作為計算機科學與技術一個重要的分支，人工智能（Artificial Intelligence，AI）的發展歷史已經不短了。它經過幾起幾落，終於迎來了高速發展、成果不斷湧現的新時期。毫無疑問，一如當年的計算機以及隨後的因特網、物聯網、雲計算和大數據，今天，人工智能也是每個大學生和社會人士都必須關注、學習和重視的知識與應用。
人工智能是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用繫統的一門技術科學。它試圖了解人類智能的實質，並生產出新的能以與人類智能相似的方式做出反應的智能機器。該領域的研究包括基礎概念、專家繫統、機器學習、神經網絡、智能代理、群體智能、數據挖掘、機器人、圖像識別與處理、自然語言處理、自動規劃等。可以想像，未來人工智能帶來的科技產品將會是人類智慧的“容器”。人工智能不是人的智能，但能模仿人的思考，甚至在某些方面可能超過人的智能。
人工智能是一門極富挑戰性的科學，包括的知識內容十分廣泛。本書結構新穎，內容豐富，繫統、全面地介紹了人工智能的相關概念與理論，可以幫助讀者扎實地打好人工智能的知識與應用基礎。
本書針對高等院校文理科學生的發展需要，是為高等院校相關專業“人工智能”基礎課程或通識課程全新設計、編寫的教材。教師在使用本書進行教學時，可依照學習進度與需求對內容進行適當取舍。
本書每一章都體現下列要點：
（1） 介紹基本概念，解釋原理，讓學習者能切實理解和掌握人工智能的基本原理及相關應用知識。
（2） 組織淺顯易懂的案例，注重讓學生扎實地掌握基本理論知識，養成良好的學習方法。
（3） 為學生提供低認知負荷的作業，讓學生在自我成就中構建人工智能的基本觀念與技術架構。
（4） 注重思維與實踐並進。每章後面安排了【研究性學習】環節，建議教師在教學班中組織研究性學習小組，鼓勵學生討論與表達，努力讓人工智能的知識成為學生未來馳騁職場的立身之本。
雖然社會已經進入“電子時代”，但我們仍然竭力倡導課前、課後讀書，課中在書上記筆記，在課程結束時完成課程學結。為各章設計的作業（單選題）並不難，學生隻要認真閱讀本書，就能夠準確回答所有題目。
采用本書作為教材時，教師和學生可以參考下面的課程教學進度表。在實際教學中，應按照教學大綱和實際情況確定課程教學進度。課程教學進度表（20—20學年第學期）
課程號： 課程名稱： 人工智能學分： 2
周學時：  2總學時：  32 （其中理論學時：  32，實踐學時：  ）
主講教師： 序號校歷周次章節（或實訓、習題課等）名稱與內容學時教學方法課後作業布置11引言
第1章思考的工具222第2章什麼是人工智能233第3章規則與專家繫統244第4章模糊邏輯與大數據思維255第5章包容體繫結構與機器人技術266第5章包容體繫結構與機器人技術277第6章機器學習288第6章機器學習299第7章神經網絡與深度學習21010第8章智能代理21111第9章群體智能21212第10章數據挖掘與統計數據21313第11章智能圖像處理21414第12章自然語言處理21515第13章自動規劃21616第14章人工智能的發展2課文作業
研究性學習課程學結填表人（簽字）： 日期：
繫（教研室）主任（簽字）：   日期：課程的教學評測可以從以下幾個方面入手：
（1） 每章的課後作業（共14次）。
（2） 每章的研究性學習小組活動評價（共13次）。
（3） 第14章的課程學結（大作業，1次）。
（4） 平時考勤。
（5） 任課教師認為必要的其他考核方法。
本書特色鮮明，易讀易學，適合本科和高職高專院校各相關專業文理科學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。
與本書配套的教學大綱、教學課件、習題答案等配套電子資源以及作者聯繫方式可以從清華大學出版社網站（https://www.tup.com.cn）下載，歡迎教師索取本書的配套教學資源並與作者交流。
根據學習需要，本書還配備了1500分鐘的音頻講解資源，讀者可在書中掃描二維碼獲取。
本書的編寫得到浙江大學城市學院、浙江理工大學、嘉興技師學院、浙江商業職業技術學院、浙江安防職業技術學院等多所院校師生的支持，袁堅剛、吳賢平、餘強、周恆、王文、喬鳳鳳等參與了本書部分內容的編寫工作，作者在此一並表示感謝！

周蘇2020年6月於杭州第1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64
5.6.3機器狗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第10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第11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第12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164第13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第14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

作為計算機科學與技術一個重要的分支，人工智能（Artificial Intelligence，AI）的發展歷史已經不短了。它經過幾起幾落，終於迎來了高速發展、成果不斷湧現的新時期。毫無疑問，一如當年的計算機以及隨後的因特網、物聯網、雲計算和大數據，今天，人工智能也是每個大學生和社會人士都必須關注、學習和重視的知識與應用。
人工智能是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用繫統的一門技術科學。它試圖了解人類智能的實質，並生產出新的能以與人類智能相似的方式做出反應的智能機器。該領域的研究包括基礎概念、專家繫統、機器學習、神經網絡、智能代理、群體智能、數據挖掘、機器人、圖像識別與處理、自然語言處理、自動規劃等。可以想像，未來人工智能帶來的科技產品將會是人類智慧的“容器”。人工智能不是人的智能，但能模仿人的思考，甚至在某些方面可能超過人的智能。
人工智能是一門極富挑戰性的科學，包括的知識內容十分廣泛。本書結構新穎，內容豐富，繫統、全面地介紹了人工智能的相關概念與理論，可以幫助讀者扎實地打好人工智能的知識與應用基礎。
本書針對高等院校文理科學生的發展需要，是為高等院校相關專業“人工智能”基礎課程或通識課程全新設計、編寫的教材。教師在使用本書進行教學時，可依照學習進度與需求對內容進行適當取舍。
本書每一章都體現下列要點：
（1） 介紹基本概念，解釋原理，讓學習者能切實理解和掌握人工智能的基本原理及相關應用知識。
（2） 組織淺顯易懂的案例，注重讓學生扎實地掌握基本理論知識，養成良好的學習方法。
（3） 為學生提供低認知負荷的作業，讓學生在自我成就中構建人工智能的基本觀念與技術架構。
（4） 注重思維與實踐並進。每章後面安排了【研究性學習】環節，建議教師在教學班中組織研究性學習小組，鼓勵學生討論與表達，努力讓人工智能的知識成為學生未來馳騁職場的立身之本。
雖然社會已經進入“電子時代”，但我們仍然竭力倡導課前、課後讀書，課中在書上記筆記，在課程結束時完成課程學結。為各章設計的作業（單選題）並不難，學生隻要認真閱讀本書，就能夠準確回答所有題目。
采用本書作為教材時，教師和學生可以參考下面的課程教學進度表。在實際教學中，應按照教學大綱和實際情況確定課程教學進度。課程教學進度表（20—20學年第學期）
課程號： 課程名稱： 人工智能學分： 2
周學時：  2總學時：  32 （其中理論學時：  32，實踐學時：  ）
主講教師： 序號校歷周次章節（或實訓、習題課等）名稱與內容學時教學方法課後作業布置11引言
第1章思考的工具222第2章什麼是人工智能233第3章規則與專家繫統244第4章模糊邏輯與大數據思維255第5章包容體繫結構與機器人技術266第5章包容體繫結構與機器人技術277第6章機器學習288第6章機器學習299第7章神經網絡與深度學習21010第8章智能代理21111第9章群體智能21212第10章數據挖掘與統計數據21313第11章智能圖像處理21414第12章自然語言處理21515第13章自動規劃21616第14章人工智能的發展2課文作業
研究性學習課程學結填表人（簽字）： 日期：
繫（教研室）主任（簽字）：   日期：課程的教學評測可以從以下幾個方面入手：
（1） 每章的課後作業（共14次）。
（2） 每章的研究性學習小組活動評價（共13次）。
（3） 第14章的課程學結（大作業，1次）。
（4） 平時考勤。
（5） 任課教師認為必要的其他考核方法。
本書特色鮮明，易讀易學，適合本科和高職高專院校各相關專業文理科學生學習，也適合對人工智能相關領域感興趣的讀者閱讀參考。
與本書配套的教學大綱、教學課件、習題答案等配套電子資源以及作者聯繫方式可以從清華大學出版社網站（https://www.tup.com.cn）下載，歡迎教師索取本書的配套教學資源並與作者交流。
根據學習需要，本書還配備了1500分鐘的音頻講解資源，讀者可在書中掃描二維碼獲取。
本書的編寫得到浙江大學城市學院、浙江理工大學、嘉興技師學院、浙江商業職業技術學院、浙江安防職業技術學院等多所院校師生的支持，袁堅剛、吳賢平、餘強、周恆、王文、喬鳳鳳等參與了本書部分內容的編寫工作，作者在此一並表示感謝！