本書全面介紹人工智能的基本理論、技術及應用。全書共10章，主要內容包括人工智能概論、知識表示與知識圖譜、模擬人類思維的推理方法、搜索策略、模擬生物進化的遺傳算法、模擬生物群體行為的群智能算法、機器學習與專家系統、模擬生物神經系統的人工神經網絡、深度學習與大語言模型以及自然語言理解，附錄部分給出了實用性強的12個實驗。本書強調人工智能知識的基礎性、整體性、綜合性和廣博性，使學生掌握人工智能的主要思想和應用人工智能技術解決專業(yè)領域問題的基本技術，培養(yǎng)創(chuàng)新精神。
本書的適用對象廣泛，可作為高等學校各專業(yè)人工智能基礎課程的教材，也可供對人工智能技術感興趣的廣大讀者閱讀。
首批國家級線上一流本科課程配套教材，全面介紹人工智能的基本理論、技術及應用，高等學校各專業(yè)人工智能基礎課程的教材
2017年7月，國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》把人工智能作為國家發(fā)展戰(zhàn)略。人工智能人才培養(yǎng)是實現國家人工智能發(fā)展戰(zhàn)略的一個關鍵。2018年，制訂了《高等學校人工智能創(chuàng)新行動計劃》，從不同的專業(yè)角度對人工智能人才培養(yǎng)進行全面布局，在計算機、電子信息、自動化、機械等多個專業(yè)領域設置了智能科學與技術、人工智能、數據科學與大數據技術、機器人工程等人工智能類專業(yè)，還把人工智能技術引入傳統專業(yè)，形成智能制造工程、智能車輛工程、智能電網信息工程、電氣工程與智能控制、電機電器智能化、智能材料與結構、智能醫(yī)學工程等專業(yè)。
事實上，人工智能和其他專業(yè)的結合是培養(yǎng)人工智能應用人才的一個非常重要的方面，是和人工智能專業(yè)人才培養(yǎng)相輔相成的。所以，需要編寫不同特點的人工智能教材。
1. 本書的形成
本書作者從1989年開始從事人工智能及其應用的研究，從1993年開始從事人工智能課程的教學，為控制、計算機、機械等專業(yè)研究生講授人工智能原理與應用課程，為計算機、自動化等類專業(yè)本科生講授人工智能導論課程。在多年的教學實踐中，作者深感極有必要編著一本內容比較基礎、可讀性好、適合講授的人工智能教材。本書作者在自己多年來的講稿基礎上，于2005年編寫了人工智能教材，并不斷跟蹤人工智能的發(fā)展，形成了適合研究生、本科生不同層次的人工智能系列教材，被許多高校選用。其中，作者主講的人工智能導論入選首批國家級線上一流本科課程，編寫的《人工智能導論》（第5版）入選十二五普通高等教育本科國家級規(guī)劃教材，并榮獲首屆全國教材建設獎全國優(yōu)秀教材二等獎。
隨著人工智能技術的發(fā)展，越來越多的專業(yè)需要開設人工智能課程。因此，作者從2005年開始為浙江工業(yè)大學工學、理學、經濟學、管理學、哲學、文學、法學等學科門類專業(yè)學生開設人工智能及其應用公選課，從2017年開始負責全校人工智能通識教育核心課程建設。在人工智能通識課程教學過程中，作者深感已有人工智能教材不適合作為通識課程教材，特別是不適合人文社科類大學生的學習，因此，迫切需要編寫面向全校各專業(yè)（包括人文社科專業(yè)）的人工智能通識課程教材。為此，作者針對人文社科類大學生的知識結構和思維方式，突出人工智能解決復雜問題的創(chuàng)新思想，編寫了《人工智能通識教程》一書，受到非常廣泛的歡迎。在上述教材的基礎上，作者面向量大面廣的應用型高校開設人工智能課程的需要，采用了《人工智能通識教程》通俗易懂的語言風格，編寫了這本《人工智能應用教程》。這本修訂版緊緊跟蹤人工智能的最新發(fā)展，增加了大語言模型和AI智能體等最新技術。
2. 主要內容
本書共10章。第1章除了介紹人工智能的基本概念、發(fā)展簡史以外，著重介紹目前人工智能的主要研究內容、三大學派與各種應用，以開闊讀者的視野，引導讀者進入人工智能各個研究領域，最后，簡要介紹人工智能倫理。第2章介紹知識表示的概念，一階謂詞邏輯、產生式、框架等基本的知識表示方法，以及知識圖譜的基本內容。第3章介紹推理的概念、基于謂詞邏輯的確定性推理、基于統計分析和基于模糊理論的不確定推理方法及其應用。第4章介紹應用非常廣泛的搜索策略。第5章介紹模擬生物進化的遺傳算法。第6章介紹模擬生物群體行為的適用于大規(guī)模優(yōu)化問題的群智能算法。第7章介紹機器學習的基本概念和幾種經典的機器學習算法，介紹專家系統的概念、工作原理以及應用。第8章介紹模擬生物神經系統的人工神經網絡，為后面介紹深度學習奠定基礎。第9章介紹深度學習與大語言模型及其廣泛的應用，包括卷積神經網絡、膠囊網絡、生成對抗網絡等深度學習的前沿內容。第10章介紹日益廣泛應用的自然語言理解技術，包括機器翻譯、語音識別等應用。
人工智能應用教程（第2版）前言3. 本書特色
本書有以下特色。
（1） 語言簡明，可讀性好。本書力求用通俗的文字深入淺出地講解概念、理論和技術，特別是將人工智能技術與文學藝術、人們的日常生活、人類思維方法等相結合，使學生能夠感受到與人工智能相關的人文情懷，感受到人工智能就在自己身邊，使學生能夠有興趣、有耐心、系統地閱讀本書，掌握人工智能的基本思想與基本方法。
（2） 內容先進，注重應用。人工智能正處于迅速發(fā)展時期，內容非常豐富。本書覆蓋了人工智能的主要應用領域，體系完整，精選了人工智能技術的一些前沿熱點。書中運用大量應用實例，跳出晦澀復雜的概率論、數理統計、算法理論，讓這些冷冰冰的人工智能知識變得有溫度。以淺顯易懂的方式詮釋人工智能精髓，啟迪算法理解，讓學生理解原本深奧的人工智能技術。書中介紹能夠為本科生理解的應用實例，引導學生學習應用新理論解決實際問題的方法。書中設置了很多課程思政教學元素。
（3） 精心編排，重點突出。每章開始設置導讀，使學生在學習本章之前就知道本章要討論的主題和學習目標。每章最后扼要總結本章的重要概念、公式、定理與方法。本書采用雙色印刷，將重要的概念、公式、定理與方法用紅色標示出來，以引起學生注意。
（4） 結構合理，方便教學。本書各章內容相對獨立，教師可以根據課程計劃學時和專業(yè)需要自由選擇和組合相關內容，以保持課程體系結構的完整性。采用本書全部內容作為教材，建議課堂教學學時為48學時。
（5） 配套實驗，方便教學。圍繞人工智能技術的主要教學內容，附錄中設置了課程實驗，方便教學。學生通過程序實現能夠深入了解人工智能的算法，體會如何應用人工智能技術解決實際問題。
（6） MOOC課程，便于自學。在學堂在線和國家智慧教育公共服務平臺開設了相應的MOOC課程。作者在學堂在線開發(fā)了與本教材配套的慕客課程人工智能；需要進一步深入學習人工智能的讀者，還可以選擇在中國大學MOOC網站（http://www.icourse163.org）上學習人工智能導論國家線上一流課程。
4. 教學資源支持
本書配套的教學資源包括教學大綱、PPT、實驗源代碼、習題答案和題庫，使用本書作為教材的教師可向longqm@163.com免費申請，服務支持請聯系QQ: 381844463。
5. 致謝
衷心感謝人工智能課程國家級虛擬教研室全體成員和作者一起對人工智能教學的不斷探索！衷心感謝清華大學出版社的龍啟銘編輯，他為本書付出了辛勤勞動以及向作者提出了許多有益的修改建議。
限于作者水平，書中一定會存在許多不足之處，歡迎廣大讀者提出寶貴意見。
作者2025年4月
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(fā)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(fā)展期10
1.3.3大數據驅動的飛速發(fā)展期12
1.4從兩場標志性人機博弈看人工智能的發(fā)展13
1.4.1人工智能研究中的小白鼠13
1.4.2深藍戰(zhàn)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(fā)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
2.1.1什么是知識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基于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基于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基于模糊理論的不確定性推理97
3.7.1模糊邏輯的提出與發(fā)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(tài)空間表示搜索對象114
4.2.1狀態(tài)空間知識表示方法114
4.2.2狀態(tài)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(yōu)先搜索策略120
4.4.2深度優(yōu)先搜索策略121
4.5啟發(fā)式圖搜索策略123
4.5.1啟發(fā)式策略124
4.5.2啟發(fā)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(fā)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基于遺傳算法的生產調度方法151
5.4.1基于遺傳算法的流水車間調度方法152
5.4.2基于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(yōu)化算法163
6.2.1基本粒子群優(yōu)化算法163
6.2.2粒子群優(yōu)化算法的應用165
6.3模擬蟻群行為的蟻群優(yōu)化算法167
6.3.1蟻群優(yōu)化算法的生物學背景167
6.3.2基本蟻群優(yōu)化算法167
6.3.3蟻群優(yōu)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(fā)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(jiān)督學習與無監(jiān)督學習181
7.2.3弱監(jiān)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(fā)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(fā)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(fā)環(huán)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(guī)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(tài)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基于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(fā)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(fā)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(fā)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(huán)神經網絡284
10.4.1循環(huán)神經網絡的結構284
10.4.2循環(huán)神經網絡的訓練285
10.4.3長短期記憶神經網絡286
10.5基于循環(huán)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
書單推薦
![透過AI認知世界 [美]喬治·F. 盧格爾](http://pic.book1993.com/pic//uploadfile/202403/9787111746607.jpg)
