人工智能导论
《人工智能导论》教学大纲(2024版)
人工智能导论课程教学大纲一、课程基本信息课程编号：课程中文名称：人工智能导论课程性质：学院基础课程、专业核心课程开课学期：3课内学时：32学时，其中授课32学时课外学时：32学时学分：2学分主要面向专业：自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。
课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容，经典与现代人工智能知识结构模块化，具有广阔的思想和技术背景。
通过课程学习，使学生系统性掌握人工智能基本概念、方法、技术，把握人工智能重点方向及领域；掌握机器学习、深度神经网络等基本方法；初步具备利用人工智能技术解决问题的基本能力；初步理解人工智能伦理及其对人工智能技术发展的重要意义。
为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。
（1）从大历史观角度使学生理解人工智能发展的历史和思想脉络，使学生认识到人工智能的本质和内涵，思考人之为人的价值和意义,勇于承担社会发展责任。
（2）充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势，培养学生多学科知识交叉思维和创新意识。
（3）激发学生学习人工智能的热情和人机协同创新思维，为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。
（4）系统理解机器智能实现技术和方法，认识到机器智能对人类智能补充与增强作用，学会利用人机协同技术和方法及解决各类问题。
(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用，具备未来能社会发展需要的人工智能人才素质。
四、教学内容与教学方法五、考核方式六、参考教材及学习资源（一）参考教材：[1]莫宏伟，徐立芳.人工智能导论.第2版.[2]莫宏伟，徐立芳.人工智能伦理导论.。
《人工智能导论》第1章-绪论
20世纪80年代 中期至今
稳步增长期
形成及第一个兴旺期
20世纪50年代中 期至60年代中期
第二个兴旺期
20世纪70年代中 期至80年代中期
1.2.1 孕育期 (20世纪50年代中期以前)
人工智能的孕育期大致可以认为是1956年以前的时期。这个 时期的主要成就是数理逻辑、自动机理论、控制论、信息论、神 经计算、电子计算机等学科的建立和发展，为人工智能的诞生准 备了理论和物质的基础。
1.1.2 人工智能的定义
人工智能（AI）是一门正在发展中的综合性前沿学科，它由 计算机科学、控制论、信息论、神经生理学、心理学、语言学 等多种学科相互渗透而发展起来。
人工智能研究的近期目标是：使现有的计算机不仅能做一般 的数值计算及非数值信息的数据处理，而且能运用知识处理问 题，能模拟人类的部分智能行为。
过高预言的失败，给AI造成重大伤害
“20 年内，机器将能做人所能做的一切。”
——西蒙，1965
“在3～8年时间里，我们将研制出具有普通人智力的计算机。这 样的机器能读懂莎士比亚的著作，会给汽车上润滑油，会玩弄政治 权术，能讲笑话，会争吵。……它的智力将无以伦比。”
——明斯基，1977
1.2.3 萧条波折期 (20世纪60年代中期至70年代中期)
➢ 1955 年年末，纽厄尔和西蒙编写了一个 名为“逻辑专家”的程序，被许多人认为 是第一个人工智能程序。它将问题表示成 一个树形模型，然后选择最可能得到正确 结论的那一支来求解问题。
1.2.2 形成及第一个兴旺期 (20世纪50年代中期至60年代中期)
AI诞生于一次历史性的聚会——达特茅斯会议
1956年夏季，由美国学者麦卡锡、 明斯基、朗彻斯特和香农共同发起，在 美国达特茅斯大学举办了一次长达2个 多月的研讨会，讨论用机器模拟人类智 能的问题。会上，首次使用了“人工智 能”这一术语。这是人类历史上第一次 人工智能研讨会，标志着人工智能学科 的诞生，具有十分重要的历史意义。
人工智能导论
人工智能导论在当今科技飞速发展的时代，人工智能（Artificial Intelligence，简称 AI）无疑是最引人瞩目的领域之一。
它已经逐渐渗透到我们生活的方方面面，从智能手机中的语音助手，到医疗领域的疾病诊断，再到交通系统的智能调度，人工智能的身影无处不在。
然而，对于大多数人来说，人工智能仍然是一个充满神秘色彩的概念。
那么，究竟什么是人工智能？它是如何工作的？又将如何影响我们的未来呢？要理解人工智能，首先我们需要明确它的定义。
简单来说，人工智能是指让计算机模拟人类的智能行为，例如学习、推理、解决问题、理解语言等。
它的目标是创造出能够像人类一样思考和行动的智能机器。
人工智能的发展并非一蹴而就，而是经历了漫长的历程。
早在 20世纪 50 年代，科学家们就开始了对人工智能的探索。
然而，由于当时计算机技术的限制以及对智能本质的理解不足，早期的研究进展缓慢。
但随着计算机性能的不断提升，以及算法和理论的不断完善，人工智能在近年来取得了突飞猛进的发展。
那么，人工智能是如何实现智能行为的呢？这主要依赖于机器学习和深度学习这两种技术。
机器学习是让计算机通过数据学习规律和模式，从而能够进行预测和决策。
例如，通过分析大量的医疗影像数据，机器学习算法可以帮助医生诊断疾病。
深度学习则是机器学习的一个分支，它使用多层神经网络来模拟人脑的神经元网络，从而能够处理更加复杂的数据和任务。
比如，图像识别、语音识别等领域都广泛应用了深度学习技术。
人工智能的应用场景十分广泛。
在医疗领域，人工智能可以帮助医生进行疾病诊断、制定治疗方案，甚至进行手术操作。
在金融领域，它可以进行风险评估、投资决策，预防欺诈行为。
在交通领域，人工智能可以优化交通流量，提高交通运输的效率和安全性。
在教育领域，它可以为学生提供个性化的学习方案，提高学习效果。
然而，人工智能的发展也带来了一些挑战和问题。
例如，人工智能可能会导致部分工作岗位的消失，从而引发就业结构的调整。
人工智能导论第一章绪论
人工智能学科结构
计算原理 算法分析
控制理论 空间研究
自动程序设计
机器人 工业自动化
逻辑 数学
系统程序设计
心理学 图示学
认识论
心理学
逻辑学 自动定理证明 有关学科
图示学
运筹学
知识的模型化 和表示
机器视觉 计算机语言
光学
模式识别 声学 语音学
教学、科学和 工程辅助
3 知识与推理
知识是智能的基础和源泉。 推理是人脑的一个基本功能和重要功能，因此，
在知与交流
感知与交流指计算机对外部信息的直接感知和人 机之间、智能体之间的直接信息交流。
机器感知就是计算机直接“感觉”周围世界，就 像人一样通过“感觉器官”直接从外界获取信息 ，如通过视觉器官获取图形、图像信息，通过听 觉器官获取声音信息。
智能是多种能力的综合：
感知能力：人类获取外界信息的基本途径 行为能力：对感知到的外界信息的反应，包含：
简单的直接反应 复杂情况通过大脑思维反应
推理能力：根据当前掌握的信息，得出适当结论的能 力
问题求解能力： 学习与自适应能力—是人类的一种本能 社交能力：与他人交往的能力 创造力：智能中最难以理解和实现的部分
人工智能技术的发展对社会的进步具有重 要意义，与能源技术、空间技术并称为三 大尖端技术。
人类对人工智能的研究刚刚起步，有很多 关于人工智能根本性问题还有待于探索。
1.1 智能
从工程上讲，人工智能就是人造智能，不清楚什 么是智能，就难以真正理解和实现人工智能。
智能是人们认识和改造客观世界的综合能力，是 人类区别于其他事物的本质特征。
• 美国数学家Mauchly，1946发明了电子数字计算机ENIAC • 美国神经生理学家McCulloch，建立了第一个神经网络数学模型。 • 美国数学家Shannon（香农）,1948年发表了《通讯的数学理
人工智能导论全套
学习既可能是自觉的、有意识的，也可能是不自觉的、无意识 的；既可以是有教师指导的，也可以是通过自己实践的。
4. 行为能力（表达能力）
人们的感知能力：用于信息的输入。
行为能力：信息的输出。
9
1.1.3 人工智能
人工智能：用人工的方法在机器（计算机）上实现的智能； 或者说是人们使机器具有类似于人的智能。
1956年以后，人工智能的研究在机器学习、定理证 明、模式识别、问题求解、专家系统及人工智能语 言等方面都取得了许多引人瞩目的成就 。 1969 年 ， 成 立 了 国 际 人 工 智 能 联 合 会 议 （ International Joint Conferences on Artificial Intelligence，IJCAI）。 1970年，创刊了国际性的人工智能杂志（Artificial Intelligence）。
“The spirit is willing but the flesh is weak”心有余而力不足。
俄语
“The wine is good but the meat is spoiled”酒是好的但肉变质了。
28
1.4 人工智能的主要研究领域
6. 智能信息检索
智能信息检索系统的功能： (1) 能理解自然语言。 (2) 具有推理能力。 (3) 系统拥有一定的常识性知识。
20世纪三大科学技术成就：
空间技术
原子能技术
人工智能
3
第1章 绪论
1.1 人工智能的基本概念 1.2 人工智能的发展简史 1.3 人工智能研究的基本内容 1.4 人工智能的主要研究领域
4
第1章 绪论
✓ 1.1 人工智能的基本概念
1.2 人工智能的发展简史 1.3 人工智能研究的基本内容 1.4 人工智能的主要研究领域
人工智能导论第1章人工智能概述
星蓝海学习网
近年人工智能主要事件
2011年 2013年 2014年
• IBM Waston参加智力游戏《危险边缘》，击败最高奖 金得主Brad Rutter和连胜纪录保持者Ken Jennings；
• 苹果发布语音个人助手Siri
• 深度学习算法在语音和视觉识别率获得突破性进展
微软亚洲研究院发布人工智能小冰聊天机器人和语音助手 Cortana 发布Deep Speech语音识别系统
星蓝海学习网
人工智能的未来与展望
人工智能的发展的终极目标是类人脑思考。目前的人工智能 已经具备学习和储存记忆的能力，人工智能最难突破的是人脑的 创造能力。而创造力的产生需要以神经元和突触递质传递为基础 的一种化学环境。目前的人工智能是以芯片和算法框架为基础。 若在未来能再模拟出类似于大脑突触传递的化学环境，计算机与 化学结合后的人工智能，将很可能带来另一番难以想象的未来世 界。
人工智能概述
第一部分 人工智能概述
第二部分 人工智能的社会
价值
第三部分 人工智能的应用
领域
第四部分 人工智能的未来
与展望
星蓝海学习网
星蓝海学习网
人工智能概述
案例引入
人工智能时代即将来 临，你准备好了吗？
阿尔法鹰眼，情绪识别的 人工智能，让谎言无处可藏
阿里鹿班让设计更美好！
星蓝海学习网
厦门无人驾驶巴士 在软件园上路！
• 苹果在WWDC上发统，无人驾
驶平台Apollo1.0自动驾驶平台
• 华为发布全球第一款AI移动芯片麒麟970 • iPhone X配备前置 3D 感应摄像头(TrueDepth)，脸
部识别点达到3W个，具备人脸识别、解锁和支付等功 能
人工智能导论全书课件完整版ppt全套教学教程最全电子教案教学设计最新
人工智能是研究使计算机模拟人类的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。
人工智能的特点
人工智能经历了六十多年的发展，现在已进入AI 2.0阶段
人工智能的分类
斯图尔特·罗素
斯图尔特·罗素（Stuart Russell），世界经济论坛（WEF）人工智能委员会副主席、加州大学伯克利分校人工智能中心创始人。
斯蒂芬·威廉·霍金
斯蒂芬·威廉·霍金（Stephen William Hawking），著名物理学家，被誉为继爱因斯坦之后最杰出的理论物理学家。他曾经指出：强大的人工智能的崛起，要么是人类历史上最好的事，要么是最糟的。
自1956年诞生以来，人工智能研究已经取得了许多令人兴奋的成果，并在多个领域得到了广泛的应用，极大地改变了人们的社会生活。本节将对人工智能的概念作简单的介绍。
人工智能（Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
2017年8月3日，腾讯公司正式发布了人工智能医学影像产品——腾讯觅影。同时，还宣布成立人工智能医学影像联合实验室。
2017年10月11日，阿里巴巴首席技术官张建锋宣布成立全球研究院——达摩院。达摩院的成立，代表着阿里巴巴正式迈入全球人工智能等前沿科技的研发行列。
从细分的研究领域来看，最受国际人工智能人才青睐的领域为机器学习、数据挖掘和模式识别，中国人工智能人才则倾向于投入遗传算法、神经网络和故障诊断方面。
1950年，一位名叫马文·明斯基（Marvin Lee Minsky，后被称为“人工智能之父”）的大四学生与他的同学邓恩·埃德蒙（Dean Edmunds）一起，建造了世界上第一台神经网络计算机，被看作是人工智能的一个起点。
人工智能导论课件第1章人工智能概述
1.6.6 自动程序设计 自动程序设计就是让计算机设计程序。具体来讲，就
是只要给出关于某程序要求的非常高级的描述，计算机就 会自动生成一个能完成这个要求目标的具体程序。所以， 这相当于给机器配置了一个“超级编译系统”，它能够对高 级描述进行处理，通过规划过程，生成所需的程序。但这 只是自动程序设计的主要内容，它实际是程序的自动综合 。自动程序设计还包括程序自动验证，即自动证明所设计 程序的正确性。
但在现有机器上无法实施或无法完成的困难问题，包括 智力性问题中的难题和现实中复杂的实际问题和工程问 题。在这些难题中，有些是组合数学理论中所称的NP（ Nondeterministic Polynomial 非确定型多项式）问题或 NP完全（Nondeterministic Polynomial Complete, NPC ）问题。NP问题是指那些既不能证明其算法复杂度超出 多项式界，但又未找到有效算法的一类问题。而NP完全 问题又是NP问题中最困难的一种问题。
1.1.5 统计智能和交互智能 1. 统计智能（Statistical Intelligence） 利用样例数据并采用统计、概率和其他数学方法
而实现的人工智能称为统计智能。 2. 交互智能（Interactional Intelligence） 通过交互方式而实现的人工智能称为交互智能。
1.2 为什么要研究人工智能
从人脑的宏观心理层面入手，以智能行为的心理模型为依据，将 问题或知识表示成某种逻辑网络，采用符号推演的方法，模 拟人脑的逻辑思维过程，实现人工智能。
1.5.2 生理模拟，神经计算
从人脑的生理层面，即微观结构和工作机理入手，以智能行 为的生理模型为依据，采用数值计算的方法，模拟脑神经网 络的工作过程，实现人工智能。
人工智能导论
人工智能导论人工智能（Artificial Intelligence，简称AI）是指通过计算机和其他相关技术，模拟或复制人类智能的理论、方法、技术及应用系统。
人工智能的发展涉及计算机科学、心理学、哲学等多个学科领域。
本文将从AI的定义、发展历程、应用领域及挑战等方面展开讨论，并探讨AI在未来的发展前景。
一、AI的定义及发展历程人工智能的定义可以从不同视角进行解释。
从狭义上看，AI指的是计算机系统通过模拟人类智能行为的能力。
从广义上看，AI包括了解决问题、学习、推理、思考等方面的智能行为。
AI的概念最早起源于1956年，当时由达特茅斯会议提出，并逐渐成为独立的学科。
自此以后，AI经历了数次繁荣与停滞的周期，近年来又迎来了新一轮的发展浪潮。
二、AI的应用领域在如今的社会中，AI的应用已经渗透到各个领域。
以下是几个典型的应用领域：1. 无人驾驶技术无人驾驶技术是AI的一个重要应用领域，它通过感知、识别和决策等能力，实现车辆的自动行驶。
无人驾驶技术的研究不仅挑战了计算机视觉、机器学习、路径规划等关键问题，也对交通安全、车辆管理等方面产生了深远影响。
2. 人脸识别技术人脸识别技术是一种通过计算机对人脸图像进行分析和比对，从而完成身份识别的技术。
它被广泛应用于安全监控、边境管理、移动支付等领域，极大地提升了社会安全和便利性。
3. 语音识别技术语音识别技术是指将人的语音转化为计算机可以识别和理解的文字或指令。
随着语音助手如Siri、Alexa等的普及，语音识别技术在智能家居、语音交互等领域得到了广泛应用，极大地改善了人机交互方式。
4. 机器人技术机器人技术是一门涉及机械、电子、计算机等多学科的交叉技术，其目标是研制出能够模拟人类行为的智能机械设备。
机器人已经广泛应用于工业生产、服务业、医疗保健等领域，释放出巨大的劳动力和创造力。
三、AI面临的挑战尽管AI在各领域有着广泛的应用，但人工智能仍然面临着一些挑战：1. 数据隐私和安全问题随着AI应用的不断增长，个人用户的数据受到更多的关注。
人工智能导论
驱动电机系统概述
一、驱动电机简介
用于驱动车辆的电动机称为驱动电动机。其任务是在驾驶人的控制下，高效
率地将蓄电池的电量转化为车轮的动能，或者将车轮的动能反馈到蓄电池中。
驱动电动机的工作条件与一般工业电动机有明显不同，体现在以下方面。
转子用永磁体取代电枢绕组，电动机转速与旋转磁场转速同步。
驱动电机系统概述
二、驱动电机的分类 4.开关磁阻电动机
开关磁阻电动机定子和转子都是凸电极结构，只有定子上有绕组，转子无绕组 。通过向定子各相绕组按一定次序通入电流，在电机内部产生磁场，此时转子受 电磁转矩，并沿着与通电次序相反的方比一般工业用的电动机性能更高，基本要求如下。 1.电动机的运行特性要满足电动汽车的要求，在恒转矩区，要求低速运行时具有
大转矩，以满足电动汽车起动和爬坡的要求；在恒功率区，要求低转矩时具有高的 速度，以满足电动汽车在平坦的路面能够高速行驶的要求。
2.电动机应具有瞬时功率大、带负载起动性能好、过载能力强、加速性能好、使 用寿命长的特点。
3.电动机应在整个运行范围内，具有很高的效率，以提高一次充电的续驶里程。
驱动电机系统概述
四、电动汽车对电动机的要求 4.电动机应能够在汽车减速时实现再生制动，将能量回收并反馈给蓄电池，使得
电动汽车具有最佳的能量利用率。 5.电动机应可靠性好，能够在较恶劣的环境下长期工作。 6.电动机应体积小、质量轻，一般为工业用电动机的1/3～1/2。 7.电动机的结构要简单坚固，适合批量生产，便于使用和维护。 8.价格便宜，从而能够降低电动汽车的整体价格，提高性价比。 9.运行时噪声低，减少污染。
人工智能导论全
一个简单的例子
• 问题：设字符转换规则 A∧B→C A∧C→D B∧C→G B∧E→F D→E已知：A，B 求：F一个简单的例子（续1）
一、综合数据库 {x}，其中x为字符
二、规则集
1，IF A∧B THEN C 2，IF A∧C THEN D 3，IF B∧C THEN G 4，IF B∧E THEN F 5，IF D THEN E
一个简单的例子（续2）
三、控制策略 顺序排队
四、初始条件 {A，B}
五、结束条件 F∈{x}
数据库
求解过程
可触发规则
A，B A，B，C A，B，C，D
A，B，C，D，G A，B，C，D，G，E
（1） （2）（3）
（3）（5） （5） （4）
A，B，C，D，G，E，F
被触发规则
（1） （2） （3） （5） （4）
Spirit：
1）精神 2）烈性酒
• 结论： 必须理解才能翻译，而理解需要知识
AI的历史回顾（续4）
• 第三阶段（60年代中～80年代初） 知识工程时代
– 专家系统 – 知识工程 – 知识工程席卷全球 – 各国发展计划：
• 美国星球大战计划 • 英国ALVEY计划 • 法国UNIKA 计划 • 日本五代机计划 • 中国“863”计划
欢迎大家学习 人工智能导论
计算机系
绪论
• 人工智能（Artificial Intelligence）简称AI • 起源于美国1956年的一次夏季讨论会 • 什么是AI？
计算——>算计 • 图灵实验 • AI的本质问题
研究如何制造出人造的智能机器或系统， 来模拟人类智能活动的能力，以延伸人 们智能的科学。
人工智能导论重点
《人工智能导论》重难点索引第1章绪论重点:1. 人工智能的定义智能机器: 能够在各类环境中自主地或交互地执行各种拟人任务(anthropomorphic tasks)的机器。
人工智能(学科): 人工智能(学科)是计算机科学中涉及研究、设计和应用智能机器的一个分支。
它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能, 并开发相关理论和技术。
人工智能(能力)：人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为, 如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
2. 人工智能的起源与发展过程了解人工智能的发展历史。
3. 人工智能与人类智能的关系4. 简介目前人工智能的主要学派符号主义(Symbolicism), 联结主义(Connectionism), 行为主义(Actionism)。
第2章数理逻辑基础重点:1. 数理逻辑概述了解数理逻辑的相关概念。
2. 命题逻辑理解命题逻辑的概念及物理意义, 掌握命题公式及其解释。
3. 谓词与量词理解谓词与量词的概念, 约束变元、自由变元、改名规则。
4. 谓词公式及其解释谓词公式的定义, 解释的定义及应用。
5. 谓词公式的等价与蕴涵等价与蕴涵的概念。
6. 谓词公式的标准形式范式的概念与类型, 各类范式的获取。
难点:1. 谓词公式的解释2. 谓词公式等价与蕴涵的区别3. 范式的计算第3章归结推理方法重点:1. 子句集的海伯伦域与海伯伦定理原子集的定义, 海伯伦域定义与海伯伦解释, 海伯伦定理的应用。
2. 置换与合一算法置换的定义与特征, 最一般合一算法（mgu算法）的定义与计算。
3. 归结原理与归结反演归结的概念, 命题逻辑与谓词逻辑中的归结原理, 归结反演的物理意义及其应用。
4. 归结控制策略归结的一般过程, 几种归结控制策略的概念及应用。
难点:1. 海伯伦域的求解2. 最一般合一算法的应用3. 归结反演的物理意义及其实际应用第4章知识表示方法重点:1. 知识的基本概念把有关信息关联在一起所形成的信息结构称为知识。
人工智能导论课件
04
计算机视觉
VS
计算机视觉是人工智能的一个重要分支，它利用计算机和算法来模拟人类视觉系统的功能，实现对图像和视频的感知、理解和分析。
详细描述
计算机视觉在人工智能领域中扮演着至关重要的角色，它涉及到图像处理、模式识别、机器学习等多个领域，是实现自动化和智能化的一项关键技术。计算机视觉的应用范围非常广泛，包括但不限于工业自动化、安全监控、医疗诊断、智能交通、农业智能化等。
就业变革
人工智能技术的应用可能引发隐私保护问题，需要加强法律法规的制定和执行，保护个人隐私和数据安全。
隐私问题
人工智能技术的普及和应用可能加剧社会不公和贫富差距，需要关注弱势群体的利益和ANKS
感谢观看
在监督学习中，我们为机器提供了一组带有标签的训练数据，让机器通过学习这些数据来预测新数据的标签。例如，在图像分类任务中，我们提供了一组带有标签的图像，让机器学习如何将新图像分类到相应的类别中。
在无监督学习中，我们只提供一组未带标签的训练数据，让机器通过学习这些数据来发现隐藏的模式或结构。例如，在聚类任务中，我们提供了一组数据点，让机器将这些数据点自动分成几个不同的组或簇。
半监督学习是介于监督学习和无监督学习之间的一种方法。在半监督学习中，我们提供了一部分带有标签的训练数据和另一部分未带标签的训练数据，让机器结合两者来提高学习性能。
强化学习与监督学习和无监督学习不同，它关注的是如何基于环境的反馈来选择或优化行为的问题。在强化学习中，智能体通过与环境交互并从中获得奖励或惩罚信号来学习如何做出最优决策。
详细描述
总结词
语音识别和自然语言生成是自然语言处理的两个重要方面，前者是将语音转换为文本，后者是将文本转换为语音。
详细描述
语音识别是自然语言处理的一个重要方面，它是指将人类语音转换为文本的过程。通过语音识别技术，计算机可以自动地识别和转写人类的语音，从而实现语音到文本的转换。自然语言生成则是将文本转换为人类语音的过程，它使得计算机能够以人类可理解的方式生成语音输出。
人工智能导论笔记
⼈⼯智能导论笔记⼈⼯智能导论1、概论 1.1⼈⼯智能介绍 ①⼈⼯智能1956年诞⽣；1997年IBM公司研发的深蓝超级计算机国际象棋世界冠军卡斯帕罗夫；2017年阿尔法狗击败中国世界围棋冠军柯洁 ②⼈⼯智能的三步⾛战略：同步（2020）、突破（2025）、领先（2030） ③SIRI、指纹识别、⼈脸识别、⽆⼈驾驶等都涉及到了AI ④AI就是让机器实现原本只有⼈类才能完成的任务 ⑤⼈⼯智能分为三种形态 1.弱：没有⾃主意识，只能完成程序设定内的任务，⼴泛⽤于取代机械体⼒劳动 2.强：具有⾃我意识，可以像⼈脑⼀样独⽴思考，并制定解决问题的最佳⽅案 3.超：全⽅位碾压⼈类脑⼒体⼒ 1.2⼈⼯智能概念 ①⼈⼯智能的定义众说纷纭，⼀般的解释为⼈⼯智能就是⽤⼈⼯的⽅法在机器（计算机）上实现的智能⾏为，包括感知、推理、学习、通信和复杂环境下的动作⾏为 1.3⼈⼯智能的发展史 ①⼈⼯智能现状 1.⼈⼯智能的发展较为单⼀ 2.⼈⼯智能尚处于起步阶段 3.“智能+X”成为⼈⼯智能应⽤的创新模式 4.⼈⼯智能领域的国际竞争⽇益激烈 ②当前中国⼈⼯智能 1.⾼度重视—国家⼤⼒⽀持 2.态势喜⼈—中国AI企业数量全球第⼆，中国AI领域融资规模占全球60% 3.差距不⼩—尚处于“跟跑”地位，与世界领先⽔平还存在明显差距 4.前景看好 1.4⼈⼯智能三⼤学派 ①⼈⼯智能三⼤学派 1.符号主义学派 2.连接主义学派 3.⾏为主义学派 ②图灵测试 测试者与被测试者（⼀个⼈和⼀台机器）隔开的情况下，通过⼀些装置（如键盘）向被测试者随意提问。
进⾏多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有⼈类智能。
（来源百度百科）2、状态搜索空间表⽰及其搜索技术 2.1状态空间法 ①问题求解过程实际上就是⼀个搜索的过程 问题求解技术主要涉及两个⽅⾯：问题的表⽰和求解的⽅法 ②状态空间表⽰法：⽤来表⽰问题及其搜索过程的⼀种⽅法，以状态和算符为基础来表⽰和求解问题 包括三要素：状态、算符和状态空间 状态—表⽰问题求解过程中每⼀步问题状况的数据结构 算符—当对⼀个问题状态使⽤某个可⽤操作时，它将引起该状态中某些分量值的变化，从⽽使问题从⼀个具体状态变为另⼀个具体状态 状态空间—⽤来描述⼀个问题的全部状态以及这些状态之间的相互关系；常⽤⼀个三元组表⽰：（S，F，G） S—问题的所有初始状态的集合；F—算符的集合；G—⽬标状态的集合 2.2图搜索 ①搜索的⽬的是为了寻找初始节点到⽬标节点的路径，所以要随时记录搜索轨迹 1.必须记住下⼀步还可以⾛哪些点，OPEN表 2.必须记住哪些点⾛过了，CLOSED表 3.必须记住从⽬标返回的路径 ②例题 2.3盲⽬式搜索 ①定义—按预定的控制策略进⾏搜索，在搜索⼯程中获得的中间信息不⽤来改进控制策略（没有启发信息的⼀种搜索形式） ②种类—宽度优先（⼴度）；深度优先；等代价搜索 ③不⾜—适合简单问题求解，问题较复杂时，效率低 ④宽度优先搜索 ⑤深度优先搜索 深度界限—⼀个节点扩展最⼤深度，防⽌搜索过程沿着⽆益的路径扩展下去；起始节点的深度为0 ⑥等代价搜索 等代价搜索是宽度优先搜索的⼀种推⼴，沿着等代价路径断层进⾏扩展 2.4启发式搜索 ①启发性信息—指那种与具体问题求解过程有关的，并可指导搜索过程朝着最有希望⽅向前进的控制信息 ②A算法 ③A*算法 A* 算法的搜索效率在很⼤程度上取决于h(n)，在满⾜h(n)<=h*(n)的前提下，h(n)的值越⼤越好3、问题归约知识表⽰及搜索技术 3.1问题归约法及与或图 ①问题归约法基本思想—从已知问题的描述出发，通过⼀系列变换把此问题最终变为⼀个⼦问题集合；这些⼦问题的解可以直接得到，从⽽解决了初始问题（类似于递归） ②问题归约法组成 1.⼀个初始问题的描述 2.⼀套把问题变换为⼦问题的操作符 3.⼀套本原问题 ③与或图 ④所有节点都是或节点，这时就是⼀般的图，即状态空间图 除了起始节点外，所有节点只有⼀个⽗节点，此时称为与或树 ⑤可解节点 1.终叶节点是可解节点 2.如果某个⾮终叶节点含有或后继节点时，只有当其后继节点⾄少有⼀个是可解的时，此⾮终叶节点才是可解的 3.如果某个⾮终叶节点含有与后继节点时，只有当其后继节点全部可解时，此⾮终叶节点才是可解的 ⑥不可解节点 1.没有后继节点的⾮终叶节点 2.全部后继节点为不可解的⾮终叶节点且含有或后继节点 3.后继节点⾄少有⼀个为不可解的⾮终叶节点且含有与后继节点 3.2与或图的盲⽬式搜索 ①与或图搜索—在与或图上执⾏搜索的过程，其⽬的在于标明起始节点是有解的，即搜索不是去寻找到⽬标节点的⼀条路径，⽽是寻找⼀个解树 解树—由能够证明初始节点时可解的可解节点构成的连通的⼦图 ②与或树—除初始节点，其余节点只有⼀个⽗节点 ③与或图—除初始节点，其余节点允许有多个⽗节点 ④与或树搜索过程 ⑤与或树的宽度优先搜索—先产⽣的节点先扩展 求解步骤为： 初始化：节点1送到OPEN表，且不为终叶节点OPEN CLOSED1 STEP1：把节点1放⼊CLOSED表，扩展，得到节点2、3OPEN CLOSED12，31 STEP2：扩展节点2后，得到节点4、t1；节点t1是终叶节点且为可解节点，对其先辈节点进⾏标志；t1的⽗结点是与节点，⽆法判断节点2是否可解，接着扩展节点3OPEN CLOSED12，313，4，t11，2 STEP3：扩展节点3，得到节点5、B；节点5、B都不是终叶节点，接着扩展节点4OPEN CLOSED12，313，4，t11，24，t1，5，B1，2，3t1，5，B1，2，3，4 STEP4：扩展节点4，得到节点A、t2；节点t2是终叶节点且为可解节点，对其先辈节点进⾏标志；节点4、2可解，但不确定1是否可解；从OPEN表中删除掉A；此时节点5是OPEN表第⼀个待考察的节点，下⼀步扩展节点5OPEN CLOSED12，313，4，t11，24，t1，5，B1，2，3t1，5，B，A，t21，2，3，45，B，t21，2，3，4，t1B，t21，2，3，4，t1，5 STEP5：扩展节点5后，得到节点t3、t4；节点t3、t4都是终叶节点且为可解节点，对其先辈节点进⾏标志；节点5可解，接着推出节点3可解，节点1可解，从OPEN表中删除B，成功退出OPEN CLOSED12，313，4，t11，24，t1，5，B1，2，3t1，5，B，A，t21，2，3，45，B，t21，2，3，4，t1B，t2，t3，t41，2，3，4，t1，5t2，t3，t41，2，3，4，t1，5 ⑥与或树深度优先搜索—新产⽣的节点先扩展 求解步骤为： 初始化：节点1送到OPEN表，且不为终叶节点OPEN CLOSED1 STEP1：把节点1放⼊CLOSED表，扩展，得到节点2、3；节点2、3都不是终叶节点，接着扩展节点2，此时OPEN表只剩节点3OPEN CLOSED12，3131，2 STEP2：扩展节点2后，得到节点4、t1；t1是终叶节点，但⽆法表⽰节点2；继续扩展节点4OPEN CLOSED12，314，t1，31，2t1，31，2，4 STEP3：扩展节点4后，得到节点A、t2；标志4、2为可解节点，但不能确定1是否可解；删掉OPEN表中的节点A，接着扩展节点3OPEN CLOSED12，314，t1，31，2A，t2，t1，31，2，431，2，4，t2，t1 STEP4：扩展节点3，得到节点5、B；接着扩展节点5OPEN CLOSED12，314，t1，31，2A，t2，t1，31，2，431，2，4，t2，t15，B1，2，4，t2，t1，3B1，2，4，t2，t1，3，5OPEN CLOSED STEP5：扩展节点5后，得到节点t3、t4；标志可解节点5、3，推出初始节点1可解，删掉节点B；成功退出OPEN CLOSED12，314，t1，31，2A，t2，t1，31，2，431，2，4，t2，t15，B1，2，4，t2，t1，3t3，t4，B1，2，4，t2，t1，3，5t3，t41，2，4，t2，t1，3，5 3.3博弈树搜索 ①机器博弈—机器参与的博弈，参与智⼒竞技 ②博弈树特点 ③Max-Min搜索 ④α-β剪枝搜索 对于⼀个与节点来说，它取当前⼦节点中的最⼩倒退值作为它倒退值的上界，称此为β值（β<=最⼩值） 对于⼀个或节点来说，它取当前⼦节点中的最⼤倒退值作为它倒退值的下界，称此为α值（α>=最⼤值）。
人工智能导论(一)2024
人工智能导论（一）
引言概述：
人工智能 (AI) 是一门研究如何设计和构建智能机器的学科，它已经成为了当今科技领域的热门话题之一。
尽管AI在过去几十年中已经取得了许多突破性的发展，但我们还只是触及了其表面。
本文将介绍人工智能的基本概念和原理，具体包括：定义和历史、机器学习、自然语言处理、计算机视觉和专家系统。
通过深入研究这些内容，我们能更好地理解人工智能的工作原理和应用领域，并为进一步探索人工智能科技奠定坚实基础。
正文内容：
1. 定义和历史：
- 人工智能的定义和范畴
- 人工智能的发展历史和里程碑事件
- 当前人工智能的应用领域
2. 机器学习：
- 机器学习的基本概念和框架
- 监督学习、无监督学习和强化学习的区别和应用
- 机器学习算法的常见类型和应用案例
3. 自然语言处理：
- 自然语言处理的定义和目标
- 文本分析和情感分析的基本原理
- 机器翻译和语音识别的应用
4. 计算机视觉：
- 计算机视觉的基本原理和技术
- 特征提取和图像分类的方法
- 人脸识别和物体检测的应用
5. 专家系统：
- 专家系统的定义和原理
- 知识表示和推理机制
- 专家系统在医疗和金融领域的应用案例
总结：
人工智能正以惊人的速度改变着我们的世界，它在各行各业中发挥着越来越重要的作用。
通过本文的介绍，我们对人工智能的定义、历史和基本原理有了更深入的了解，并了解了机器学习、自然语言处理、计算机视觉和专家系统等核心概念和应用。
然而，人工智能领域仍面临着许多挑战和机遇，进一步的研究和发展将为我们带来更多创新和惊喜。
人工智能导论
麦卡锡（McCarthy），美国数学家、计算机科学 家，“人工智能之父”。
1956年夏，在美国的达特茅斯（Dartmouth）学院，由 McCarthy（斯坦福大学数学助教）、Minsky（哈佛大学 数学和神经学家）、Lochester（IBM公司）、 Shannon（贝尔实验室）四人共同发起，邀请IBM公司 的More、Samuel，MIT的Selfridge、Solomonff，还 有Simon、Newell等人参加学术讨论班，在一起共同学 习和探讨用机器模拟智能的各种问题，在会上，经 McCarthy提议，决定使用“人工智能”一词来概括这个 研究方向。这次具有历史意义的会议标志着人工智能这个 学科的正式诞生。
7
莱布尼茨（Leibnitz）（1646 — 1716），德国 数学家和哲学家，提出了关于数理逻辑的思想，即 把形式逻辑符号化，从而对人的思维进行运算和推 理的思想。
布尔（Boole）（1815 — 1864）， 英国数学家、逻辑学家。他的主要 贡献是初步实现了莱布尼茨关于思 维符号化和数学化的思想，提出了 一种崭新的代数系统——布尔代数， 凡是传统逻辑能处理的问题，布尔 代数都能处理。
12
功能模拟，符号推演
通过建立人脑的心理模型，将知识和推理规则表示 为物理符号系统，来模拟人脑的学习、搜索、推理 和决策等功能，实现机器智能，又称为宏观人工智 能，这派学者被称为心理学派、逻辑学派、符号主 义 该类系统由两部分构成：知识库和推理规则 特点 —— 擅长模拟人脑的逻辑思维（推理、决 策），如机器推理、定理证明、专家系统等
14
基础研究课题
四、人工智能的研究课题
人工智能导论
与/或树深度优先搜索
将扩展节点的子节点放在Open表的首部。 子节点中是否有终止节点？若有，执行 可解标记过程；若根节点标记为可解， 结束；否则，删去Open表中的可解节点。 对不可扩展节点，执行不可解标记过程； 若根节点标记为不可解，结束；否则， 删去Open表中的不可解节点。 例4-12解或等价变换为一
系列较简单的问题予以处理。 问题的分解：如果一个问题P可以归约为一组 子问题P1、 P2、…、 Pn，并且只有当所有子问 题Pi(i=1、2、 …、n）都有解时原问题P才有解， 则称子问题P1、 P2、…、 Pn是问题P的分解。 逻辑关系是P= P1∧ P2∧ …∧ Pn
P
…
P1 P2 Pn
本原问题：可直接给出答案的问题。 在解决实际问题时，问题的分解和等价变换可
能被同时使用。
与/或树
P
P2
P1
P3
P21
P22
端节点：没有子节点的节点。 终止节点：若端节点对应的问题可以解决，就称 该端节点为终止节点。 可解节点：终止节点；“或”节点的子节点中有 一个可解；“与”节点的所有子节点可解。 不可解节点：非终止节点；“或”节点的所有子 节点不可解；“与”节点的子节点中有一个不 可解。 解树：导致根节点可解的子树。
P
t t
t
解树
P
t t
t
问题归约求解过程就是生成解树的过程。 例4-4
4-2 状态空间的盲目搜索
由于问题的状态空间可用一个有向图表示，因
此，状态空间搜索就是对有向图的搜索。 基本思想（p.109）：节点扩展和检查
4-2-1一般图搜索过程
一般图搜索过程
S0：问题的初始状态。 G：搜索过程所得到的搜索图。 M：当前扩展节点新生成的且不为自己先辈的 子节点集 Open表（未扩展节点表）：存放刚生成节点。 Closed表（已扩展节点表）：存放已经扩展或 将要扩展的节点。
人工智能导论
04 计算机视觉与图像处理技 术
计算机视觉概述及挑战
计算机视觉定义
研究如何让计算机从图像或视频 中获取信息、理解内容并作出决
策的科学。
挑战与问题
光照变化、遮挡、形变、背景干扰 、计算复杂度等。
应用领域
智能交通、安防监控、工业自动化 、医疗诊断等。
图像特征提取与分类识别方法
特征提取
从图像中提取出对于后续任务有 用的信息，如边缘、角点、纹理
。
02 03
基本原理
包括声学模型、语言模型和解码器三大部分，其中声学模型负责将语音 信号转换为特征向量，语言模型负责计算文字序列的概率，解码器负责 将特征向量和文字序列进行匹配。
系统架构
包括前端处理、特征提取、声学模型、语言模型、解码器等多个模块， 其中深度学习技术在声学模型和语言模型中得到了广泛应用。
发展历程
人工智能的发展经历了符号主义、连接主义和行为主义等阶 段，目前正处于深度学习等机器学习技术快速发展的时期。
人工智能技术体系架构
01
02
03
基础层
包括芯片、传感器、算法 框架等基础技术，为人工 智能提供计算、感知和学 习能力。
技术层
包括自然语言处理、计算 机视觉、语音识别等技术 ，实现人工智能的交互和 认知能力。
循环神经网络
RNN基本原理、LSTM与GRU等变体 结构、自然语言处理等应用。
生成对抗网络
GAN基本原理、DCGAN与WGAN 等改进方法、图像生成与风格迁移等 应用。
03 自然语言处理与语音识别 技术
自然语言处理概述及挑战
1 2
自然语言处理（NLP）定义
研究计算机处理、理解和运用人类语言的一门技 术科学，旨在实现人机交互中的语言智能。
人工智能导论课程报告
人工智能导论课程报告1. 什么是人工智能？好吧，大家伙，今天咱们就来聊聊“人工智能”这个话题。
首先，人工智能，简单来说，就是让机器学会像人一样思考、学习和做决策。
听上去是不是很科幻？其实，咱们生活中很多地方都有它的身影。
想想手机里的语音助手，或者你家里的智能音响，它们可不是普通的机器，而是会听、会说、会理解的“聪明”家伙。
有人说，人工智能就像是给机器装上了“大脑”，让它们能处理复杂的任务，甚至可以帮咱们做一些日常工作。
比如，你想订外卖，直接问一声助手，它就能帮你搞定，这感觉就像有个私人小秘书一样，真是太方便了！2. 人工智能的历史2.1 起步阶段说到人工智能的历史，咱们得回到上个世纪，那会儿，科学家们开始琢磨能不能让机器学东西。
最早的时候，他们的目标可不小，想让机器像人类一样思考。
你想，这可是个大工程！他们从数学、心理学等多个学科中吸取灵感，试图模仿人脑的思维过程。
虽然起初的成果并不算太好，但谁说“万事开头难”呢？毕竟，所有伟大的事物都是从零开始的。
2.2 快速发展进入二十一世纪，科技飞速发展，计算能力突飞猛进，这给人工智能的发展带来了新的机遇。
机器学习、深度学习等技术相继被提出，简直就是“如虎添翼”。
再加上海量的数据，让这些“聪明”的机器可以通过学习不断提升自己。
可以说，今天的人工智能已经不再是当年的“幼儿园”阶段，而是朝着“大学”迈进了。
就像是从小学生变成了博士生，真是让人刮目相看。
3. 人工智能的应用3.1 生活中的点滴现在，让我们来聊聊人工智能在生活中的应用。
想象一下，早上你懒洋洋地躺在床上，伸个懒腰，直接对着智能音响说：“今天的天气怎么样？”它立马给你播报，真是神奇得不要不要的。
再比如，网购时推荐的商品，背后也有人工智能在默默工作，分析你的购买习惯，给你推送“你可能会喜欢”的商品。
嘿，这就是个性化服务，让人觉得“被懂得”的感觉，谁不喜欢呢？3.2 工作中的助手在工作中，人工智能同样大显身手。
人工智能导论 王万良
人工智能导论王万良人工智能导论人工智能（Artificial Intelligence，简称AI）是研究、开发用于模拟、扩展和承担人类智能的理论、方法、技术及应用系统的一门科学。
近年来，随着计算机技术的迅猛发展和信息化时代的到来，人工智能领域得到了空前的发展。
本文将从人工智能的定义、发展历程、应用领域、挑战等方面展开探讨。
一、人工智能的定义人工智能是一项研究如何制造和实现智能的科学和技术。
它不仅涉及到对一般智能的复制和模拟，还涉及到对智能的理解和创造。
人工智能研究领域包括机器视觉、自然语言处理、机器学习、智能机器人等。
人工智能的目标是通过研究和开发智能系统，使其能够拥有类似人类智能的能力。
二、人工智能的发展历程人工智能的发展始于20世纪50年代。
1956年，达特茅斯会议在美国举行，标志着人工智能研究的正式开始。
在这次会议上，人们提出了“机器能像人类一样思考”的概念，并开始研究如何实现这一目标。
之后的几十年里，人工智能经历了多个阶段的发展，经历了高峰期和低谷期。
近年来，随着大数据、云计算、深度学习等技术的出现，人工智能迎来了新的发展机遇。
三、人工智能的应用领域人工智能已经广泛应用于各个领域。
在医疗领域，人工智能可以帮助医生进行诊断和治疗方案的制定；在金融领域，人工智能可以提供风险管理和投资分析等服务；在交通领域，人工智能可以实现无人驾驶技术；在娱乐领域，人工智能可以创造出逼真的虚拟现实体验。
这些应用不仅提高了工作效率，也为我们的生活带来了便利。
四、人工智能的挑战尽管人工智能取得了巨大的进步，但仍然面临着许多挑战。
首先，人工智能的伦理问题引起了广泛关注。
例如，人工智能是否能够拥有道德观念以及如何避免滥用人工智能等问题。
其次，人工智能的安全性也是一个重要问题。
人工智能系统可能会受到黑客攻击，导致严重的后果。
此外，人工智能技术的发展也不平衡，有些国家和地区比其他国家更具优势。
因此，如何解决这些问题是人工智能发展面临的重大挑战。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
脑智能和群智能是属于不同层次的智能：
脑智能是一种个体智能（Individual Intelligence, II）； 群智能是一种社会智能（Social Intelligence, SI）， 或者说系统智能（System Intelligence, SI）。
1.1.4 符号智能和计算智能 1. 符号智能
符号智能就是符号人工智能，它是模拟脑智能的人 工智能，也就是所说的传统人工智能或经典人工智能。 符号智能以符号形式的知识和信息为基础，主要通过逻 辑推理，运用知识进行问题求解。符号智能的主要内容 包括知识获取（knowledge acquisition）、知识表示 （knowledge representation）、知识组织与管理和知 识运用等技术（这些构成了所谓的知识工程 （Knowledge Engineering, KE））以及基于知识的智 能系统等。
1.1 什么是人工智能
◆人工智能（Artificial Intelligence”，AI）
1.1.1 人工智能概念的一般描述
◆部分学者对人工智能概念的描述： —— 人工智能是那些与人的思维相关的活动，诸如决 策、问题求解和学习等的自动化（Bellman, 1978）；
—— 人工智能是一种计算机能够思维，使机器具有智 力的激动人心的新尝试（Haugeland, 1985）；
1.7.11 1.7.12 1.7.13 1.7.14 1.7.15 1.7.16 1.7.17 1.7.18 1.7.19 1.7.20
2. 计算智能
计算智能就是计算人工智能，它是模拟群智能的人 工智能。计算智能以数值数据为基础，主要通过数值计 算，运用算法进行问题求解。计算智能的主要内容包括： 神经计算（Neural Computation， NC）、进化计算 （亦称演化计算，Evolutionary Computation，EC，包 括遗传算法（Genetic Algorithm，GA）、进化规划 （Evolutபைடு நூலகம்onary Planning，EP）、进化策略 （Evolutionary Strategies，ES）等）、免疫计算 （immune computation）、粒群计算（Particle Swarm Algorithm，PSA）、蚁群算法（Ant Colony Algorithm， ACA）、自然计算（Natural Computation，NC）以及人 工生命（Artificial Life，AL）等。
人工智能导论
（廉师友 编制）
西安石油大学计算机学院
第1章 人工智能概述
1.1 什么是人工智能 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 人工智能的研究意义、目标和策略 人工智能的学科范畴 人工智能的研究内容 人工智能的研究途径与方法 人工智能的基本技术 人工智能的应用 人工智能的分支领域与研究方向 人工智能的发展概况
1.4 人工智能的研究内容
1.5.1 搜索与求解
1.5.2 学习与发现 1.5.3 知识与推理 1.5.4 发明与创造 1.5.5 感知与交流 1.5.6 记忆与联想 1.5.7 系统与建造
1.5.8 应用与工程
1.5 人工智能的研究途径与方法
1.5.1 心理模拟，符号推演
1.5.2 生理模拟，神经计算
1.5.3 行为模拟，控制进化 1.5.4 群体模拟，仿生计算 1.5.5 博采广鉴，自然计算 1.5.6 原理分析，数学建模
1.6 人工智能的基本技术
表示
运算
搜索
1.7 人工智能的应用
1.7.1 难题求解 1.7.2 自动规划、调度与配置 1.7.3 机器定理证明 1.7.4 自动程序设计 1.7.5 机器翻译 1.7.6 智能控制 1.7.7 智能管理 1.7.8 智能决策 1.7.9 智能通信 1.7.10 智能仿真
1.1.2 图灵测试和中文屋子
◆ 图灵测试”（Turing Test）
◆约翰.西尔勒(John Searle)的 “中文屋子”
1.1.3 脑智能和群智能
脑（主要指人脑）的宏观心理层次的智能表现 称为脑智能（Brain Intelligence, BI）。 由群体行为所表现出的智能称为群智能（Swarm Intelligence, SI）。
1.3 人工智能的学科范畴
人工智能已构成信息技术领域的一个重要学 科。当前的人工智能既属于计算机科学技术的一 个前沿领域，也属于信息处理和自动化技术的一 个前沿领域。还涉及到智能科学、认知科学、心 理科学、脑及神经科学、生命科学、语言学、逻 辑学、行为科学、教育科学、系统科学、数理科 学以及控制论、科学方法论、哲学甚至经济学等 众多学科领域。人工智能实际上是一门综合性的 交叉学科和边缘学科。
——人工智能是研究如何让计算机做现阶段只有人才能 做得好的事情（Rich Knight,1991）；
—— 人工智能是那些使知觉、推理和行为成为可 能的计算的研究（Winston, 1992）； —— 广义地讲，人工智能是关于人造物的智能行 为，而智能行为包括知觉、推理、学习、交流 和在复杂环境中的行为（Nilsson，1998）。 —— Stuart Russell和Peter Norvig则把已有的 一些人工智能定义分为4类：像人一样思考的系 统、像人一样行动的系统、理性地思考的系统、 理性地行动的系统（2003）。
1.2 人工智能的研究意义、目标和策略
1.2.1 为什么要研究人工智能
■
使当前的电脑更好用，更有用，以扩大和延 伸人类智能； 信息化社会的迫切要求； 自动化发展的必然趋势； 有益于探索人类自身智能的奥秘。
■ ■ ■
1.2.2 人工智能的研究目标和策略
研究目标就是制造智能机器和智能系统，实现智能化 社会。具体来讲，就是要使计算机不仅具有脑智能和 群智能，还要具有看、听、说、写等感知和交流能力。 研究策略则是先部分地或某种程度地实现机器的智能， 并运用智能技术解决各种实际问题特别是工程问题， 从而使现有的计算机更灵活、更好用和更有用，成为 人类的智能化信息处理工具，而逐步扩展和不断延伸 人的智能，逐步实现智能化。