本書全面介紹人工智能的基本理論、技術(shù)及應用。全書共10章，主要內(nèi)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(tǒng)、模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)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(diào)人工智能知識的基礎(chǔ)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(shù)解決專業(yè)領(lǐng)域問題的基本技術(shù)，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(chǔ)課程的教材，也可供對人工智能技術(shù)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(shù)及應用，高等學校各專業(yè)人工智能基礎(chǔ)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(xiàn)國家人工智能發(fā)展戰(zhàn)略的一個關(guān)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(lǐng)域設置了智能科學與技術(shù)、人工智能、數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、機器人工程等人工智能類專業(yè)，還把人工智能技術(shù)引入傳統(tǒng)專業(yè)，形成智能制造工程、智能車輛工程、智能電網(wǎng)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(jié)構(gòu)、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(jié)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(nèi)容比較基礎(chǔ)、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(chǔ)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(shù)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(jīng)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(jié)構(gòu)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(chǔ)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(shù)。
2. 主要內(nèi)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(nèi)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(lǐng)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(chǎn)生式、框架等基本的知識表示方法，以及知識圖譜的基本內(nèi)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(tǒng)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(jīng)典的機器學習算法，介紹專家系統(tǒng)的概念、工作原理以及應用。第8章介紹模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡，為后面介紹深度學習奠定基礎(chǔ)。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(jīng)網(wǎng)絡、膠囊網(wǎng)絡、生成對抗網(wǎng)絡等深度學習的前沿內(nèi)容。第10章介紹日益廣泛應用的自然語言理解技術(shù)，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(shù)，特別是將人工智能技術(shù)與文學藝術(shù)、人們的日常生活、人類思維方法等相結(jié)合，使學生能夠感受到與人工智能相關(guān)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(tǒng)地閱讀本書，掌握人工智能的基本思想與基本方法。
（2） 內(nèi)容先進，注重應用。人工智能正處于迅速發(fā)展時期，內(nèi)容非常豐富。本書覆蓋了人工智能的主要應用領(lǐng)域，體系完整，精選了人工智能技術(shù)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(shù)理統(tǒng)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(shù)。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(jié)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(jié)構(gòu)合理，方便教學。本書各章內(nèi)容相對獨立，教師可以根據(jù)課程計劃學時和專業(yè)需要自由選擇和組合相關(guān)內(nèi)容，以保持課程體系結(jié)構(gòu)的完整性。采用本書全部內(nèi)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(shù)的主要教學內(nèi)容，附錄中設置了課程實驗，方便教學。學生通過程序?qū)崿F(xiàn)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(shù)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(wǎng)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(lián)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(shù)據(jù)驅(qū)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(nèi)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(lǐng)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(jié)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(chǎn)生式表示法53
2.3.1產(chǎn)生式54
2.3.2產(chǎn)生式系統(tǒng)55
2.3.3產(chǎn)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(jié)構(gòu)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(gòu)65
2.5.5知識圖譜的典型應用65
2.6本章小結(jié)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(jié)原理84
3.5.3歸結(jié)反演85
3.5.4歸結(jié)求解87
3.6基于統(tǒng)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(shù)100
3.7.4模糊關(guān)系101
3.7.5模糊關(guān)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(jié)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(shù)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(jié)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(shù)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(chǎn)調(diào)度方法151
5.4.1基于遺傳算法的流水車間調(diào)度方法152
5.4.2基于遺傳算法的混合流水車間調(diào)度方法153
5.5本章小結(jié)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(jié)173
討論題174
第7章機器學習與專家系統(tǒng)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(tǒng)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(jīng)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(tǒng)概述193
7.4.1專家系統(tǒng)的產(chǎn)生和發(fā)展193
7.4.2專家系統(tǒng)的定義195
7.4.3專家系統(tǒng)的特點195
7.4.4專家系統(tǒng)的類型197
7.5專家系統(tǒng)的工作原理198
7.5.1專家系統(tǒng)的一般結(jié)構(gòu)198
7.5.2知識庫199
7.5.3推理機199
7.5.4綜合數(shù)據(jù)庫200
7.5.5知識獲取機構(gòu)200
7.5.6解釋機構(gòu)201
7.5.7人機接口201
7.6簡單的動物識別專家系統(tǒng)202
7.6.1知識庫建立202
7.6.2綜合數(shù)據(jù)庫建立和推理過程203
7.7專家系統(tǒng)開發(fā)工具骨架系統(tǒng)204
7.7.1骨架系統(tǒng)的概念204
7.7.2EMYCIN骨架系統(tǒng)205
7.7.3KAS骨架系統(tǒng)206
7.8專家系統(tǒng)開發(fā)環(huán)境208
7.9本章小結(jié)209
討論題210
習題211
第8章模擬生物神經(jīng)系統(tǒng)的人工神經(jīng)網(wǎng)絡212
8.1人工神經(jīng)元與人工神經(jīng)網(wǎng)絡212
8.1.1生物神經(jīng)元結(jié)構(gòu)212
8.1.2生物神經(jīng)元的數(shù)學模型213
8.1.3人工神經(jīng)網(wǎng)絡的結(jié)構(gòu)與學習215
8.2機器學習的先驅(qū)赫布學習規(guī)則216
8.3掀起人工神經(jīng)網(wǎng)絡第一次高潮的感知器217
8.4掀起人工神經(jīng)網(wǎng)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(jīng)網(wǎng)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(jié)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(jīng)網(wǎng)絡與膠囊網(wǎng)絡232
9.2.1卷積神經(jīng)網(wǎng)絡的結(jié)構(gòu)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(jīng)網(wǎng)絡的卷積運算234
9.2.4卷積神經(jīng)網(wǎng)絡中的關(guān)鍵技術(shù)236
9.2.5卷積神經(jīng)網(wǎng)絡的應用238
9.2.6膠囊網(wǎng)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(wǎng)絡及其應用244
9.3.1生成對抗網(wǎng)絡的基本原理244
9.3.2生成對抗網(wǎng)絡的結(jié)構(gòu)245
9.3.3生成對抗網(wǎng)絡的訓練246
9.3.4生成對抗網(wǎng)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(nèi)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(shù)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(zhì)結(jié)構(gòu)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(jié)構(gòu)268
9.5.3AI多智能體系統(tǒng)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(jié)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(jīng)網(wǎng)絡284
10.4.1循環(huán)神經(jīng)網(wǎng)絡的結(jié)構(gòu)284
10.4.2循環(huán)神經(jīng)網(wǎng)絡的訓練285
10.4.3長短期記憶神經(jīng)網(wǎng)絡286
10.5基于循環(huán)神經(jīng)網(wǎng)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(jié)292
討論題292
附錄A人工智能實驗指導書293
實驗1產(chǎn)生式系統(tǒng)實驗293
實驗2洗衣機模糊推理系統(tǒng)實驗293
實驗3A算法求解N數(shù)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(shù)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(shù)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(jīng)網(wǎng)絡分類實驗303
實驗10卷積神經(jīng)網(wǎng)絡分類實驗304
實驗11膠囊網(wǎng)絡分類實驗304
實驗12用生成對抗網(wǎng)絡生成數(shù)字圖像實驗305
書單推薦
