《人工智能概论》课程教学大纲
《人工智能概论》课程教学大纲
课程名称：人工智能概论 课程类别：专业选修课
适用专业：电子信息工程 考核方式：考查
总学时、学分：32学时2学分
一、 课程性质、教学目标
人工智能概论是电子信息工程专业的一门专业选修课程，目的是使学生在已有专业基础知识的基础上通过学习，对人工智能从整体上有一个较清晰全面的系统了解；使学生掌握人工智能的基本概念、基本原理和基本方法；了解人工智能研究与应用的最新进展和发展方向；开阔学生知识视野、提高解决问题的能力，为将来使用人工智能的相关方法和理论解决实际问题奠定初步基础。
该课程主要讲述知识与知识表示、确定性推理、不确定性推理、搜索策略、专家系统、机器学习、神经网络等方面内容，使学生对人工智能的基本内容、基本原理和基本方法有一个比较初步的认识。其具体的课程教学目标为：
课程教学目标1：了解人工智能的发展状况与研究内容；掌握人工智能的基本概念、基本思想方法和重要算法；熟悉典型的人工智能系统；学习用启发式搜索求解问题；了解简单的机器学习和专家系统方法；初步具备用经典的人工智能方法解决一些简单实际问题的能力。
课程教学目标2：通过本课程的学习，对人工智能从整体上有一个较清晰全面的系统了解，培养积极思考、严谨创新的科学态度和解决实际问题的能力，培养使用人工智能的方法解决相关问题的实际能力。
课程教学目标与毕业要求对应的矩阵关系
教学目标
毕业要求
1
2
3
4
5
6
7
8
教学目标1
H
L
L
L
教学目标2
H
L
H
M
M
二、 课程教学要求
通过课堂教学，要求学生了解人工智能的发展状况与研究内容，掌握基本概念、基本原理方法和重要算法，掌握人工智能的一些主要思想和方法，熟悉典型的人工智能系统——产生式系统和简单的模糊推理方法，学会用启发式搜索求解问题，了解基本的神经网络和机器学习方法，初步具备用经典的人工智能方法解决一些简单实际问题的能力。
三、 先修课程
算法与数据结构、概率论与数理统计、程序设计。
四、 课程教学重、难点
本课程以知识表示、模糊推理和启发式搜索为授课内容的重点；以证据理论、状态空间搜索策略和专家系统为难点。在授课过程过需要对这些内容加以整理精简，分清主次，合理安排授课内容和授课时间。
五、 课程教学方法与教学手段
课堂讲授和讨论相结合。注重理论指导的作用，积极探究达到最佳视觉效果的典型做法。在教学环节引入多媒体演示，通过形象生动的视频演示让学生们了解人工智能的科学价值和实际应用所在。视频可以选用世界一流大学实验室的开放多媒体内容。同时贯彻理论和实践相结合的原则，给学生处一定量的思考，并要求完成一定量的作业，以提高学生的理论水平，培养学生的动手能力和创新精神。
六、 课程教学内容
第一章 绪论（2学时）
1．教学内容
(1)人工智能的概念；
(2)人工智能的发展简史；
(3)人工智能当前的一些发展方向和热点；
(4)人工智能的基本研究内容、研究方法。
2．重、难点提示
(1)重点是人工智能基本概念，相关名词术语的含义；
(2)难点是人工智能的研究内容和方法。
第二章 人工智能的数学基础（4学时）
1．教学内容
(1)人工智能中常用的一些数学理论和概念；
(2)数理逻辑中有关命题逻辑和一阶谓词逻辑的原理；
(3)多值逻辑原理；
(4)概率论的基本概念和原理；
(5)模糊集合模糊逻辑的基本概念和模糊集上的基本运算。
2．重、难点提示
(1)重点是Bayes公式，模糊集合模糊逻辑的基本概念和基本运算；
(2)难点是数理逻辑中有关命题逻辑和一阶谓词逻辑的原理。
第三章 知识与知识表示（4学时）
1．教学内容
(1)知识与知识表示的概念；
(2)一阶谓词逻辑表示方法；
(3)产生式表示法；
(4)框架表示法。
2．重、难点提示
(1)重点是产生式表示法、语义网络表示法；
(2)难点是框架表示法。
第四章 经典逻辑推理（4学时）
1．教学内容
(1)推理的基本概念；
(2)命题逻辑和一阶谓词逻辑的反演归结方法；
(3)基本的归结策略。
2．重、难点提示
(1)重点是归结演绎推理；
(2)难点是一阶谓词逻辑的反演归结方法。
第五章 不确定性推理方法（6学时）
1．教学内容
(1)不确定性推理的基本概念；
(2)可信度方法；
(3)证据理论；
(4)模糊理论。
2．重、难点提示
(1)重点是模糊推理；
(2)难点是证据理论（D-Stheory）。
第六章 搜索求解策略（6学时）
1．教学内容
(1)搜索的概念；
(2)状态空间的搜索策略；
(3)盲目搜索策略；
(4)启发式搜索策略。
2．重、难点提示
(1)重点是启发式搜索；
(2)难点是状态空间搜索。
第七章 专家系统与机器学习（6学时）
1．教学内容
(1)专家系统的产生和发展；
(2)专家系统的概念；
(3)专家系统的工作原理；
(4)专家系统的建立与评价；
(5)机器学习的基本概念；
(6)神经网络的基本概念及基本学习过程。
2．重、难点提示
(1)重点是专家系统的一般特点和结构，机器学习的基本概念；
(2)难点是专家系统的结构和建立步骤，神经网络学习过程。
七、学时分配
章目
教学内容
教学环节
理论教学学时
实验教学学时
其他
一
绪论
2
0
0
二
人工智能的数学基础
4
0
0
三
知识与知识表示
4
0
0
四
经典逻辑推理
4
0
0
五
不确定推理方法
6
0
0
六
搜索求解策略
6
0
0
七
专家系统与机器学习
6
0
0
总计
32
0
0
八、课程考核方式
1.考核方式：
笔试；开卷
2.成绩构成
期末成绩+平时成绩
九、 选用教材和参考书目
［1］《人工智能导论》（第三版），王万良编，高等教育出版社，2011年；
［2］《人工智能教程》（第二版），王士同，电子工业出版社，2006年；
［3］《人工智能及其应用本科生用书》（第四版），蔡自兴、徐光佑编，清华大学出版社，2011年；
［4］《人工智能》（第二版），丁世飞编，清华大学出版社，2015年；
［5］《人工智能：智能系统指南》（第三版），[澳]MichaelNegnevitsky著，机械工业出版社，2012年；
［6］《人工智能原理与方法》（第三版），王永庆编，西安交通大学出版社，2000年。
新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
作者：徐云峰
catalogs:13000076;contentid:7688970;publishdate:2021-06-11;author:黄童欣;file:1623414511328-aff718d9-3742-46b0-b08c-e56bdd1ed8c8;source:29;from:中华读书报;timestamp:2021-06-1120:28:23;[责任编辑:]