本书为高等院校人工智能通识课程系列教材之一。 本书旨在引领读者迈入人工智能这一前沿科技领域，开启 AI 探索的入门之旅。 本书全面覆盖人工智能核心知识体系，包括人工智能基础与AI伦理概述、人工智能数学基础,知识表示、知识推理、问题求解与搜索等核心方法，以及知识发现与机器学习、深度学习、多智能体、智能感知等关键技术，配套丰富的习题与实验,强化理论到行业应用的转化。

本书以人工智能技术演进为逻辑主线，兼顾学科知识逻辑与不同学习者认知需求，形成知识体系完备、内容精准聚焦、专业深度互融、实践高阶达成、模块衔接灵活、思政有机融入的鲜明特色。 本书适配课堂系统教学，也满足学生自主探索需求，助力学习者高效搭建人工智能知识框架,实现技术能力与价值理念的协同提升。

本书适合作为高等院校各专业“人工智能通识”课程教材。 书中核心模块内容相对独立，教师可根据课程计划灵活选取内容，充分满足多样化教学需求。

       人工智能作为引领新一轮科技革命和产业变革的核心驱动力，已被纳入国家核心战略布
局，“人工智能+”行动的深入实施更凸显人工智能教育对经济社会发展的关键支撑作用。 “人工智能通识”课程是高校人工智能及相关专业的核心基础课，也是非计算机专业了解智能技术的关键课程。 本书立足夯实人工智能技术底层基础、聚焦应用创新核心能力、对接产业需求定位，搭建从理论认知到实践应用的桥梁，助力学生把握新一代人工智能技术发展脉搏，夯实智能时代必备的知识与能力基础，彰显人工智能技术服务科技强国国家战略、赋能数字经济行业发展的核心价值。
       本书紧扣高等教育立德树人根本任务与人才培养规律，以全面性、精准性、实践性、适配性为核心，既遵循人工智能学科的知识体系逻辑，又兼顾不同专业、不同基础学生的认知需求。编写过程中摒弃重理论轻基础、重技术轻实践、重灌输轻融合的传统倾向，强调数学基础、硬件支撑、网络架构与技术应用的有机统一，将思政育人理念与专业知识深度融合，力求让学生不仅掌握人工智能核心技术，更树立科技向善的责任意识与跨学科协同的思维方式。
       本书是“全国高等院校计算机基础教育研究会计算机基础教育教学研究项目”成果，项目编号为 2025-AFCEC-007。
       本书共9章，系统覆盖人工智能核心知识与技能：第1章绪论，梳理人工智能的基本概念、发展历程、硬件基础、网络架构及伦理规范，奠定学习基础；第2章人工智能数学基础，讲解数据表示、多维表达、微积分、概率等核心数学工具，筑牢理论根基；第3章知识表示，介绍命题逻辑、谓词逻辑、产生式等多种知识编码方法，为推理提供前提；第4章知识推理，聚焦确定性与不确定性推理的原理及实现，培养逻辑思维；第5章问题求解与搜索，阐述常见算法与搜索策略，提升问题解决能力；第6章知识发现与机器学习，涵盖经典机器学习算法与模型训练逻辑，是技术应用的核心；第7章深度学习，介绍神经网络与模型优化，对接前沿技术；第8章多智能体，讲解智能体协作与交互机制，拓展技术应用场景；第9章智能感知介绍感知技术原理与实践，连接技术与现实世界。
       本书的写作特色鲜明，兼具系统性与实用性、包容性与针对性：
       （1）知识体系完备扎实，覆盖人工智能必备的数学基础、硬件支撑等核心模块，弥补同类教材基础短板，避免人工智能学习“空中楼阁”式的断层问题，构建基础、技术、应用三位一体完整知识框架，让学生从底层逻辑理解人工智能技术本质。
       （2）核心内容精准聚焦，剔除冗余推导，以必需、够用、实用为原则优化内容编排，语言精练、逻辑清晰、易学易用，适配不同基础的学生。
       （3）深度契合专业融合需求，案例与实验融入了多学科场景，实现人工智能知识与专业领域需求对齐，提升技术落地能力。
       （4）实践导向贯穿全程，通过具象化操作、分步指导降低实践门槛；同时配套开放性与专业融合类实验，强化理论衔接、创新应用与知识迁移能力。
       （5）阶梯式模块设计，内容由浅入深，适配系统教学与模块化拆分学习，支持不同层级学生按需学习。
       （6）思政元素有机融入，将科技伦理、国家战略等理念自然融入知识点讲解与实验设计，既避免生硬说教，又传递先进理念。
       本书建议48学时，其中理论教学32学时、实验教学16学时。
       本书由多位长期从事人工智能教学与科研的教师联合编写，由北京建筑大学万珊珊、赵光哲、吕橙任主编，李敏杰、张蕾、衣俊艳、闫飞虎、易艳红任副主编。 其中，第1、2、7章由万珊珊和吕橙共同编写；第3章由衣俊艳编写；第4章由赵光哲编写；第5章由李敏杰编写；第6章由易艳红编写；第8章由闫飞虎编写；第9章由张蕾编写。 编写过程中融入了编者团队在人工智能教学改革、智能系统研发、跨学科应用等方面的多项科研成果与教学实践经验。
       本书配套 PPT、实验、习题等资源，可登录中国铁道出版社教育资源数字化平台（https： / /www. tdpress. com / 51eds）下载获取。
       编写过程中，我们得到了人工智能领域多位专家的悉心指导，参考了国内外众多优秀教材与研究成果，也得到了所在院校、相关行业企业及出版社的大力支持，同时吸纳了多轮教学实践中师生的反馈建议，在此向所有给予支持的专家、同行及相关单位表示衷心感谢!
       由于人工智能技术发展迅速，且编者水平有限，书中难免存在疏漏与不足之处，恳请广大读者、同行与专家批评指正，以便后续修订完善。

       编 者
       2025 年 12 月

第1章 绪论  1
1. 1 初识人工智能  2
1. 1. 1 人工智能概述 2
1. 1. 2 人工智能的三大学派 3
1. 1. 3 人工智能与其他学科关系 4
1. 1. 4 人工智能的标志性人物 5
1. 1. 5 人工智能的应用领域 5
1. 2 人工智能中的计算思维  6
1. 2. 1 计算 6
1. 2. 2 计算思维 7
1. 2. 3 计算思维与人工智能 9
1. 3 人工智能硬件基础  9
1. 3. 1 通用计算机系统架构  10
1. 3. 2 计算机基本工作原理  11
1. 3. 3 微型计算机组成  12
1. 3. 4 计算机软件系统  14
1. 3. 5 面向人工智能的计算机系统  14
1. 4 人工智能网络基础 16
1. 4. 1 计算机网络概念  16
1. 4. 2 计算机网络协议  18
1. 4. 3 网络地址和域名  19
1. 4. 4 网络设备分类与功能  20
1. 4. 5 人工智能时代的网络  20
1. 5 人工智能伦理概述 22
1. 5. 1 人工智能伦理的核心原则  22
1. 5. 2 人工智能伦理的实践与应用  22
1. 5. 3 人工智能伦理的未来展望  23
小结  24
习题  24
实验 1-1 AI全流程文献处理  24
实验 1-2 开放性实验：AI伦理讨论  25

第2章 人工智能数学基础 26
2. 1 数据的基础表示 27
2. 1. 1 数据、信息和知识 27
2. 1. 2 数制  27
2. 1. 3 数和文本在计算机中的表示  30
2. 1. 4 声、图信息的表示 35
2. 2 数据多维表达 37
2. 2. 1 标量  37
2. 2. 2 向量  38
2. 2. 3 矩阵  40
2. 2. 4 张量  43
2. 3 微积分 45
2. 3. 1 微积分基础  45
2. 3. 2 优化  46
2. 4 损失函数曲面与正则化 47
2. 4. 1 损失函数曲面  47
2. 4. 2 正则化  48
2. 5 概率基础 50
2. 5. 1 随机变量与概率分布  50
2. 5. 2 联合概率与条件概率  51
2. 5. 3 期望与方差  52
小结  53
习题  53
实验 2 简单线性回归：基于健康管理的体重预测  53

第3章 知识表示  54
3. 1 知识表示概述 55
3. 1. 1 知识的概念与含义  55
3. 1. 2 知识的分类与知识组成的要素  55
3. 1. 3 知识的特性  55
3. 1. 4 知识表示的特性  56
3. 2 命题逻辑 56
3. 2. 1 命题的概念  56
3. 2. 2 命题的判断方法  56
3. 2. 3 命题符号化  57
3. 2. 4 命题的联结词  57
3. 3 谓词逻辑 61
3. 3. 1 谓词逻辑的相关概念  61
3. 3. 2 命题函数法  61
3. 3. 3 谓词公式分析  62
3. 3. 4 谓词逻辑表示法的特点及应用  63
3. 4 产生式表示法 63
3. 4. 1 产生式表示法的发展  63
3. 4. 2 产生表示法的形式  64
3. 4. 3 产生式系统框架  64
3. 4. 4 产生式系统示例  65
3. 4. 5 产生式表示法的特点  66
3. 5 框架表示法和空间状态表示法 67
3. 5. 1 框架表示法  67
3. 5. 2 空间状态表示法  70
3. 6 问题归约表示法 72
3. 6. 1 问题的分解与等价变换  72
3. 6. 2 问题归约的与或树表示  73
3. 6. 3 问题归约表示法举例  74
3. 7 语义网络表示法 75
3. 7. 1 语义网络表示法的基本概念  75
3. 7. 2 语义网络表示法的步骤  75
3. 8 知识图谱 78
3. 8. 1 知识图谱的概念  78
3. 8. 2 知识图谱的表示  79
小结  79
习题  79
实验 3-1 中国古建筑识别专家系统构建  80
实验 3-2 基于三元组和文本的知识图谱生成  80

第4章 知识推理  81
4. 1 确定性推理 82
4. 1. 1 推理的概念  82
4. 1. 2 推理的分类  82
4. 1. 3 构建真值表  83
4. 1. 4 命题公式  84
4. 2 命题推理 85
4. 2. 1 真值表推理  85
4. 2. 2 等值演算  87
4. 2. 3 自然演绎推理  88
4. 2. 4 归结推理  88
4. 3 谓词推理 88
4. 3. 1 谓词公式  88
4. 3. 2 谓词公式的等价公式  89
4. 4 不确定性推理 90
4. 4. 1 二值逻辑的特点与模糊的概念  90
4. 4. 2 不确定性推理的分类  91
4. 4. 3 模糊集合的基本概念及表示方法  91
4. 5 模糊集合的运算 93
4. 5. 1 模糊集合的集合运算  93
4. 5. 2 模糊集合的代数运算  94
4. 6 模糊推理 95
4. 6. 1 模糊关系  95
4. 6. 2 模糊关系的合成方法  96
4. 6. 3 模糊决策  98
小结  99
习题  99
实验 4-1 确定性推理  99
实验 4-2 不确定性推理  100
实验 4-3 开放性实验：专业场景下的知识推理决策实践  100

第5章 问题求解与搜索  101
5. 1 算法概述  102
5. 1. 1 算法的定义 102
5. 1. 2 算法的基本特征 102
5. 1. 3 结构化程序设计的三种基本结构 103
5. 2 基础算法  104
5. 2. 1 枚举法 104
5. 2. 2 递推法 105
5. 2. 3 递归法 106
5. 2. 4 迭代法 107
5. 2. 5 分治法 108
5. 2. 6 动态规划 109
5. 2. 7 贪心法 110
5. 2. 8 回溯法 111
5. 3 基本搜索算法  112
5. 3. 1 搜索的分类 112
5. 3. 2 搜索算法基础 113
5. 3. 3 宽度优先搜索 115
5. 3. 4 深度优先搜索 118
5. 3. 5 等代价搜索 121
5. 3. 6 启发式搜索 123
5. 4 多智能体对抗搜索  126
5. 4. 1 博弈树 127
5. 4. 2 极小极大搜索 128
5. 4. 3 α-β剪枝算法  130
5. 5 群智能算法  132
5. 5. 1 遗传算法 132
5. 5. 2 粒子群算法 133
5. 5. 3 蚁群算法 135
5. 5. 4 模拟退火算法 136
小结 137
习题 138
实验 5-1 算法设计基础  138
实验 5-2 搜索策略探析  138
实验 5-3 开放性实验：基于搜索算法的出行路径规划  139

第6章 知识发现与机器学习  140
6. 1 知识获取和预处理  141
6. 1. 1 知识发现与数据挖掘 141
6. 1. 2 数据来源 141
6. 1. 3 数据采集 142
6. 1. 4 数据探索 142
6. 1. 5 数据预处理 146
6. 2 数据挖掘  149
6. 2. 1 回归预测 149
6. 2. 2 分类算法 150
6. 2. 3 聚类分析 156
6. 2. 4 关联规则 161
6. 2. 5 模型评价方法 163
6. 3 机器学习  164
6. 3. 1 基本概念与三要素 164
6. 3. 2 机器学习的推理方式 166
6. 3. 3 模型优化 166
小结 167
习题 167
实验 6-1 数据预处理  168
实验 6-2 数据分析和挖掘  168
实验 6-3 开放性实验：专业领域的数据分析和挖掘  169

第7章 深度学习  170
7. 1 人工神经网络基础  171
7. 1. 1 人工神经元 171
7. 1. 2 激活函数 172
7. 2 简单神经网络  174
7. 2. 1 单层神经网络 175
7. 2. 2 两层神经网络 176
7. 2. 3 多层神经网络 176
7. 3 典型深度学习模型  177
7. 3. 1 卷积神经网络 177
7. 3. 2 图神经网络 178
7. 3. 3 循环神经网络 180
7. 3. 4 长短期神经网络 181
7. 3. 5 生成式对抗网络 182
7. 4 自然语言处理  183
7. 4. 1 自然语言处理的定义 183
7. 4. 2 自然语言处理的复杂性 183
7. 4. 3 中文分词 184
7. 4. 4 文本分类算法 185
7. 5 大模型技术  186
7. 5. 1 Transformer 架构 186
7. 5. 2 大模型核心技术 189
7. 5. 3 主流大模型与应用 191
小结 192
习题 192
实验 7-1 深度学习之图文处理  193
实验 7-2 专业领域的图像处理  193

第8章 多智能体  194
8. 1 多智能体系统的基础知识  195
8. 1. 1 从单体智能到群体智能的范式转变 195
8. 1. 2 多智能体系统的定义与内涵 195
8. 1. 3 多智能体系统的形式化建模 197
8. 1. 4 单智能体系统与多智能体系统的区别 198
8. 1. 5 多智能体系统的研究意义 199
8. 2 多智能体协作模式与通信机制  201
8. 2. 1 多智能体协作的基本原理 201
8. 2. 2 协作的基本模式与组织形式 203
8. 2. 3 智能体通信语言与协议 205
8. 2. 4 协商机制与冲突消解 207
8. 2. 5 信任与声誉机制 209
8. 3 多智能体系统架构与组织模式  211
8. 3. 1 多智能体系统架构的设计原则 211
8. 3. 2 集中式架构与分布式架构的对比 212
8. 3. 3 多智能体系统的典型组织模式 213
8. 3. 4 现代多智能体系统框架与技术 214
8. 4 多智能体系统的应用场景与发展趋势  216
8. 4. 1 典型应用场景 217
8. 4. 2 核心挑战 220
8. 4. 3 发展趋势  221
小结 221
习题 222
实验 8-1 建筑小帮手 1：基于 Coze 自主规划模式的房间布局设计智能体实现  222
实验 8-2 建筑小帮手 2：基于 Coze 对话流模式的建筑咨询单智能体实现  222
实验 8-3 建筑小帮手 3：基于 Coze 多智能体的建筑全场景智能问答系统设计  223

第9章 智能感知  224
9. 1 智能语音  225
9. 1. 1 语音识别的主要过程 225
9. 1. 2 智能语音技术及其应用场景 226
9. 1. 3 声纹识别 227
9. 1. 4 语音识别 228
9. 1. 5 语音合成 230
9. 2 计算机视觉  232
9. 2. 1 计算机视觉的概念 232
9. 2. 2 计算机视觉的基本原理 232
9. 2. 3 图像处理技术 233
9. 2. 4 计算机视觉任务类别 235
9. 2. 5 计算机视觉与深度学习常用实现框架 237
9. 2. 6 计算机视觉的应用 238
小结 239
习题 240
实验 9 数字人制作初探  240

万珊珊，副教授，硕士研究生导师，北京建筑大学电气与信息工程学院，美国Drexel大学访问学者。主讲“人工智能导论”“C语言”“Python”“知识表示与推理”等课程。研究方向为数据挖掘、智能教育、智能建筑、智能系统设计与优化等。参与20多项国家省部级项目；以第一作者发表论文60余篇（中科院SCI一区论文9篇，教研论文10余篇），获8项专利和15项软件著作权；主编教材10余部。担任IEEE Transactions on Knowledge and Data Engineering 和 Knowledge-BasedSystems等期刊审稿人。在AI教育新业态领域具有较强的研究基础和实践能力。

赵光哲，教授，博士生导师，北京建筑大学智能科学与技术学院副院长，获评建大杰青。主讲“”人工智能导论”“计算机视觉与图像处理”“机器学习”等课程。专业研究方向为计算机视觉与图像处理、模式识别、人工智能。主编教材2部，独著专著2部；以第一或通讯作者发表SCI 期刊论文80余篇。主持国家自然科学基金3项、教育部项目2项，参与国家自然科学基金重点项目等。

吕橙，副教授，北京建筑大学电气与信息工程学院。“人工智能导论”课程负责人，研究方向为大数据技术。主讲“计算思维导论”“计算思维与人工智能”“C语言程序设计基础”“Python程序设计”等课程。主持市属教研课题4项、发表论文10余篇，主编《计算思维导论》（获北京高校优质本科教材），主编数字教材《计算思维与人工智能》。曾获北京高校优质本科课程1项，北京高校优质本科教材1项，北京高校优质本科课件1项，北京市课程思政示范课程1项，第三届北京高校教师教学创新大赛三等奖1项。

（1）知识体系完备扎实，覆盖人工智能必备的数学基础、硬件支撑等核心模块，弥补同类教材基础短板，避免人工智能学习“空中楼阁”式的断层问题，构建基础、技术、应用三位一体完整知识框架，让学生从底层逻辑理解人工智能技术本质。
（2）核心内容精准聚焦，剔除冗余推导，以必需、够用、实用为原则优化内容编排，语言精练、逻辑清晰、易学易用，适配不同基础的学生。
（3）深度契合专业融合需求，案例与实验融入了多学科场景，实现人工智能知识与专业领域需求对齐，提升技术落地能力。
（4）实践导向贯穿全程，通过具象化操作、分步指导降低实践门槛；同时配套开放性与专业融合类实验，强化理论衔接、创新应用与知识迁移能力。
（5）阶梯式模块设计，内容由浅入深，适配系统教学与模块化拆分学习，支持不同层级学生按需学习。
（6）思政元素有机融入，将科技伦理、国家战略等理念自然融入知识点讲解与实验设计，既避免生硬说教，又传递先进理念。