人工智能通识教程
丛 书 名：
人工智能通识数智融合精品教材
作 译 者：陈明
出 版 日 期：2026-07-01
书 代 号：G0524030
Ｉ Ｓ Ｂ Ｎ：9787121524035
图书简介：
人工智能是计算机科学的前沿，是研究如何利用计算机系统实现人类智能的理论、方法和技术的学科。本书较系统地介绍了人工智能的基本内容，主要包括人工智能发展三次热潮、知识与知识表示、推理方式、搜索策略、专家系统、机器学习、深度学习、计算机视觉、自然语言处理与理解、知识图谱、智能体、群智能算法、生物特征识别和智能机器人等。本书注重基本概念、基本方法和应用实例的介绍。语言精炼、逻辑层次清晰，适合作为大学"人工智能通识”课的教材，也可以作为科技人员的参考书。
-
配 套 资 源
-
图 书 内 容
内容简介
人工智能是计算机科学的前沿，是研究如何利用计算机系统实现人类智能的理论、方法和技术的学科。本书较系统地介绍了人工智能的基本内容，主要包括人工智能发展三次热潮、知识与知识表示、推理方式、搜索策略、专家系统、机器学习、深度学习、计算机视觉、自然语言处理与理解、知识图谱、智能体、群智能算法、生物特征识别和智能机器人等。本书注重基本概念、基本方法和应用实例的介绍。语言精炼、逻辑层次清晰，适合作为大学"人工智能通识”课的教材，也可以作为科技人员的参考书。图书详情
ISBN：9787121524035开 本：16(185*260)页 数：336字 数：551本书目录
概述 ·知识结构 ·学习目标 第1章 概述 1.1人工智能产生与发展 1.1.1人类智能 1.1.2人工智能的产生 1.1.3人工智能发展的三个热潮 1.2 人工智能技术 1.2.1人工智能的内涵 1.2.2人工智能的外延 1.2.3强人工智能与弱人工智能 1.2.4图灵测试 1.2.5人工智能主要技术 1.3人工智能学派 1.3.1符号主义 1.3.2连接主义 1.3.3行为主义 1.4 人工智能伦理 1.4.1 人工智能伦理的意义 1.4.2 人工智能伦理的原则 1.4.3 新一代人工智能治理原则 1.4.4 人工智能伦理要素 1.4.5 主要的人工智能伦理问题 1.4.6人工智能效率和伦理的平衡 1.4.7人工智能的隐私权保护措施 1.5 人工智能应用 1.5.1人工智能实现方式 1.5.2人工智能应用场景 1.5.3 人工智能发展趋势 本章小结 思考与练习1 第2章知识表示 ·知识结构 ·学习目标 2.1知识的特征与分类 2.1.1人类知识的特征 2.1.2人类知识的分类 2.2知识表示的方法 2.2.1知识表示概念与原则 2.2.2知识表示方法分类 2.2.3知识表示全过程 2.2.4表示方法与选择因素 2.3产生式表示法 2.3.1产生式的结构 2.3.2产生式表示法举例 2.4谓词逻辑表示法 2.4.1 知识的谓词逻辑表示 2.4.2 谓词逻辑表示法举例 2.5 语义网表示法 2.5.1 语义网络特点与结构 2.5.2 事物与概念的表示 2.6框架表示法 2.6.1框架的基本结构与特点 2.6.2框架表示法举例 本章小结 思考与练习2 第3章 机器推理 ·知识结构 ·学习目标 3.1机器推理基础 3.1.1思维与数理逻辑 3.1.2概念与判断 3.1.3推理及分类 3.1.4逻辑推理 3.2非单调推理 3.2.1单调逻辑与单调推理 3.2.2非单调逻辑与非单调推理 3.2.3非单调推理与单调推理比较 3.2.4缺省推理 3.3 谓词逻辑推理 3.3.1谓词逻辑 3.3.2谓词逻辑推理规则 3.3.3谓词逻辑推理过程 3.4不确定性推理 3.4.1不确定性推理基础 3.4.2 Bayes推理 3.4.3信度推理 3.4.4模糊推理 3.5推理控制策略 3.5.1正向推理 3.5.2反向推理 3.5.3正反向混合推理 3.5.4冲突消解策略 本章小结 思考与练习3 第4章搜索策略 ·知识结构 ·学习目标 4.1搜索策略概述 4.1.1搜索与搜索过程 4.1.2常用的搜索策略 4.2盲目搜索策略 4.2.1宽度优先搜索 4.2.2深度优先搜索 4.2.3两种搜索策略比较 4.3启发式搜索策略 4.3.1启发信息与启发函数 4.3.2贪婪最佳优先搜索算法 4.3.3贪婪最佳优先搜索的问题 4.4 A*算法 4.4.1 A*算法功能与特性 4.4.2 A*搜索算法描述 4.4.3 A*算法寻路的分析 本章小结 思考与练习4 第5章专家系统 ·知识结构 ·学习目标 5.1专家系统的产生与发展 5.1.1专家系统的产生 5.1.2专家系统的发展 5.2专家系统的功能与与特点 5.2.1专家系统的功能 5.2.2专家系统的要素与特点 5.2.3专家系统的类型 5.3 专家系统的结构 5.3.1产生式系统 5.3.2专家系统的基本结构 5.4专家系统构建与开发环境 5.4.1基于骨架系统的专家系统 5.4.2 专家系统的开发环境 5.5专家系统案例 5.5.1基于规则的动物识别专家系统 5.5.2基于模糊规则的专家控制系统 本章小结 思考与练习5 第6章机器学习 ·知识结构 ·学习目标 6.1机器学习概述 6.1.1机器学习基础 6.1.2机器学习的方式 6.1.3学习算法与模型 6.2分类 6.2.1 分类的算法与类型 6.2.2 k-近邻分类算法 6.3聚类 6.3.1聚类算法类型与特点 6.3.2 K-平均聚类算法 6.3.3 K-平均聚类算法工作过程举例 本章小结 思考与练习6 第7章 深度学习 ·知识结构 ·学习目标 7.1深度学习基础 7.1.1深度学习概念与特点 7.1.2深度学习方式 7.1.3 深度学习模型的特点 7.2卷积神经网络 7.2.1卷积神经网络产生与特点 7.2.2卷积神经网结构 7.2.3卷积神经网络训练 7.3生成式对抗网络 7.3.1生成式对抗网络结构 7.3.2网络训练与损失函数 7.4 自编码器 7.4.1 自编码器工作原理 7.4.2 常用的自编码器 7.4.3 深度自编码器应用 本章小结 思考与练习7 第8章 智能体 ·知识结构 ·学习目标 8.1分布式人工智能概述 8.1.1分布式人工智能的特点 8.1.2分布式人工智能的 8.1.3智能体特征与结构 8.1.4理性智能体 8.2 智能体工作过程与分类 8.2.1 智能体工作过程 8.2.2 智能体分类 8.2.3 智能体环境 8.3多智能体 8.3.1多智能体系统的特点与分类 8.3.2 智能体通信方式 8.3.3智能体的协作与协调 8.4移动智能体 8.4.1移动智能体特点 8.4.2移动智能体的关键技术 8.4.3移动智能体计算模式与应用 本章小结 思考与练习8 第9章计算机视觉 ·知识结构 ·学习目标 9.1计算机视觉概述 9.1.1计算机视觉的内涵与外延 9.1.2 图像类型与语义差异 9.2图像分类 9.2.1图像识别与分类 9.2.2 图像分类的基本方法 9.2.3 基于深度学习的图像分类 9.2.4 AlexNet图像分类 9.2.5 图像识别和图像分类的应用 9.3目标检测 9.3.1目标检测任务 9.3.2 R-CNN目标检测算法任务 9.3.3 视觉目标检测应用 9.4视觉目标跟踪 9.4.1视觉目标跟踪任务与流程 9.4.2视觉目标跟踪方法 9.4.3 视觉应用 9.5图像语义分割 9.5.1语义分割定义与术语 9.5.2语义分割方法 9.5.3图像语义分割应用 本章小结 思考与练习9 第10章 知识图谱 ·知识结构 ·学习目标 10.1知识图谱概述 10.1.1 知识图谱表示 10.1.2 本体 10.1.3 知识图谱的优势 10.1.4 知识存储 10.2知识图谱架构 10.2.1知识图谱的逻辑架构 10.2.2知识图谱的技术架构 10.3知识图谱构建 10.3.1知识图谱构建方式 10.3.2知识图谱设计原则与构建策略 10.3.3知识图谱的自动构建 10.4知识图谱推理 10.4.1知识图谱推理的任务 10.4.2基于逻辑规则的关系推理 10.4.3基于学习表示的关系推理 10.4.4基于图结构的关系推理 10.5知识图谱的应用 本章小结 思考与练习10 第11章自然语言处理 ·知识结构 ·学习目标 11.1自然语言处理概述 11.1.1自然语言处理技术发展 11.1`2自然语言处理内容 11.2 词法分析 11.2句法分析 11.2.2词法分析 11.2.3句法分析 11.2.4语义分析 11.3自然语言处理应用 11.3.1自然语言处理过程 11.3.2自然语言处理应用场景 本章小结 思考与练习11 第12章生物特征识别 ·知识结构 ·学习目标 12.1生物特征识别概述 12.1.1生物特征的特点与识别目标 12.1.2生物识别基本技术 12.2人脸识别 12.2.1人脸识别原理 12.2.2 人脸识别技术 12.2.3主成分分析方法 12.2.4 特征计算与级联 12.3虹膜识别 12.3.1虹膜识别原理 12.3.2虹膜识别过程 12.4指纹识别 12.4.1指纹识别原理 12.4.2指纹识别过程 12.5步态识别 12.5.1步态识别原理 12.5.2步态识别过程 本章小结 第13章 群智能 知识结构 学习目标 13.1群智能计算概述 13.1.1群智能算法特点 13.1.2群智能算法框架 13.2蚁群算法 13.2.1蚁群寻食过程 13.2.2蚁群算法设计 13.2.3基于蚁群算法的TSP问题求解 13.3粒子群算法 13.3.1粒子群算法特点 13.3.2粒子群算法构建 13.3.3粒子群算法的应用 本章小结 第14章 人工智能博弈 知识结构 学习目标 14.1 博弈论与经典博弈模型 14.1.1博弈论 14.1.2经典博弈模型 14.2人工智能博弈基础 14.2.1人工智能博弈发展历程 14.2.2人工智能博弈涉及领域 14.2.3 人工智能博弈基本术语 14.3 强化学习模型 14.3.1智能体及其特性 14.3.2 RL模型与工作过程 14.3.3 RL算法分类 14.3.4 Q-Learning算法基本原理 14.3.5 ε-greedy策略描述与调整 14.3.6 强化学习与博弈论的关系 14.3.7博弈论对强化学习的影响 14.4博弈论与蚁群算法关系 14.4.1蚁群算法与博弈论的关联 14.4.2博弈论影响蚁群算法的优化 14.4.3博弈论在蚁群算法中具体应用 本章小结 思考与练习14 第15章 智能机器人与具身智能 ·知识结构 ·学习目标 15.1概述 15.1.1机器人分类 15.1.2智能机器人特点与要素 15.1.3智能机器人技术 15.1.4智能机器人结构 15.2导航定位技术 15.2.1自主导航定位技术 15.2.2智能自主导航定位技术 15.3机器人感知 15.3.1机器人视觉 15.3.2机器人触觉 15.3.3机器人听觉 15.3.4多传感器信息融合 15.4机器人交互技术 15.4.1语音交互 15.4.2情感交互 15.4.3体感交互 15.5具身智能 15.5.1具身智能的概念与特点 15.5.2具身智能体 15.5.3具身智能机器人 15.6智能机器人应用 15.6.1智能机器人在工业生产中的应用 15.6.2智能机器人在医疗保健中的应用 15.6.3智能机器人在农业中的应用 15.7智能机器人的未来发展 本章小结 思考与练习15 参考文献展开前 言
前 言 人工智能（Artificial Intelligence，AI）是计算机科学的前沿和重要学科，经过三次浪朝的发展，在近年来取得了显著的成就，尤其在深度学习的突破、自然语言处理、强化学习等应用重要的里程碑和发展，已经成为推动社会进步的重要力量。人工智能得到了国家层面的大力支持，被视为国家战略。中国在人工智能领域的研究和应用都处于世界前列，通过人工智能技术推动社会经济发展，提升国家竞争力，并造福人民。人工智能的发展背景深远，涉及科技、经济、社会、政治等多个层面，是基于数学、逻辑学、计算机科学、认知科学和神经科学等多个学科的理论积累而发展。 1. 人工智能通识课的意义 大学本科阶段的人工智能通识课是非人工智能专业的通识课程，其旨在为学生提供一个对人工智能领域的全面了解，而不需要深入到专业的技术细节。其意义如下： ·增强科技意识：帮助学生增强对科技发展的认识。 ·跨学科教育：为学生提供跨学科的知识，促进学科间的融合和创新。 ·培养批判性思维：通过人工智能伦理的和社会问题，培养学生的批判性思维能力。 ·职业准备：使学生为未来可能遇到的人工智能相关工作或问题做好准备。 ·激发兴趣和潜力：对于可能对人工智能领域感兴趣的学生，通识课程可以激发他们进一步学习和研究的兴趣。 ·提升综合素质：人工智能通识课学习，提升学生的综合素质和未来竞争力。 2.人工智能通识课的内容 （1）人工智能概述 ·人工智能产生与发展历程 ·人工智能主要技术概述 ·人工智能学派 ·人工智能伦理 ·人工智能应用 （2）机器学习 ·监督学习、无监督学习、半监督学习与强化学习。 ·常用机器学习算法：线性回归、决策树、支持向量机、神经网络等。 ·机器学习框架：例如TensorFlow、PyTorch等。 （3）深度学习 ·深度学习的基本原理与结构 ·卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）等。 ·深度学习应用：计算机视觉、自然语言处理、语音识别等 （4）自然语言处理 ·语言模型：n-gram、神经网络语言模型 ·词性标注、命名实体识别、依存句法分析 ·机器翻译、情感分析、文本生成等应用 （5）计算机视觉 ·图像处理基本技术：滤波、边缘检测、特征提取等 ·目标检测、图像识别、图像分割 ·计算机视觉应用：人脸识别、无人驾驶、无人机等 （6）人工智能伦理与法律 ·人工智能伦理原则：公平、透明、可解释、可责性等 ·人工智能法律法规：数据安全、隐私保护、知识产权等 （7）人工智能应用案例分析 分析典型人工智能应用案例，如：医疗、教育、金融、交通等领域 3.人工智能通识课的要求 ·理解人工智能的基本概念、技术原理和应用领域，掌握人工智能的发展趋势。 ·掌握机器学习、深度学习、自然语言处理、计算机视觉等关键技术。 ·能够分析典型人工智能应用案例，了解人工智能在各个领域的应用价值。 ·具备人工智能伦理与法律意识，遵循相关原则和规定。 ·培养创新思维和团队协作能力，能够参与人工智能项目的研发与实施。 ·完成课程实验、作业和项目实践，提高实际操作能力。 ·参与课堂讨论，主动提问和分享，提升自主学习能力。 4.本书主要内容 本书从当代人工智能技术角度出发，构建了人工智能通识教程的内容体例。全书分为15章。在第1章概述中，介绍了人工智能产生与发展、人工智能的内涵与外延、人工智能学派、人工智能伦理、人工智能应用等。通过这部分的学习可以对人工智能概括性认识和了解，导引了后面各章学习。在第2章知识表示中，主要介绍了知识的特征与分类、知识表示及典型的知识表示方法。在第3章机器推理中，主要介绍了非单调推理、谓词逻辑推理、不确定性推理和推理控制策略。在第4章搜索策略中，主要介绍了搜索策略的重要性、盲目搜索策略、启发式搜索策略和A*搜索算法。在第5章专家系统中，主要介绍了专家系统的功能与与特点、专家系统的结构、专家系统的构建与开发环境、专家系统案例。专家系统对人工智能发展产生过重大影响，知识表示、机器推理和搜索策略是构建专家系统的重要基础。在第6章机器学习中，首先介绍了机器学习的方式概念，然后介绍了几种典型机器学习方法。机器学习是人工智能的核心技术，是必需掌握的技术。在第7章深度学习中，主要介绍了深度学习方式与特点、卷积神经网络、循环神经网络、生成式对抗网络、自编码器。深度学习是一种用数学模型对真实世界中的特定问题进行建模，以解决该领域内相似问题的过程。在第8章智能体中，主要介绍了智能体工作过程与分类、多智能体、移动智能体，并介绍了分布式人工智能的特点与分类，以及智能体特征与结构。在第9章计算机视觉中，主要介绍了图像分类、目标检测、目标跟踪、语义分割等。在第10章知识图谱中，主要介绍了知识图谱架构、知识图谱构建、知识图谱推理等。在第11章自然语言处理中，主要介绍了词法分析、句法分析、语义分析。在第12章生物特征识别中，介绍了生物特征的特点与识别目标和生物识别基本技术，主要内容包括人脸识别、虹膜识别、指纹识别和步态识别等。在第13章群智能中，主要内容包括群智能计算概述、蚁群算法、粒子群算法应用等。在第14章人工智能博弈中，介绍了人工智能博弈与发展过程，主要内容包括博弈论与经典博弈模型、强化学习模型、博弈论与蚁群算法关系。第15章智能机器人与具身智能中，主要介绍了机器人分类、要素、结构、导航定位技术、机器人感知、人机交互、具身智能、智能机器人应用和智能机器人的未来等。 本书在内容设计上，注重内容的先进性和结构上合理性；逻辑层次清楚、层次分明；对于较复杂的算法，通过举例说明，保证了对算法或方法的准确理解。对于书中所提及每个模型，都先从提出的基本思想开始，然后再进行模型结构与训练的说明，最后举例运行，并说明其主要应用。本书在结构上为积木状，各章内容独立地论述。每章后都有思考与练习，所给出练习是一种范式，并不是本章的全部。虽然数学是人工智能的基石，考虑到本书是通识教程，所以大部分内容都以语言描述与介绍为主，进而减少了学习的难度。 由于作者水平有限，书中不足之处在所难免，敬请读者批评指正。 2025.3展开作者简介
陈明，教授。历任吉林大学计算机科学系副教授、教研室主任、副教授；大连理工大学计算机科学与工程系系主任、教授；中国石油大学（北京）计算机科学与技术系创始系主任 、教授/博导；曾获德国科学联合会DFG基金赴德国图宾根大学计算机学院学习与研究。参加的学术组织及任职：中国计算机学会理事、高级会员、开放系统专委会副主任；中国人工智能学会理事；智能信息网专委会副主任；《计算机科学与探索》、《软件工程》、《计算机教育》编委。个人荣誉：北京市教学名师，北京市精品课程（数据结构）负责人，北京市计算机软件基础优秀教学团队带头人。所承担过的重点科研或教研项目及在项目中所承担的工作：参加并完成国家自然科学基金、国家863基金等多项科研任务。出版著作情况：撰写并出版计算机专著、译著和教材150余种。主要有《分布计算应用模型》（专著），科学出版社，2009-5；《神经网络模型》（专著），大连理工大学出版社，1995-12；《软件工程实用教程》，电子工业出版社，2006-1；《Absolute Java》(译著)电子工业出版社，2005-6；《多媒体技术》，电子工业出版社，2003-6；《大数据基础与应用》，北京师范大学出版社，2016-3；《数据科学与大数据导论》，清华大学出版社，2021-6；《Python语言程序设计》，清华大学出版社，2021-12。 -
样 章 试 读本书暂无样章试读！
-
图 书 评 价 我要评论
