《人工智能前沿》课程介绍
课程号：SS206005
课程名：人工智能前沿
英文课程名：FrontierofArtificialIntelligence
开课单位：空间科学与技术学院
授课教师：周治国
责任教师：余航 刘立
学分/学时：1学分/16学时
教师简介：周治国，博士，美国中央密苏里大学（UniversityofCentralMissouri,Warrensburg,MO）计算机与数学学院（SchoolofComputerScienceandMathematics）计算机系助理教授（Tenure-TrackAssistantProfessor）。分别于2008年和2014年获得西安电子科技大学计算机科学与技术学士学位和计算机应用技术博士学位。曾于2013年5月至2014年5月在荷兰莱顿大学（LeidenUniversity）计算机系（LeidenInstituteofAdvancedComputerScience）访问学习。2014年12月起在美国德州大学西南医学中心（UniversityofTexasSouthwesternMedicalCenter,Dallas,TX）放射肿瘤系（DepartmentofRadiationOncology）从事博士后研究，并于2017年9月晋升为研究型讲师（Instructor，Research-Track）。2019年8月起至今在中央密苏里大学担任助理教授。在国际期刊和会议上发表相关学术论文70余篇，其中SCI检索50余篇，文章主要发表于医学物理领域顶级期刊和IEEE汇刊。担任两个国际期刊的编委和20多个国际期刊的审稿人，同时也是多个会议的分会主席。目前研究方向为人工智能，机器学习和深度学习，影像组学，医学影像分析，治疗结果预测，临床决策支持等。
ZhiguoZhou,Ph.D.isaTenure-TrackAssistantProfessorofComputerScienceinSchoolofComputerScienceandMathematics,UniversityofCentralMissouri(UCM).Dr.ZhoureceivedtheB.S.andPh.D.degreeinXidianUniversity,Xi’an,China,in2008and2014,respectively.HewasavisitingscholarwithLeidenUniversity,Leiden,theNetherlands,fromMay,2013toMay,2014.ThenhejoinedtheUniversityofTexasSouthwesternMedicalCenteratDallas(UTSW),TXasPostdoctoralfellowinDecember,2014.InSeptember,2017,hewaspromotedasInstructor(ResearchTrack)atUTSW.ThenhejoinedUCMasanAssistantProfessoronAugust,2019.Hiscurrentresearchinterestsincludeartificialintelligence,machinelearninganddeeplearning,radiomics,medicalimageanalysis,treatmentoutcomeprediction,andclinicaldecisionsupport.Hehaspublishedmorethan70journalorconferencepapers,including32peerreviewedjournalpapers.Heistheeditorboardmemberoftwointernationaljournalsandreviewersofmorethan20journalsorconferences.Healsoservedassessionchairsofmultipleinternationalconferences.
课程简介：人工智能在计算机领域有着悠久的历史，目前已成为最受关注的学科之一，并且已成功应用于自动驾驶、人脸识别、语音识别、机器人等前沿领域。本课程的目标是掌握人工智能的基础知识和国际前沿。本课程无需先修课程。
Artificialintelligence(AI)hasalonghistoryincomputersciencebutcontinuestogrowdueinparttonewapplicationsindiversefields.ThefrontierareasofAIincludeautonomousvehicles,facerecognition,speechrecognition,robotics,andmanymore.Theaimofthiscourseistoprovidefoundationalknowledgeandfrontierinthefieldofartificialintelligence.Thiscourseassumesnopreviousknowledgeofartificialintelligenceconcepts.
先修课程：无
人工智能课程简介
人工智能作为计算机科学的一个重要分支，是一门理论基础完善、多学科交叉且应用领域广阔的前沿学科，主要研究如何利用计算机模拟、延伸和扩展人类的智能活动，即通过研究如何使计算机更聪明、能运用知识处理问题、可模拟人类的智能行为，进而揭示人类智能的根本机理。其主要任务是建立或运用智能信息处理理论，设计并实现可展现某些近似于人类智能行为的计算机
课程目的是使学生在已有计算机知识基础上，对人工智能从整体上形成较全面和清晰的系统认识，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新进展和新方向，开阔学生知识视野、提高解决问题的能力，为将来更加深入的学习和运用人工智能相关理论和方法解决实际问题奠定初步基础。
为此，课程选择人工智能领域中一些具有代表性的内容进行重点介绍。首先对人工智能的起源与发展，以及人工智能领域影响较大的主要流派及其认知观进行简要概述；然后介绍人工智能中的几种经典技术，如推理证明技术、问题求解技术等；此外，还对当前人工智能最热门的研究和应用领域，如计算智能等技术进行讨论。具体内容包括：
1、人工智能的起源与发展
人工智能自1956年诞生以来，其发展并非一帆风顺，从激烈争论到今天的可喜局面，其过程可谓艰辛。本部分以人工智能的有关概念及定义为切入点，通过分析其异同，从不同角度介绍人工智能的起源与发展，使学生对人工智能这一学科形成较全面的认识。
2、人工智能的主要流派
从符号主义为代表的经典人工智能到连接主义、行为主义，人工智能的研究从一家独秀走向百家争鸣。本部分针对人工智能的主要流派，通过对各流派的理论基础及其认知观介绍，使学生对人工智能的研究方向及应用领域形成较深入的了解。
3、经典人工智能的推理技术
经典人工智能的有关推理技术和方法，对人工智能学科的发展产生了极其深远的影响，是认识和了解人工智能研究领域的重要途径，也是初步掌握人工智能相关技术方法的主要手段。本部分主要介绍基于数理逻辑方法的推理证明技术，尤其是消解原理这一定理证明方法的典型代表。
4、问题求解与搜索技术
问题求解技术作为人工智能研究领域的一个核心问题，其主要涉及知识表示和求解搜索两个方面。本部分将主要介绍问题求解中的几种常用方法，如状态空间、问题规约、与或图、产生式系统、谓词逻辑、语义网络、知识图谱等，并在图搜索方法与求解策略分析的基础上，逐步引入启发式搜索方法。
5、计算智能
尽管经典方法是初步形成人工智能研究与应用能力的重要途径，但随着技术的发展与应用的延伸，当前以机器学习和人工神经网络为代表的计算智能已成为研究热点，并发展成为智能学科中新的增长点，本部分即针对机器学习和人工神经网络中的基础知识作概述性介绍。