计算机类教材 > 智能科学与技术
人工智能基础与应用
书号:9787113287245 套系名称:“十四五”职业教育人工智能技术应用专业系列教材
作者:周斌斌 周苏 出版日期:2022-03-01
定价:49.80 页码 / 开本:无 /16
策划编辑:汪敏 责任编辑:汪敏
适用专业:计算机类 适用层次:高等职业(专科)
最新印刷时间:
资源下载
教学课件
教学素材(暂无)
习题答案(暂无)
教学案例(暂无)
教学设计(暂无)
教学视频(暂无)
内容简介
前言
目录
作者介绍
图书特色
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。