目录
第1章人工智能概论1
1.1你了解人类的智能吗1
1.1.1智能的概念1
1.1.2智能的特征2
1.2人工智能的孕育和诞生6
1.2.1人工智能的孕育期6
1.2.2人工智能的诞生——达特茅斯会议7
1.2.3人工智能的定义与图灵测试8
1.3人工智能的发展10
1.3.1人工智能的形成期10
1.3.2几起几落的曲折发展期11
1.3.3大数据驱动的飞速发展期13
1.3.4现代人工智能的发展趋势14
1.4从两场标志性人机博弈看人工智能的发展14
1.4.1人工智能研究中的“小白鼠”14
1.4.2“深蓝”战胜国际象棋棋王卡斯帕罗夫15
1.4.3阿尔法狗无师自通横扫世界围棋大师16
1.5人工智能研究的基本内容19
1.6人工智能的三大学派21
1.6.1符号主义21
1.6.2连接主义22
1.6.3行为主义22
1.7人工智能的主要应用领域23
1.8人工智能伦理38
1.8.1人工智能伦理的提出与发展38
1.8.2人工智能伦理的典型案例与成因分析40
1.8.3人工智能伦理的治理原则42
1.8.4人工智能伦理的治理措施43
1.8.5人工智能会使许多人失业吗45
1.9本章小结46
讨论题46
第2章知识表示与知识图谱48
2.1你了解人类知识吗48
2.1.1什么是知识48
2.1.2知识的相对正确性49
2.1.3知识的不确定性50
2.2计算机表示知识的方法52
2.3产生式表示法53
2.3.1产生式53
2.3.2产生式系统55
2.3.3产生式表示法的特点56
2.4框架表示法57
2.4.1框架的一般结构58
2.4.2用框架表示知识的例子59
2.4.3框架表示法的特点62
2.5知识图谱62
2.5.1知识图谱的提出63
2.5.2知识图谱的定义63
2.5.3知识图谱的表示64
2.5.4知识图谱的架构65
2.5.5知识图谱的典型应用66
2.6本章小结68
讨论题69
第3章模拟人类思维的模糊推理70
3.1推理的定义70
3.2推理的分类71
3.2.1演绎推理71
3.2.2归纳推理72
3.2.3默认推理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推理中的冲突消解策略79
3.5模糊集合与模糊知识表示81
3.5.1模糊逻辑的提出与发展81
3.5.2模糊集合的定义与表示83
3.5.3隶属函数85
3.6模糊关系与模糊关系的合成87
3.6.1模糊关系87
3.6.2模糊关系的合成89
3.7模糊推理与模糊决策90
3.7.1模糊推理90
3.7.2模糊决策91
3.8模糊推理的应用92
3.9本章小结93
讨论题94
第4章搜索策略96
4.1搜索的概念96
4.2如何用状态空间表示搜索对象97
4.2.1状态空间知识表示方法97
4.2.2状态空间的图描述99
4.3回溯策略102
4.4盲目的图搜索策略103
4.4.1宽度优先搜索策略103
4.4.2深度优先搜索策略105
4.5启发式图搜索策略107
4.5.1启发式策略107
4.5.2启发信息和估价函数110
4.5.3A搜索算法113
4.5.4A搜索算法114
4.5.5蒙特卡洛树搜索算法115
4.6本章小结117
讨论题119
第5章模拟生物进化的遗传算法120
5.1进化算法的生物学背景120
5.2遗传算法122
5.2.1遗传算法的发展历史122
5.2.2遗传算法的基本思想123
5.2.3编码124
5.2.4种群设定126
5.2.5适应度函数126
5.2.6选择128
5.2.7交叉131
5.2.8变异132
5.3遗传算法的主要改进算法134
5.3.1双倍体遗传算法134
5.3.2双种群遗传算法136
5.3.3自适应遗传算法136
5.4基于遗传算法的生产调度方法138
5.4.1流水车间调度问题138
5.4.2求解流水车间调度问题的遗传算法设计139
5.4.3求解流水车间调度问题的遗传算法实例139
5.5本章小结140
讨论题141
第6章模拟生物群体行为的群智能算法143
6.1群智能算法的生物学背景143
6.2模拟鸟群行为的粒子群优化算法145
6.2.1基本粒子群优化算法145
6.2.2粒子群优化算法的应用147
6.3模拟蚁群行为的蚁群优化算法149
6.3.1蚁群优化算法的生物学背景150
6.3.2基本蚁群优化算法150
6.3.3蚁群优化算法的应用154
6.4本章小结156
讨论题157
第7章模拟生物神经系统的人工神经网络158
7.1人工神经元与人工神经网络158
7.1.1生物神经元结构158
7.1.2生物神经元的数学模型159
7.1.3人工神经网络的结构与学习161
7.2机器学习的先驱——赫布学习规则162
7.3掀起人工神经网络第一次高潮的感知器163
7.4掀起人工神经网络第二次高潮的BP学习算法166
7.4.1BP学习算法的提出166
7.4.2BP神经网络166
7.4.3BP学习算法168
7.5本章小结171
讨论题172
第8章深度学习与大语言模型173
8.1机器学习的基本概念173
8.1.1学习173
8.1.2机器学习174
8.1.3学习系统174
8.1.4机器学习的发展176
8.2机器学习的分类178
8.2.1机器学习的一般分类方法178
8.2.2监督学习与无监督学习180
8.2.3弱监督学习181
8.3知识发现与数据挖掘185
8.3.1知识发现与数据挖掘的概念185
8.3.2知识发现的一般过程186
8.3.3知识发现的任务186
8.3.4知识发现的对象187
8.4动物视觉机理与深度学习的提出189
8.4.1浅层学习的局限性190
8.4.2深度学习的提出190
8.5卷积神经网络及其应用192
8.5.1卷积神经网络的结构192
8.5.2卷积的物理、生物与生态学等意义193
8.5.3卷积神经网络的卷积运算194
8.5.4卷积神经网络中的关键技术197
8.5.5卷积神经网络的应用199
8.6生成对抗网络及其应用200
8.6.1生成对抗网络的基本原理200
8.6.2生成对抗网络的结构202
8.6.3生成对抗网络的训练203
8.6.4生成对抗网络的应用204
8.7大语言模型及其应用208
8.7.1大语言模型的发展208
8.7.2国内外主要大模型平台210
8.7.3大语言模型提示工程213
8.7.4知识蒸馏技术215
8.7.5写作大语言模型216
8.7.6文生图大语言模型218
8.7.7文生视频大语言模型219
8.7.8蛋白质结构预测大语言模型222
8.8AI智能体223
8.8.1AI智能体的概念223
8.8.2AI智能体的结构225
8.8.3AI多智能体系统226
8.8.4AI智能体的特性227
8.8.5AI智能体的应用229
8.9本章小结231
讨论题232
第9章专家系统234
9.1专家系统的产生和发展234
9.2专家系统的概念236
9.2.1专家系统的定义236
9.2.2专家系统的特点237
9.2.3专家系统的类型238
9.3专家系统的工作原理240
9.3.1专家系统的一般结构240
9.3.2知识库241
9.3.3推理机241
9.3.4综合数据库242
9.3.5知识获取机构242
9.3.6解释机构243
9.3.7人机接口243
9.4.1知识库建立244
9.4.2综合数据库建立和推理过程245
9.5专家系统开发工具——骨架系统247
9.5.1骨架系统的概念247
9.5.2EMYCIN骨架系统247
9.5.3KAS骨架系统249
9.6专家系统开发环境251
9.7本章小结252
讨论题252
第10章自然语言理解253
10.1自然语言理解的概念与发展253
10.1.1自然语言理解的概念253
10.1.2自然语言理解的发展历史254
10.2语言处理过程的层次256
10.3机器翻译方法概述259
10.4循环神经网络262
10.4.1循环神经网络的结构262
10.4.2循环神经网络的训练263
10.4.3长短期记忆神经网络264
10.5基于循环神经网络的机器翻译265
10.7本章小结271
讨论题272
第11章计算机视觉273
11.1计算机视觉概述273
11.2计算机视觉系统中的数字图像276
11.3基于深度学习的计算机视觉277
11.5本章小结280
讨论题281
第12章智能机器人282
12.1机器人的产生与发展282
12.2机器人中的人工智能技术285
12.2.1机器人智能感知285
12.2.2机器人智能导航288
12.2.3机器人智能路径规划289
12.2.4机器人智能运动控制290
12.2.5机器人智能交互291
12.3智能机器人的应用292
12.3.1工业机器人293
12.3.2农业机器人295
12.3.3服务机器人298
12.3.4医用机器人300
12.3.5军用机器人302
12.4智能机器人技术展望304
12.5智能机器人伦理问题305
12.6本章小结307
讨论题308
附录A人工智能实验指导书309
实验1产生式系统实验309
实验2洗衣机模糊推理系统实验309
实验3A算法求解N数码问题实验311
实验4A算法求解迷宫寻路问题实验312
实验5遗传算法求函数最大值实验313
实验6遗传算法求解TSP问题实验316
实验7粒子群算法求函数最小值实验318
实验8蚁群算法求解TSP问题实验319
实验9BP神经网络分类实验319
实验10卷积神经网络分类实验320
实验11胶囊网络分类实验321
实验12用生成对抗网络生成数字图像实验322
