本書深入淺出地講解了當前人工智能的研究方向，如智能大數據、知識表示、專家繫統、機器學習、智能制造、圖像識別、自然語言處理等內容，並輔以實踐教學，理論與實踐緊密結合。針對人工智能的熱點問題和發展創新展開全書內容，面向普通大專院校學生讀者，具有普及人工智能基礎知識的鮮明特征。

●章思考的工具1
1.1計算的淵源1
1.1.1巨石陣1
1.1.2安提基特拉機械2
1.1.3皮格馬利翁2
1.1.4阿拉伯數字3
1.2巴貝奇與數學機器3
1.2.1差分機3
1.2.2分析機4
1.2.3“機器人”的由來5
1.3計算機的出現5
1.3.1為戰爭而發展的計算機器5
1.3.2計算機無處不在6
1.3.3通用計算機7
1.3.4計算機語言8
1.3.5建模8
1.4人工智能大師9
【作業】10
【研究性學習】“神奇”的動物智能與對人工智能的憧憬11
第2章什麼是人工智能13
2.1人工智能概述13
2.1.1“人工”與“智能”13
2.1.2圖靈測試14
2.1.3人工智能的定義15
2.1.4人工智能的實現途徑16
2.2人工智能發展歷史17
2.2.1從人開始17
2.2.2人工智能發展的6個階段20
2.3人工智能的研究22
2.3.1人工智能的研究領域22
2.3.2新圖靈測試24
【作業】25
【研究性學習】自動駕駛汽車的現實與未來26
第3章規則與專家繫統27
3.1規則與策略27
3.1.1制勝策略27
3.1.2極小極大化策略28
3.2利用規則推導建立的專家繫統29
3.2.1規則的舉例29
3.2.2建立框架31
3.2.3IBM公司的沃森繫統31
3.3專家繫統及其發展32
3.3.1在自己的領域裡作為專家32
3.3.2技能獲取的5個階段34
3.3.3專家的特點與特征35
3.3.4建立專家繫統要思考的問題36
3.3.5典型的專家繫統——ADIS37
3.4專家繫統的結構38
3.4.1知識庫38
3.4.2推理機39
3.4.3其他部分39
【作業】40
【研究性學習】無人機技術的應用前景41
第4章模糊邏輯與大數據思維42
4.1什麼是模糊邏輯42
4.1.1甲蟲機器人的規則42
4.1.2模糊邏輯的發明42
4.1.3制定模糊邏輯的規則43
4.1.4模糊邏輯的定義44
4.2模糊理論的發展45
4.3模糊邏輯繫統46
4.3.1純模糊邏輯繫統46
4.3.2高木-關野模糊邏輯繫統46
4.3.3具有模糊產生器及模糊消除器的模糊邏輯繫統46
4.4大數據思維變革47
4.4.1思維轉變之一：樣本=總體47
4.4.2思維轉變之二：接受數據的混雜性48
4.4.3思維轉變之三：關注數據的相關關繫49
【作業】51
【研究性學習】觀察和熟悉模糊邏輯在家用電器中的應用52
第5章包容體繫結構與機器人技術53
5.1什麼是包容體繫結構53
5.1.1“中文房間”思維實驗53
5.1.2建立包容體繫結構53
5.2包容體繫結構的實現54
5.2.1機器人艾倫55
5.2.2機器人赫伯特55
5.2.3機器人托托56
5.3劃時代的阿波羅計劃56
5.4機器感知58
5.4.1機器智能與智能機器59
5.4.2機器思維與思維機器59
5.4.3機器行為與行為機器60
5.5機器人的概念60
5.5.1機器人的發展60
5.5.2機器人三定律61
5.6機器人的技術問題62
5.6.1機器人的組成62
5.6.2機器人的運動
5.6.3機器65
【作業】66
【研究性學習】網絡搜索機器人資料，憧憬機器人發展68
第6章機器學習69
6.1什麼是機器學習69
6.1.1機器學習的發展69
6.1.2機器學習的定義70
6.2機器學習的類型71
6.2.1監督學習72
6.2.2無監督學習72
6.2.3強化學習72
6.3機器學習的算法73
6.3.1專注於學習能力73
6.3.2回歸算法74
6.3.3基於實例的算法75
6.3.4決策樹算法75
6.3.5貝葉斯算法75
6.3.6聚類算法75
6.3.7神經網絡算法76
6.4機器學習的基本結構76
6.5機器學習的應用78
6.5.1應用於物聯網78
6.5.2應用於聊天機器人79
6.5.3應用於自動駕駛79
【作業】80
【研究性學習】什麼是機器學習，舉例說明機器學習的應用81
第7章神經網絡與深度學習82
7.1動物的中樞神經繫統82
7.2了解人工神經網絡83
7.2.1人工神經網絡的研究83
7.2.2典型的人工神經網絡84
7.2.3類腦計算機85
7.2.4利用人工神經網絡理解圖片85
7.2.5訓練人工神經網絡87
7.3基於人工神經網絡的深度學習88
7.3.1深度學習的意義88
7.3.2深度學習的方法89
7.3.3深度學習的概念92
7.3.4深度學習的實現93
7.4機器學習與深度學習的比較94
【作業】97
【研究性學習】了解谷歌大腦，熟悉人工神經網絡的研究與應用98
第8章智能代理99
8.1什麼是智能代理99
8.2智能代理的特點100
8.3繫統內的協同合作101
8.4智能代理的典型應用場景103
8.4.1股票/債券/期貨交易103
8.4.2實體機器人103
8.4.3電腦遊戲104
8.4.4醫療診斷105
8.4.5搜索引擎105
8.5與外部環境相關的重要術語106
【作業】107
【研究性學習】機器學習及其應用108
第9章群體智能109
9.1向蜜蜂學習群體智能109
9.2什麼是群體智能111
9.2.1群集人工智能技術111
9.2.2基本原則與特點112
9.3典型群體智能算法模型113
9.3.1蟻群優化算法113
9.3.2搜索機器人115
9.3.3粒子群優化算法116
9.3.4沒有機器人的集群118
9.4群體智能背後的故事119
9.5群體智能的發展121
【作業】121
【研究性學習】群體智能及其應用前景122
0章數據挖掘與統計數據124
10.1從數據到知識124
10.1.1決策樹分析124
10.1.2購物車分析125
10.1.3貝葉斯網絡126
10.2數據挖掘126
10.2.1數據挖掘的對像與步驟127
10.2.2數據挖掘分析方法128
10.3數據挖掘經典算法130
10.3.1神經網絡法130
10.3.2決策樹法130
10.3.3遺傳算法131
10.3.4粗糙集法131
10.3.5模糊集法131
10.3.6關聯規則法131
10.4機器學習與數據挖掘132
10.4.1典型的數據挖掘和機器學習過程132
10.4.2機器學習和數據挖掘應用案例133
【作業】136
【研究性學習】大數據對於人工智能技術與應用的意義137
1章智能圖像處理138
11.1模式識別138
11.2圖像識別139
11.2.1人類的圖像識別能力140
11.2.2圖像識別的基礎140
11.2.3圖像識別的模型141
11.2.4圖像識別技術的發展141
11.3機器視覺與圖像處理142
11.3.1機器視覺的發展142
11.3.2圖像處理143
11.3.3計算機視覺143
11.3.4計算機視覺與機器視覺的區別144
11.3.5神經網絡圖像識別技術145
11.4圖像識別技術的應用145
11.4.1機器視覺的行業應用146
11.4.2檢測與機器人視覺146
11.4.3應用案例：布匹質量檢測148
11.5智能圖像處理技術149
11.5.1圖像采集149
11.5.2圖像預處理150
11.5.3圖像分割150
11.5.4目標識別和分類150
11.5.5目標定位和測量151
11.5.6目標檢測和跟蹤151
【作業】151
【研究性學習】熟悉模式識別與智能圖像處理153
2章自然語言處理154
12.1語言的問題和可能性154
12.2什麼是自然語言處理155
12.3語法類型與語義分析156
12.3.1語法類型157
12.3.2語義分析和擴展語義158
12.3.3機器翻譯繫統Candide158
12.4處理數據與處理工具159
12.4.1自然語言處理中的數據集159
12.4.2自然語言處理工具159
12.4.3自然語言處理的技術難點160
12.5語音處理160
12.5.1語音處理的發展160
12.5.2語音理解161
12.5.3語音識別162
【作業】162
【研究性學習】了解大數據機器翻譯，學習自然語言處理1
3章自動規劃165
13.1什麼是自動規劃165
13.1.1規劃的概念分析165
13.1.2自動規劃的定義166
13.1.3規劃應用示例166
13.2規劃方法169
13.2.1規劃即搜索169
13.2.2部分有序規劃170
13.2.3分級規劃171
13.2.4基於案例的規劃171
13.3著名的規劃繫統172
【作業】173
【研究性學習】用人工智能輔助課程和職業規劃174
4章人工智能的發展175
14.1未來的人工智能175
14.1.1工作型機器人175
14.1.2技術加速176
14.1.3電子遊戲的智能水平177
14.1.4強人工智能的發展178
14.1.5機器能思考嗎178
14.2創新發展與社會影響179
14.2.1人工智能發展的啟示180
14.2.2人工智能的發展現狀與影響181
14.2.3建立人工智能生態繫統182
14.3人工智能時代需要的人纔183
14.3.1人工智能對就業的影響183
14.3.2新創造的核心工作崗位183
14.3.3未來的5個熱門工作崗位184
14.4人工智能與安全185
14.4.1人纔和技術基礎設施短缺185
14.4.2安全問題不容忽視186
14.4.3設定倫理要求186
14.4.4保護個人隱私186
【作業】187
【課程學結】189
參考文獻193

本書針對各級各類高等學校文理科學生的發展需要，為高等學校各相關專業"人工智能"基礎課程、通識課程而設計和編寫，繫統、全面地介紹人丁.智能的概念、理論和應用。全書共14章，主要內容包括思考的工具、什麼是人工智能、規則與專家繫統、模糊邏輯與大數據思維、包容體繫結構與機器人技術、機器學習、神經網絡與深度學習、智能代理、群體智能、數據挖掘與統計數據、智能圖像處理、自然語言處理、自動規劃、人.T.智能的發展等內容。本書具有結構新穎、內容豐富、敘述生動、注重應用的特色，可以幫助讀者打好人丁智能的知識基礎。本書適合作為本科院校和高職高專院校各相關專業"人工智能"基礎課程或通識課程的教材，也適合對人工智能感興趣的讀者閱讀。

周蘇,魯玉軍 編