人工智能通識教程（第2版·微課版）

目錄

 

 

第1章思考的工具1

【導讀案例】動物智能: 聰明的漢斯1

1.1計算的淵源2

1.1.1巨石陣2

1.1.2安提基特拉機械3

1.1.3阿拉伯數字3

1.2巴貝奇與數學機器4

1.2.1差分機4

1.2.2分析機4

1.2.3“機器人”的由來5

1.3電腦的出現6

1.3.1為戰爭而發展的電腦器6

1.3.2電腦無處不在7

1.3.3通用電腦7

1.3.4電腦語言9

1.3.5電腦建模9

1.4電腦的智能行為10

1.4.1類人行為: 圖靈測試10

1.4.2類人思考: 認知建模10

1.4.3理性思考: “思維法則”11

1.4.4理性行為: 理性智能體11

1.4.5對人類可證益的智能體12

1.5人工智能大師13

【作業】13

第2章定義人工智能16

【導讀案例】自動駕駛概述16

2.1人工智能的學科基礎19

2.2人工智能概述24

2.2.1“人工”與“智能”24

2.2.2人工智能的定義26

2.2.3人工智能的實現途徑26

2.2.4人工智能發展的6個階段27

2.3人工智能的發展歷史29

2.3.1人工智能研究獲得的圖靈獎29

2.3.2從人工神經元開始（1943—1956）29

2.3.3早期期望無限（1952—1969）31

2.3.4一些現實（1966—1973）32

2.3.5專家系統（1969—1986）33

2.3.6神經網絡的回歸（1986至今）34

2.3.7概率推理和機器學習（1987至今）34

2.3.8大數據（2001至今）35

2.3.9深度學習（2011至今）36

2.4人工智能的研究36

【作業】40

第3章大數據與人工智能43

【導讀案例】電子商務的推薦系統43

3.1什麽是模糊邏輯44

3.1.1甲蟲機器人的規則45

3.1.2模糊邏輯的發明45

3.1.3制定模糊邏輯的規則46

3.1.4模糊邏輯的定義47

3.1.5模糊理論的發展47

3.2模糊邏輯系統48

3.2.1純模糊邏輯系統48

3.2.2高木—關野模糊邏輯系統49

3.2.3具有產生器及消除器的模糊邏輯系統49

3.3數據思維與變革49

3.3.1思維轉變之一: 樣本=總體50

3.3.2思維轉變之二: 接受數據的混雜性51

3.3.3思維轉變之三: 數據的相關關系52

3.4大數據與人工智能53

3.4.1人工智能與大數據的聯系53

3.4.2人工智能與大數據的區別54

3.4.3人工智能深化大數據應用54

【作業】55

第4章智能體與智能代理58

【導讀案例】智能體: 下一個顛覆性AI應用58

4.1智能體和環境61

4.2智能體的良好行為62

4.2.1性能度量62

4.2.2理性63

4.2.3全知、學習和自主63

4.3環境的本質64

4.3.1指定任務環境64

4.3.2任務環境的屬性65

4.4智能體的結構68

4.4.1智能體程序68

4.4.2學習型智能體69

4.4.3智能體程序組件的工作71

4.5智能代理技術72

4.5.1智能代理的定義72

4.5.2智能代理的典型工作過程72

4.5.3智能代理的特點73

4.5.4系統內的協同合作74

4.6智能代理的典型應用75

4.6.1股票/債券/期貨交易75

4.6.2醫療診斷76

4.6.3搜索引擎76

4.6.4實體機器人77

4.6.5電腦游戲77

【作業】78

第5章機器學習80

【導讀案例】奈飛的電影推薦引擎80

5.1什麽是機器學習81

5.1.1機器學習的發展81

5.1.2機器學習的定義83

5.1.3機器學習的研究85

5.2基於學習方式的分類86

5.2.1監督學習86

5.2.2無監督學習87

5.2.3強化學習87

5.2.4機器學習的其他分類88

5.3機器學習的基本結構89

5.4機器學習算法90

5.4.1專註於學習能力91

5.4.2回歸算法92

5.4.3K近鄰算法92

5.4.4決策樹算法92

5.4.5貝葉斯算法93

5.4.6聚類算法94

5.4.7支持向量機算法94

5.4.8神經網絡算法94

5.4.9梯度增強算法94

5.4.10關聯規則算法95

5.4.11EM（期望最大化）算法95

5.5機器學習的應用95

5.5.1數據分析與挖掘96

5.5.2模式識別96

5.5.3生物信息學應用96

5.5.4物聯網96

5.5.5聊天機器人97

5.5.6自動駕駛98

【作業】98

第6章深度學習101

【導讀案例】人類與動物智商的差別101

6.1動物的中樞神經系統103

6.1.1神經系統的結構103

6.1.2神經系統的學習機制104

6.2瞭解人工神經網絡104

6.2.1人工神經網絡的研究105

6.2.2典型的人工神經網絡105

6.2.3類腦電腦106

6.3深度學習的定義106

6.3.1深度學習的優勢107

6.3.2深度學習的意義107

6.3.3神經網絡理解圖片108

6.3.4訓練神經網絡110

6.3.5深度學習的方法111

6.4捲積神經網絡114

6.4.1為什麽選擇捲積114

6.4.2捲積神經網絡結構116

6.5遷移學習117

6.5.1基於實例的遷移118

6.5.2基於特徵的遷移118

6.5.3基於共享參數的遷移118

6.6深度學習的應用118

【作業】120

第7章強化學習122

【導讀案例】谷歌制定新“守則”，確保機器人決策更安全122

7.1強化學習的定義123

7.1.1發展歷史123

7.1.2基本模型和原理124

7.1.3網絡模型設計124

7.1.4設計考慮126

7.1.5數據依賴性126

7.2與監督學習的區別127

7.2.1學習方式128

7.2.2先驗知識與標註數據129

7.3強化學習基礎理論129

7.3.1基於模型與免模型環境129

7.3.2探索與利用130

7.3.3預測與控制131

7.4強化學習分類131

7.4.1從獎勵中學習131

7.4.2被動強化學習132

7.4.3主動強化學習132

7.4.4強化學習中的泛化132

7.4.5學徒學習與逆強化學習132

7.5強化學習的應用133

7.5.1游戲博弈134

7.5.2機器人控制134

7.5.3製造業135

7.5.4醫療服務業135

7.5.5電子商務136

【作業】136

第8章數據挖掘139

【導讀案例】葡萄酒的品質139

8.1從數據到知識142

8.1.1決策樹分析143

8.1.2購物車分析143

8.1.3貝葉斯網絡144

8.2數據挖掘方法145

8.2.1數據挖掘的發展145

8.2.2數據挖掘的對象146

8.2.3數據挖掘的步驟146

8.2.4數據挖掘分析方法147

8.3數據挖掘的經典算法148

8.3.1神經網絡法148

8.3.2決策樹法149

8.3.3遺傳算法149

8.3.4粗糙集法149

8.3.5模糊集法149

8.3.6關聯規則法150

8.4機器學習與數據挖掘150

8.4.1數據挖掘和機器學習典型過程150

8.4.2機器學習與數據挖掘應用案例152

【作業】154

第9章機器人技術156

【導讀案例】劃時代的阿波羅計劃156

9.1包容體系結構158

9.1.1所謂“中文房間”159

9.1.2傳統機器人學159

9.1.3建立包容體系結構160

9.2包容體系結構的實現160

9.2.1艾倫機器人161

9.2.2赫伯特機器人161

9.2.3托托機器人162

9.3機器感知162

9.3.1機器智能與智能機器163

9.3.2機器思維與思維機器163

9.3.3機器行為與行為機器163

9.4機器人的概念164

9.4.1機器人的發展164

9.4.2機器人“三原則”165

9.5機器人的技術問題166

9.5.1機器人的組成166

9.5.2機器人的運動167

9.5.3機器人大狗168

【作業】169

第10章電腦視覺172

【導讀案例】谷歌大腦的誕生172

10.1模式識別174

10.2圖像識別175

10.2.1人類的圖像識別能力176

10.2.2圖像識別的基礎176

10.2.3圖形識別的模型178

10.2.4神經網絡圖像識別178

10.3電腦視覺技術179

10.3.1什麽是機器視覺179

10.3.2定義電腦視覺180

10.3.3電腦視覺與機器視覺的區別181

10.4智能圖像處理技術182

10.4.1圖像採集182

10.4.2圖像預處理182

10.4.3圖像分割182

10.4.4目標識別和分類183

10.4.5目標定位和測量183

10.4.6目標檢測和跟蹤183

10.5電腦視覺系統典型功能184

10.6電腦視覺技術的應用185

10.6.1機器視覺的行業應用186

10.6.2檢測與機器人視覺應用186

10.6.3布匹生產質量檢測188

【作業】190

第11章自然語言處理192

【導讀案例】機器翻譯: 大數據簡單算法與小數據復雜算法192

11.1語言的問題和可能性194

11.2什麽是自然語言處理195

11.2.1自然語言處理的原因195

11.2.2自然語言處理的方法196

11.2.3自然語言處理的任務197

11.2.4語言模型198

11.3語法類型與語義分析199

11.3.1語法類型200

11.3.2語義分析200

11.3.3IBM機器翻譯系統200

11.4處理數據與處理工具201

11.4.1統計NLP語言數據集201

11.4.2自然語言處理工具201

11.4.3自然語言處理的技術難點202

11.5語音處理202

11.5.1語音處理的發展202

11.5.2語音理解203

11.5.3語音識別203

【作業】205

第12章GPT——大語言模型起步207

【導讀案例】2023年國內大模型匯總207

12.1自然語言處理的進步209

12.1.1關於ImageNet210

12.1.2自然語言處理的ImageNet時刻210

12.1.3從GPT1到GPT3211

12.1.4ChatGPT聊天機器人模型與對策212

12.1.5從文本生成音樂的MusicLM模型213

12.1.6檢測AI文本的DetectGPT算法213

12.2科普AI大語言模型214

12.3ChatGPT的模仿秀215

12.3.1舊的守衛，新的想法215

12.3.2搜索引擎結合LLM216

12.3.3剋服簡單編造與重復216

12.4傳統行業的下崗217

12.4.1客服市場，AI本來就很捲217

12.4.2伐木場迎來工業革命219

12.4.3新技術，新問題221

【作業】222

第13章群體智能225

【導讀案例】無人機最快圈速: 算法控制戰勝專業駕駛員225

13.1向蜜蜂學習群體智能227

13.2什麽是群體智能229

13.2.1群體人工智能技術229

13.2.2群體智能的兩種機制230

13.2.3基本原則與特點230

13.3典型算法模型231

13.3.1蟻群算法231

13.3.2搜索機器人233

13.3.3微粒群（鳥群）優化算法234

13.3.4沒有機器人的集群236

13.4群體智能背後的故事236

13.5群體智能的應用238

13.6群體智能的發展240

【作業】240

第14章自動規劃243

【導讀案例】自動駕駛泊車技術243

14.1規劃的概念244

14.2人工智能的烏姆普斯世界245

14.2.1描述烏姆普斯世界245

14.2.2探索烏姆普斯世界246

14.3什麽是自動規劃247

14.3.1定義經典規劃247

14.3.2自動規劃問題248

14.3.3規劃問題示例249

14.4規劃方法252

14.4.1規劃即搜索252

14.4.2部分有序規劃254

14.4.3分級規劃255

14.4.4基於案例的規劃255

14.4.5規劃方法分析255

14.5時間、調度和資源256

14.5.1時間約束和資源約束的表示256

14.5.2解決調度問題256

【作業】257

第15章人工智能的發展259

【導讀案例】科學家發現新的人類腦細胞259

15.1創新發展與社會影響261

15.1.1人工智能發展的啟示262

15.1.2人工智能的發展現狀與影響262

15.2倫理與安全264

15.2.1創造智能機器的大猩猩問題264

15.2.2積極與消極的方面264

15.2.3人才和基礎設施短缺265

15.2.4設定倫理要求266

15.2.5強力保護個人隱私267

15.2.6機器人權利267

15.3人工智能的極限268

15.3.1由非形式化得出的論據268

15.3.2衡量人工智能268

15.4人工智能架構269

15.4.1傳感器與執行器269

15.4.2通用人工智能270

15.4.3人工智能工程271

15.5人工智能的機遇與挑戰271

15.6未來的人工智能272

15.6.1意識與感質273

15.6.2機器能思考嗎273

15.6.3未來已來274

【作業】274

【課程學習總結】277

附錄A作業參考答案281

參考文獻285