人工智能通識教程（簡體書）

前言

人工智能在互聯網時代獲得了前所未有的發展機遇，已經成為目前發展最迅速、對社會影響最大的新興學科之一。由於人工智能模擬人類智能解決問題的方法，能夠應用於幾乎所有領域，所以，目前許多高校需要開設人工智能通識課程。

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，為控制科學與工程、計算機科學與技術、機械工程等專業的研究生講授“人工智能原理與應用”課程，為計算機類、自動化類各專業的本科生講授“人工智能導論”課程。作者在多年的教學實踐中，深感需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。自2005年起，本書作者在自己多年來的講稿基礎上，出版了幾部人工智能教材，並不斷再版，被許多高校選用。

隨著人工智能技術的發展，越來越多的本科生需要學習人工智能課程。因此，作者從2005年起為全校工學、理學、經濟學、管理學、哲學、文學、法學等學科的各專業的本科生開設“人工智能及其應用”公共選修課。作者從2017年開始負責全校人工智能通識教育核心課程建設。在教學過程中，作者深感已有的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專業的本科生學習。在全國各高校普遍希望開設人工智能通識課程的新形勢下，迫切需要編寫面向本科生，特別是人文社科類專業本科生的人工智能通識課程教材。因此，作者在《人工智能導論》（第5版）和《人工智能及其應用》（第4版）這兩本教材的基礎上，針對人文社科類專業本科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，經過反復探索，編寫了本書。

本書共12章。第1章介紹人工智能的基本概念和發展簡史，著重介紹目前人工智能研究的基本內容與主要應用，以開闊讀者的視野，引導讀者進入人工智能的天地。第2章介紹知識表示的概念、產生式表示法、框架表示法以及知識圖譜。第3章介紹模擬人類思維的模糊推理及其應用。第4章介紹基於搜索的問題求解策略。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，以粒子群優化算法、蟻群優化算法等為代表的群智能算法。第7章介紹模擬生物神經系統的人工神經網絡。第8章介紹機器學習與深度學習，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章介紹專家系統的概念、工作原理及應用。第10章介紹應用日益廣泛的自然語言理解技術，包括機器翻譯、語音識別等應用。第11章介紹計算機視覺，包括人臉識別、虹膜識別等應用。第12章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。

本書主要有以下幾個特色:

（1） 語言簡明，可讀性好。本書用於人工智能通識課程教學，盡量用通俗的文字語言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，使學生能夠感受到人工智能的人文情懷，意識到人工智能就在自己身邊，能夠有興趣、有耐心、系統地閱讀本書，掌握人工智能的基本思想與基本方法。

（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。本書精選了人工智能技術的一些前沿熱點，引導學生學習應用新理論解決實際問題的方法。

（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。每章最後簡要地總結本章的重要概念、公式、定理與方法。本書采用雙色印刷，將重要的概念、公式、定理與方法用明顯的顏色標注出來，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，可以保持課程體系結構的完整性。采用本書作為教材，建議課堂教學32學時。本書中的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） 本書有配套的MOOC課程，便於學生在網上學習。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”網站上開設的“人工智能導論”課程。

衷心感謝浙江工業大學對人工智能通識教育核心課程建設的大力支持！感謝人工智能課程教學團隊的趙燕偉教授、管秋教授、徐新黎副教授、蔣一波副教授、張景玲副教授、鄭建煒副教授、姚信威副教授、胡海根副教授、範興剛副教授、黃玉嬌博士、龍海霞博士、周乾偉博士、王振華博士、姚遠博士、郭東巖博士、楊海平博士、產思賢博士、王錚博士等和作者一起對人工智能課程教學的不斷探索！衷心感謝清華大學出版社龍啟銘先生為本書出版付出的辛勤勞動以及向作者提出的許多有益的修改建議。

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2020年5月於杭州

目錄

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人工智能的先驅圖靈與圖靈測試8

1.2.3人工智能的誕生——達特茅斯會議9

1.3人工智能的發展10

1.3.1人工智能的形成期10

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13

1.4從兩場標志性人機博弈看人工智能的發展14

1.4.1人工智能研究中的“小白鼠”14

1.4.2“深藍”戰勝國際象棋棋王卡斯帕羅夫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34

1.8本章小結35

討論題35

第2章知識表示與知識圖譜36

2.1你了解人類知識嗎36

2.1.1什麼是知識36

2.1.2知識的相對正確性37

2.1.3知識的不確定性38

2.2計算機表示知識的方法40

2.3產生式表示法41

2.3.1產生式42

2.3.2產生式系統43

2.3.3產生式表示法的特點45

2.4框架表示法46

2.4.1框架的一般結構47

2.4.2用框架表示知識的例子48

2.4.3框架表示法的特點50

2.5知識圖譜51

2.5.1知識圖譜的提出52

2.5.2知識圖譜的定義52

2.5.3知識圖譜的表示53

2.5.4知識圖譜的架構54

2.5.5知識圖譜的典型應用55

2.6本章小結57

討論題58

人工智能通識教程目錄第3章模擬人類思維的模糊推理60

3.1推理的定義60

3.2推理的分類61

3.2.1演繹推理61

3.2.2歸納推理62

3.2.3默認推理62

3.3推理的方向63

3.3.1正向推理63

3.3.2逆向推理64

3.3.3混合推理67

3.4推理中的衝突消解策略69

3.5模糊集合與模糊知識表示71

3.5.1模糊邏輯的提出與發展71

3.5.2模糊集合的定義與表示73

3.5.3隸屬函數75

3.6模糊關係與模糊關係的合成76

3.6.1模糊關係76

3.6.2模糊關係的合成78

3.7模糊推理與模糊決策79

3.7.1模糊推理79

3.7.2模糊決策80

3.8模糊推理的應用81

3.9本章小結82

討論題83

第4章搜索策略85

4.1搜索的概念85

4.2如何用狀態空間表示搜索物件86

4.2.1狀態空間知識表示方法86

4.2.2狀態空間的圖描述88

4.3回溯策略91

4.4盲目的圖搜索策略93

4.4.1寬度優先搜索策略93

4.4.2深度優先搜索策略94

4.5啟發式圖搜索策略97

4.5.1啟發式策略97

4.5.2啟發信息和估價函數100

4.5.3A搜索算法102

4.5.4A搜索算法103

4.6本章小結105

討論題106

第5章模擬生物進化的遺傳算法107

5.1進化算法的生物學背景107

5.2遺傳算法109

5.2.1遺傳算法的發展歷史109

5.2.2遺傳算法的基本思想110

5.2.3編碼111

5.2.4種群設定113

5.2.5適應度函數114

5.2.6選擇116

5.2.7交叉118

5.2.8變異120

5.3遺傳算法的主要改進算法122

5.3.1雙倍體遺傳算法122

5.3.2雙種群遺傳算法124

5.3.3自適應遺傳算法124

5.4基於遺傳算法的生產調度方法126

5.4.1基於遺傳算法的流水車間調度方法126

5.4.2基於遺傳算法的混合流水車間調度方法128

5.5本章小結133

討論題134

第6章模擬生物群體行為的群智能算法135

6.1群智能算法的生物學背景135

6.2模擬鳥群行為的粒子群優化算法137

6.2.1基本粒子群優化算法137

6.2.2粒子群優化算法的應用139

6.3模擬蟻群行為的蟻群優化算法141

6.3.1蟻群優化算法的生物學背景142

6.3.2基本蟻群優化算法142

6.3.3蟻群優化算法的應用146

6.4本章小結148

討論題149

第7章模擬生物神經系統的人工神經網絡150

7.1人工神經元與人工神經網絡150

7.1.1生物神經元結構150

7.1.2生物神經元的數學模型151

7.1.3人工神經網絡的結構與學習153

7.2機器學習的先驅——赫布學習規則154

7.3掀起人工神經網絡第一次高潮的感知器155

7.4掀起人工神經網絡第二次高潮的BP學習算法158

7.4.1BP學習算法的提出158

7.4.2BP神經網絡159

7.4.3BP學習算法160

7.4.4BP學習算法在模式識別中的應用161

7.5本章小結163

討論題164

第8章機器學習與深度學習165

8.1機器學習的基本概念165

8.1.1學習165

8.1.2機器學習166

8.1.3學習系統166

8.1.4機器學習的發展169

8.2機器學習的分類170

8.2.1機器學習的一般分類方法170

8.2.2有監督學習與無監督學習172

8.2.3弱監督學習174

8.3知識發現與數據挖掘177

8.3.1知識發現與數據挖掘的概念178

8.3.2知識發現的一般過程178

8.3.3知識發現的任務179

8.3.4知識發現的物件180

8.4動物視覺機理與深度學習的提出182

8.4.1淺層學習的局限性182

8.4.2深度學習的提出183

8.5卷積神經網絡與膠囊網絡185

8.5.1卷積神經網絡的結構185

8.5.2卷積的物理、生物與生態學等意義186

8.5.3卷積神經網絡的卷積運算187

8.5.4卷積神經網絡中的關鍵技術189

8.5.5卷積神經網絡的應用192

8.5.6膠囊網絡193

8.6生成對抗網絡及其應用196

8.6.1生成對抗網絡的基本原理196

8.6.2生成對抗網絡的結構與訓練197

8.6.3生成對抗網絡在圖像處理中的應用200

8.6.4生成對抗網絡在語言處理中的應用203

8.6.5生成對抗網絡在視頻生成中的應用205

8.6.6生成對抗網絡在醫療中的應用207

8.7本章小結207

討論題208

第9章專家系統210

9.1專家系統的產生和發展210

9.2專家系統的概念212

9.2.1專家系統的定義212

9.2.2專家系統的特點212

9.2.3專家系統的類型214

9.3專家系統的工作原理216

9.3.1專家系統的一般結構216

9.3.2知識庫216

9.3.3推理機217

9.3.4綜合數據庫217

9.3.5知識獲取機構218

9.3.6人機接口219

9.3.7解釋機構219

9.4簡單的動物識別專家系統219

9.4.1知識庫建立220

9.4.2綜合數據庫建立和推理過程221

9.5專家系統實例及其骨架系統222

9.5.1骨架系統的概念222

9.5.2EMYCIN骨架系統223

9.5.3KAS骨架系統224

9.6專家系統開發環境226

9.7本章小結227

討論題228

第10章自然語言理解229

10.1自然語言理解的概念與發展229

10.1.1自然語言理解的概念229

10.1.2自然語言理解的發展歷史229

10.2語言處理過程的層次232

10.3機器翻譯方法概述234

10.4循環神經網絡238

10.4.1循環神經網絡的結構238

10.4.2循環神經網絡的訓練239

10.4.3長短期記憶神經網絡240

10.5基於循環神經網絡的機器翻譯240

10.6語音識別242

10.6.1語音識別的概念242

10.6.2語音識別的主要過程243

10.6.3語音識別的方法246

10.7本章小結247

討論題247

第11章計算機視覺248

11.1計算機視覺概述248

11.2計算機視覺系統中的數字圖像251

11.3基於深度學習的計算機視覺252

11.4基於計算機視覺的生物特征識別253

11.4.1人臉識別253

11.4.2虹膜識別254

11.5本章小結255

討論題256

第12章智能機器人257

12.1機器人的產生與發展257

12.2機器人中的人工智能技術260

12.2.1機器人智能感知260

12.2.2機器人智能導航264

12.2.3機器人智能路徑規劃264

12.2.4機器人智能運動控制265

12.2.5機器人智能交互267

12.3智能機器人的應用267

12.3.1工業機器人268

12.3.2農業機器人270

12.3.3服務機器人273

12.3.4醫用機器人276

12.3.5軍用機器人277

12.4智能機器人技術展望與倫理280

12.4.1智能機器人技術展望280

12.4.2機器人倫理問題281

12.5本章小結282

討論題282