人工智能概论

人工智能的浪潮已席卷全球。国务院于2017年7月发布了《新一代人工智能发展规划》，指出: 人工智能是引领未来的战略性技术，必须放眼全球，把人工智能发展放在国家战略层面系统布局、主动谋划，打造竞争新优势，开拓发展新空间，有效保障国家安全。《新一代人工智能发展规划》主要针对人才和核心技术两个方面做了专门的规划和部署。只有培养高端的科技人才，把握核心技术，中国的人工智能才能达到世界领先水平。
2018年4月， 印发了《高等学校人工智能创新行动计划》，目的是引导高等学校瞄准世界科技前沿，强化基础研究，实现前瞻性基础研究和引领性原创成果的重大突破，进一步提升高等学校人工智能领域科技创新、人才培养和服务国家需求的能力。《高等学校人工智能创新行动计划》就完善人工智能领域人才培养体系出台了一系列政策，并进行系统布局，主要包括加快人工智能领域学科建设、专业建设、人才培养和构建人工智能多层次教育体系四个重要方向。2018年，人工智能专业被 列入新增审批本科专业名单，上海交通大学等35所高等学校获首批建设资格。目前我国已有440所高等学校开设了人工智能本科专业。
智创未来，未来已来，这是一个人工智能的时代。适应不同类型教学对象的人工智能相关课程与教材的建设迫在眉睫。2020年，“人工智能概论”课程在中国大学慕课平台上线，网址为https://www.icourse163.org/course/BUU1461546165。该课程提供了本书内容的讲解视频，可以用于人工智能应用型人才的培养。
本书对人工智能中的关键技术进行了介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索、机器学习、人工神经网络与深度学习、智能机器人等。本书能引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用领域。本书内容丰富，应用性强，既可作为高等学校人工智能相关课程的教材，也可供相关专业人士参考。希望本书及配套慕课能给我国人工智能应用型人才的培养添砖加瓦。
本书特色
本书面向应用。第1章简要介绍人工智能的概念、发展简史及研究流派。第2～4章对人工智能的主要应用领域——计算机视觉、自然语言处理、语音处理进行了介绍。第5～7章由浅入深地介绍人工智能领域中的知识表示、知识发现（专家系统与知识图谱）、问题求解与搜索技术。第8、9章对人工智能中的主要实现技术——机器学习的原理和应用进行重点讲解。第10章阐述了20世纪之后在人工神经网络领域取得突破性成就的深度学习技术，主要结合3大应用领域中的典型任务进行讲解。本书最后对人工智能技术的综合应用——智能机器人进行简要讲解。
本书采用提出问题→分析问题→解决问题的整体结构，更加方便读者理解人工智能技术背后所蕴含的方法论和思想。人工智能发展非常迅速，内容十分庞杂，本书在内容上精选了一些既比较实用又是前沿热点的人工智能技术，能够帮助学生掌握人工智能的新理论和新技术。
读者对象
本书主要面向人工智能、智能科学与技术、软件工程、计算机科学与技术、数据科学与大数据技术、机器人工程等相关专业的本科生、研究生，也可供人文社科类、管理类等学科专业的学生学习。本书非常适合作为人工智能应用型人才培养的教材。
本书作者
本书为北京联合大学教材资助项目，由北京联合大学机器人学院软件工程优秀教学团队完成，将立德树人理念融入教学内容中，注重理论联系实际，注重人工智能技术与国家经济发展的联系，为培养国家的建设者服务。本书由软件工程系教师彭涛、刘畅编写，其中第1～5、8～10章由彭涛编写，第6、7、11章由刘畅编写，全书由彭涛统稿。
衷心感谢北京联合大学对本书和课程建设的大力支持。感谢北京联合大学教务处林妍梅和机器人学院领导的关心和支持，同时也感谢软件工程系诸位同仁的帮助、支持和鼓励。衷心感谢清华大学出版社龙启铭编辑为本书出版付出的辛勤劳动以及向作者提出的许多有益的修改建议。
本书提供授课配套讲义，读者可以从清华大学出版社网站免费下载。
人工智能领域发展日新月异。限于作者水平，书中缺漏之处在所难免，敬请读者批评指正。

作者
2023年5月于北京

本书对人工智能中的关键技术进行介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索技术、机器学习原理、机器学习应用、人工神经网络与深度学习、智能机器人等。本书引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用领域。本书内容丰富，应用性强，在中国大学MOOC平台上开设了“人工智能概论”课程。 本书主要面向人工智能、智能科学与技术、软件工程、计算机科学与技术、数据科学与大数据技术、机器人工程等相关专业的本科生、研究生，也可供人文社科类、管理类等学科专业的学生学习。

第1章人工智能概述/1
1.1人工智能的概念1
1.1.1人工智能概念的提出1
1.1.2智能的层次2
1.2人工智能的产生与发展3
1.2.1人工智能的产生3
1.2.2第一个繁荣期4
1.2.3第二个繁荣期6
1.2.4复苏期8
1.2.5第三个繁荣期9
1.3人工智能的三大学派12
1.3.1符号主义学派12
1.3.2连接主义学派13
1.3.3行为主义学派14
1.4人工智能的研究内容15
1.4.1人工智能的研究内容概述15
1.4.2人工智能的核心技术16
1.5人工智能的应用17
1.6人工智能的未来18
1.7本章小结19
习题119
第2章计算机视觉/20
2.1计算机视觉概述20
2.1.1计算机视觉的概念20
2.1.2计算机视觉的发展史21
2.2数字图像24
2.3计算机视觉数据集26
2.3.1MNIST数据集26
2.3.2CIFAR数据集27
2.3.3PASCAL VOC数据集272.3.4ImageNet数据集28
2.3.5COCO数据集30
2.4计算机视觉的研究内容31
2.4.1图像分类31
2.4.2目标定位32
2.4.3目标检测32
2.4.4图像分割32
2.5计算机视觉的应用33
2.5.1计算机视觉应用概述34
2.5.2人脸识别技术35
2.6本章小结36
习题236
〖1〗人工智能概论目录〖3〗〖3〗第3章自然语言处理/37
3.1自然语言处理概述37
3.1.1自然语言处理的概念37
3.1.2自然语言处理的发展史39
3.2自然语言理解42
3.2.1自然语言理解的层次43
3.2.2词法分析44
3.2.3句法分析47
3.3语料库和语言知识库49
3.3.1语料库50
3.3.2语言知识库53
3.4语言模型56
3.4.1马尔可夫链56
3.4.2n元语法模型57
3.4.3数据平滑59
3.5自然语言生成60
3.6机器翻译61
3.6.1机器翻译概述61
3.6.2统计机器翻译62
3.6.3神经机器翻译64
3.6.4机器翻译评测65
3.7问答系统67
3.8本章小结70
习题371
第4章语音处理/72
4.1语音处理概述72
4.2语音识别73
4.2.1语音的特征提取73
4.2.2声学模型75
4.2.3语言模型76
4.3语音合成78
4.3.1拼接合成方法79
4.3.2参数合成方法80
4.3.3端到端合成方法81
4.4语音增强82
4.4.1回声消除83
4.4.2混响抑制83
4.4.3语音降噪83
4.5语音转换84
4.6本章小结85
习题485
第5章知识表示与推理/86
5.1知识与知识表示概述86
5.1.1知识86
5.1.2知识表示87
5.2一阶谓词逻辑88
5.3产生式与产生式系统89
5.3.1产生式表示法90
5.3.2产生式系统91
5.4框架93
5.5自动推理95
5.6本章小结97
习题598
第6章专家系统与知识图谱/99
6.1专家系统概述99
6.1.1专家系统的概念99
6.1.2专家系统的特点100
6.2专家系统的结构101
6.3典型专家系统103
6.3.1DENDRAL专家系统103
6.3.2MYCIN专家系统104
6.3.3专家系统的局限性105
6.4知识图谱概述105
6.5知识图谱的发展史109
6.6典型知识图谱112
6.6.1WordNet112
6.6.2Cyc113
6.6.3Wikipedia114
6.6.4DBpedia115
6.6.5Yago115
6.6.6Freebase116
6.6.7NELL116
6.7知识图谱的构建116
6.8本章小结119
习题6119
第7章问题求解与搜索技术/121
7.1问题求解概述121
7.1.1问题求解的概念121
7.1.2搜索技术概述122
7.2状态空间122
7.2.1状态空间的概念122
7.2.2状态空间方法123
7.2.3状态图搜索124
7.3盲目搜索126
7.3.1宽度优先搜索126
7.3.2深度优先搜索129
7.3.3代价树搜索133
7.4启发式搜索134
7.4.1启发式搜索概述134
7.4.2A算法与A算法136
7.5博弈搜索140
7.5.1博弈树搜索141
7.5.2αβ剪枝法144
7.6本章小结147
习题7147
第8章机器学习原理/149
8.1机器学习概述149
8.1.1机器学习的发展史149
8.1.2机器学习的概念150
8.1.3机器学习的类型151
8.2监督学习概述152
8.2.1模型153
8.2.2损失函数154
8.2.3算法154
8.2.4模型评价155
8.3回归156
8.3.1一元回归157
8.3.2多元回归159
8.4优化算法163
8.4.1梯度下降算法163
8.4.2超参数165
8.5分类167
8.5.1Logistic回归167
8.5.2决策树170
8.5.3朴素贝叶斯方法174
8.5.4K最近邻方法177
8.5.5支持向量机179
8.5.6分类性能评价181
8.6无监督学习184
8.6.1无监督学习概述184
8.6.2聚类185
8.6.3降维190
8.7强化学习191
8.8本章小结192
习题8193
第9章机器学习应用/194
9.1计算机视觉的处理流程194
9.2计算机视觉中的特征196
9.2.1颜色直方图196
9.2.2LBP特征197
9.2.3SIFT特征199
9.2.4GIST特征200
9.2.5HOG特征201
9.2.6SURF特征202
9.3计算机视觉中的算法203
9.3.1特征汇聚与特征变换203
9.3.2机器学习算法204
9.4文本分类206
9.4.1文本分类概述206
9.4.2向量空间模型207
9.4.3文本特征表示208
9.5序列标注210
9.5.1概率图模型210
9.5.2贝叶斯网络212
9.5.3隐马尔可夫模型213
9.5.4条件随机场217
9.6本章小结218
习题9219
第10章人工神经网络与深度学习/220
10.1人工神经网络概述220
10.1.1生物神经元220
10.1.2人工神经网络的发展221
10.2感知机223
10.3多层人工神经网络224
10.3.1激活函数225
10.3.2前馈神经网络的结构226
10.4卷积神经网络230
10.4.1卷积231
10.4.2卷积神经网络的结构233
10.4.3LeNet235
10.4.4AlexNet235
10.4.5VGGNet238
10.4.6GoogLeNet239
10.4.7ResNet240
10.5循环神经网络242
10.5.1简单循环神经网络242
10.5.2长短期记忆网络244
10.5.3门控循环单元246
10.6深度学习开发框架246
10.7本章小结250
习题10251
第11章智能机器人/253
11.1机器人简介253
11.1.1机器人发展简史253
11.1.2机器人的定义255
11.2机器人中的智能技术255
11.3智能机器人的应用258
11.3.1工业机器人258
11.3.2农业机器人258
11.3.3服务机器人259
11.3.4军事机器人260
11.4智能驾驶262
11.5本章小结267
习题11268
参考文献/269

本书对人工智能中的关键技术进行介绍，主要包括计算机视觉、自然语言处理、语音处理、知识表示与推理、专家系统与知识图谱、问题求解与搜索技术、机器学习原理、机器学习应用、人工神经网络与深度学习、智能机器人等。本书引领读者进入人工智能领域，了解人工智能的概念和发展简史，理解人工智能的三大流派，并熟悉人工智能的主要研究内容和应用领域。本书内容丰富，应用性强，在中国大学MOOC平台上开设了“人工智能概论”课程。 本书主要面向人工智能、智能科学与技术、软件工程、计算机科学与技术、数据科学与大数据技术、机器人工程等相关专业的本科生、研究生，也可供人文社科类、管理类等学科专业的学生学习。

1、面向应用型高校及通识教育。 
2、理论与实践并重。 
本课程可以供人文社科、理工类等学科、专业的学生学习。