人工智能應用教程（第2版）

王萬良，工學博士，二級教授，博士生導師，國務院政府特殊津貼專家，國家級教學名師，國家“萬人計劃”首批教學名師，浙江省傑出教師。現任教育部高等學校計算機類專業教學指導委員會委員、人工智能課程國家級虛擬教研室帶頭人、浙江省高等學校大數據與人工智能專業教學指導委員會主任、全國高校大數據教育聯盟副理事長、中國人工智能學會理事、自然計算與數字智能城市專業委員會主任、中國自動化學會理事、智慧教育專業委員會主任

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5

1.2.1人工智能的孕育期5

1.2.2人工智能的誕生——達特茅斯會議6

1.2.3人工智能的定義與圖靈測試7

1.3人工智能的發展9

1.3.1人工智能的形成期9

1.3.2幾起幾落的曲折發展期10

1.3.3大數據驅動的飛速發展期12

1.4從兩場標誌性人機博弈看人工智能的發展13

1.4.1人工智能研究中的“小白鼠”13

1.4.2“深藍”戰勝國際象棋棋王卡斯帕羅夫13

1.4.3阿爾法狗無師自通橫掃世界圍棋大師15

1.5人工智能研究的基本內容17

1.6人工智能的三大學派18

1.6.1符號主義18

1.6.2連接主義20

1.6.3行為主義21

1.7人工智能的主要應用領域21

1.8人工智能倫理34

1.8.1人工智能倫理的提出與發展34

1.8.2人工智能倫理的典型案例與成因分析35

1.8.3人工智能倫理的治理原則37

1.8.4人工智能倫理的治理措施38

1.9本章小結40

討論題41

第2章知識表示與知識圖譜42

2.1你了解人類知識嗎42

2.1.1什麼是知識42

2.1.2知識的相對正確性43

2.1.3知識的不確定性44

2.1.4計算機表示知識的方法46

2.2一階謂詞邏輯表示法46

2.2.1命題46

2.2.2謂詞47

2.2.3謂詞公式48

2.2.4一階謂詞邏輯知識表示方法52

2.2.5一階謂詞邏輯表示法的特點53

2.3產生式表示法53

2.3.1產生式54

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58

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61

2.5知識圖譜62

2.5.1知識圖譜的提出62

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65

2.6本章小結67

討論題68

習題69

第3章模擬人類思維的推理方法71

3.1推理的定義71

3.2推理的分類72

3.2.1從推出知識的途徑分類72

3.2.2從知識的確定性分類73

3.3推理的方向74

3.3.1正向推理74

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基於謂詞邏輯的確定性推理82

3.5.1自然演繹推理82

3.5.2魯濱遜歸結原理84

3.5.3歸結反演85

3.5.4歸結求解87

3.6基於統計分析的不確定性推理90

3.6.1不確定性推理的概念90

3.6.2可信度方法93

3.6.3可信度方法舉例95

3.7基於模糊理論的不確定性推理97

3.7.1模糊邏輯的提出與發展97

3.7.2模糊集合的定義與表示98

3.7.3隸屬函數100

3.7.4模糊關系101

3.7.5模糊關系的合成103

3.7.6模糊推理104

3.7.7模糊決策105

3.7.8模糊推理的應用106

3.8本章小結107

討論題109

習題109

第4章搜索策略113

4.1搜索的概念113

4.2如何用狀態空間表示搜索對象114

4.2.1狀態空間知識表示方法114

4.2.2狀態空間的圖描述116

4.3回溯策略119

4.4盲目的圖搜索策略120

4.4.1寬度優先搜索策略120

4.4.2深度優先搜索策略121

4.5啟發式圖搜索策略123

4.5.1啟發式策略124

4.5.2啟發信息和估價函數126

4.5.3A搜索算法128

4.5.4A搜索算法129

4.5.5蒙特卡洛樹搜索算法130

4.6本章小結132

討論題133

習題134

第5章模擬生物進化的遺傳算法135

5.1進化算法的生物學背景135

5.2遺傳算法137

5.2.1遺傳算法的發展歷史137

5.2.2遺傳算法的基本思想138

5.2.3編碼138

5.2.4種群設定140

5.2.5適應度函數141

5.2.6選擇142

5.2.7交叉144

5.2.8變異146

5.3遺傳算法的主要改進算法147

5.3.1雙倍體遺傳算法148

5.3.2雙種群遺傳算法149

5.3.3自適應遺傳算法150

5.4基於遺傳算法的生產調度方法151

5.4.1基於遺傳算法的流水車間調度方法152

5.4.2基於遺傳算法的混合流水車間調度方法153

5.5本章小結158

討論題159

習題159

第6章模擬生物群體行為的群智能算法161

6.1群智能算法的生物學背景161

6.2模擬鳥群行為的粒子群優化算法163

6.2.1基本粒子群優化算法163

6.2.2粒子群優化算法的應用165

6.3模擬蟻群行為的蟻群優化算法167

6.3.1蟻群優化算法的生物學背景167

6.3.2基本蟻群優化算法167

6.3.3蟻群優化算法的應用171

6.4本章小結173

討論題174

第7章機器學習與專家系統175

7.1機器學習的基本概念175

7.1.1學習175

7.1.2機器學習176

7.1.3學習系統176

7.1.4機器學習的發展178

7.2機器學習的分類179

7.2.1機器學習的一般分類方法179

7.2.2監督學習與無監督學習181

7.2.3弱監督學習182

7.3經典機器學習算法185

7.3.1K近鄰機器學習算法185

7.3.2決策樹機器學習算法188

7.3.3支持向量機190

7.3.4K均值聚類算法192

7.4專家系統概述193

7.4.1專家系統的產生和發展193

7.4.2專家系統的定義195

7.4.3專家系統的特點195

7.4.4專家系統的類型197

7.5專家系統的工作原理198

7.5.1專家系統的一般結構198

7.5.2知識庫199

7.5.3推理機199

7.5.4綜合數據庫200

7.5.5知識獲取機構200

7.5.6解釋機構201

7.5.7人機接口201

7.6簡單的動物識別專家系統202

7.6.1知識庫建立202

7.6.2綜合數據庫建立和推理過程203

7.7專家系統開發工具——骨架系統204

7.7.1骨架系統的概念204

7.7.2EMYCIN骨架系統205

7.7.3KAS骨架系統206

7.8專家系統開發環境208

7.9本章小結209

討論題210

習題211

第8章模擬生物神經系統的人工神經網絡212

8.1人工神經元與人工神經網絡212

8.1.1生物神經元結構212

8.1.2生物神經元的數學模型213

8.1.3人工神經網絡的結構與學習215

8.2機器學習的先驅——赫布學習規則216

8.3掀起人工神經網絡第一次高潮的感知器217

8.4掀起人工神經網絡第二次高潮的BP學習算法219

8.4.1BP學習算法的提出219

8.4.2BP神經網絡220

8.4.3BP學習算法221

8.4.4BP學習算法在模式識別中的應用224

8.5本章小結225

討論題225

習題226

第9章深度學習與大語言模型229

9.1動物視覺機理與深度學習的提出229

9.1.1淺層學習的局限性230

9.1.2深度學習的提出230

9.2卷積神經網絡與膠囊網絡232

9.2.1卷積神經網絡的結構232

9.2.2卷積的物理、生物與生態學等意義233

9.2.3卷積神經網絡的卷積運算234

9.2.4卷積神經網絡中的關鍵技術236

9.2.5卷積神經網絡的應用238

9.2.6膠囊網絡239

9.2.7基於深度學習的計算機視覺241

9.3生成對抗網絡及其應用244

9.3.1生成對抗網絡的基本原理244

9.3.2生成對抗網絡的結構245

9.3.3生成對抗網絡的訓練246

9.3.4生成對抗網絡在圖像處理中的應用247

9.4大語言模型及其應用252

9.4.1大語言模型的發展252

9.4.2國內外主要大模型平臺254

9.4.3大語言模型提示工程257

9.4.4知識蒸餾技術258

9.4.5寫作大語言模型259

9.4.6文生圖大語言模型261

9.4.7文生視頻大語言模型263

9.4.8蛋白質結構預測大語言模型265

9.5AI智能體266

9.5.1AI智能體的概念266

9.5.2AI智能體的結構268

9.5.3AI多智能體系統269

9.5.4AI智能體的特性270

9.5.5AI智能體的應用271

9.6本章小結273

討論題274

習題275

第10章自然語言理解276

10.1自然語言理解的概念與發展276

10.1.1自然語言理解的概念276

10.1.2自然語言理解的發展歷史277

10.2語言處理過程的層次279

10.3機器翻譯方法概述281

10.4循環神經網絡284

10.4.1循環神經網絡的結構284

10.4.2循環神經網絡的訓練285

10.4.3長短期記憶神經網絡286

10.5基於循環神經網絡的機器翻譯286

10.6語音識別288

10.6.1語音識別的概念288

10.6.2語音識別的主要過程289

10.6.3語音識別的方法291

10.7本章小結292

討論題292

附錄A人工智能實驗指導書293

實驗1產生式系統實驗293

實驗2洗衣機模糊推理系統實驗293

實驗3A算法求解N數碼問題實驗295

實驗4A算法求解迷宮尋路問題實驗296

實驗5遺傳算法求函數最大值實驗297

實驗6遺傳算法求解TSP問題實驗300

實驗7粒子群算法求函數最小值實驗302

實驗8蟻群算法求解TSP問題實驗302

實驗9BP神經網絡分類實驗303

實驗10卷積神經網絡分類實驗304

實驗11膠囊網絡分類實驗304

實驗12用生成對抗網絡生成數字圖像實驗305