本書是一流本科課程“人工智能”的配套教材，是作者二十余年教學(xué)經(jīng)驗的結(jié)晶�？紤]初學(xué)者的特點，遵循思維過程安排全書內(nèi)容，同時通過案例學(xué)習(xí)深化理解。全書分兩篇，共11章�；A(chǔ)篇（第1～6章）包括緒論、確定性推理、不確定性推理、搜索策略、機器學(xué)習(xí)和知識圖譜。應(yīng)用篇（第7～11章），包括人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)及其圖像分類案例、推薦系統(tǒng)及其應(yīng)用案例、決策樹分類方法及案例實現(xiàn)和ChatGPT。除緒論外，每章內(nèi)容均按照“基礎(chǔ)理論+應(yīng)用案例”的結(jié)構(gòu)組織和撰寫。第7章和第8章都以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，其他各章各成體系。本書適合作為高等院校計算機科學(xué)與技術(shù)、軟件工程、智能科學(xué)與技術(shù)、人工智能等相關(guān)專業(yè)高年級本科生、研究生的教材，也可供對人工智能感興趣的讀者參考。
1.本書以超星學(xué)習(xí)通為學(xué)習(xí)平臺，從人工智能基礎(chǔ)開始講解，逐步深入到人工智能新方法新技術(shù)的應(yīng)用部分，內(nèi)容由易到難，講解由淺入深、循序漸進。2.以“懂原理，能應(yīng)用，會應(yīng)用”為目標(biāo)，組織整合全書知識內(nèi)容，力求邏輯結(jié)構(gòu)緊密，內(nèi)容通俗易懂。同時，配備相應(yīng)的應(yīng)用案例，加深理論講解，加強應(yīng)用實操性。3.配套資源豐富，包括人工智能基礎(chǔ)理論的教學(xué)大綱、教學(xué)日歷和教學(xué)課件等，讀者可從清華大學(xué)出版社網(wǎng)站下載。掃描封底的刮刮卡注冊后，即可掃描書中的二維碼觀看微課視頻。4.本書可作為高等院校智能科學(xué)與技術(shù)、人工智能相關(guān)專業(yè)的教材、教輔資料，也可以作為零基礎(chǔ)初學(xué)者的快速入門書籍，還可作為讀者學(xué)習(xí)應(yīng)用技術(shù)的參考書。5.本書提供配套電子課件，讀者可登錄清華大學(xué)出版社網(wǎng)站（http://www.tup.com.cn）下載。
前言
人工智能經(jīng)過近70年的演進，已經(jīng)成為這個時代最具變革的技術(shù)力量。過去10年，深度學(xué)習(xí)成為主流，人工智能進入了大數(shù)據(jù)、大計算、大模型的時代。從AlphaGo在圍棋領(lǐng)域戰(zhàn)勝人類，到現(xiàn)在我們正在經(jīng)歷的ChatGPT、DeepSeek現(xiàn)象，人工智能技術(shù)正在深層次地改變我們的世界。作為發(fā)展新質(zhì)生產(chǎn)力的重要引擎，人工智能正在范圍內(nèi)引發(fā)深刻的變革。對于中國來說，抓住這一歷史機遇，實現(xiàn)人工智能產(chǎn)業(yè)的快速發(fā)展，具有重要的戰(zhàn)略意義。
從1998年起，我們開始人工智能的教學(xué)與研究。從最初單純介紹知識表示、推理和搜索策略等經(jīng)典理論，到后來增加了實踐、項目作業(yè)等應(yīng)用環(huán)節(jié)，再到當(dāng)前“經(jīng)典理論+新技術(shù)新方法”的教學(xué)設(shè)計，歷經(jīng)二十余年終獲突破，我�！叭斯ぶ悄堋闭n程于2016年建成遼寧省精品資源共享課程，2017年建成在線課程并在“高校邦”平臺上線使用，2019年在超星平臺完成重建，2020年獲批省級一流線上線下混合課程。2023年獲批線上線下混合式一流本科課程。本書是作者在多年教學(xué)基礎(chǔ)上重新梳理整合教學(xué)內(nèi)容，同時引入國內(nèi)外的研究成果編撰而成的。經(jīng)典內(nèi)容力求邏輯結(jié)構(gòu)緊密，新技術(shù)、新方法部分力求“新”與“應(yīng)用”相結(jié)合，“新”與“基礎(chǔ)”相適應(yīng)。
全書分為基礎(chǔ)篇和應(yīng)用篇兩部分，共11章。第1章介紹人工智能相關(guān)的基本內(nèi)容；第2章由推理的基本概念引入，主要介紹確定性推理中的謂詞邏輯推理、自然演繹推理和歸結(jié)演繹推理的基本概念和方法；第3章講述不確定性推理方法，包括產(chǎn)生式知識表示、可信度推理方法和主觀貝葉斯推理方法；第4章先介紹狀態(tài)空間表示，然后舉例說明寬度優(yōu)先搜索、深度優(yōu)先搜索、代價樹搜索、啟發(fā)式搜索和博弈樹搜索；第5章的主題是機器學(xué)習(xí)，內(nèi)容包括機器學(xué)習(xí)的定義、分類、系統(tǒng)結(jié)構(gòu)和應(yīng)用；第6章重點講述知識圖譜，從表示與建模、抽取與挖掘、存儲與融合、檢索與推理到問答和對話；第7～11章屬于本書應(yīng)用篇的內(nèi)容，分別介紹人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、推薦系統(tǒng)、決策樹、ChatGPT。
本書具有以下特點:
(1) 遵照教指委計算機科學(xué)與技術(shù)和軟件工程專業(yè)及相關(guān)專業(yè)的培養(yǎng)目標(biāo)和培養(yǎng)方案，結(jié)合應(yīng)用型人才培養(yǎng)實際，以“懂理論，能應(yīng)用，會應(yīng)用”為目標(biāo)進行內(nèi)容組織安排。
(2) 由于人工智能的發(fā)展日新月異，任何人不可能學(xué)習(xí)和掌握所有的新技術(shù)、新方法。因此，組織內(nèi)容時分為基礎(chǔ)篇和應(yīng)用篇�；A(chǔ)篇主要介紹人工智能的經(jīng)典理論和方法；應(yīng)用篇介紹新技術(shù)、新方法及相關(guān)的應(yīng)用，讀者可以根據(jù)需要進行取舍。
(3) 整合知識內(nèi)容，邏輯結(jié)構(gòu)緊密。基礎(chǔ)篇融合知識表示與確定性推理、不確定性推理，使邏輯結(jié)構(gòu)更加緊密，利于閱讀學(xué)習(xí)。應(yīng)用篇深入淺出展開講解，舉例說明每種方法，使讀者有更直觀的認識，便于掌握理解。
(4) 習(xí)題分為三種類型。分別是對知識和方法的理解及掌握情況的檢驗類習(xí)題；對所學(xué)內(nèi)容應(yīng)用于解決實際問題情況的驗證類習(xí)題；需要學(xué)生去課外閱讀、思考、理解的開放式思考題。
(5) 本書有對應(yīng)的線上教學(xué)資源平臺，包括課程視頻（知識+案例）、習(xí)題、測驗，翻轉(zhuǎn)課堂教學(xué)實錄等內(nèi)容，可以在清華大學(xué)出版社本書配套資源頁面獲取。本書也提供配套的課件、案例的源碼等相關(guān)資源，可掃描封底刮刮卡注冊后再掃描書中二維碼觀看。
本書由周軍、梅紅巖、薛笑榮、伊華偉、杜穎、張巍(錦州開放大學(xué))共同編寫而成。其中，周軍編寫第1、7章并統(tǒng)稿，梅紅巖編寫第3、4、10章，薛笑榮編寫第6、8章，伊華偉編寫第9章，杜穎編寫第5、11章，張巍編寫第2章。黃印博士、馬駿龍、張大俊、曲晨曦、李雪、李洋洋、劉哲宇和曲光娜同學(xué)負責(zé)完成相關(guān)實驗和繪制部分圖表。在編寫本書的過程中，作者參閱了王萬良教授和馬少平教授等多部與人工智能相關(guān)的書籍和論文，也吸取了國內(nèi)外其他作者教材的精髓，在此，對這些作者表示由衷的感謝。本書在出版過程中，得到了遼寧工業(yè)大學(xué)的支持，還得到了清華大學(xué)出版社的大力支持與幫助，在此一并表示誠摯的謝意。
由于作者水平有限，書中難免存在不妥和疏漏之處，敬請讀者批評指正。
作者
2025年2月于遼寧錦州
目錄
第1部分基礎(chǔ)篇
第1章緒論3
1.1人工智能及其衡量智能機器的準則3
1.1.1人工智能的定義3
1.1.2衡量智能機器的準則4
1.2人工智能的發(fā)展歷史和研究途徑5
1.2.1人工智能的發(fā)展歷史5
1.2.2人工智能的研究途徑7
1.3人工智能的研究內(nèi)容和研究領(lǐng)域8
1.3.1人工智能的研究內(nèi)容8
1.3.2人工智能的研究領(lǐng)域10
1.4人工智能的應(yīng)用及未來展望11
1.4.1人工智能的應(yīng)用11
1.4.2人工智能的未來12
1.4.3人工智能面臨的挑戰(zhàn)14
1.4.4人工智能發(fā)展的機遇14
1.5本章小結(jié)15
習(xí)題115
第2章確定性推理16
2.1確定性推理與不確定性推理16
2.1.1推理的基本概念16
2.1.2確定性推理與不確定性推理17
2.1.3確定性推理的一般過程17
2.2謂詞邏輯推理方法18
2.2.1謂詞邏輯的知識表示18
2.2.2謂詞公式的解釋20
2.2.3謂詞公式的永真性、可滿足性、不可滿足性22
2.2.4謂詞邏輯應(yīng)用案例22
2.2.5謂詞邏輯知識表示的特點242.3自然演繹推理方法25
2.3.1自然演繹推理的推理規(guī)則26
2.3.2自然演繹推理的推理方法28
2.3.3自然演繹推理應(yīng)用案例28
2.3.4自然演繹推理的特點29
2.4歸結(jié)演繹推理方法29
2.4.1子句和子句集30
2.4.2謂詞公式的Skolem標(biāo)準型31
2.4.3謂詞公式化為子句集的方法32
2.4.4歸結(jié)原理32
2.4.5歸結(jié)原理的應(yīng)用案例35
2.5本章小結(jié)39
習(xí)題239
第3章不確定性推理42
3.1產(chǎn)生式知識表示與推理42
3.1.1產(chǎn)生式知識表示法42
3.1.2產(chǎn)生式系統(tǒng)與推理過程43
3.1.3產(chǎn)生式推理應(yīng)用案例44
3.2可信度推理方法46
3.2.1可信度推理的不確定性度量與表示46
3.2.2可信度推理的不確定性計算47
3.2.3可信度推理應(yīng)用案例49
3.3主觀貝葉斯推理方法50
3.3.1主觀貝葉斯推理的不確定度量與表示50
3.3.2主觀貝葉斯推理的不確定計算51
3.3.3主觀貝葉斯推理應(yīng)用案例55
3.4本章小結(jié)56
習(xí)題356
第4章搜索策略58
4.1狀態(tài)空間表示法與搜索59
4.1.1狀態(tài)空間表示法59
4.1.2狀態(tài)空間表示法的問題求解案例60
4.1.3狀態(tài)空間表示法搜索的一般過程61
4.2寬度優(yōu)先搜索63
4.2.1寬度優(yōu)先搜索的基本思想與搜索過程63
4.2.2寬度優(yōu)先搜索應(yīng)用案例66
4.3深度優(yōu)先搜索68
4.3.1深度優(yōu)先搜索的基本思想與搜索過程68
4.3.2深度優(yōu)先搜索應(yīng)用案例69
4.4有界深度優(yōu)先搜索71
4.4.1有界深度優(yōu)先搜索的基本思想與搜索過程71
4.4.2有界深度優(yōu)先搜索應(yīng)用案例73
4.5代價樹搜索74
4.5.1代價樹搜索的基本思想與搜索過程74
4.5.2代價樹搜索應(yīng)用案例77
4.6啟發(fā)式搜索79
4.6.1啟發(fā)式搜索的基本思想與搜索過程79
4.6.2啟發(fā)式搜索應(yīng)用案例82
4.7博弈樹搜索83
4.7.1博弈類游戲83
4.7.2博弈樹的構(gòu)建及應(yīng)用84
4.7.3極大極小分析法86
4.7.4αβ剪枝技術(shù)87
4.8本章小結(jié)88
習(xí)題488
第5章機器學(xué)習(xí)89
5.1機器學(xué)習(xí)的定義和發(fā)展歷史89
5.1.1機器學(xué)習(xí)的定義89
5.1.2機器學(xué)習(xí)的發(fā)展歷史90
5.2機器學(xué)習(xí)的分類91
5.3機器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)93
5.4機器學(xué)習(xí)方法應(yīng)用舉例94
5.4.1線性模型方法95
5.4.2聚類101
5.5本章小結(jié)117
習(xí)題5118
第6章知識圖譜120
6.1知識圖譜概述120
6.1.1什么是知識圖譜120
6.1.2知識圖譜的發(fā)展歷程121
6.1.3知識圖譜的價值121
6.2知識圖譜的表示與建模122
6.2.1知識圖譜的表示方法122
6.2.2知識建模124
6.3知識圖譜的抽取與挖掘127
6.3.1知識抽取127
6.3.2知識挖掘128
6.4知識圖譜的存儲與融合130
6.4.1知識存儲130
6.4.2知識融合133
6.5知識圖譜的檢索與推理135
6.5.1知識檢索135
6.5.2知識推理141
6.6知識圖譜的問答與對話142
6.6.1知識問答142
6.6.2知識對話143
6.7代表性的知識圖譜144
6.7.1經(jīng)典的通用知識圖譜144
6.7.2經(jīng)典的行業(yè)知識圖譜145
6.7.3基于互聯(lián)網(wǎng)搜索的知識圖譜145
6.7.4中文開放知識圖譜聯(lián)盟146
6.8知識圖譜的發(fā)展趨勢與挑戰(zhàn)146
6.8.1知識圖譜的發(fā)展趨勢146
6.8.2知識圖譜面臨的挑戰(zhàn)147
6.9本章小結(jié)147
習(xí)題6147
第2部分應(yīng)用篇
第7章人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)151
7.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡(luò)151
7.1.1神經(jīng)元151
7.1.2神經(jīng)網(wǎng)絡(luò)159
7.2BP神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法160
7.2.1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)160
7.2.2BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法162
7.2.3BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的例子169
7.3深度學(xué)習(xí)172
7.4生成對抗網(wǎng)絡(luò)及在圖像生成中的應(yīng)用173
7.4.1生成對抗網(wǎng)絡(luò)173
7.4.2基于生成對抗網(wǎng)絡(luò)的圖像生成方法176
7.5本章小結(jié)177
習(xí)題7178
第8章卷積神經(jīng)網(wǎng)絡(luò)及其圖像分類案例179
8.1卷積神經(jīng)網(wǎng)絡(luò)的定義及其結(jié)構(gòu)179
8.1.1卷積神經(jīng)網(wǎng)絡(luò)的定義179
8.1.2卷積神經(jīng)網(wǎng)絡(luò)的總體架構(gòu)180
8.1.3卷積層181
8.1.4池化層184
8.1.5激活函數(shù)187
8.1.6全連接層188
8.1.7學(xué)習(xí)率和優(yōu)化器190
8.2卷積神經(jīng)網(wǎng)絡(luò)的特點與發(fā)展歷程192
8.2.1卷積神經(jīng)網(wǎng)絡(luò)的特點192
8.2.2卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程192
8.3基于PyTorch框架的Mnist數(shù)據(jù)集分類案例196
8.3.1圖像分類196
8.3.2PyTorch介紹197
8.3.3PyTorch常用庫介紹199
8.3.4Mnist數(shù)據(jù)集介紹200
8.3.5神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程201
8.3.6案例分析201
8.4本章小結(jié)209
習(xí)題8209
第9章推薦系統(tǒng)及其應(yīng)用案例210
9.1什么是推薦系統(tǒng)210
9.2推薦系統(tǒng)的發(fā)展歷程、面臨挑戰(zhàn)與未來趨勢211
9.2.1推薦系統(tǒng)的發(fā)展歷程211
9.2.2推薦系統(tǒng)面臨的挑戰(zhàn)213
9.2.3推薦系統(tǒng)的發(fā)展趨勢214
9.3推薦系統(tǒng)的基本結(jié)構(gòu)215
9.4基于協(xié)同過濾的推薦方法218
9.4.1基于內(nèi)存的協(xié)同過濾218
9.4.2基于矩陣分解的協(xié)同過濾221
9.4.3評價指標(biāo)222
9.5推薦系統(tǒng)應(yīng)用案例223
9.6本章小結(jié)228
習(xí)題9228
第10章決策樹分類方法及案例實現(xiàn)230
10.1決策樹的基本概念230
10.2信息熵與信息增益233
10.2.1信息熵233
10.2.2信息增益235
10.3決策樹分類方法236
10.3.1ID3算法236
10.3.2C4.5算法239
10.4決策樹分類案例240
10.5本章小結(jié)245
習(xí)題10245
第11章ChatGPT246
11.1ChatGPT概述246
11.1.1ChatGPT的定義246
11.1.2ChatGPT的功能247
11.1.3ChatGPT的發(fā)展歷程247
11.1.4ChatGPT的優(yōu)勢和挑戰(zhàn)248
11.1.5ChatGPT對人類社會的影響250
11.1.6ChatGPT的倫理和法律問題251
11.1.7ChatGPT的發(fā)展前景252
11.2ChatGPT的主體架構(gòu)及支撐技術(shù)253
11.2.1ChatGPT的架構(gòu)253
11.2.2Transformer模型254
11.2.3自然語言處理255
11.2.4深度學(xué)習(xí)技術(shù)255
11.2.5ChatGPT與其他AI技術(shù)的比較和融合256
11.3ChatGPT的應(yīng)用258
11.3.1ChatGPT在教育領(lǐng)域的應(yīng)用258
11.3.2ChatGPT在醫(yī)療領(lǐng)域的應(yīng)用259
11.3.3ChatGPT在智能家居領(lǐng)域的應(yīng)用259
11.3.4ChatGPT在線客服中的應(yīng)用260
11.3.5ChatGPT在智能問答系統(tǒng)中的應(yīng)用261
11.3.6ChatGPT在機器翻譯領(lǐng)域中的應(yīng)用262
11.4ChatGPT實踐案例262
11.5本章小結(jié)269
習(xí)題11269
參考文獻270
書單推薦
