本书是高等院校人工智能相关专业入门课程的教材，具有实践特色。针对高校学生的发展需
求，本书内容包括：什么是人工智能、AI+ 领域应用、大数据思维、搜索算法、知识表示、机器学习、
深度学习、机器视觉、智能机器人、群体智能、智能制造、自然语言处理、伦理与职业、人工智
能的未来等，较为系统、全面地介绍了人工智能的相关概念、理论与应用。本书结合理论学习，
为各章教学内容设计了相应的实验环节，读者可以依托汇萃人工智能教学实验平台（或其云平台），
扎实地打好人工智能广泛的知识基础。本书既适合高校学生学习，也适合对人工智能相关领域感
兴趣的读者阅读参考。

？

人工智能（ Artificial Intelligence，AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学，它试图了解人类智能的实质，并生产出新的能以人类智能相似的方式做出反应的智能机器。可以想象，未来人工智能带来的科技产品将会是人类智慧的“容器”，人工智能不是人的智能，但能像人那样思考，甚至也可能超过人的智能。
人工智能是一门极富挑战性的科学，包括的知识内容十分广泛。本书内容包括 :什么是人工智能、 AI+领域应用、大数据思维、搜索算法、知识表示、机器学习、深度学习、机器视觉、智能机器人、群体智能、智能制造、自然语言处理、伦理与职业、人工智能的未来等。本书内容生动，强调实践，系统、全面地介绍了人工智能的相关概念与理论，可以帮助读者扎实地打好人工智能的知识与应用基础。
每章在编写时都做了以下安排：
（1）精选的导读案例，以深入浅出的方式，引发读者自主学习的兴趣。
（2）介绍基本概念或解释原理，让读者切实理解和掌握人工智能基本原理及相关应用知识。
（3）提供浅显易懂的案例，注重培养扎实的基本理论基础，重视培养学习方法。
（4）思维与实践并进，为学习者提供了低认知负荷的自我评价作业，让学习者在自我成就中建构人工智能的基本观念与技术。
（5）实验与思考（或课程实践）。依托汇萃人工智能实验平台（专用设备），或者在其云平台的支持下，完成精心设计的实验内容，以带来真切的实践体验。

■课程学习安排
虽然已经进入电子时代，但我们仍然竭力倡导学生课前预习、课后巩固与实验，课中做好笔记，最后完成课程学习和实验总结。课后作业并不难，学生只要认真阅读课文，所有题目都能准确回答，并且在附录中为读者编写了作业参考答案。
本课程的教学进度设计见《教学进度表》，可作为教师授课和学生学习的参考。实际执行时，应按照教学大纲编排教学进度和校历中关于本学期节假日的安排，确定本课程的教学进度。
课程教学进度表
（20？—20？学年第？学期）
课程号：课程名称：人工智能导论学分： 2.5 周学时： 3
总学时： 48 （其中理论学时： 32 实验学时： 16 ）
主讲教师：
校历章节（或实训、习题课等）序号
学时
教学方法课后作业布置周次名称与内容
1 1
第 1章？什么是人工智能
2
2 2
第 2章？AI+领域应用
2
3 3
第 3章？大数据思维
2
4 4
第 4章？搜索算法
2
5 5
第 4章？搜索算法
2
6 6
第 5章？知识表示
2
7 7
第 6章？机器学习
2
作业实验与思考
8 8
第 6章？机器学习
2
导读案例课文
9 9
第 7章？深度学习
2
10 10
第 8章？机器视觉
2
11 11
第 9章？智能机器人
2
12 12
第 10章？群体智能
2
13 13
第 11章？智能制造
2
14 14
第 12章？自然语言处理
2
15 15
第 13章？伦理与职业
2
作业与课程实践
16 16
第 14章？人工智能的未来
2
课程学习与实验总结
填表人（签字）：日期：
系（教研室）主任（签字）：日期：
？

导读案例 .................................................................................001
1.1
？人工智能的定义 ................................................................004

1.2
？人工智能发展历史 ............................................................005

1.2.1
？大师与通用机器 ........................................................... 005

1.2.2
？人工智能学科的诞生 .................................................... 006

1.2.3
？人工智能的发展历程 .................................................... 007

1.2.4
？人工智能的社会必然性 ................................................. 008


1.3
？强人工智能与弱人工智能 ...................................................008

1.4
？图灵测试与新图灵测试 ......................................................009

1.5
？人工智能的研究 ................................................................011

1.5.1
？人工智能的研究领域 .................................................... 011

1.5.2
？在计算机上的实现方法 ................................................. 012


1.6
？人工智能教学实验平台 ......................................................013
作业 .......................................................................................014
实验与思考 ................................................................................15

导读案例 .................................................................................017

2.1
？关于智慧地球 ...................................................................019

2.2
？智慧城市 .........................................................................020

2.2.1
？智慧城市与数字城市 .................................................... 021

2.2.2
？智慧城市与智慧农业 .................................................... 022

2.2.3
？新型基础设施建设 ....................................................... 022


2.3
？智慧交通 .........................................................................023

2.4
？智能家居 .........................................................................023

2.5
？智慧医疗 .........................................................................025

2.5.1
？量化自我，关注个人健康 ............................................. 025

2.5.2
？可穿戴的个人健康设备 ................................................. 026

2.5.3
？智能时代的医疗信息 .................................................... 026


2.6
？智慧教育 .........................................................................027

2.7
？智慧新零售 ......................................................................028
作业 .......................................................................................029
实验与思考 ..............................................................................031


导读案例 .................................................................................035
3.1
？大数据与人工智能 ............................................................038

3.2
？思维变革之一：样本 =总体 ...............................................039

3.2.1
？小数据时代的随机采样 ................................................. 039

3.2.2
？大数据与乔布斯的癌症治疗 .......................................... 040

3.2.3
？全数据模式：样本 =总体 ............................................ 041


3.3
？思维变革之二：接受数据的混杂性 ......................................041

3.3.1
？允许不精确 ................................................................. 042

3.3.2
？大数据优于算法 .......................................................... 042

3.3.3
？纷繁的数据越多越好 .................................................... 042


3.4
？思维变革之三：数据的相关关系 .........................................044

3.4.1
？关联物，预测的关键 .................................................... 044

3.4.2
？“是什么”，而不是 “为什么 ” ........................................ 044

3.4.3
？通过相关关系了解世界 ................................................. 045


作业 .......................................................................................046
实验与思考 ..............................................................................047

导读案例 .................................................................................051
4.1
？关于搜索算法 ...................................................................053

4.2
？盲目搜索 .........................................................................054

4.2.1
？状态空间图 ................................................................. 054

4.2.2
？回溯算法 .................................................................... 056

4.2.3
？贪婪算法 .................................................................... 056

4.2.4
？旅行销售员问题 .......................................................... 057

4.2.5
？深度优先搜索 .............................................................. 057

4.2.6
？广度优先搜索 .............................................................. 057

4.2.7
？迭代加深搜索 .............................................................. 058


4.3
？知情搜索 .........................................................................058

4.3.1
？启发法 ........................................................................ 059

4.3.2
？爬山法 ........................................................................ 059

4.3.3
？最陡爬坡法 ................................................................. 060

4.3.4
？最佳优先搜索 .............................................................. 060

4.3.5
？分支定界法 ——找到最佳解 .......................................... 061

4.3.6
？A* 算法 ...................................................................... 063


4.4
？受到自然启发的搜索 .........................................................063

4.4.1
？遗传规划 .................................................................... 063

4.4.2
？蚂蚁聚居地优化 .......................................................... 063

4.4.3
？模拟退火 .................................................................... 064

4.4.4
？粒子群 ....................................................................... 065

4.4.5
？禁忌搜索 .................................................................... 065



作业 .......................................................................................065
实验与思考 ..............................................................................066

导读案例 .................................................................................071
5.1
？什么是知识表示 ................................................................073

5.1.1
？知识的概念 ................................................................. 073

5.1.2
？知识表示方法 .............................................................. 074

5.1.3
？知识表示的过程 .......................................................... 075

5.1.4
？表示方法的选择 .......................................................... 075


5.2
？搜索树（决策树） ..............................................................077

5.3
？产生式系统 ......................................................................078

5.4
？面向对象 .........................................................................078

5.5
？框架法 ............................................................................079

5.6
？图形草图和哥尼斯堡桥问题 ................................................081

5.7
？语义网络 .........................................................................082

5.7.1
？语义网络表示 .............................................................. 082

5.7.2
？知识图谱 .................................................................... 083


作业 .......................................................................................084
实验与思考 ..............................................................................085

导读案例 .................................................................................089
6.1
？什么是机器学习 ................................................................090

6.1.1
？机器学习的发展 ........................................................... 091

6.1.2
？机器学习的定义 ........................................................... 092


6.2
？机器学习的学习类型 .........................................................094

6.2.1
？监督学习 .................................................................... 094

6.2.2
？无监督学习 ................................................................. 095

6.2.3
？强化学习 .................................................................... 095


6.3
？机器学习的算法 ................................................................095

6.3.1？回归算法 .................................................................... 096

6.3.2
？基于实例的算法 .......................................................... 096

6.3.3
？决策树算法 ................................................................. 096

6.3.4
？贝叶斯算法 ................................................................. 097

6.3.5
？聚类算法 .................................................................... 097

6.3.6
？神经网络算法 .............................................................. 097

6.4
？机器学习基本结构 ............................................................097

6.5
？机器学习分类方法 ............................................................098

6.5.1
？基于学习策略的分类 .................................................... 098

6.5.2
？基于所获取知识的表示形式分类 ................................... 099

6.5.3
？按应用领域分类 .......................................................... 100

6.5.4
？综合分类 .................................................................... 100


6.6
？机器学习应用 ...................................................................101

6.6.1
？应用于物联网 .............................................................. 101

6.6.2
？应用于聊天机器人 ....................................................... 101

6.6.3
？应用于自动驾驶 ........................................................... 102


作业 .......................................................................................102
实验与思考 ..............................................................................103

导读案例 .................................................................................107
7.1
？神经网络 .........................................................................108

7.1.1
？人脑神经的研究 ........................................................... 109

7.1.2
？人工神经网络的研究 .................................................... 109

7.1.3
？神经网络理解图片 ....................................................... 110


7.2
？深度学习 .........................................................................112

7.2.1
？深度学习的意义 ........................................................... 112

7.2.2
？深度学习的概念 .......................................................... 116

7.2.3
？深度学习的核心思路 .................................................... 116

7.2.4
？深度学习的实现 .......................................................... 116

7.2.5
？机器学习和深度学习 .................................................... 118


7.3
？TensorFlow深度学习 .......................................................120

7.3.1
？工作原理 .................................................................... 121

7.3.2
？可视化工具 ................................................................. 122

7.3.3
？系统部署 .................................................................... 122

7.3.4
？安全性 ........................................................................ 122


作业 .......................................................................................122
实验与思考 ..............................................................................123

导读案例 .................................................................................129
8.1
？模式识别 .........................................................................131

8.2
？图像识别 .........................................................................132

8.2.1
？人类图像识别能力 ....................................................... 132

8.2.2
？图像识别基础 .............................................................. 132

8.2.3
？图像识别模型 .............................................................. 133

8.2.4
？图像识别的发展 .......................................................... 133


8.3
？计算机视觉与机器视觉 ......................................................134

8.3.1
？计算机视觉的定义 ....................................................... 134

8.3.2
？机器视觉的定义 .......................................................... 135

8.3.3
？计算机视觉与机器视觉的区别 ....................................... 136

8.3.4
？神经网络图像识别 ....................................................... 137


8.4
？图像识别技术的应用 .........................................................137

8.4.1
？机器视觉的行业应用 .................................................... 137

8.4.2
？汽车车身检测系统 ....................................................... 138

8.4.3
？智能交通管理系统 ....................................................... 138

8.4.4
？布匹质量检测 .............................................................. 139


8.5
？智能图像处理技术 ............................................................140

8.5.1
？图像采集 .................................................................... 140

8.5.2
？图像预处理 ................................................................. 140

8.5.3
？图像分割 .................................................................... 141

8.5.4
？目标识别和分类 .......................................................... 141

8.5.5
？目标定位和测量 .......................................................... 141

8.5.6
？目标检测和跟踪 .......................................................... 141


作业 .......................................................................................141
实验与思考 ..............................................................................143

导读案例 .................................................................................151
9.1
？划时代的计划 ...................................................................154

9.1.1
？机器人足球赛 .............................................................. 155

9.1.2
？阿波罗计划 ................................................................. 156

9.1.3
？新的标准问题 .............................................................. 157


9.2
？机器人的概念 ...................................................................157

9.2.1
？机器人的发展 .............................................................. 158

9.2.2
？机器人定义与 “三原则” ............................................... 159



9.2.3？机器人的分类 .............................................................. 159
9.3
？机器人的技术问题 ............................................................160

9.3.1
？机器人的组成 .............................................................. 160

9.3.2
？机器人的运动 .............................................................. 162

9.3.3
？机器人大狗 ................................................................. 163


9.4
？ARL机器人编程语言 .........................................................163
作业 .......................................................................................164
实验与思考 ..............................................................................165


导读案例 .................................................................................171
10.1
？从蜜蜂身上学习群体智能 .................................................174

10.2
？什么是群体智能 ..............................................................176

10.2.1
？群集人工智能技术 ..................................................... 176

10.2.2
？基本原则与特点 ......................................................... 177


10.3
？典型算法模型 .................................................................178

10.3.1
？蚁群算法 ................................................................... 178

10.3.2
？搜索机器人 ............................................................... 180

10.3.3
？微粒群（鸟群）优化算法 ............................................ 180

10.3.4
？没有机器人的集群 ..................................................... 182


10.4
？群体智能背后的故事 ......................................................182

10.5
？群体智能的发展 ..............................................................184
作业 .......................................................................................185
实验与思考 ..............................................................................186


导读案例 .................................................................................189
11.1
？什么是智能制造 ..............................................................191

11.1.1
？智能制造的定义 ......................................................... 191

11.1.2
？分布式数字控制 ......................................................... 192

11.1.3
？多智能体系统 ............................................................ 193

11.1.4
？整子系统 ................................................................... 193


11.2
？机器感知 .......................................................................193

11.2.1
？机器智能与智能机器 .................................................. 194

11.2.2
？机器思维与思维机器 .................................................. 194

11.2.3
？机器行为与行为机器 .................................................. 194



11.3
？智能制造技术 .................................................................195

11.4
？测控装置 ........................................................................196

11.5
？运作过程 .......................................................................197

11.6
？工业互联网概念 ..............................................................198

11.6.1
？工业互联网的定义 ...................................................... 198

11.6.2
？工业互联网的内容 ...................................................... 199


11.7
？制造业的转型升级 ...........................................................200

11.7.1
？工业互联网和传统互联网 ............................................ 200

11.7.2
？工业互联网的标识解析体系 ........................................ 201

11.7.3
？我国工业互联网的发展 ............................................... 202


作业 .......................................................................................203
实验与思考 ..............................................................................204

导读案例 .................................................................................215
12.1
？自然语言处理概述 ...........................................................217

12.1.1
？语言的问题和可能性 .................................................. 218

12.1.2
？什么是自然语言处理 .................................................. 218

12.1.3
？自然语言处理的历史 .................................................. 220


12.2
？语法类型与语义分析 .......................................................221

12.2.1
？语法类型 ................................................................... 222

12.2.2
？语义分析和扩展语法 .................................................. 222

12.2.3
？IBM的机器翻译 Candide系统 .................................... 222


12.3
？处理数据与处理工具 .......................................................223

12.3.1
？统计 NLP语言数据集 ................................................. 223

12.3.2
？自然语言处理工具 ..................................................... 223

12.3.3
？自然语言处理技术难点 ............................................... 223


12.4
？语音处理 .......................................................................224

12.4.1
？语音处理的发展 ......................................................... 224

12.4.2
？语音理解 .................................................................. 225

12.4.3
？语音识别 .................................................................. 225


作业 .......................................................................................226
实验与思考 ..............................................................................227

导读案例 .................................................................................233

13.1
？人工智能面临的伦理挑战 .................................................237

13.1.1
？“人”的定义 .............................................................. 237

13.1.2
？人工智能与人类的关系 ............................................... 237

13.1.3
？人与智能机器的沟通 .................................................. 238

13.1.4
？相关的伦理概念 ......................................................... 239


13.2
？人工智能的伦理原则 .......................................................240

13.2.1
？微软的六大伦理原则 .................................................. 241

13.2.2
？百度的四大伦理原则 .................................................. 242

13.2.3
？欧盟的可信赖的伦理准则 ............................................ 243

13.2.4
？AI创新发展道德伦理宣言 ........................................... 244


13.3
？算法歧视 .......................................................................246

13.4
？人工智能的法律问题 ........................................................249

13.5
？人工智能的隐私保护 .......................................................251

13.6
？人工智能时代需要的人才 .................................................252

13.6.1
？人工智能对就业的影响 ............................................... 252

13.6.2
？新创造的核心工作岗位 ............................................... 252


作业 .......................................................................................254
实验与思考 ..............................................................................255

导读案例 .................................................................................265
14.1
？创新驱动与社会发展 .......................................................268

14.1.1
？人工智能发展的启示 .................................................. 269

14.1.2
？人工智能生态系统 ..................................................... 270


14.2
？人工智能发展的影响 .......................................................270

14.2.1
？专用人工智能取得重要突破 ........................................ 270

14.2.2
？通用人工智能处于起步阶段 ........................................ 271

14.2.3
？人工智能创新创业如火如荼 ........................................ 271

14.2.4
？人工智能成为国家发展战略 ........................................ 271

14.2.5
？人工智能社会影响日益凸显 ........................................ 272


14.3
？人工智能技术的发展预测 .................................................272

14.3.1
？生物技术和医疗保健 .................................................. 273

14.3.2
？工作型机器人 ............................................................ 273

14.3.3
？电子游戏的智能水平 .................................................. 274

14.3.4
？电子耳蜗与义肢 ......................................................... 275

14.3.5
？迅速发展的脑机接口 .................................................. 275
？

周才健，美国马里兰大学电子工程博士，约翰霍普金斯大学MBA。曾就职于多家知名跨国企业。回国后创业，曾担任浙江正元智慧科技股份有限公司（股票代码 300645）董事、副总兼CTO，浙江工商大学特聘教授；现任杭州电子科技大学企业博导，杭州汇萃智能科技有限公司董事长，浙江省海外高层次人才联谊会人工智能分会副会长，杭州市侨联特聘专家委员会电子信息与人工智能专委会主任，深圳市人工智能产业协会专家委员会机器视觉首席科学家。

王硕苹，女，教授，浙江大学城市学院计算机系、软件工程系主任。浙江省科技创新团队成员，海南省信息化专家咨询委员会专家委员，中国计算机学院会员，浙江省人工智能学会会员，美国阿拉巴马大学计算机系“移动与无线互联网”实验室访学学者。浙江大学硕士生导师、常州大学硕士生导师、安徽理工大学硕士生导师。长期从事一线教学科研工作，跟踪计算机应用技术发展前沿，近年来主要研究领域为移动互联网应用、车联网与智能交通、大数据分析、智能决策支持系统等。近年主持省部级项目2项，主持重大横向项目和政产学研项目多项，负责科研经费600余万元。以第一作者或通讯作者发表高等级国际期刊和会议论文20余篇。拥有专利和软件著作权多项。主编《大数据技术与应用》和《创新思维与方法》、《大数据时代管理信息系统》等教材。

周苏，1982年华东水利学院计算机应用专业本科毕业，1986年由水电部研究所调入杭州大学计算机系任教，1991年破格晋升副教授，1999年调入浙江大学城市学院计算机系任教，2005年晋升教授。在杭州大学、浙江大学、浙江大学城市学院、浙江工业大学之江学院、温州大学城市学院、嘉兴学院南湖学院、温州职业技术学院等多所院校专/兼职任教，教学经验丰富。 长期从事计算机等专业教学工作，担任计算机基础、计算机导论、软件工程、软件测试技术、软件体系结构、电子商务概论、移动商务、多媒体技术、项目管理、管理信息系统、应用统计学、C语言程序设计、面向对象程序设计、网络传播技术、网络生态学、人机交互技术、艺术设计概论、艺术欣赏概论、计算机平面设计、信息管理与信息系统概论、信息资源管理、办公软件高级应用、IT应用文写作等课程的教学，对计算机学科教学以及应用型院校教学有深刻理解。

？

（1）精选的导读案例，以深入浅出的方式，引发读者自主学习的兴趣。
（2）介绍基本概念或解释原理，让读者切实理解和掌握人工智能基本原理及相关应用知识。
（3）提供浅显易懂的案例，注重培养扎实的基本理论基础，重视培养学习方法。
（4）思维与实践并进，为学习者提供了低认知负荷的自我评价作业，让学习者在自我成就中建构人工智能的基本观念与技术。
（5）实验与思考（或课程实践）。依托汇萃人工智能实验平台（专用设备），或者在其云平台的支持下，完成精心设计的实验内容，以带来真切的实践体验。
？