【人工智能】0引论
一、什么是人工智能1.从学科的角度计算机科学中涉及研究、设计和应用智能机器的一个分支。近期目标：研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。
2.从能力的角度智能机器所执行的通常与人工智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。人的智能与人工智能不同，对于当前对于人工智能的应用，目的是使计算机有智慧、更聪明、更有用，延伸人的智力。
3.人工智能的三个要素“数据、算法、算力”这三点是人们常说的三要素，对于本世纪人工智能的算法框架，几乎都是由数据驱动，而在上世纪都是知识驱动。我对于为什么现在都这么热衷于学习而淡化推理就很好奇，搜了很多资料，确实因为近年机器学习大火，也确实能解决很多问题。前段时间周志华老师在CCF-GAIR2020也提到：“数据、算法、算力”人工智能三要素，在未来要加上“知识”。“
二、人工智能的研究途径1.什么是认知认知是为某些目的，在某些心理结构中进行的信息加工过程。美国心理学家Houston等人把认知归纳为以下5钟主要类型：1）认知是信息的处理过程；2）认知是心理上的符号运算；3）认知是问题求解；4）认知是思维；5）认知是一组相关的活动，如知觉、记忆、思维、判断、推理、问题求解、学习、想象、概念形成及语言使用等。
2.认知学派与研究方法符号主义连接主义行为主义认知观逻辑主义、心理学派仿生学派、生理学派进化主义、控制论学派出发点宏观，心理层面微观，神经系统的结构和性能“动作–感知”型控制系统知识表示符号系统分散存在于单元连接权值中不采用固定的形式模拟逻辑思维形象思维模拟动物行为的控制系统代表成果问题求解、机器博弈、专家系统图像、声音信息的识别和处理六足机器人求解规则库和推理映射交互符号主义来源于数理逻辑分析，其研究方法为功能模拟；连接主义来源于仿生学，其研究方法为结构模拟法；行为主义对应的研究方法分别为行为模拟法，来源于控制论。另有结合三种学派的集成模拟法，各学派各有优劣，多学派融合是一种趋势。
3.人工智能的计算方法1.概率计算2.符号规则逻辑运算3.模糊计算4.神经计算5.进化计算与免疫计算6.群优化计算、蚁群算法等
三、人工智能发展历史1、孕育期（1956年之前）
英国数学家布尔（G．BOOLE）创立了布尔代数。首次用符号语言描述了思维活动中推理的基本法则。英国数学家、超时代的天才、图灵机的发明者图灵（A.M．Turing）1936年创立了自动机理论，并为人工智能做了大量的开拓性工作。匈牙利数学家、博弈论的创立者冯·诺依曼（John．Von．Neumann）1945年提出了存储程序的概念，在计算机领域建立了不朽的功勋。…2、形成期（1956年-1969年）
人工智能的定义正式提出1956年夏季在美国的Dartmouth大学举办了长达两个月的研讨会。会议的发起人有：McCarthy（麦卡锡）、Minsky（明斯基）、Lochester（朗彻斯特）、Shannon（香侬）…3、知识应用期（1970年-80年代末）
以费根鲍姆(Feigenbaum)为首的一批年轻学者开始以知识为中心开展人工智能研究，从中找到了新的出路。代表性的有：DENDRAL化学分析专家系统(斯坦福大学1968)、MACSYMA符号数学专家系统(MIT1971)、MYCIN诊断和治疗细菌感染性血液病的专家系统(斯坦福大学1973)、PROSPECTOR地质勘探专家系统(斯坦福大学1976)、XCON计算机配置专家系统(卡内基－梅隆大学1978)…4、综合集成期（80年代末至今）
人工智能经典案例
图9.3Shakey世界
(1)Go（x，y，r），这要求Shake位于x且x和y是同一房间r内的位置。约定两个房间之间的门视为它们内部的。
（2）在同一房间r内将箱子b从位置x推到位置y：Push（b，x，y，r）。用到箱子常量。
（3）从位置x爬上一个箱子：ClimbUp（x，b）。
（4）从一个箱子上爬下：ClimbDown（b，x）。需要谓词On和常量Floor。
（5）开电灯开关：TurnOn（s，b）。
（6）关电灯开关：TurnOff（s，b）。要打开或关闭电灯开关，Shakey必须在电灯开关位置的一个箱子上。
写出Shakey的6种动作的PDDL语句及图9-3的初始状态。
构建一个让Shakey把Box2带到Room2里的规划。
解:用PDDL描述的操作模型如下。
图9-3的初始状态描述为
Shakey把Box2带到Room2里的规划为
02
参考书籍
《人工智能（第3版）》
作者：贲可荣、张彦铎
定价：79.90元
“十二五”普通高等教育本科国家级规划教材
高等学校计算机教育规划教材
扫码优惠购书
内容简介
人工智能是研究理解和模拟人类智能、智能行为及其规律的一门学科。其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。本书介绍人工智能的理论、方法和技术及其应用，除了讨论那些仍然有用的和有效的基本原理和方法之外，着重阐述一些新的和正在研究的人工智能方法与技术，特别是近期发展起来的方法和技术。此外，用比较多的篇幅论述人工智能的应用，包括互联网智能等新增内容。
本书包括下列内容：
简述人工智能的起源与发展，讨论人工智能的定义、人工智能与计算机的关系以及人工智能的研究和应用领域；
论述知识表示、推理和不确定推理的主要方法，包括谓词逻辑、产生式系统、语义网络、框架、脚本、知识图谱、归结推理、非单调推理、主观Bayes方法、确定性理论、证据理论、模糊逻辑和模糊推理等；
讨论常用搜索原理，如盲目搜索、启发式搜索、min-max搜索、α-β剪枝和约束满足等；并研究一些比较高级的搜索技术，如贪婪局部搜索、局部剪枝搜索、模拟退火算法、遗传算法等；
介绍了分布式人工智能与Agent、计算智能、反向传播神经网络、深度学习、竞争网络、支持向量机等已成为当前研究热点的人工智能技术和方法；
本书适用于计算机专业大学高年级和非计算机专业研究生人工智能的教材，也可作为希望深入学习人工智能的科技人员的参考书。
作者简介
贲可荣，海军工程大学教授、博士生导师，中国计算机学会理论计算机科学专委副主任、软件工程专委委员，担任军队人工智能专业组专家。硕士、博士先后师从南京大学莫绍揆先生、国防科技大学陈火旺先生，打下了扎实的理论基础。《计算机科学与探索》执行编委，《海军新军事变革丛书》编委会常务副主任、《人工智能应用丛书》编委会执行副主任。评为教育部骨干教师、首届湖北省优秀研究生导师、海军名师工作室领衔名师、第三届大学教学名师，获军队院校育才奖金奖。
张彦铎，教授，博士生导师，国务院政府特殊津贴获得者。现任武汉工程大学党委常委、副校长，智能机器人湖北省重点实验室主任，国家一流本科专业建设点“智能科学与技术”专业负责人，湖北优秀教学团队“新一代人工智能新工科教学团队”负责人。获全国优秀教育工作者、湖北省师德标兵/优秀共产党员/十大杰出青年等荣誉称号。
本书特色
根据作者近30年人工智能科研与教学经验，边教学边构思；分析国内外知名大学人工智能精品教材及课程教学安排，研究课程体系、教学方法和教材体系建设。
在教学研究的基础上，力求形成“以不变的基本理论与方法为主体，充分反映人工智能技术发展水平，以培养学生具备继续学习能力为目标”的编写思路；在写作上力求做到用作者自己对问题理解的语言进行描述，便于学生的学习和理解；教材定位注意适应国内多数普通高校的实际教学需要。
目录
向上滑动阅览
第1章绪论
1.1人工智能的定义与概况
1.2人类智能与人工智能
1.2.1智能信息处理系统的假设
1.2.2人类智能的计算机模拟
1.2.3弱人工智能和强人工智能
1.3人工智能各学派的认知观
1.4人工智能的研究与应用领域
1.4.1智能感知
1.4.2智能推理
1.4.3智能学习
1.4.4智能行动
1.5人工智能发展展望
1.5.1新一轮人工智能发展特征
1.5.2未来40年的人工智能问题
1.5.3人工智能鲁棒性和伦理
1.5.4新一代人工智能发展规划
习题
第2章知识表示和推理
2.1概述
2.1.1知识和知识表示
2.1.2知识-策略-智能
2.1.3人工智能对知识表示方法的要求
2.1.4知识的分类
2.1.5知识表示语言问题
2.1.6现代逻辑学的基本研究方法
2.2命题逻辑
2.2.1语法
2.2.2语义
2.2.3命题演算形式系统PC
2.3谓词逻辑
2.3.1语法
2.3.2语义
2.3.3谓词逻辑形式系统FC
2.3.4一阶谓词逻辑的应用
2.4归结推理
2.4.1命题演算中的归结推理
2.4.2谓词演算中的归结推理
2.4.3谓词演算归结反演的合理性和完备性
2.4.4案例：一个基于逻辑的财务顾问
2.5产生式系统
2.5.1产生式系统的表示
2.5.2案例：九宫图游戏
2.5.3案例：传教士和野人问题
2.5.4产生式系统的控制策略
2.6语义网络
2.6.1基本命题的语义网络表示
2.6.2连接词在语义网络中的表示
2.6.3语义网络的推理
2.6.4语义网络表示的特点
2.7框架
2.7.1框架的构成
2.7.2框架系统的推理
2.7.3框架表示的特点
2.8脚本52
2.8.1脚本概念
2.8.2案例：饭店脚本
2.9知识图谱
2.9.1知识图谱及其表示
2.9.2百度知识图谱技术方案
2.9.3案例：知识图谱在互联网金融行业中的应用
2.10基于知识的系统
2.10.1知识获取
2.10.2知识组织
2.10.3知识应用
2.10.4常识知识和大规模知识处理
2.10.5常识推理
2.10.6案例：知识图谱应用
2.11小结
习题
第3章搜索技术
3.1概述
3.2盲目搜索方法
3.3启发式搜索
3.3.1启发性信息和评估函数
3.3.2最好优先搜索算法
3.3.3贪婪最好优先搜索算法
3.3.4A算法和A*算法
3.3.5迭代加深A*算法
3.4问题归约和AND-OR图启发式搜索
3.4.1问题归约的描述
3.4.2问题的AND-OR图表示
3.4.3AO*算法
3.5博弈
3.5.1极大极小过程
3.5.2α-β过程
3.5.3效用值估计方法
3.6案例分析
3.6.1八皇后问题
3.6.2洞穴探宝
3.6.3五子棋
习题
第4章高级搜索
4.1爬山法搜索
4.2模拟退火搜索
4.2.1模拟退火搜索的基本思想
4.2.2模拟退火算法
4.2.3模拟退火算法关键参数和操作的设计
4.3遗传算法
4.3.1遗传算法的基本思想
4.3.2遗传算法的基本操作
4.4案例分析
4.4.1爬山算法求解旅行商问题
4.4.2模拟退火算法求解旅行商问题
4.4.3遗传算法求解旅行商问题
习题
第5章不确定知识表示和推理
5.1概述
5.1.1什么是不确定推理
5.1.2不确定推理要解决的基本问题
5.1.3不确定性推理方法分类
5.2非单调逻辑
5.2.1非单调逻辑的产生
5.2.2缺省推理逻辑
5.2.3非单调逻辑系统
5.2.4非单调规则
5.2.5案例：有经纪人的交易
5.3主观Bayes方法
5.3.1全概率公式和Bayes公式
5.3.2主观Bayes方法
5.4确定性理论
5.4.1建造医学专家系统时的问题
5.4.2C-F模型
5.4.3案例：帆船分类专家系统
5.5证据理论
5.5.1假设的不确定性
5.5.2证据的不确定性和组合函数
5.5.3规则的不确定性
5.5.4不确定性的传递与组合
5.5.5证据理论案例
5.6模糊逻辑和模糊推理
5.6.1模糊集合及其运算
5.6.2模糊关系
5.6.3语言变量
5.6.4模糊逻辑和模糊推理
5.6.5案例：抵押申请评估决策支持系统
5.7小结
习题
第6章Agent
6.1概述
6.2Agent及其结构
6.2.1Agent定义
6.2.2Agent要素及特性
6.2.3Agent的结构特点
6.2.4Agent的结构分类
6.3Agent应用案例
6.4Agent通信
6.4.1通信方式
6.4.2Agent通信语言ACL
6.5协调与协作
6.5.1引言
6.5.2合同网
6.5.3协作规划
6.6移动Agent
6.6.1移动Agent产生的背景
6.6.2定义和系统组成
6.6.3实现技术
6.6.4移动Agent系统
6.6.5移动Agent技术的应用场景
6.7多agent系统开发框架JADE
6.7.1程序模型
6.7.2可重用开发包
6.7.3开发和运行的支持工具
6.8案例：火星探矿机器人
6.8.1需求分析
6.8.2设计与实现
6.9小结
习题
第7章机器学习
7.1机器学习概述
7.1.1学习中的元素
7.1.2目标函数的表示
7.1.3学习任务的类型
7.1.4机器学习的定义和发展史
7.1.5机器学习的主要策略
7.1.6机器学习系统的基本结构
7.2基于符号的机器学习
7.2.1归纳学习
7.2.2决策树学习
7.2.3基于范例的学习
7.2.4解释学习
7.2.5案例：通过EBG学习概念cup
7.2.6强化学习
7.3基于神经网络的机器学习
7.3.1神经网络概述
7.3.2基于反向传播网络的学习
7.3.3案例：基于反向传播网络拟合曲线
7.3.5深度学习
7.3.6案例：深度学习在计算机视觉中的应用
7.3.7竞争网络
7.3.8案例：学习向量量化解决分类问题
7.4基于统计的机器学习
7.4.1支持向量机
7.4.2案例：XOR问题
7.4.3统计关系学习
7.5小结
习题
第8章自然语言处理技术
8.1自然语言理解的一般问题
8.1.1自然语言理解的概念及意义
8.1.2自然语言理解研究的发展
8.1.3自然语言理解的层次
8.2词法分析
8.2.1案例：单词音节划分
8.3句法分析
8.3.1短语结构文法和Chomsky文法体系
8.3.2句法分析树
8.3.3转移网络
8.4语义分析
8.4.1语义文法
8.4.2格文法
8.5大规模真实文本的处理
8.5.1语料库语言学及其特点
8.5.2统计学方法的应用及所面临的问题
8.5.3汉语语料库加工的基本方法
8.5.4语义资源建设
8.6信息搜索
8.6.1信息搜索概述
8.6.2搜索引擎
8.6.3智能搜索引擎
8.6.4搜索引擎的发展趋势
8.7机器翻译
8.7.1机器翻译系统概述
8.7.2机器翻译的基本模式和方法
8.7.3统计机器翻译
8.7.4利用深度学习改进统计机器翻译
8.7.5端到端神经机器翻译
8.7.6未来展望
8.8.1智能语音技术概述
8.8.2组成单词读音的基本单元
8.8.3信号处理
8.8.5隐马尔可夫模型
8.9机器阅读理解
8.9.1机器阅读理解评测数据集
8.9.2机器阅读理解的一般方法
8.9.3机器阅读理解研究展望
8.10机器写作
8.10.1机器原创稿件
8.10.2机器二次创作
8.10.3机器写作展望
8.11聊天机器人
8.11.1聊天机器人应用场景
8.11.2聊天机器人系统的组成结构及关键技术
8.11.3聊天机器人研究存在的挑战
8.12小结
习题
第9章智能规划
9.1规划问题
9.2状态空间搜索规划
9.3偏序规划
9.4命题逻辑规划
9.5分层任务网络规划
9.6非确定性规划
9.7时态规划
9.8多Agent规划
9.9案例分析
9.9.1规划问题的建模与规划系统的求解过程
9.9.2Shakey世界
9.10小结
习题
第10章机器人学
10.1概述
10.1.1机器人的分类
10.1.2机器人的特性
10.1.3机器人学的研究领域
10.2机器人系统
10.2.1机器人系统的组成
10.2.2机器人的工作空间
10.2.3机器人的性能指标
10.3机器人的编程模式与语言
10.4机器人的应用与展望
10.4.1机器人应用
10.4.2机器人发展展望
10.5案例分析：仿真机器人运动控制算法
10.5.1仿真平台使用介绍
10.5.2仿真平台与策略程序的关系
10.5.3策略程序的结构
10.5.4动作函数及说明
10.5.5策略
10.5.6各种定位球状态的判断方法
10.5.7比赛规则
10.6小结
习题
第11章互联网智能
11.1概述
11.2语义网与本体
11.2.1语义网的层次模型
11.2.2本体的基本概念
11.2.3本体描述语言OWL
11.2.4本体知识管理框架
11.2.5本体知识管理系统Protégé
11.2.6本体知识管理系统KAON
11.3Web技术的演化
11.3.1Web1.0
11.3.2Web2.0
11.3.3Web3.0
11.3.4互联的社会
11.4Web挖掘
11.4.1Web内容挖掘
11.4.2Web结构挖掘
11.4.3Web使用挖掘
11.4.4互联网信息可信度问题
11.4.5案例：反恐作战数据挖掘
11.4.6案例：微博博主特征行为数据挖掘
11.5集体智能
11.5.1社群智能
11.5.2集体智能系统
11.5.3全球脑
11.5.4互联网大脑（云脑）
11.5.5智联网
11.5.6案例：智能网联汽车
11.5.7案例：城市计算
11.6小结
习题
附录A人工智能编程语言Python
A.1人工智能编程语言概述
A.2Python语言优势
A.3Python人工智能相关库
A.4Python语法简介
B.1MNIST数据集
B.2Softmax回归模型
B.3Softmax回归的程序实现
B.4模型的训练
B.5模型的评价
B.6完整代码及运行结果
｜申请样书｜
■如果您是高校教师（普通高校/职业院校教师），可关注微信公众号“书圈”（ID:itshuquan），根据提示申请本书。
03
精彩推荐
鸿蒙原子化服务卡片开发完美体验
鸿蒙开发实例｜构建轻量级智能穿戴设备用户界面
鸿蒙原子化服务卡片开发完美体验
鸿蒙开发实例｜构建轻量级智能穿戴设备用户界面
CCFCSP-J/S第一轮认证必考知识点：回溯算法
CCFCSP-J/S第一轮认证必考知识点：二值图像的最大连通块
CCFCSP-J/S第一轮认证必考知识点：哥德巴赫猜想
CCFCSP-J/S第一轮认证考纲详解
Python韩信点兵思政案例（含优惠码）
Python︱爬取天气预报信息（附视频）
《机器学习》实验指导书（附实验参考+代码）
Python爬虫综合实战│创建云起书院爬虫（附代码）
Python爬虫实战│Email提醒（附代码）
Python深度学习│一文掌握卷积神经网络
CCFCSP-J/S第一轮认证必考知识点：回溯算法
CCFCSP-J/S第一轮认证必考知识点：二值图像的最大连通块
CCFCSP-J/S第一轮认证必考知识点：哥德巴赫猜想
CCFCSP-J/S第一轮认证考纲详解
Python韩信点兵思政案例（含优惠码）
Python︱爬取天气预报信息（附视频）
《机器学习》实验指导书（附实验参考+代码）
Python爬虫综合实战│创建云起书院爬虫（附代码）
Python爬虫实战│Email提醒（附代码）
Python深度学习│一文掌握卷积神经网络返回搜狐，查看更多