人工智能导论
《人工智能导论》教学大纲
课程编号：AI006003
课程名称：人工智能导论 英文名称：ArtificialIntelligence
学分/学时：1/16 课程性质：通识教育选修
适用专业：计算机科学与技术、智能科学与技术、电子信息工程等
建议开设学期：第一学年秋季
先修课程：高等数学 开课单位：人工智能学院
一、课程的教学目标与任务
《人工智能导论》是关于人工智能领域的引导性课程，介绍人工智能的历史、研究现状以及新技术，目的是使学生了解和认识人工智能的各个研究领域包括最新的研究进展，激发学生学习人工智能及今后的更高级课程的学习兴趣、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。
通过本课程的学习，使得学生了解人工智能的历史、各个不同分支以及应用领域的研究进展及其新突破，新成果，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。
二、课程具体内容及基本要求
（一）概论(2学时)
主要内容：人工智能的概念、自然智能与人工职能、人工智能各学派的认知观、人工智能的研究与应用领域
1.基本要求
（1）了解人工智能的发展历史、研究现状及发展过程中的几个研究途径；
（2）掌握人类智能和人工智能的基本概念；
（3）理解自然智能与机器智能的联系与区别。
2.重点、难点
重点：人工智能概念
难点：人工智能各学派的认知观
3.作业及课外学习要求：
课外学习：查阅文献了解最新的人工智能发展成果
小论文题目：人工智能最新研究进展
要求：通过查阅相关文献，详细介绍人工智能领域的研究最新进展综述，或着重给出某一领域如进化计算、专家系统、机器学习、机器人、神经网络等的研究最新进展。
（二）知识表示与搜索(3学时)
主要内容：状态空间法及其搜索技术；问题归约法及其搜索技术
1.基本要求
（1）理解知识表示的概念；
（2）掌握状态空间法、问题归约法；
（3）掌握图搜索技术包括宽度、深度、启发式搜索方法；
（4）了解新型搜索技术。
2.重点、难点
重点：状态空间表示法及其盲目式搜索、问题归约表示法及其盲目式搜索、
难点：A*，博弈
3.作业及课外学习要求
课外学习：需查阅文献，在实际问题中找出四种不同搜索算法的应用实例
计算机仿真：实现四种搜索算法
要求：就八数码难题实现四种搜索算法包括深度、广度、有序搜索以及A*算法，给出搜索路径，并比较四种搜索算法的搜索效率，探讨不同算法在解决实际问题时各自的适用性，形成大报告并附仿真代码
（三）谓词逻辑与机器定理证明(2学时)
主要内容：命题逻辑、谓词逻辑、消解原理
1.基本要求
（1）理解命题逻辑、谓词逻辑
（2）掌握消解原理
（3）了解反演问题求解
2.重点、难点
重点：谓词逻辑及其简单推理
难点：消解推理过程
3.作业及课外学习要求
小论文题目：机器定理证明研究现状
要求：通过查阅相关文献，详细介绍机器定理证明的研究历史及最新进展
（四）智能计算基础(3学时)
主要内容：遗传算法的基本机理、遗传算法的求解步骤及其应用、遗传规划、粒子群算法原理
1.基本要求
（1）掌握遗传算法的基本机理以及算法的实现；
（2）理解基本粒子群算法
（3）了解遗传规划、蚁群以及其他新型的自然计算
2.重点、难点
重点：遗传算法原理及其实现
难点：遗传规划以及粒子群算法
3.作业及课外学习要求
作业：理解遗传算法的原理，在解决函数优化问题时考虑如何实现包括其编码、交叉、变异、选择，适应度选择等。
课外学习：查阅相关文献，进一步了解进化计算或软计算的研究新进展，进化计算不同分支的发展历史。
计算机仿真：实现简单遗传算法
要求：利用MATLAB或其他软件编程实现二维单目标优化问题的求解，会利用盒图，曲线图等分析实验结果。形成大报告并附仿真代码。
（五）人工神经网络(2学时)
主要内容：神经元的几种互连形态及其特点、人工神经网络的典型模型、基于神经网络的知识表示、神经网络的简单推理过程。
1.基本要求
（1）熟悉和掌握人工神经网络的基本概念；
（2）理解利用简单的人工神经网络进行学习和推理。
2.重点、难点
重点：人工神经网络的基本概念。
难点：深度神经网络
3.作业及课外学习要求
作业：掌握基于神经网络的知识表示、神经网络的简单推理过程，比较其与之前一章推理方法的机制。
课外学习：查阅文献，完成一个神经网络包括深度学习的研究现状的报告
（六）专家系统(2学时)
主要内容：专家系统的基础知识、专家系统的基本结构、专家系统的开发及应用实例、专家系统的新进展。
1.基本要求
（1）理解专家系统的基本概念和方法；
（2）了解专家系统的新进展。
2.重点、难点
重点：专家系统的基本概念和方法、专家系统的基本结构
难点：新一代专家系统的概念
3.作业及课外学习要求
作业：通过简单医学系统专家系统的整个过程，理解其基本结构，开发过程等。
课外学习：查阅文献，了解专家系统的发展历史以及最新研究现状
（七）机器学习（2学时）
主要内容：机器学习的概念及分类、学习系统的基本结构、几种机器学习方法，知识发现及其处理过程、知识发现的方法及应用、数据挖掘的基本概念、数据挖掘的方法及应用、数据挖掘和知识发现的关系等。
1.基本要求
（1）理解机器学习的基本概念和方法、学习系统的基本结构、数据挖掘的基本概念；
（2）熟悉机器学习的新进展。
2.重点、难点
重点：机器学习的基本概念、数据挖掘的相关知识。
难点：知识发现及其处理过程。
3.作业及课外学习要求
作业：掌握集中机器学习方法，理解知识发现以及数据挖掘的概念
课外学习：数据挖掘时人工智能的一个新兴领域，通过查阅文献，给出一个关于数据挖掘比较完整的发展历史以及最新的研究动态。
计算机仿真：实现遗传算法
要求：利用MATLAB或其他软件编程2种简单的数据聚类或分类算法，如K-means，FCM,KNN,SVM等，分析实验结果，形成大报告并附仿真代码
三、教学安排及方式
总学时16学时，其中：讲授16学时，实验学时，上机学时，实践学时，研讨学时，线上学时。
序号
课程内容
学时
教学方式
1
概论
2
讲授
2
知识表示与搜索
3
讲授
3
谓词逻辑与机器定理证明
2
讲授
4
智能计算基础
3
讲授
5
人工神经网络
2
讲授
6
专家系统
2
讲授
7
机器学习
2
讲授
注：教学方式包括面授和线上，其中面授包括：讲授、实验、上机、实践、研讨五种。
四、考核及成绩评定方式
最终成绩由平时作业成绩、期末成绩和小论文成绩等组合而成。各部分所占比例如下：
平时作业成绩：20%。主要考核对每堂课知识点的复习、理解和掌握程度。
课程论文成绩：30%。主要考核发现、分析和解决问题的能力，以及语言及文字表达能力。学生可自拟题目或根据任课教师提出的题目撰写课程学习小论文，并在一定形式下进行宣讲、答辩，最后评定课程论文成绩。
计算机仿真成绩：50%。主要考核计算机运用能力、获取整理信息的能力以及理论联系实际的能力，学生可根据教师提出的题目，通过自学使用Matlab、C等进行计算机仿真，给出一定形式的仿真结果及说明。
过程成绩提交时间和总评成绩计算说明表
序号
成绩提交时间
名称或说明
C1
第1次授课后、第2次授课前
小论文
C2
第6次授课后、第7次授课前
小论文
C3
第3次授课后、第4次授课前
计算机仿真报告
C4
第5次授课后、第6次授课前
计算机仿真报告
C5
每次课后
平时成绩
总评成绩＝C1*0.15+C2*0.15+C3*0.25+C4*0.25+C6*0.2
注：上表用于说明授课过程中分项成绩提交时间，教师应在规定的时间内提交对应成绩，提前或逾期无法提交，一旦提交无法修改。大纲可以根据需要自行定义提交成绩的次数、时间和名称或说明，总评成绩计算必须与考核和成绩评定方式中描述的一致。
五、教材及参考书目
1.蔡自兴，刘丽珏，蔡竞峰，陈白帆，人工智能及其应用（第5版）[M]，清华大学出版社，2016
2.George.F.Luger著，郭茂祖刘扬玄萍王春宇译，人工智能-复杂问题求解的结构和策略[M]，机械工业出版社，2017
3.SimonHaykin著，申富饶，徐烨，郑俊等译，神经网络与机器学习[M]，机械工业出版社，2017
4.王珏,周志华,周傲英.机器学习及其应用[M].清华大学出版社.2006
5.陈国良,王熙法,庄镇泉,王东生.遗传算法及其应用[M].北京:北京人民邮电出版社,1996
6.焦李成、赵进、杨淑媛、刘芳，深度学习、优化与识别[M]，清华大学出版社，2017
七、说明
（一）与相关课程的分工衔接
要求学生修过《高等数学》等基础课程。此外，课程中的相关内容，如机器学习等可作为学习后修课程《数据挖掘》、《模式识别》的基础。
（二）其他说明
（执笔人：刘若辰审核人：慕彩红）
2018年09月02日
多名专家做客“人工智能与技术伦理”课程
2021年11月9日、23日、30日下午，清华大学公共管理学院教授、人工智能治理研究中心主任、人工智能国际治理研究院副院长梁正教授、信息国家研究中心助理研究员顾心怡博士和西南政法大学高等研究院院长、人工智能法律研究院院长侯东德教授，先后做客我校核心通识课“人工智能与技术伦理”，分别在线做了题为“人工智能的负责任创新：从伦理到治理”、“由准则走向实践：企业的人工智能伦理构建”和“人工智能伦理与法治”的前沿讲座，并进行了线上同步直播。
梁正教授的讲座内容包括人工智能与社会相互嵌入的技术系统、人工智能风险与挑战、人工智能的负责任创新系统三大方面。梁教授系统介绍了人工智能在公共管理、科研、金融、政府决策等各个领域的嵌入。人工智能正在推动社会生活和公共治理的转型和变革，也带来了一定的影响与风险，风险不仅来源于人工智能技术本身，也来源于技术应用中的多种相关社会因素。为了应对这些风险，梁教授提出了从伦理到治理的新角度——构建一个多维共治的负责任的人工智能社会技术系统，即负责任的人工智能创新既需要创新者个人的伦理意识和自觉行动，也需要发挥政府监管、行业自律和社会监督的合力，建立三位一体的负责任创新系统。
侯东德教授的讲座内容包括伦理视野下的人工智能法治，人工智能生成物的法律保护，智能决策导致的法律责任和人工智能时代的法治建设四个方面。侯教授从伦理的视角解析了人工智能法治的内涵、价值追求和四大基本原则，探讨了如何定位人工智能的法律地位。侯教授认为人工智能不具备成为法律主体资格的条件，应定性为法律的客体。法学界对于人工智能生成物的保护也存在争议，侯教授认为在当前的假设和条件下，人工智能生成物既不具备作品的独创性，但人工智能生成物在法律上具有邻接权。针对未来人工智能技术的应用给人类带来各种程度损害的可能情况，侯教授分别从民事、刑事和行政三个层面分析了相关的责任归属问题，以及在法律内外针对不同程度风险采取不同防范措施的必要性。
顾心怡博士的讲座内容包括企业伦理的发展沿革与伦理构建、人工智能企业现状与伦理问题和构建企业人工智能伦理的措施与机制三个部分。在人工智能时代，企业是人工智能伦理的实践主体，顾老师回顾了企业伦理学的发展历程以及与企业伦理相关的理论基础，以及企业的组织关系、商业模式和伦理责任的变革。企业伦理建设涉及技术安全、数据治理、算法公平和可问责性几大方面，伦理的竞争也成为当今商业竞争的核心。企业不仅要重视经济利益，也要重视道德价值的实现。顾老师提出了一些具体的企业构建的伦理准则与机制，建立联通企业经济效益与社会效益之间相互促进的协调机制，实现技术与产业的可持续发展。
三位老师都和同学们进行了积极互动，解答了他们提出的问题。同时，他们希望AI领域的科研和技术人员能够充分重视AI伦理与治理的重大意义，促进AI技术健康可持续发展。三位老师的讲座为本科课程增添了新的内容，为师生们在人工智能及伦理治理的学习和研究中提供新的思路与视角。
梁正，清华大学公共管理学院教授，人工智能治理研究中心主任，清华大学人工智能国际治理研究院副院长，清华大学中国科技政策研究中心副主任，清华大学科技发展与治理研究中心学术委员会秘书长，兼任中国科学学与科技政策研究会常务理事、副秘书长，中国知识产权研究会高校知识产权专业委员会和中国城市经济学会城市公共经济与政策专业委员会副主任，《科学与管理》、《中国标准化》杂志编委。先后获第八届高等学校科学研究优秀成果一等奖，中国科学学与科技政策研究会优秀青年奖等多项奖励。主要研究方向为科技创新政策、研发全球化、标准与知识产权、新兴技术治理。
侯东德，西南政法大学民商法学院教授，高等研究院院长，人工智能法律研究院院长，中国法学会商法学研究会理事。长期从事民商法学的教学和理论研究工作，主持及参加课题研究十余项，出版学术专著及教材五部，发表学术论文三十余篇。
顾心怡，北京大学哲学系伦理学博士，清华大学信息国家研究中心助理研究员。曾参编教材《人工智能伦理导引》，于《科学技术哲学研究》等刊物发表论文，如《脑机接口的伦理问题研究》。主要研究方向为人工智能伦理、脑机接口伦理等。
（计算机学院，人文学院）