人工智能為解決復(fù)雜問(wèn)題提供了有效的方案，相關(guān)應(yīng)用涉及領(lǐng)域眾多。通過(guò)閱讀本書(shū)，讀者可以學(xué)習(xí)人工智能的基本原理，了解人工智能在不同行業(yè)的應(yīng)用案例以及人工智能倫理與安全，為進(jìn)一步研究與應(yīng)用人工智能技術(shù)奠定基礎(chǔ)。
全書(shū)共12章，內(nèi)容包括緒論、知識(shí)表示與推理、確定性推理、不確定性推理、無(wú)信息的盲目搜索、基于經(jīng)驗(yàn)的啟發(fā)式搜索、機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)、多智能體系統(tǒng)、人機(jī)混合增強(qiáng)智能、人工智能應(yīng)用、人工智能倫理與安全。本書(shū)配套資源包括電子教案、課后思考題與習(xí)題的簡(jiǎn)要解答和實(shí)驗(yàn)指導(dǎo)書(shū)。
本書(shū)可作為普通高等院校相關(guān)專(zhuān)業(yè)本科生或研究生學(xué)習(xí)人工智能基礎(chǔ)課程的教材或參考書(shū)，也可供希望了解人工智能技術(shù)的研究人員和工程技術(shù)人員學(xué)習(xí)參考。
本書(shū)配有電子課件等教學(xué)資源，歡迎選用本書(shū)作教材的教師登錄www.cmpedu.com注冊(cè)后下載，或發(fā)郵件至jinacmp@163.com索取。
本書(shū)遵循教指委相關(guān)指導(dǎo)文件和高等院校學(xué)生學(xué)習(xí)規(guī)律編寫(xiě)而成。踐行四新理念，融入思政元素，注重理論與實(shí)踐相結(jié)合。
前言
人工智能作為專(zhuān)業(yè)名詞誕生于1956年，這一時(shí)間也被公認(rèn)為人工智能學(xué)科誕生的開(kāi)端。人工智能的研究涉及內(nèi)容廣泛，而且一直在不斷發(fā)展。自誕生以來(lái)，人工智能的研究及其應(yīng)用歷經(jīng)了幾次起落，時(shí)至今日，人工智能的應(yīng)用遍及多個(gè)領(lǐng)域，并逐漸進(jìn)入日常生活。
本書(shū)作為人工智能的入門(mén)性教材，在編寫(xiě)過(guò)程中遵循理論與應(yīng)用、技術(shù)與倫理兼顧的基本理念，主要介紹最基本的人工智能理論方法，同時(shí)介紹一些最新的人工智能應(yīng)用案例，以及人工智能倫理與安全。本書(shū)的主要特色如下：（1）結(jié)構(gòu)清晰，敘述簡(jiǎn)明。本書(shū)圍繞人工智能研究的三個(gè)主要流派符號(hào)主義、連接主義和行為主義介紹人工智能理論方法，內(nèi)容描述盡量簡(jiǎn)潔明了，文字流暢，有較強(qiáng)的可讀性。學(xué)習(xí)本書(shū)內(nèi)容可以為進(jìn)一步學(xué)習(xí)特定的人工智能方法起到引領(lǐng)作用，為掌握更廣更深的理論方法奠定基礎(chǔ)。
�。�2）理論與實(shí)例結(jié)合。本書(shū)各章均設(shè)計(jì)了與理論方法密切相關(guān)的例題，以幫助讀者加深理解。針對(duì)課后思考題與習(xí)題，提供了詳細(xì)的習(xí)題解答供讀者參考。針對(duì)人工智能應(yīng)用，本書(shū)單列一章介紹人工智能方法在不同領(lǐng)域面向不同問(wèn)題的應(yīng)用案例，并做了相關(guān)分析，為讀者理解理論與實(shí)際是如何相互聯(lián)系的提供參考素材。
�。�3）工程技術(shù)倫理探討。人工智能日益強(qiáng)大，人工智能應(yīng)用日漸普及，由此引發(fā)的一系列倫理與安全問(wèn)題已經(jīng)成為一個(gè)無(wú)法回避的議題，這也是人工智能理論研究人員和技術(shù)開(kāi)發(fā)人員必須了解的基本內(nèi)容。本書(shū)單列一章介紹人工智能倫理規(guī)范的核心原則、可信人工智能、人工智能可解釋性以及人工智能安全等內(nèi)容。
全書(shū)共12章，第1章緒論，介紹人工智能以及適合采用人工智能方法解決的問(wèn)題，人工智能研究的基本內(nèi)容和主要方法；第2章知識(shí)表示與推理，介紹基本知識(shí)表示方法以及推理的基本概念；第3章確定性推理，介紹基于一階謂詞邏輯的推理方法；第4章不確定性推理，介紹基于概率理論和模糊理論的不確定性推理方法；第5章無(wú)信息的盲目搜索，介紹基于簡(jiǎn)單策略和高級(jí)策略的狀態(tài)空間搜索；第6章基于經(jīng)驗(yàn)的啟發(fā)式搜索，介紹基于啟發(fā)信息的狀態(tài)空間圖搜索及與或圖搜索；第7章機(jī)器學(xué)習(xí)，介紹機(jī)器學(xué)習(xí)的基本結(jié)構(gòu)、基本策略和一些常見(jiàn)的機(jī)器學(xué)習(xí)算法；第8章人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)，介紹人工神經(jīng)網(wǎng)絡(luò)的基本概念和結(jié)構(gòu)、學(xué)習(xí)算法，以及常見(jiàn)的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和注意力機(jī)制模型；第9章多智能體系統(tǒng)，介紹智能體以及多智能體系統(tǒng)的概念與體系結(jié)構(gòu)，基于大語(yǔ)言模型的智能體構(gòu)建；第10章人機(jī)混合增強(qiáng)智能，介紹人機(jī)混合增強(qiáng)智能的發(fā)展歷史、形式與分類(lèi)以及典型案例；第11章人工智能應(yīng)用，介紹人工智能在機(jī)器視覺(jué)感知、自主智能系統(tǒng)、智能制造、智慧城市、醫(yī)療健康、科學(xué)探索領(lǐng)域的應(yīng)用及案例；第12章人工智能倫理與安全，介紹新一代人工智能倫理規(guī)范、可信人工智能的安全類(lèi)型及構(gòu)建可信人工智能的途徑、發(fā)展人工智能可解釋性的基本途徑、人工智能安全風(fēng)險(xiǎn)的類(lèi)型以及應(yīng)對(duì)策略。其中，第2～10章介紹具體的人工智能理論方法。
本書(shū)第1～4章由王立春、李爽、劉茜編寫(xiě)，第5～8章由周彥、朱曉林、周高典、歐芳、王冬麗編寫(xiě)，第9～12章由黃捷、劉尚坤、陳宇韜、周宇、張琳琳編寫(xiě)，王冬麗、李爽、陳宇韜負(fù)責(zé)教材配套教學(xué)資源的策劃和建設(shè)統(tǒng)籌。
本書(shū)在寫(xiě)作過(guò)程中，參考了大量國(guó)內(nèi)外優(yōu)秀教材和其他文獻(xiàn)資料，在此一并表示感謝。對(duì)于本書(shū)的缺點(diǎn)和出現(xiàn)的錯(cuò)誤，歡迎讀者予以批評(píng)指正。
編著者
目錄
前言
第1章?緒論 1
1.1?人工智能概述 1
1.1.1?智能的定義 1
1.1.2?人工智能的定義 2
1.1.3?弱人工智能與強(qiáng)人工智能 5
1.1.4?適用于人工智能求解的問(wèn)題 6
1.2?人工智能研究的基本內(nèi)容 7
1.3?人工智能研究的主要方法 8
1.3.1?符號(hào)主義學(xué)派 9
1.3.2?連接主義學(xué)派 9
1.3.3?行為主義學(xué)派 10
本章小結(jié) 11
思考題與習(xí)題 11
第2章?知識(shí)表示與推理 13
2.1?知識(shí)與知識(shí)表示 13
2.1.1?知識(shí)的概念 14
2.1.2?知識(shí)表示的概念 15
2.2?產(chǎn)生式及產(chǎn)生式系統(tǒng) 16
2.2.1?產(chǎn)生式 16
2.2.2?產(chǎn)生式系統(tǒng) 17
2.2.3?產(chǎn)生式表示法的特點(diǎn) 18
2.3?語(yǔ)義網(wǎng)絡(luò) 18
2.3.1?語(yǔ)義基元和常用語(yǔ)義關(guān)系 18
2.3.2?語(yǔ)義網(wǎng)絡(luò)表示 19
2.3.3?語(yǔ)義網(wǎng)絡(luò)表示法的特點(diǎn) 21
2.4?框架 21
2.4.1?框架結(jié)構(gòu) 21
2.4.2?框架網(wǎng)絡(luò) 23
2.4.3?框架表示法的特點(diǎn) 23
2.5?知識(shí)圖譜 24
2.5.1?三元組表示 24
2.5.2?向量化表示 25
2.5.3?知識(shí)圖譜的特點(diǎn) 28
2.6?基于邏輯的知識(shí)表示 28
2.6.1?命題公式 28
2.6.2?謂詞公式 29
2.6.3?一階謂詞邏輯知識(shí)表示方法 30
2.6.4?一階謂詞邏輯知識(shí)表示方法的特點(diǎn) 30
2.7?推理的基本概念 31
2.7.1?推理的定義 31
2.7.2?推理的分類(lèi) 31
本章小結(jié) 34
思考題與習(xí)題 34
第3章?確定性推理 35
3.1?一階謂詞邏輯語(yǔ)法和語(yǔ)義? 35
3.1.1?一階謂詞邏輯語(yǔ)法 35
3.1.2?世界及解釋 36
3.1.3?模型及相關(guān)概念 37
3.2?一階謂詞邏輯演算規(guī)則 37
3.2.1?等價(jià)式 38
3.2.2?推理規(guī)則 39
3.3?演繹推理 39
3.4?合式公式到子句集的轉(zhuǎn)化 40
3.4.1?標(biāo)準(zhǔn)型 40
3.4.2?子句集 42
3.5?謂詞演算中的歸結(jié) 43
3.5.1?命題公式的歸結(jié) 43
3.5.2?置換與合一 43
3.5.3?謂詞邏輯公式的歸結(jié) 45
3.6?歸結(jié)原理與歸結(jié)反演系統(tǒng) 46
3.6.1?歸結(jié)原理 46
3.6.2?歸結(jié)反演系統(tǒng) 46
3.7?Herbrand定理 50
3.7.1?Herbrand論域與Herbrand解釋 50
3.7.2?語(yǔ)義樹(shù) 52
3.7.3?Herbrand定理與歸結(jié)法的完備性 53
本章小結(jié) 55
思考題與習(xí)題 56
第4章?不確定性推理 57
4.1?不確定性的表示與量化 57
4.1.1?不確定性的表示 57
4.1.2?不確定性的量化 58
4.2?概率推理 61
4.2.1?概率理論基礎(chǔ) 61
4.2.2?貝葉斯網(wǎng)絡(luò) 63
4.2.3?基于貝葉斯網(wǎng)絡(luò)的概率推理 64
4.2.4?證據(jù)理論（D-S Theory） 66
4.3?模糊推理 70
4.3.1?模糊理論基礎(chǔ) 70
4.3.2?模糊假言推理 73
本章小結(jié) 74
思考題與習(xí)題 75
第5章?無(wú)信息的盲目搜索 76
5.1?問(wèn)題表示與求解 76
5.1.1?問(wèn)題的狀態(tài)空間表示 76
5.1.2?基于搜索的問(wèn)題求解 78
5.1.3?搜索算法的評(píng)價(jià)指標(biāo) 81
5.2?狀態(tài)空間的搜索 82
5.2.1?回溯搜索的實(shí)現(xiàn) 82
5.2.2?深度優(yōu)先搜索 83
5.2.3?寬度優(yōu)先搜索 85
5.3?高級(jí)搜索 86
5.3.1?局部搜索算法 87
5.3.2?模擬退火搜索 89
5.3.3?遺傳算法搜索 93
本章小結(jié) 98
思考題與習(xí)題 99
第6章?基于經(jīng)驗(yàn)的啟發(fā)式搜索 100
6.1?啟發(fā)式搜索的基本思想 100
6.1.1?啟發(fā)信息與評(píng)價(jià)函數(shù) 100
6.1.2?啟發(fā)式搜索策略 101
6.2?狀態(tài)空間的啟發(fā)式搜索 102
6.2.1?最好優(yōu)先搜索算法 102
6.2.2?分支限界法 104
6.2.3?最佳圖搜索算法A* 106
6.3?與或圖的啟發(fā)式搜索 110
6.3.1?問(wèn)題歸約表示 110
6.3.2?與或圖及解圖 111
6.3.3?AO*算法 112
6.4?博弈樹(shù)的搜索 116
6.4.1?博弈樹(shù) 117
6.4.2?極小-極大搜索過(guò)程 118
6.4.3?-搜索過(guò)程 120
本章小結(jié) 122
思考題與習(xí)題 123
第7章?機(jī)器學(xué)習(xí) 124
7.1?概述 124
7.1.1?機(jī)器學(xué)習(xí)的定義 125
7.1.2?機(jī)器學(xué)習(xí)的基本結(jié)構(gòu) 125
7.1.3 機(jī)器學(xué)習(xí)的基本策略 126
7.2?歸納學(xué)習(xí) 127
7.2.1?歸納學(xué)習(xí)的模式和規(guī)則 127
7.2.2?歸納學(xué)習(xí)方法 129
7.2.3?ID3決策樹(shù)歸納算法 131
7.3?分析學(xué)習(xí) 133
7.3.1?類(lèi)比推理和類(lèi)比學(xué)習(xí) 133
7.3.2?基于解釋的學(xué)習(xí) 135
7.4?無(wú)監(jiān)督學(xué)習(xí) 137
7.4.1?聚類(lèi)算法 137
7.4.2?主成分分析 139
7.5?強(qiáng)化學(xué)習(xí) 140
7.5.1?強(qiáng)化學(xué)習(xí)的一般模式 140
7.5.2?被動(dòng)強(qiáng)化學(xué)習(xí) 141
7.5.3?主動(dòng)強(qiáng)化學(xué)習(xí) 143
本章小結(jié) 145
思考題與習(xí)題 145
第8章?人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 147
8.1?人工神經(jīng)網(wǎng)絡(luò)概述 147
8.1.1?生物神經(jīng)元的結(jié)構(gòu) 147
8.1.2?神經(jīng)元數(shù)學(xué)模型 148
8.1.3?人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 153
8.2?感知機(jī)學(xué)習(xí) 154
8.2.1?感知機(jī)的結(jié)構(gòu)和原理 154
8.2.2?感知機(jī)學(xué)習(xí)算法 155
8.2.3?Delta規(guī)則 157
8.3?反傳學(xué)習(xí) 158
8.3.1?有隱含層的神經(jīng)網(wǎng)絡(luò) 158
8.3.2?誤差反向傳播算法 159
8.4?Hebbian一致性學(xué)習(xí) 164
8.4.1?無(wú)監(jiān)督Hebbian學(xué)習(xí) 164
8.4.2?有監(jiān)督Hebbian學(xué)習(xí) 167
8.5?深度神經(jīng)網(wǎng)絡(luò) 168
8.5.1?自編碼器 168
8.5.2?卷積神經(jīng)網(wǎng)絡(luò) 171
8.5.3?循環(huán)神經(jīng)網(wǎng)絡(luò) 177
8.5.4?生成對(duì)抗網(wǎng)絡(luò) 183
8.5.5?注意力機(jī)制 187
本章小結(jié) 191
思考題與習(xí)題 191
第9章 ?多智能體系統(tǒng) 192
9.1?概述 192
9.1.1?智能體的概念與體系結(jié)構(gòu) 192
9.1.2?多智能體系統(tǒng)的概念與體系結(jié)構(gòu) 196
9.1.3?智能體之間的通信 199
9.2?多智能體
書(shū)單推薦
