《人工智能导论》是为高等院校相关专业“人工智能导论”课程设计编写，具有丰富应用特色的主教材。针对高校学生的发展需求，《人工智能导论》分引言、基础知识、基于知识的系统和高级专题四部分，可依照学习进度与需求，做适当选择。内容包括：引言，包括绪论（基本概念）、人工智能+领域应用；基础知识，包括大数据思维、搜索算法、知识表示；基于知识的系统，包括专家系统、机器学习、深度学习；高级专题，包括机器人技术、智能图像处理、自然语言处理、自动规划。
《人工智能导论》较为系统、全面地介绍了人工智能的相关概念、理论与应用，可以帮助读者扎实地打好人工智能的知识基础。
《人工智能导论》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。

前言
第一部分引言
第1章绪论
【导读案例】云计算四十年历史化蝶
成茧
1.1什么是人工智能
1.1.1人工智能定义
1.1.2强人工智能与弱人工智能
1.2人工智能发展历史
1.2.1大师与通用机器
1.2.2人工智能学科的诞生
1.2.3人工智能的发展历程
1.2.4人工智能的社会必然性
1.3人工智能的研究
1.3.1人工智能的研究领域
1.3.2在计算机上的实现方法
1.3.3人工智能发展的启示
1.3.4新图灵测试
1.4人工智能时代需要的人才
1.4.1社会进步取代了传统劳动
1.4.2未来的五个重要岗位
1.5人工智能与安全
1.5.1安全问题不容忽视
1.5.2设定伦理要求
1.5.3强力保护个人隐私
【作业】
第2章人工智能+领域应用
【导读案例】动物智能：聪明的
汉斯
2.1关于智慧地球
2.2智慧城市
2.2.1什么是智慧城市
2.2.2智慧城市与数字城市
2.2.3智慧城市与智能城市
2.2.4智慧城市与智慧农业
2.3智慧交通
2.3.1智慧交通的建设前提
2.3.2轨道交通系统的发展
2.4智能家居
2.4.1家庭自动化
2.4.2家庭网络
2.4.3网络家电
2.4.4智能家居的设计理念
2.5智慧医疗
2.5.1循证医学的发展
2.5.2医疗保健新突破
2.5.3智慧的医疗信息平台
2.6智慧教育
2.6.1智慧教育的定义
2.6.2智慧校园是智慧教育的
一部分
2.6.3建设智慧教室
2.6.4智慧教学模式
2.7智慧新零售
2.8智能客户服务
2.8.1企业布局智能客服
2.8.2智能客服的人机分工
【作业】
第二部分基 础 知 识
第3章大数据思维
【导读案例】亚马逊推荐系统
3.1大数据与人工智能
3.2思维转变之一：样本=总体
3.2.1小数据时代的随机采样
3.2.2大数据与乔布斯的癌症治疗
3.2.3全数据模式：样本=总体
3.3思维转变之二：接受数据的
混杂性
3.3.1允许不精确
3.3.2纷繁的数据越多越好
3.3.3混杂性是标准途径
3.3.45%的数字数据与95%的非
结构化数据
3.4思维转变之三：数据的相关
关系
3.4.1关联物，预测的关键
3.4.2“是什么”，而不是
“为什么”
3.4.3通过因果关系了解世界
3.4.4通过相关关系了解世界
【作业】
第4章搜索算法
【导读案例】AI能替代码农
编程吗？
4.1关于搜索算法
4.2盲目搜索
4.2.1状态空间图
4.2.2回溯算法
4.2.3贪婪算法
4.2.4旅行销售员问题
4.2.5深度优先搜索
4.2.6广度优先搜索
4.2.7迭代加深搜索
4.3知情搜索
4.3.1启发法
4.3.2爬山法
4.3.3最陡爬坡法
4.3.4最佳优先搜索
4.3.5分支定界法——找到最佳解
4.3.6A*算法
4.4受到自然启发的搜索
4.4.1遗传规划
4.4.2蚂蚁聚居地优化
4.4.3模拟退火
4.4.4粒子群
4.4.5禁忌搜索
【作业】
第5章知识表示
【导读案例】“x0后”网络形象报告：
成长为中坚一代
5.1什么是知识表示
5.1.1知识的概念
5.1.2知识表示方法
5.1.3表示方法的选择
5.2图形草图
5.3图和哥尼斯堡桥问题
5.4搜索树（决策树）
5.5产生式系统
5.6面向对象
5.7框架法
5.8语义网络
5.8.1语义网络表示
5.8.2知识图谱
【作业】
第三部分基于知识的系统
第6章专家系统
【导读案例】中美人工智能PK
6.1专家系统及其发展
6.1.1在自己的领域里作为专家
6.1.2五个技能获取阶段
6.1.3专家的特点
6.1.4专家系统的特征
6.1.5建立专家系统要思考的问题
6.2知识工程
6.3知识获取
6.4专家系统的结构
6.4.1知识库
6.4.2推理机
6.4.3其他部分
6.5经典的专家系统
6.5.1DENDRAL专家系统
6.5.2振动故障诊断的专家系统
6.5.3自动牙科识别
【作业】
第7章机器学习
【导读案例】Netflix的电影推荐
引擎
7.1什么是机器学习
7.1.1机器学习的发展
7.1.2机器学习的定义
7.2机器学习的学习类型
7.2.1监督学习
7.2.2无监督学习
7.2.3强化学习
7.3机器学习的算法
7.3.1什么是算法
7.3.2回归算法
7.3.3基于实例的算法
7.3.4决策树算法
7.3.5贝叶斯算法
7.3.6聚类算法
7.3.7神经网络算法
7.4机器学习的基本结构
7.5机器学习的分类
7.5.1基于学习策略的分类
7.5.2基于所获取知识的表示形式
分类
7.5.3按应用领域分类
7.5.4综合分类
7.6机器学习的应用
7.6.1应用于物联网
7.6.2应用于聊天机器人
7.6.3应用于自动驾驶
【作业】
第8章深度学习
【导读案例】谷歌大脑
8.1了解神经网络
8.1.1人脑神经的研究
8.1.2人工神经网络的研究
8.1.3神经网络理解图片
8.2什么是深度学习
8.2.1深度学习的意义
8.2.2深度的概念
8.2.3深度学习的核心思路
8.2.4深度学习的实现
8.3机器学习VS深度学习
【作业】
第四部分高 级 专 题
第9章机器人技术
【导读案例】RoboCup机器人世界杯
足球锦标赛
9.1划时代的计划
9.1.1划时代的阿波罗计划
9.1.2机器人学中新的标准问题
9.2机器感知
9.2.1机器智能与智能机器
9.2.2机器思维与思维机器
9.2.3机器行为与行为机器
9.3机器人的概念
9.3.1机器人的发展
9.3.2机器人的定义与“三原则”
9.3.3机器人的分类
9.4机器人的技术问题
9.4.1机器人的组成
9.4.2机器人的运动
9.4.3机器人大狗
9.5智能制造
9.5.1什么是智能制造
9.5.2综合特征
9.5.3智能技术
9.5.4测控装置
9.5.5运作过程
【作业】
第10章智能图像处理
【导读案例】算法工程师：你的一切
皆在我计算中
10.1模式识别
10.2图像识别
10.2.1人类的图像识别能力
10.2.2图像识别基础
10.2.3计算机图形识别模型
10.2.4图像识别的发展
10.3机器视觉与图像处理
10.3.1机器视觉的发展
10.3.2图像处理
10.3.3计算机视觉
10.3.4计算机视觉与机器视觉的
区别
10.3.5神经网络的图像识别技术
10.4图像识别技术的应用
10.4.1机器视觉的行业应用
10.4.2检测与机器人视觉应用
10.4.3应用案例：布匹质量检测
10.5智能图像处理技术
10.5.1图像采集
10.5.2图像预处理
10.5.3图像分割
10.5.4目标识别和分类
10.5.5目标定位和测量
10.5.6目标检测和跟踪
【作业】
第11章自然语言处理
【导读案例】机器翻译：大数据的简单
算法与小数据的复杂
算法
11.1语言的问题和可能性
11.2什么是自然语言处理
11.3自然语言处理的历史
11.3.1基础期
11.3.2符号与随机方法
11.3.3四种范式
11.3.4经验主义和有限状态模型
11.3.5大融合
11.3.6机器学习的兴起
11.4语法类型与语义分析
11.4.1语法类型
11.4.2语义分析和扩展语法
11.4.3IBM的机器翻译Candide
系统
11.5处理数据与处理工具
11.5.1统计NLP语言数据集
11.5.2自然语言处理工具
11.5.3自然语言处理技术难点
11.6语音处理
11.6.1语音处理的发展
11.6.2语音理解
11.6.3语音识别
11.7自然语言处理的应用
11.7.1自然语音系统和语音识别
系统
11.7.2信息提取和问答系统
【作业】
第12章自动规划
【导读案例】“双马”激辩AI
12.1什么是自动规划
12.1.1规划是特殊的智力指标
12.1.2规划的概念分析
12.1.3自动规划的定义
12.1.4规划应用示例
12.2规划方法
12.2.1规划即搜索
12.2.2部分有序规划
12.2.3分级规划
12.2.4基于案例的规划
12.3著名的规划系统
12.3.1STRIPS
12.3.2NOAH
12.3.3NONLIN
12.3.4O-PLAN
12.3.5Graphplan
【作业】
附录作业参考答案
参考文献