出版說(shuō)明
前言
二維碼資源清單
學(xué)習(xí)情境1 讓機(jī)器走進(jìn)您的世界—人工智能概述1
情境導(dǎo)入1
情境目標(biāo)2
知識(shí)鏈接2
1.1 人工智能簡(jiǎn)史2
1.1.1 全球人工智能發(fā)展史2
1.1.2 我國(guó)人工智能發(fā)展史3
1.2 人工智能的產(chǎn)生7
1.3 人工智能的發(fā)展8
1.3.1 計(jì)算機(jī)時(shí)代9
1.3.2 人工智能的開(kāi)端9
1.3.3 人工智能程序積累階段10
1.3.4 超越人類的臨界點(diǎn)11
1.4 人工智能的主流學(xué)派13
1.4.1 符號(hào)學(xué)派：物理符號(hào)系統(tǒng)假說(shuō)13
1.4.2 連接學(xué)派14
1.4.3 行為學(xué)派15
1.4.4 三大學(xué)派的比較16
1.5 人工智能的定義17
1.6 人工智能的五個(gè)感官18
1.7 人工智能的分類19
1.7.1 按發(fā)展階段分19
1.7.2 按應(yīng)用領(lǐng)域分19
1.7.3 按智能化強(qiáng)弱程度分21
1.8 人工智能對(duì)人類的影響23
情境操作25
1.9 案例欣賞25
1.9.1 案例1 生物表情自動(dòng)評(píng)價(jià)：再?zèng)]有“水軍”濫竽充數(shù)25
1.9.2 案例2 老人身邊的醫(yī)生：人工智能對(duì)生命的關(guān)懷26
情境小結(jié)26
課后習(xí)題27
學(xué)習(xí)情境2 讓機(jī)器具有知識(shí)—知識(shí)表示技術(shù)29
情境導(dǎo)入29
情境目標(biāo)29
知識(shí)鏈接30
2.1 知識(shí)的概述30
2.1.1 知識(shí)、信息和數(shù)據(jù)31
2.1.2 知識(shí)的特性32
2.1.3 知識(shí)的分類33
2.1.4 知識(shí)表示33
2.2 知識(shí)的表示方法34
2.2.1 邏輯表示法34
2.2.2 語(yǔ)義網(wǎng)絡(luò)表示法43
2.2.3 框架表示法48
2.2.4 產(chǎn)生式表示法49
2.2.5 狀態(tài)空間表示法52
2.2.6 問(wèn)題歸約法53
2.2.7 面向?qū)ο蟊硎痉?7
2.2.8 模糊邏輯表示法60
情境操作65
2.3 任務(wù)實(shí)施65
2.3.1 任務(wù)1 動(dòng)物識(shí)別的產(chǎn)生式知識(shí)表示65
2.3.2 任務(wù)2 傳教士和野人過(guò)河問(wèn)題的狀態(tài)空間知識(shí)表示71
2.3.3 任務(wù)3 擺放家具的面向?qū)ο笾�識(shí)表示75
2.3.4 任務(wù)4 自動(dòng)控制系統(tǒng)的模糊知識(shí)表示80
情境小結(jié)83
課后習(xí)題83
學(xué)習(xí)情境3 讓機(jī)器使用知識(shí)—搜索與推理85
情境導(dǎo)入85
情境目標(biāo)85
知識(shí)鏈接86
3.1 搜索和推理概述86
3.1.1 搜索86
3.1.2 推理89
3.2 狀態(tài)空間的搜索策略93
3.2.1 狀態(tài)空間搜索的基本思想93
3.2.2 圖搜索的一般過(guò)程94
3.3 狀態(tài)空間的盲目搜索95
3.3.1 廣度優(yōu)先搜索95
3.3.2 深度優(yōu)先搜索97
3.3.3 代價(jià)樹(shù)搜索100
3.4 狀態(tài)空間的啟發(fā)式搜索102
3.4.1 啟發(fā)性信息和估價(jià)函數(shù)102
3.4.2 A算法103
3.5 遺傳算法搜索105
3.5.1 遺傳算法的結(jié)構(gòu)105
3.5.2 遺傳算法的基本原理107
3.5.3 遺傳算法的性能108
3.6 基于規(guī)則的演繹推理108
3.7 產(chǎn)生式推理109
3.8 不確定性推理112
3.8.1 概率推理112
3.8.2 模糊推理112
情境操作114
3.9 任務(wù)實(shí)施114
3.9.1 任務(wù)1 過(guò)河問(wèn)題的狀態(tài)空間深度優(yōu)先搜索應(yīng)用114
3.9.2 任務(wù)2 八數(shù)碼問(wèn)題的啟發(fā)式搜索應(yīng)用118
3.9.3 任務(wù)3 函數(shù)最大值的遺傳算法搜索應(yīng)用127
3.9.4 任務(wù)4 動(dòng)物識(shí)別的產(chǎn)生式推理應(yīng)用134
3.9.5 任務(wù)5 自動(dòng)控制系統(tǒng)的模糊推理應(yīng)用138
情境小結(jié)141
課后習(xí)題142
學(xué)習(xí)情境4 讓機(jī)器習(xí)得知識(shí)—機(jī)器學(xué)習(xí)144
情境導(dǎo)入144
情境目標(biāo)144
知識(shí)鏈接145
4.1 習(xí)得技術(shù)概述145
4.2 學(xué)習(xí)相關(guān)的基本概念146
4.2.1 標(biāo)簽146
4.2.2 特征146
4.2.3 模型147
4.2.4 回歸與分類147
4.2.5 聚類148
4.3 機(jī)器學(xué)習(xí)的定義149
4.4 機(jī)器學(xué)習(xí)的過(guò)程150
4.5 機(jī)器學(xué)習(xí)的分類151
4.6 機(jī)器學(xué)習(xí)的方法152
4.6.1 有監(jiān)督學(xué)習(xí)152
4.6.2 無(wú)監(jiān)督學(xué)習(xí)153
4.6.3 半監(jiān)督學(xué)習(xí)154
4.6.4 強(qiáng)化學(xué)習(xí)155
4.6.5 遷移學(xué)習(xí)156
4.7 機(jī)器學(xué)習(xí)的模型158
4.7.1 線性模型158
4.7.2 核模型170
4.7.3 層級(jí)模型172
4.8 深度學(xué)習(xí)175
4.8.1 深度學(xué)習(xí)概述175
4.8.2 深度學(xué)習(xí)的模型—神經(jīng)網(wǎng)絡(luò)177
4.8.3 常用的深度學(xué)習(xí)框架188
情境操作190
4.9 任務(wù)實(shí)施190
4.9.1 任務(wù)1 自搭建線性模型解決分類問(wèn)題190
4.9.2 任務(wù)2 運(yùn)用TensorFlow框架解決分類問(wèn)題193
4.9.3 任務(wù)3 運(yùn)用層次模型解決招聘程序員薪資預(yù)測(cè)問(wèn)題196
4.9.4 任務(wù)4 運(yùn)用卷積運(yùn)算提取圖像特征200
4.9.5 任務(wù)5 運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)CNN識(shí)別圖像204
情境小結(jié)214
課后習(xí)題214
學(xué)習(xí)情境5 讓機(jī)器成為“社會(huì)人”—德才兼?zhèn)?16
情境導(dǎo)入216
情境目標(biāo)217
知識(shí)鏈接217
5.1 人工智能的自然辯證法217
5.1.1 自然辯證法218
5.1.2 人類改造世界的工具219
5.1.3 人工智能的本質(zhì)220
5.1.4 人工智能的“工具”特殊性221
5.2 人工智能的社會(huì)約束222
5.2.1 人工智能社會(huì)223
5.2.2 人工智能的社會(huì)屬性224
5.2.3 人工智能社會(huì)的特點(diǎn)224
5.2.4 人與人工智能的社會(huì)關(guān)系225
5.2.5 人工智能社會(huì)的問(wèn)題226
5.2.6 人工智能的倫理規(guī)范構(gòu)建229
5.2.7 人工智能的法律規(guī)范構(gòu)建231
情境操作234
5.3 任務(wù)實(shí)施234
5.3.1 任務(wù)1 快速搭建簡(jiǎn)單的陪伴機(jī)器人234
5.3.2 任務(wù)2 陪伴機(jī)器人的倫理案例分析240
情境小結(jié)242
課后習(xí)題242
參考文獻(xiàn)246