人工智能（artificial intelligence，AI）是计算机科学与技术的一个重要分支与应用。人工智能当前主要的研究与开发方向是模拟、延伸与扩展人类智能的理论、方法、技术及应用系统，涉及的技术包括思考的工具、人工智能定义、模糊逻辑与大数据思维、机器学习、神经网络与深度学习、大数据挖掘、智能代理、群体智能、机器视觉、智能图像处理、包容体系结构与智能机器人、自动规划、自然语言处理和人工智能的发展等方面。本书是针对各级各类学校学生的发展需要，为职业教育相关各专业“人工智能基础”课程、通识课程而全新设计编写，是具有丰富知识性与应用特色的教材。

本书知识内容较系统和全面，可以帮助读者扎实地打好人工智能的知识基础。本书内容特色鲜明、内容易读易学，既适合职业院校的学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。

作为计算机科学与技术的一个重要的研究与应用分支，人工智能
（artificial intelligence，AI）的发展几经起落，终于迎来了蓬勃发展、
硕果累累的大好局面。毫无疑问，一如当年的计算机，之后的网络，
接着的因特网、物联网、云计算与大数据。今天，人工智能与这些主
题一样，是每个学生甚至社会人所必须关注、学习和重视的知识。
人工智能是研究、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，该领域
的研究包括基础概念、人工智能定义、模糊逻辑与大数据思维、机器
学习、神经网络与深度学习、大数据挖掘、智能代理、群体智能、机
器视觉、智能图像处理、包容体系结构与智能机器人、自动规划、自
然语言处理和人工智能的发展等。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。
本书结构新颖、内容生动，较为系统、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。
本书内容共分14 课，每课都提供了课后作业和研究性学习环节。本书
最后的附录给出了各课作业的参考答案。
每课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，引发读者的自主学习
兴趣。
（2）解释基本原理，让读者切实理解和掌握人工智能相关知识与
应用。
（3）浅显易懂的案例，注重培养扎实的基本理论知识，重视培养
学习方法。
（4）思维与实践并进，为读者提供自我评量的作业，让学习者自
我构建人工智能的基本观念与相关技术。
（5）研究性学习（或课程实践）。依托互联网环境完成精心设计
的研究性小组活动或课程实践活动，以带来真切的实践体验。
■ 课程进度安排
本课程的教学进度设计见“课程教学进度表”，供教师授课和学
生学习参考。
■ 建议测评手段
本课程的教学测评可以从以下几个方面入手，即：
（1）每课课前的【导读案例】（14 项）；
（2）结合每课的课后作业（四选一标准选择题，14 组）；
（3）结合每课的课后【研究性学习】（13 项）；
（4）【课程学习与实训总结】（大作业，第14 课）。
（5）平时学习考勤记录；
（6）任课老师认为必要的其他测评方法。
最后，综合上述得分折算为本课程百分制成绩。
本书特色鲜明、易读易学，适合应用型高校与职业院校相关专业的
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。
本书的编写得到了嘉兴技师学院、温州商学院、广州慧谷动力科技
有限公司、嘉兴市木星机器人科技有限公司、江苏汇博机器人技术股份
有限公司、天津汇博智联机器人技术有限公司、嘉兴市莱沃机器人科技
有限公司、浙江纺织服装职业技术学院、广州市工贸技师学院、浙江科
博达工业有限公司、杭州汇萃智能科技有限公司等多所院校师生和公司
的支持，在此一并表示感谢！本书由周斌斌、周苏任主编，蓝忠华、林
志灿任副主编，郭铠能、倪晨玮、沈金强、刘婷、胡勇杰、麦家明、原
瑞彬、周盼盼、吴炘翌、崔海、章安福、杨晓斐、徐建辉、王绅宇、王
文等参与了本书的部分编写工作。
欢迎教师索取为本书配套的教学资料并与编者交流。编者邮箱：
zhousu@qq.com，QQ ：81505050。
周？苏？？？
2021 年9 月于嘉兴南湖

课程教学进度表
（20？—20？学年第学期）
课程号： 课程名称： 人工智能基础与应用 学分：2 周学时：2
总学时： 32
主讲教师：
序号
校历
周次
章节（或实训、习题课等）
名称与内容
学时教学方法课后作业布置
1 1 引言
导读案例
课文
作业
研究性学习
2 1 第1 课 思考的工具2
3 2 第2 课 人工智能定义2
4 3 第3 课 模糊逻辑与大数据思维2
5 4 第4 课 机器学习2
6 5 第5 课 神经网络与深度学习2
7 6 第6 课 大数据挖掘2
8 7 第7 课 智能代理2
9 8 第8 课 群体智能2
10 9 第9 课 机器视觉2
11 10 第9 课 机器视觉2
12 11 第10 课 智能图像处理2
13 12 第11 课 包容体系结构与智能机器人2
14 13 第12 课 自动规划2
15 14 第13 课 自然语言处理2
16 15 第14 课 人工智能的发展2
17 16 第14 课 人工智能的发展2 课程学习总结
填表人（签字）： 日期：
系（教研室）主任（签字）： 日期：

第1 课 思考的工具 .............................................................................. 1
1.1计算的渊源 ......................................................................... 3
1.1.1巨石阵 ............................................................................ 4
1.1.2安提基特拉机械 .............................................................. 4
1.1.3皮格玛利翁 ..................................................................... 5
1.1.4阿拉伯数字 ..................................................................... 5
1.2巴贝奇与数学机器 ............................................................... 6
1.2.1差分机 ............................................................................ 6
1.2.2分析机 ............................................................................ 7
1.2.3“机器人”的由来 ............................................................. 8
1.3计算机的出现 ...................................................................... 8
1.3.1为战争而发展的计算机器 ................................................. 8
1.3.2计算机无处不在 .............................................................. 9
1.3.3通用计算机 ..................................................................... 9
1.3.4计算机语言 ................................................................... 10
1.3.5建模 ............................................................................. 10
1.4人工智能大师 .....................................................................12
第2 课 人工智能定义 ......................................................................... 16
2.1人工智能概述 .....................................................................20
2.1.1“人工”与“智能” ......................................................... 20
2.1.2人工智能定义 ................................................................ 20
2.1.3图灵测试 ...................................................................... 21
2.1.4人工智能的实现途径 ...................................................... 22
2.2人工智能发展历史 ..............................................................23
2.2.1从人工神经元开始 ......................................................... 23
2.2.2人工智能发展的6 个阶段 ............................................... 26
2.3人工智能的研究 ..................................................................28
2.3.1人工智能的研究领域 ...................................................... 28
2.3.2超越图灵测试——家庭健康护理 ..................................... 30
第3 课 模糊逻辑与大数据思维 .......................................................... 34
3.1什么是模糊逻辑 ..................................................................36
3.1.1甲虫机器人规则 ............................................................. 37
3.1.2模糊逻辑的发明 ............................................................ 37
3.1.3模糊逻辑的定义 ............................................................ 38
3.1.4模糊逻辑的规则 ............................................................ 39
3.1.5模糊理论的发展 ............................................................ 40
3.2大数据与人工智能 ..............................................................41
3.3大数据思维之一：样本= 总体 .............................................42
3.4大数据思维之二：接受数据混杂性 ........................................43
3.5大数据思维之三：数据相关关系 ...........................................43
第4 课 机器学习 ................................................................................ 48
4.1机器学习的发展与定义 ........................................................50
4.1.1机器学习的发展 ............................................................. 51
4.1.2机器学习的定义 ............................................................ 52
4.2机器学习的学习类型 ...........................................................53
4.2.1监督学习 ...................................................................... 53
4.2.2无监督学习 ................................................................... 54
4.2.3强化学习 ...................................................................... 54
4.3专注于学习能力 ..................................................................54
4.3.1算法的特征与要素 ......................................................... 54
4.3.2算法的评定 ................................................................... 55
4.4机器学习的算法 ..................................................................55
4.4.1回归算法 ...................................................................... 56
4.4.2基于实例的算法 ............................................................ 56
4.4.3决策树算法 ................................................................... 56
4.4.4贝叶斯算法 ................................................................... 56
4.4.5聚类算法 ...................................................................... 57
4.4.6神经网络算法 ................................................................ 57
4.5机器学习的基本结构 ...........................................................57
4.6机器学习的应用 ..................................................................59
4.6.1应用于物联网 ................................................................ 59
4.6.2应用于聊天机器人 ......................................................... 59
4.6.3应用于自动驾驶 ............................................................. 60
第5 课 神经网络与深度学习 .............................................................. 63
5.1动物的中枢神经系统 ...........................................................66
5.2了解人工神经网络 ..............................................................68
5.2.1人工神经网络的研究 ...................................................... 68
5.2.2典型的人工神经网络 ...................................................... 69
5.2.3类脑计算机 ................................................................... 69
5.2.4神经网络理解图片 ......................................................... 70
5.2.5训练神经网络 ................................................................ 72
5.3基于神经网络的深度学习 .....................................................72
5.3.1深度学习的意义............................................................. 72
5.3.2深度学习的方法 ............................................................ 73
5.3.3深度的概念 ................................................................... 77
5.3.4深度学习的实现 ............................................................ 77
5.4机器学习与深度学习 ...........................................................79
第6 课 大数据挖掘 ............................................................................ 84
6.1从数据到知识 .....................................................................88
6.1.1决策树分析 ................................................................... 88
6.1.2购物车分析 ................................................................... 89
6.1.3贝叶斯网络 ................................................................... 90
6.2数据挖掘 ...........................................................................90
6.2.1数据挖掘的步骤 ............................................................ 91
6.2.2数据挖掘分析方法 ......................................................... 92
6.3数据挖掘经典算法 ..............................................................93
6.3.1神经网络法 ................................................................... 93
6.3.2决策树法 ...................................................................... 94
6.3.3遗传算法 ...................................................................... 94
6.3.4粗糙集法 ...................................................................... 94
6.3.5模糊集法 ...................................................................... 95
6.3.6关联规则法 ................................................................... 95
6.4机器学习与数据挖掘 ...........................................................95
6.4.1典型的数据挖掘和机器学习过程...................................... 96
6.4.2机器学习与数据挖掘应用案例 ......................................... 97
第7 课 智能代理 .............................................................................. 102
7.1智能代理的定义 ................................................................107
7.2智能代理的特征 ................................................................108
7.3系统内的协同合作 ............................................................109
7.4智能代理的典型应用场景 ................................................... 111
7.4.1股票/ 债券/ 期货交易 .................................................. 111
7.4.2实体机器人 ................................................................. 112
7.4.3计算机游戏 ................................................................. 113
7.4.4医疗诊断 .................................................................... 113
7.4.5搜索引擎 .................................................................... 113
7.5与外部环境相关的重要术语 ................................................ 114
第8 课 群体智能 .............................................................................. 118
8.1从蜜蜂身上学习群体智能 ................................................... 121
8.2什么是群体智能 ................................................................123
8.2.1群体人工智能技术 ....................................................... 123
8.2.2基本原则与特点 .......................................................... 124
8.3典型算法模型 ...................................................................125
8.3.1蚁群算法 .................................................................... 125
8.3.2搜索机器人 ................................................................. 127
8.3.3微粒群（鸟群）优化算法 ............................................. 128
8.3.4没有机器人的集群 ....................................................... 130
8.4 群体智能背后的故事 .........................................................130
8.5群体智能的发展 ................................................................132
第9 课 机器视觉 .............................................................................. 135
9.1机器视觉概述 ...................................................................139
9.1.1机器视觉的概念 .......................................................... 140
9.1.2机器视觉的发展 .......................................................... 140
9.2机器视觉工作原理 ............................................................141
9.2.1照明 ........................................................................... 142
9.2.2镜头 ........................................................................... 143
9.2.3高速照相机 ................................................................. 143
9.2.4图像采集卡 ................................................................. 144
9.3光源选择 .........................................................................144
9.4机器视觉的行业应用 .........................................................145
9.4.1半导体及电子行业 ....................................................... 145
9.4.2汽车车身检测系统 ....................................................... 146
9.4.3质量检测系统 .............................................................. 147
第10 课 智能图像处理 ....................................................................... 150
10.1模式识别 .......................................................................153
10.2图像识别 .......................................................................154
10.2.1图像识别的基础 ......................................................... 154
10.2.2图形识别的模型 ......................................................... 155
10.2.3图像识别的发展 ......................................................... 156
10.2.4模式识别与图像识别 .................................................. 157
10.3图像处理技术 .................................................................157
10.3.1图像再认 ................................................................... 157
10.3.2图像采集 .................................................................. 158
10.3.3图像预处理 ............................................................... 158
10.3.4图像分割................................................................... 158
10.3.5目标识别和分类 ......................................................... 159
10.3.6目标定位和测量 ......................................................... 159
10.3.7目标检测和跟踪 ......................................................... 159
10.4计算机视觉 ....................................................................159
10.4.1计算机视觉的定义 ..................................................... 160
10.4.2计算机视觉的研究 ..................................................... 161
10.4.3计算机视觉与图像识别 ............................................... 161
10.4.4神经网络的图像识别技术 ............................................ 162
10.5图像识别技术的应用 .......................................................162
10.5.1热成像 ...................................................................... 163
10.5.2传感器 ...................................................................... 163
10.5.3医学影像 .................................................................. 164
10.5.4激光雷达/ 雷达 ......................................................... 164
10.5.5大数据分析 ............................................................... 164
第11 课 包容体系结构与智能机器人 ................................................. 167
11.1包容体系结构的建立 ........................................................170
11.1.1所谓“中文房间” ....................................................... 170
11.1.2建立包容体系结构 ..................................................... 171
11.2包容体系结构的实现........................................................172
11.2.1艾伦机器人 ............................................................... 172
11.2.2赫伯特机器人 ............................................................ 172
11.2.3托托机器人 ............................................................... 173
11.3划时代的阿波罗计划 ........................................................174
11.4机器感知 .......................................................................176
11.4.1机器智能与智能机器 .................................................. 176
11.4.2机器思维与思维机器 .................................................. 177
11.4.3机器行为与行为机器 .................................................. 177
11.5机器人的概念 .................................................................177
11.5.1机器人的发展 ............................................................ 177
11.5.2机器人“三定律” ....................................................... 178
11.6机器人的技术问题 ...........................................................179
11.6.1机器人的组成 ............................................................ 179
11.6.2机器人的运动 ............................................................ 181
11.6.3机器人大狗 ............................................................... 182
第12 课 自动规划 .............................................................................. 185
12.1自动规划的概念 ..............................................................188
12.1.1规划的概念分析 ......................................................... 188
12.1.2自动规划的定义 ......................................................... 189
12.2规划应用示例 .................................................................190
12.3规划方法 .......................................................................192
12.3.1规划即搜索 ............................................................... 192
12.3.2部分有序规划 ............................................................ 194
12.3.3分级规划 .................................................................. 195
12.3.4基于案例的规划 ......................................................... 195
12.4著名的规划系统 ..............................................................196
12.4.1O-PLAN .................................................................... 196
12.4.2Graphplan ................................................................ 197
第13 课 自然语言处理 ....................................................................... 200
13.1语言的问题和可能性 ........................................................203
13.2自然语言处理 .................................................................204
13.3语法类型与语义分析 .......................................................206
13.3.1语法类型 ................................................................... 206
13.3.2语义分析和扩展语法 .................................................. 207
13.3.3IBM 的机器翻译Candide 系统 .................................... 208
13.4处理数据与处理工具 .......................................................208
13.4.1统计NLP 语言数据集 ................................................. 208
13.4.2自然语言处理工具 ..................................................... 208
13.4.3自然语言处理技术难点 ............................................... 209
13.5语言处理的概念 ..............................................................209
13.5.1语音处理的发展 ......................................................... 210
13.5.2语音理解 .................................................................. 210
13.5.3语音识别 .................................................................. 211
第14 课 人工智能的发展 ................................................................... 214
14.1机器能思考吗 .................................................................217
14.1.1强人工智能的发展 ...................................................... 217
14.1.2脑机接口技术 ............................................................ 218
14.1.3人工智能工程化与超级自动化 ..................................... 219
14.1.4机器学习操作MLOps ................................................. 219
14.1.5大模型和知识计算 ..................................................... 220
14.1.6多模态融合 ............................................................... 221
14.1.7电子游戏的智能水平 .................................................. 221
14.2可信与安全 ....................................................................222
14.2.1安全问题不容忽视 ..................................................... 222
14.2.2可信AI ..................................................................... 223
14.2.3设定伦理要求 ............................................................ 224
14.2.4强力保护个人隐私 ..................................................... 225
14.3人工智能发展的启示 .......................................................225
附录作业参考答案 ....................................................................... 233
参考文献 .............................................................................. 236

      周斌斌，目前任职于嘉兴技师学院，主要从事智能制造相关专业教育教学工作，曾获得浙江省“百千万”高技能领军人才的优秀技能人才、嘉兴市优秀工匠、嘉兴市优秀科技工作者等荣誉称号。近五年，参与企业技改项目4项，本人或辅导学生参加技能大赛获奖10余项，撰写专业论文及课题20余篇；开发教材8本；申报专利20余项，已获批并取证9项。

      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。

本书结构新颖、内容生动，较为系统、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。