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3
1.2人工智能的孕育和誕生6
1.2.1人工智能的孕育期6
1.2.2人工智能的誕生——達特茅斯會議8
1.2.3人工智能的定義與圖靈測試9
1.3人工智能的發展11
1.3.1人工智能的形成期11
1.3.2幾起幾落的曲折發展期12
1.3.3大數據驅動的飛速發展期14
1.4從兩場標志性人機博弈看人工智能的發展15
1.4.1人工智能研究中的“小白鼠”15
1.4.2“深藍”戰勝國際像棋棋王卡斯帕羅夫15
1.4.3阿爾法狗無師自通橫掃世界圍棋大師17
1.5人工智能研究的基本內容19
1.6人工智能的主要應用領域21
1.7人工智能會使許多人失業嗎36
1.8人工智能倫理37
1.8.1人工智能倫理的提出與發展37
1.8.2人工智能倫理的典型案例與成因分析38
1.8.3人工智能倫理的治理原則41
1.8.4人工智能倫理的治理措施42
1.9本章小結44
討論題44
第2章知識表示與知識圖譜46
2.1你了解人類知識嗎46
2.1.1什麼是知識46
2.1.2知識的相對正確性47
2.1.3知識的不確定性48
2.2計算機表示知識的方法50
2.3產生式表示法51
2.3.1產生式52
2.3.2產生式繫統53
2.3.3產生式表示法的特點55
2.4框架表示法56
2.4.1框架的一般結構57
2.4.2用框架表示知識的例子58
2.4.3框架表示法的特點60
2.5知識圖譜61
2.5.1知識圖譜的提出61
2.5.2知識圖譜的定義62
2.5.3知識圖譜的表示63
2.5.4知識圖譜的架構64
2.5.5知識圖譜的典型應用65
2.6本章小結67
討論題68
人工智能通識教程（第2版）目錄第3章模擬人類思維的模糊推理69
3.1推理的定義69
3.2推理的分類70
3.2.1演繹推理70
3.2.2歸納推理71
3.2.3默認推理71
3.3推理的方向72
3.3.1正向推理72
3.3.2逆向推理73
3.3.3混合推理76
3.4推理中的衝突消解策略78
3.5模糊集合與模糊知識表示81
3.5.1模糊邏輯的提出與發展81
3.5.2模糊集合的定義與表示82
3.5.3隸屬函數85
3.6模糊關繫與模糊關繫的合成86
3.6.1模糊關繫86
3.6.2模糊關繫的合成88
3.7模糊推理與模糊決策89
3.7.1模糊推理89
3.7.2模糊決策90
3.8模糊推理的應用91
3.9本章小結93
討論題93
第4章搜索策略96
4.1搜索的概念96
4.2如何用狀態空間表示搜索對像97
4.2.1狀態空間知識表示方法97
4.2.2狀態空間的圖描述99
4.3回溯策略102
4.4盲目的圖搜索策略104
4.4.1寬度優先搜索策略104
4.4.2深度優先搜索策略105
4.5啟發式圖搜索策略108
4.5.1啟發式策略108
4.5.2啟發信息和估價函數111
4.5.3A搜索算法113
4.5.4A搜索算法114
4.6本章小結116
討論題117
第5章模擬生物進化的遺傳算法118
5.1進化算法的生物學背景118
5.2遺傳算法120
5.2.1遺傳算法的發展歷史120
5.2.2遺傳算法的基本思想121
5.2.3編碼122
5.2.4種群設定124
5.2.5適應度函數125
5.2.6選擇126
5.2.7交叉129
5.2.8變異131
5.3遺傳算法的主要改進算法132
5.3.1雙倍體遺傳算法133
5.3.2雙種群遺傳算法134
5.3.3自適應遺傳算法135
5.4基於遺傳算法的生產調度方法137
5.4.1基於遺傳算法的流水車間調度方法137
5.4.2基於遺傳算法的混合流水車間調度方法139
5.5本章小結144
討論題145
第6章模擬生物群體行為的群智能算法146
6.1群智能算法的生物學背景146
6.2模擬鳥群行為的粒子群優化算法148
6.2.1基本粒子群優化算法148
6.2.2粒子群優化算法的應用150
6.3模擬蟻群行為的蟻群優化算法152
6.3.1蟻群優化算法的生物學背景153
6.3.2基本蟻群優化算法153
6.3.3蟻群優化算法的應用157
6.4本章小結159
討論題160
第7章模擬生物神經繫統的人工神經網絡161
7.1人與人工神經網絡161
7.1.1生結構161
7.1.2生的數學模型162
7.1.3人工神經網絡的結構與學習164
7.2機器學習的先驅——赫布學習規則165
7.3掀起人工神經網絡次高潮的感知器167
7.4掀起人工神經網絡第二次高潮的BP學習算法169
7.4.1BP學習算法的提出169
7.4.2BP神經網絡170
7.4.3BP學習算法171
7.4.4BP學習算法在模式識別中的應用172
7.5本章小結175
討論題175
第8章機器學習與深度學習176
8.1機器學習的基本概念176
8.1.1學習176
8.1.2機器學習177
8.1.3學習繫統177
8.1.4機器學習的發展180
8.2機器學習的分類181
8.2.1機器學習的一般分類方法181
8.2.2監督學習與無監督學習183
8.2.3弱監督學習185
8.3知識發現與數據挖掘188
8.3.1知識發現與數據挖掘的概念189
8.3.2知識發現的一般過程189
8.3.3知識發現的任務190
8.3.4知識發現的對像191
8.4動物視覺機理與深度學習的提出193
8.4.1淺層學習的局限性193
8.4.2深度學習的提出194
8.5卷積神經網絡與膠囊網絡196
8.5.1卷積神經網絡的結構196
8.5.2卷積的物理、生物與生態學等意義197
8.5.3卷積神經網絡的卷積運算198
8.5.4卷積神經網絡中的關鍵技術200
8.5.5卷積神經網絡的應用203
8.5.6膠囊網絡204
8.6生成對抗網絡及其應用207
8.6.1生成對抗網絡的基本原理207
8.6.2生成對抗網絡的結構與訓練208
8.6.3生成對抗網絡在圖像處理中的應用210
8.6.4生成對抗網絡在語言處理中的應用214
8.6.5生成對抗網絡在視頻生成中的應用217
8.6.6生成對抗網絡在醫療中的應用218
8.7本章小結219
討論題220
第9章專家繫統222
9.1專家繫統的產生和發展222
9.2專家繫統的概念224
9.2.1專家繫統的定義224
9.2.2專家繫統的特點225
9.2.3專家繫統的類型227
9.3專家繫統的工作原理228
9.3.1專家繫統的一般結構228
9.3.2知識庫229
9.3.3推理機230
9.3.4綜合數據庫230
9.3.5知識獲取機構230
9.3.6解釋機構231
9.3.7人機接口232
9.4簡單的動物識別專家繫統232
9.4.1知識庫建立232
9.4.2綜合數據庫建立和推理過程234
9.5專家繫統開發工具——骨架繫統235
9.5.1骨架繫統的概念235
9.5.2EMYCIN骨架繫統236
9.5.3KAS骨架繫統237
9.6專家繫統開發環境239
9.7本章小結240
討論題241
第10章自然語言理解242
10.1自然語言理解的概念與發展242
10.1.1自然語言理解的概念242
10.1.2自然語言理解的發展歷史243
10.2語言處理過程的層次246
10.3機器翻譯方法概述248
10.4循環神經網絡252
10.4.1循環神經網絡的結構252
10.4.2循環神經網絡的訓練253
10.4.3長短期記憶神經網絡254
10.5基於循環神經網絡的機器翻譯254
10.6語音識別256
10.6.1語音識別的概念256
10.6.2語音識別的主要過程257
10.6.3語音識別的方法260
10.7本章小結261
討論題262
第11章計算機視覺263
11.1計算機視覺概述263
11.2計算機視覺繫統中的數字圖像266
11.3基於深度學習的計算機視覺267
11.4基於計算機視覺的生物特征識別268
11.4.1人臉識別268
11.4.2虹膜識別269
11.5本章小結270
討論題271
第12章智能機器人272
12.1機器人的產生與發展272
12.2機器人中的人工智能技術275
12.2.1機器人智能感知276
12.2.2機器人智能導航279
12.2.3機器人智能路徑規劃279
12.2.4機器人智能運動控制281
12.2.5機器人智能交互282
12.3智能機器人的應用283
12.3.1工業機器人283
12.3.2農業機器人285
12.3.3服務機器人288
12.3.4醫用機器人291
12.3.5軍用機器人293
12.4智能機器人技術展望295
12.5智能機器人倫理問題297
12.6本章小結299
討論題299
附錄A人工智能實驗指導書300
實驗1產生式繫統實驗300
實驗2洗衣機模糊推理繫統實驗301
實驗3A算法求解N數碼問題實驗302
實驗4A算法求解迷宮尋路問題實驗304
實驗5遺傳算法求函數值實驗305
實驗6遺傳算法求解TSP問題實驗308
實驗7粒子群算法求函數小值實驗310
實驗8蟻群算法求解TSP問題實驗311
實驗9BP神經網絡分類實驗311
實驗10卷積神經網絡分類實驗312
實驗11膠囊網絡分類實驗313
實驗12用生成對抗網絡生成數字圖像實驗314

人工智能在Internet時代獲得了前所未有的發展機遇，已經成為目前發展迅速、對社會影響的新興學科。由於人工智能是模擬人類智能解決問題的方法，幾乎在所有領域都具有非常廣泛的應用，所以目前許多高校開設了人工智能通識課程。
1. 開設人工智能通識課程的必要性
2017年7月國務院發布的《新一代人工智能發展規劃》把人工智能作為國家發展戰略。人工智能人纔培養是實現國家人工智能發展戰略的一個關鍵。2018年，教育學部制訂了《高等學校人工智能創新行動計劃》，從不同的專業角度對人工智能人纔培養進行全面布局，在計算機、電子信息、自動化、機械等多個專業領域設置了智能科學與技術、人工智能、數據科學與大數據技術、機器人工程等人工智能類專業，還把人工智能技術引入傳統專業，形成智能制造工程、智能車輛工程、智能電網信息工程、電氣工程與智能控制、電機電器智能化、智能材料與結構、智能醫學工程等專業。
人工智能是當前建設新工科、新醫科、新農科、新文科的重要舉措。將人工智能技術引入哲學、經濟學、管理學、法學、教育學、文學、藝術學等人文社科類專業，開設人工智能通識課程，幫助學生廣泛涉獵不同學科的知識和思想方法，體現知識的基礎性、整體性、綜合性、廣博性，使學生拓寬視野，提高綜合素質，優化知識結構。
事實上，人工智能和其他專業的結合是培養人工智能應用人纔的一個非常重要的方面，是和人工智能專業人纔培養相輔相成的。人工智能專業人員的優勢是精通算法和編程實現；其他專業人員的優勢是熟悉本專業領域對人工智能技術的需求，他們掌握了人工智能思想以後，能夠產生用人工智能技術解決他們專業領域的問題的想法，提出應用人工智能技術解決問題的思路，然後由人工智能專業人員進行實現。許多時候想到比做到更重要。創新的源頭更多地來自應用領域。所以，開設人工智能通識課程是非常必要的，可以在較短的時間內讓其他專業人員掌握人工智能的基本思想與方法。
2. 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容比較基礎、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上，於2005年編寫了人工智能教材，並不斷跟蹤人工智能的發展，形成了適合研究生、本科生不同層次的人工智能繫列教材，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”普通高等教育本科規劃教材，並榮獲首屆優秀教材二等獎。
人工智能通識教程（第2版）第2版前言隨著人工智能技術的發展，越來越多的專業需要開設人工智能課程。因此，作者從2005年開始為全校工學、理學、經濟學、管理學、哲學、文學、法學等學科門類專業學生開設“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（包括人文社科專業）的人工智能通識課程教材。因此，作者針對人文社科類大學生的知識結構和思維方式，突出人工智能解決復雜問題的創新思想，編寫了本書。
3. 主要內容
本書共12章。第1章除了介紹人工智能的基本概念、發展簡史以外，著重介紹目前人工智能的主要研究內容與各種應用，以開闊讀者的視野，引導讀者進入人工智能各個研究領域，後，簡要介紹了人工智能倫理。第2章介紹知識表示的概念，產生式、框架等基本的知識表示方法，以及知識圖譜的基本內容。第3章介紹模擬人類思維的模糊推理及其應用。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於大規模優化問題的群智能算法。第7章介紹模擬生物神經繫統的人工神經網絡，為後面介紹深度學習奠定基礎。第8章介紹機器學習與深度學習及其廣泛的應用，包括卷積神經網絡、膠囊網絡、生成對抗網絡等深度學習的前沿內容。第9章介紹專家繫統的概念、工作原理以及應用。第10章介紹日益廣泛應用的自然語言處理技術，包括機器翻譯、語音識別等應用。第11章介紹應用非常廣泛的計算機視覺，包括人臉識別、虹膜識別等應用。第12章簡要介紹智能機器人及其在工業、農業、服務業、醫療、軍事等領域的應用，後簡要介紹智能機器人倫理。
4. 本書特色
本書有以下特色。
（1） 語言簡明，可讀性好。本書用於人工智能通識課程教學，力求用通俗的文字深入淺出地講解概念、理論和技術，特別是將人工智能技術與文學藝術、人們的日常生活、人類思維方法等相結合，使學生能夠感受到與人工智能相關的人文情懷，感受到人工智能就在自己身邊，使學生能夠有興趣、有耐心、繫統地閱讀本書，掌握人工智能的基本思想與基本方法。人工智能通識課程既不能把通識課當成專業課來講，導致很多非計算機類專業的學生尤其是人文社科專業的學生理解不了；又不能空談人工智能的概念，不講具體的人工智能技術，導致學生以後不能把人工智能技術與要解決的問題聯繫起來。
（2） 內容先進，注重應用。人工智能正處於迅速發展時期，內容非常豐富。本書覆蓋了人工智能的主要應用領域，體繫完整，精選了人工智能技術的一些前沿熱點。書中運用大量日常生活中的例子，跳出晦澀復雜的概率論、數理統計、算法理論，結合人文理念講解人工智能，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，讓人文社科專業的學生也能聽得懂原本深奧的人工智能技術。書中介紹一些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，在理論、技術和應用方面取得平衡。書中設置了很多課程思素。
（3） 精心編排，便於學習。每章開始設置了導讀，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。每章後扼要總結了本章的重要概念、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） 結構合理，方便教學。本書各章內容相對獨立，教師可以根據課程計劃學時和專業需要自由選擇和組合相關內容，以保持課程體繫結構的完整性。采用本書作為教材，建議課堂教學學時為32學時。本書中許多內容可以在教師指導下由學生自學，以減少課堂教學學時。
（5） 附有實驗指導，方便實驗教學。圍繞人工智能技術的主要教學內容，附錄中設置了課程實驗，方便教學。學生通過程序實現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解決實際問題。對於人文社科專業學生，這些課程實驗內容可以作為演示實驗。
（6） 有配套MOOC課程，便於學生自學。需要進一步學習人工智能技術的學生，可以選擇作者在“中國大學MOOC”網站（http://www.icourse163.org）上開設的“人工智能導論”國家線上一流精品課程。
5. 人工智能通識課程的教學方法
一般來說，學習人工智能算法需要比較好的數學基礎，實現人工智能繫統還需要比較強的編程能力。但不可能也不必要求人文社科專業的學生像理工專業學生一樣具有較好的數學基礎和較強的編程能力。那麼，人工智能通識課程的教學目標、教學重點、教學難點和課程思政教學內容是什麼？ 
（1）  人工智能通識課程教學目標： 遇到復雜問題想到用人工智能方法解決，這是人工智能通識課程教學根本的目標。事實上，很多時候想到比做到更重要。正如卡內基·梅隆大學的一位教授所說的那樣： “人工智能教育不在於讓學生從零開始學人工智能技術的開發和底層的編程技術，而在於讓學生學會通過使用現有人工智能工具創造改善人類社會的新方案。”
（2）   人工智能通識課程教學重點： 算法的仿生背景和應用的思路。人工智能的許多方法都來源於生物、社會等的啟示。首先，著重講清楚人工智能算法的生物、社會等背景。其中的公式看上去復雜，但如果把其背景講清楚了，這些公式自然而然就好理解了。事實上，人工智能中的公式絕大部分都不是推導出來的，而是根據一些生物或者人類解決問題的方法構造出來的。其次，講清楚人工智能方法的應用思路，而具體怎麼實現並不是教學重點。通過應用實例能夠讓學生舉一反三，將人工智能技術應用於解決其他問題，纔是人工智能通識課程的教學重點。
（3）  人工智能通識課程教學難點： 根據不同的對像選擇不同的教學方法。這是對教師講課的基本要求。其實，相同的內容可以有不同的講法。就像講三國故事，對小學生要選擇連環畫的形式，而對中學生和大學生要選擇《三國演義》甚至《三國志》的原文。不管是史書、小說還是連環畫講的都是三國故事，讓不同水平的人了解三國故事纔是主要目的。對於人工智能通識課程要采用案例式教學。人工智能具有非常廣泛的應用，針對不同的專業，可以在其專業領域內選擇一些人工智能應用案例進行教學。
（4）  人工智能課程思政教學： “教之以事而喻諸德”是課程思政教學的重要方式。教師在教學過程中以“喻”為教，通過教材中大量的教學案例，使抽像的道理轉化為具體可感的形像，引發學生思考。在人工智能通識課程教學過程中，以習近平總書記提出的“四個正確認識”作為課程思政教學的主要內容。因此，人工智能通識課程教學中應著重以下4方面： 宣傳國家戰略，正確認識世界和中國發展大勢；培養民族自信，正確認識中國特色和國際比較；弘揚中國文化，正確認識時代責任和歷史使命；堅持不懈精神，正確認識遠大抱負和腳踏實地。
6. 作者致謝
衷心感謝浙江工業大學對人工智能通識課程建設的大力支持！感謝浙江工業大學人工智能課程虛擬教研室和浙江省高校名師工作室全體成員和作者一起對人工智能教學的不斷探索！感謝趙燕偉教授、王錚博士參與本教材編寫！衷心感謝清華大學出版社的龍啟銘先生，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。
7. 聯繫作者
本書是人工智能通識課程教學的探索成果。限於作者水平，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。

王萬良2022年2月於杭州