第1章思考的工具1
【導(dǎo)讀案例】動(dòng)物智能: 聰明的漢斯1
1.1計(jì)算的淵源2
1.1.1巨石陣2
1.1.2安提基特拉機(jī)械3
1.1.3阿拉伯?dāng)?shù)字3
1.2巴貝奇與數(shù)學(xué)機(jī)器4
1.2.1差分機(jī)4
1.2.2分析機(jī)4
1.2.3機(jī)器人的由來(lái)5
1.3計(jì)算機(jī)的出現(xiàn)6
1.3.1為戰(zhàn)爭(zhēng)而發(fā)展的計(jì)算機(jī)器6
1.3.2計(jì)算機(jī)無(wú)處不在7
1.3.3通用計(jì)算機(jī)7
1.3.4計(jì)算機(jī)語(yǔ)言9
1.3.5計(jì)算機(jī)建模9
1.4計(jì)算機(jī)的智能行為10
1.4.1類(lèi)人行為: 圖靈測(cè)試10
1.4.2類(lèi)人思考: 認(rèn)知建模10
1.4.3理性思考: 思維法則11
1.4.4理性行為: 理性智能體11
1.4.5對(duì)人類(lèi)可證益的智能體12
1.5人工智能大師13
【作業(yè)】13
第2章定義人工智能16
【導(dǎo)讀案例】自動(dòng)駕駛概述16
2.1人工智能的學(xué)科基礎(chǔ)19
2.2人工智能概述24
2.2.1人工與智能24
2.2.2人工智能的定義26
2.2.3人工智能的實(shí)現(xiàn)途徑26
2.2.4人工智能發(fā)展的6個(gè)階段27
2.3人工智能的發(fā)展歷史29
2.3.1人工智能研究獲得的圖靈獎(jiǎng)29
2.3.2從人工神經(jīng)元開(kāi)始（19431956）29
2.3.3早期期望無(wú)限（19521969）31
2.3.4一些現(xiàn)實(shí)（19661973）32
2.3.5專(zhuān)家系統(tǒng)（19691986）33
2.3.6神經(jīng)網(wǎng)絡(luò)的回歸（1986至今）34
2.3.7概率推理和機(jī)器學(xué)習(xí)（1987至今）34
2.3.8大數(shù)據(jù)（2001至今）35
2.3.9深度學(xué)習(xí)（2011至今）36
2.4人工智能的研究36
【作業(yè)】40
第3章大數(shù)據(jù)與人工智能43
【導(dǎo)讀案例】電子商務(wù)的推薦系統(tǒng)43
3.1什么是模糊邏輯44
3.1.1甲蟲(chóng)機(jī)器人的規(guī)則45
3.1.2模糊邏輯的發(fā)明45
3.1.3制定模糊邏輯的規(guī)則46
3.1.4模糊邏輯的定義47
3.1.5模糊理論的發(fā)展47
3.2模糊邏輯系統(tǒng)48
3.2.1純模糊邏輯系統(tǒng)48
3.2.2高木關(guān)野模糊邏輯系統(tǒng)49
3.2.3具有產(chǎn)生器及消除器的模糊邏輯系統(tǒng)49
3.3數(shù)據(jù)思維與變革49
3.3.1思維轉(zhuǎn)變之一: 樣本=總體50
3.3.2思維轉(zhuǎn)變之二: 接受數(shù)據(jù)的混雜性51
3.3.3思維轉(zhuǎn)變之三: 數(shù)據(jù)的相關(guān)關(guān)系52
3.4大數(shù)據(jù)與人工智能53
3.4.1人工智能與大數(shù)據(jù)的聯(lián)系53
3.4.2人工智能與大數(shù)據(jù)的區(qū)別54
3.4.3人工智能深化大數(shù)據(jù)應(yīng)用54
【作業(yè)】55
第4章智能體與智能代理58
【導(dǎo)讀案例】智能體: 下一個(gè)顛覆性AI應(yīng)用58
4.1智能體和環(huán)境61
4.2智能體的良好行為62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、學(xué)習(xí)和自主63
4.3環(huán)境的本質(zhì)64
4.3.1指定任務(wù)環(huán)境64
4.3.2任務(wù)環(huán)境的屬性65
4.4智能體的結(jié)構(gòu)68
4.4.1智能體程序68
4.4.2學(xué)習(xí)型智能體69
4.4.3智能體程序組件的工作71
4.5智能代理技術(shù)72
4.5.1智能代理的定義72
4.5.2智能代理的典型工作過(guò)程72
4.5.3智能代理的特點(diǎn)73
4.5.4系統(tǒng)內(nèi)的協(xié)同合作74
4.6智能代理的典型應(yīng)用75
4.6.1股票/債券/期貨交易75
4.6.2醫(yī)療診斷76
4.6.3搜索引擎76
4.6.4實(shí)體機(jī)器人77
4.6.5電腦游戲77
【作業(yè)】78
第5章機(jī)器學(xué)習(xí)80
【導(dǎo)讀案例】奈飛的電影推薦引擎80
5.1什么是機(jī)器學(xué)習(xí)81
5.1.1機(jī)器學(xué)習(xí)的發(fā)展81
5.1.2機(jī)器學(xué)習(xí)的定義83
5.1.3機(jī)器學(xué)習(xí)的研究85
5.2基于學(xué)習(xí)方式的分類(lèi)86
5.2.1監(jiān)督學(xué)習(xí)86
5.2.2無(wú)監(jiān)督學(xué)習(xí)87
5.2.3強(qiáng)化學(xué)習(xí)87
5.2.4機(jī)器學(xué)習(xí)的其他分類(lèi)88
5.3機(jī)器學(xué)習(xí)的基本結(jié)構(gòu)89
5.4機(jī)器學(xué)習(xí)算法90
5.4.1專(zhuān)注于學(xué)習(xí)能力91
5.4.2回歸算法92
5.4.3K�步�鄰算法92
5.4.4決策樹(shù)算法92
5.4.5貝葉斯算法93
5.4.6聚類(lèi)算法94
5.4.7支持向量機(jī)算法94
5.4.8神經(jīng)網(wǎng)絡(luò)算法94
5.4.9梯度增強(qiáng)算法94
5.4.10關(guān)聯(lián)規(guī)則算法95
5.4.11EM（期望最大化）算法95
5.5機(jī)器學(xué)習(xí)的應(yīng)用95
5.5.1數(shù)據(jù)分析與挖掘96
5.5.2模式識(shí)別96
5.5.3生物信息學(xué)應(yīng)用96
5.5.4物聯(lián)網(wǎng)96
5.5.5聊天機(jī)器人97
5.5.6自動(dòng)駕駛98
【作業(yè)】98
第6章深度學(xué)習(xí)101
【導(dǎo)讀案例】人類(lèi)與動(dòng)物智商的差別101
6.1動(dòng)物的中樞神經(jīng)系統(tǒng)103
6.1.1神經(jīng)系統(tǒng)的結(jié)構(gòu)103
6.1.2神經(jīng)系統(tǒng)的學(xué)習(xí)機(jī)制104
6.2了解人工神經(jīng)網(wǎng)絡(luò)104
6.2.1人工神經(jīng)網(wǎng)絡(luò)的研究105
6.2.2典型的人工神經(jīng)網(wǎng)絡(luò)105
6.2.3類(lèi)腦計(jì)算機(jī)106
6.3深度學(xué)習(xí)的定義106
6.3.1深度學(xué)習(xí)的優(yōu)勢(shì)107
6.3.2深度學(xué)習(xí)的意義107
6.3.3神經(jīng)網(wǎng)絡(luò)理解圖片108
6.3.4訓(xùn)練神經(jīng)網(wǎng)絡(luò)110
6.3.5深度學(xué)習(xí)的方法111
6.4卷積神經(jīng)網(wǎng)絡(luò)114
6.4.1為什么選擇卷積114
6.4.2卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)116
6.5遷移學(xué)習(xí)117
6.5.1基于實(shí)例的遷移118
6.5.2基于特征的遷移118
6.5.3基于共享參數(shù)的遷移118
6.6深度學(xué)習(xí)的應(yīng)用118
【作業(yè)】120
第7章強(qiáng)化學(xué)習(xí)122
【導(dǎo)讀案例】谷歌制定新守則，確保機(jī)器人決策更安全122
7.1強(qiáng)化學(xué)習(xí)的定義123
7.1.1發(fā)展歷史123
7.1.2基本模型和原理124
7.1.3網(wǎng)絡(luò)模型設(shè)計(jì)124
7.1.4設(shè)計(jì)考慮126
7.1.5數(shù)據(jù)依賴(lài)性126
7.2與監(jiān)督學(xué)習(xí)的區(qū)別127
7.2.1學(xué)習(xí)方式128
7.2.2先驗(yàn)知識(shí)與標(biāo)注數(shù)據(jù)129
7.3強(qiáng)化學(xué)習(xí)基礎(chǔ)理論129
7.3.1基于模型與免模型環(huán)境129
7.3.2探索與利用130
7.3.3預(yù)測(cè)與控制131
7.4強(qiáng)化學(xué)習(xí)分類(lèi)131
7.4.1從獎(jiǎng)勵(lì)中學(xué)習(xí)131
7.4.2被動(dòng)強(qiáng)化學(xué)習(xí)132
7.4.3主動(dòng)強(qiáng)化學(xué)習(xí)132
7.4.4強(qiáng)化學(xué)習(xí)中的泛化132
7.4.5學(xué)徒學(xué)習(xí)與逆強(qiáng)化學(xué)習(xí)132
7.5強(qiáng)化學(xué)習(xí)的應(yīng)用133
7.5.1游戲博弈134
7.5.2機(jī)器人控制134
7.5.3制造業(yè)135
7.5.4醫(yī)療服務(wù)業(yè)135
7.5.5電子商務(wù)136
【作業(yè)】136
第8章數(shù)據(jù)挖掘139
【導(dǎo)讀案例】葡萄酒的品質(zhì)139
8.1從數(shù)據(jù)到知識(shí)142
8.1.1決策樹(shù)分析143
8.1.2購(gòu)物車(chē)分析143
8.1.3貝葉斯網(wǎng)絡(luò)144
8.2數(shù)據(jù)挖掘方法145
8.2.1數(shù)據(jù)挖掘的發(fā)展145
8.2.2數(shù)據(jù)挖掘的對(duì)象146
8.2.3數(shù)據(jù)挖掘的步驟146
8.2.4數(shù)據(jù)挖掘分析方法147
8.3數(shù)據(jù)挖掘的經(jīng)典算法148
8.3.1神經(jīng)網(wǎng)絡(luò)法148
8.3.2決策樹(shù)法149
8.3.3遺傳算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6關(guān)聯(lián)規(guī)則法150
8.4機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘150
8.4.1數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)典型過(guò)程150
8.4.2機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘應(yīng)用案例152
【作業(yè)】154
第9章機(jī)器人技術(shù)156
【導(dǎo)讀案例】劃時(shí)代的阿波羅計(jì)劃156
9.1包容體系結(jié)構(gòu)158
9.1.1所謂中文房間159
9.1.2傳統(tǒng)機(jī)器人學(xué)159
9.1.3建立包容體系結(jié)構(gòu)160
9.2包容體系結(jié)構(gòu)的實(shí)現(xiàn)160
9.2.1艾倫機(jī)器人161
9.2.2赫伯特機(jī)器人161
9.2.3托托機(jī)器人162
9.3機(jī)器感知162
9.3.1機(jī)器智能與智能機(jī)器163
9.3.2機(jī)器思維與思維機(jī)器163
9.3.3機(jī)器行為與行為機(jī)器163
9.4機(jī)器人的概念164
9.4.1機(jī)器人的發(fā)展164
9.4.2機(jī)器人三原則165
9.5機(jī)器人的技術(shù)問(wèn)題166
9.5.1機(jī)器人的組成166
9.5.2機(jī)器人的運(yùn)動(dòng)167
9.5.3機(jī)器人大狗168
【作業(yè)】169
第10章計(jì)算機(jī)視覺(jué)172
【導(dǎo)讀案例】谷歌大腦的誕生172
10.1模式識(shí)別174
10.2圖像識(shí)別175
10.2.1人類(lèi)的圖像識(shí)別能力176
10.2.2圖像識(shí)別的基礎(chǔ)176
10.2.3圖形識(shí)別的模型178
10.2.4神經(jīng)網(wǎng)絡(luò)圖像識(shí)別178
10.3計(jì)算機(jī)視覺(jué)技術(shù)179
10.3.1什么是機(jī)器視覺(jué)179
10.3.2定義計(jì)算機(jī)視覺(jué)180
10.3.3計(jì)算機(jī)視覺(jué)與機(jī)器視覺(jué)的區(qū)別181
10.4智能圖像處理技術(shù)182
10.4.1圖像采集182
10.4.2圖像預(yù)處理182
10.4.3圖像分割182
10.4.4目標(biāo)識(shí)別和分類(lèi)183
10.4.5目標(biāo)定位和測(cè)量183
10.4.6目標(biāo)檢測(cè)和跟蹤183
10.5計(jì)算機(jī)視覺(jué)系統(tǒng)典型功能184
10.6計(jì)算機(jī)視覺(jué)技術(shù)的應(yīng)用185
10.6.1機(jī)器視覺(jué)的行業(yè)應(yīng)用186
10.6.2檢測(cè)與機(jī)器人視覺(jué)應(yīng)用186
10.6.3布匹生產(chǎn)質(zhì)量檢測(cè)188
【作業(yè)】190
第11章自然語(yǔ)言處理192
【導(dǎo)讀案例】機(jī)器翻譯: 大數(shù)據(jù)簡(jiǎn)單算法與小數(shù)據(jù)復(fù)雜算法192
11.1語(yǔ)言的問(wèn)題和可能性194
11.2什么是自然語(yǔ)言處理195
11.2.1自然語(yǔ)言處理的原因195
11.2.2自然語(yǔ)言處理的方法196
11.2.3自然語(yǔ)言處理的任務(wù)197
11.2.4語(yǔ)言模型198
11.3語(yǔ)法類(lèi)型與語(yǔ)義分析199
11.3.1語(yǔ)法類(lèi)型200
11.3.2語(yǔ)義分析200
11.3.3IBM機(jī)器翻譯系統(tǒng)200
11.4處理數(shù)據(jù)與處理工具201
11.4.1統(tǒng)計(jì)NLP語(yǔ)言數(shù)據(jù)集201
11.4.2自然語(yǔ)言處理工具201
11.4.3自然語(yǔ)言處理的技術(shù)難點(diǎn)202
11.5語(yǔ)音處理202
11.5.1語(yǔ)音處理的發(fā)展202
11.5.2語(yǔ)音理解203
11.5.3語(yǔ)音識(shí)別203
【作業(yè)】205
第12章GPT大語(yǔ)言模型起步207
【導(dǎo)讀案例】2023年國(guó)內(nèi)大模型匯總207
12.1自然語(yǔ)言處理的進(jìn)步209
12.1.1關(guān)于ImageNet210
12.1.2自然語(yǔ)言處理的ImageNet時(shí)刻210
12.1.3從GPT��1到GPT��3211
12.1.4ChatGPT聊天機(jī)器人模型與對(duì)策212
12.1.5從文本生成音樂(lè)的MusicLM模型213
12.1.6檢測(cè)AI文本的DetectGPT算法213
12.2科普AI大語(yǔ)言模型214
12.3ChatGPT的模仿秀215
12.3.1舊的守衛(wèi)，新的想法215
12.3.2搜索引擎結(jié)合LLM216
12.3.3克服簡(jiǎn)單編造與重復(fù)216
12.4傳統(tǒng)行業(yè)的下崗217
12.4.1客服市場(chǎng)，AI本來(lái)就很卷217
12.4.2伐木場(chǎng)迎來(lái)工業(yè)革命219
12.4.3新技術(shù)，新問(wèn)題221
【作業(yè)】222
第13章群體智能225
【導(dǎo)讀案例】無(wú)人機(jī)最快圈速: 算法控制戰(zhàn)勝專(zhuān)業(yè)駕駛員225
13.1向蜜蜂學(xué)習(xí)群體智能227
13.2什么是群體智能229
13.2.1群體人工智能技術(shù)229
13.2.2群體智能的兩種機(jī)制230
13.2.3基本原則與特點(diǎn)230
13.3典型算法模型231
13.3.1蟻群算法231
13.3.2搜索機(jī)器人233
13.3.3微粒群（鳥(niǎo)群）優(yōu)化算法234
13.3.4沒(méi)有機(jī)器人的集群236
13.4群體智能背后的故事236
13.5群體智能的應(yīng)用238
13.6群體智能的發(fā)展240
【作業(yè)】240
第14章自動(dòng)規(guī)劃243
【導(dǎo)讀案例】自動(dòng)駕駛泊車(chē)技術(shù)243
14.1規(guī)劃的概念244
14.2人工智能的烏姆普斯世界245
14.2.1描述烏姆普斯世界245
14.2.2探索烏姆普斯世界246
14.3什么是自動(dòng)規(guī)劃247
14.3.1定義經(jīng)典規(guī)劃247
14.3.2自動(dòng)規(guī)劃問(wèn)題248
14.3.3規(guī)劃問(wèn)題示例249
14.4規(guī)劃方法252
14.4.1規(guī)劃即搜索252
14.4.2部分有序規(guī)劃254
14.4.3分級(jí)規(guī)劃255
14.4.4基于案例的規(guī)劃255
14.4.5規(guī)劃方法分析255
14.5時(shí)間、調(diào)度和資源256
14.5.1時(shí)間約束和資源約束的表示256
14.5.2解決調(diào)度問(wèn)題256
【作業(yè)】257
第15章人工智能的發(fā)展259
【導(dǎo)讀案例】科學(xué)家發(fā)現(xiàn)新的人類(lèi)腦細(xì)胞259
15.1創(chuàng)新發(fā)展與社會(huì)影響261
15.1.1人工智能發(fā)展的啟示262
15.1.2人工智能的發(fā)展現(xiàn)狀與影響262
15.2倫理與安全264
15.2.1創(chuàng)造智能機(jī)器的大猩猩問(wèn)題264
15.2.2積極與消極的方面264
15.2.3人才和基礎(chǔ)設(shè)施短缺265
15.2.4設(shè)定倫理要求266
15.2.5強(qiáng)力保護(hù)個(gè)人隱私267
15.2.6機(jī)器人權(quán)利267
15.3人工智能的極限268
15.3.1由非形式化得出的論據(jù)268
15.3.2衡量人工智能268
15.4人工智能架構(gòu)269
15.4.1傳感器與執(zhí)行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的機(jī)遇與挑戰(zhàn)271
15.6未來(lái)的人工智能272
15.6.1意識(shí)與感質(zhì)273
15.6.2機(jī)器能思考嗎273
15.6.3未來(lái)已來(lái)274
【作業(yè)】274
【課程學(xué) 結(jié)】277
附錄A作業(yè)參考答案281
參考文獻(xiàn)285