神經網絡的卷積運算194

8.5.4卷積神經網絡中的關鍵技術197

8.5.5卷積神經網絡的應用199

8.6生成對抗網絡及其應用200

8.6.1生成對抗網絡的基本原理200

8.6.2生成對抗網絡的結構202

8.6.3生成對抗網絡的訓練203

8.6.4生成對抗網絡的應用204

8.7大語言模型及其應用208

8.7.1大語言模型的發展208

8.7.2國內外主要大模型平臺210

8.7.3大語言模型提示工程213

8.7.4知識蒸餾技術215

8.7.5寫作大語言模型216

8.7.6文生圖大語言模型218

8.7.7文生視頻大語言模型219

8.7.8蛋白質結構預測大語言模型222

8.8AI智能體223

8.8.1AI智能體的概念223

8.8.2AI智能體的結構225

8.8.3AI多智能體系統226

8.8.4AI智能體的特性227

8.8.5AI智能體的應用229

8.9本章小結231

討論題232

第9章專家系統234

9.1專家系統的產生和發展234

9.2專家系統的概念236

9.2.1專家系統的定義236

9.2.2專家系統的特點237

9.2.3專家系統的類型238

9.3專家系統的工作原理240

9.3.1專家系統的一般結構240

9.3.2知識庫241

9.3.3推理機241

9.3.4綜合數據庫242

9.3.5知識獲取機構242

9.3.6解釋機構243

9.3.7人機接口243

9.4簡單的動物識別專家系統244

9.4.1知識庫建立244

9.4.2綜合數據庫建立和推理過程245

9.5專家系統開發工具——骨架系統247

9.5.1骨架系統的概念247

9.5.2EMYCIN骨架系統247

9.5.3KAS骨架系統249

9.6專家系統開發環境251

9.7本章小結252

討論題252

第10章自然語言理解253

10.1自然語言理解的概念與發展253

10.1.1自然語言理解的概念253

10.1.2自然語言理解的發展歷史254

10.2語言處理過程的層次256

10.3機器翻譯方法概述259

10.4循環神經網絡262

10.4.1循環神經網絡的結構262

10.4.2循環神經網絡的訓練263

10.4.3長短期記憶神經網絡264

10.5基於循環神經網絡的機器翻譯265

10.6語音識別266

10.6.1語音識別的概念266

10.6.2語音識別的主要過程267

10.6.3語音識別的經典方法270

10.6.4語音識別的深度學習方法271

10.7本章小結271

討論題272

第11章計算機視覺273

11.1計算機視覺概述273

11.2計算機視覺系統中的數字圖像276

11.3基於深度學習的計算機視覺277

11.4基於計算機視覺的生物特征識別278

11.4.1人臉識別278

11.4.2虹膜識別279

11.5本章小結280

討論題281

第12章智能機器人282

12.1機器人的產生與發展282

12.2機器人中的人工智能技術285

12.2.1機器人智能感知285

12.2.2機器人智能導航288

12.2.3機器人智能路徑規劃289

12.2.4機器人智能運動控制290

12.2.5機器人智能交互291

12.3智能機器人的應用292

12.3.1工業機器人293

12.3.2農業機器人295

12.3.3服務機器人298

12.3.4醫用機器人300

12.3.5軍用機器人302

12.4智能機器人技術展望304

12.5智能機器人倫理問題305

12.6本章小結307

討論題308

附錄A人工智能實驗指導書309

實驗1產生式系統實驗309

實驗2洗衣機模糊推理系統實驗309

實驗3A算法求解N數碼問題實驗311

實驗4A算法求解迷宮尋路問題實驗312

實驗5遺傳算法求函數最大值實驗313

實驗6遺傳算法求解TSP問題實驗316

實驗7粒子群算法求函數最小值實驗318

實驗8蟻群算法求解TSP問題實驗319

實驗9BP神經網絡分類實驗319

實驗10卷積神經網絡分類實驗320

實驗11膠囊網絡分類實驗321

實驗12用生成對抗網絡生成數字圖像實驗322