本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的兴趣；学习情境2主要从智能机器如何进行知识存储的角度来理解人工智能；学习情境3主要从智能机器如何使用知识进行探索世界和求解问题的角度来进一步理解人工智能；学习情境4主要从智能机器如何进行自主学习知识、增长智慧的角度来理解人工智能；学习情境5主要从人工智能的自然辩证法视角理解人工智能的本质，从社会学角度给智能机器添加伦理与法律的约束，从而消除人类对人工智能的恐惧，使得人工智能技术更好地为人类服务。
本书在思政方面围绕“爱国精神、崇尚科技、思维模式、乐观进取”，将其与人工智能技术进行“术道融合”，结合“做中学、做中悟”的方式来开展立德树人的工作。
本书可作为高等职业院校电子信息类专业、机电一体化专业、应用电子技术专业及相关专业的教材，也可作为相关技术人员的参考用书。

出版说明
前言
二维码资源清单
学习情境1 让机器走进您的世界—人工智能概述1
情境导入1
情境目标2
知识链接2
1.1 人工智能简史2
1.1.1 全球人工智能发展史2
1.1.2 我国人工智能发展史3
1.2 人工智能的产生7
1.3 人工智能的发展8
1.3.1 计算机时代9
1.3.2 人工智能的开端9
1.3.3 人工智能程序积累阶段10
1.3.4 超越人类的临界点11
1.4 人工智能的主流学派13
1.4.1 符号学派：物理符号系统假说13
1.4.2 连接学派14
1.4.3 行为学派15
1.4.4 三大学派的比较16
1.5 人工智能的定义17
1.6 人工智能的五个感官18
1.7 人工智能的分类19
1.7.1 按发展阶段分19
1.7.2 按应用领域分19
1.7.3 按智能化强弱程度分21
1.8 人工智能对人类的影响23
情境操作25
1.9 案例欣赏25
1.9.1 案例1 生物表情自动评价：再没有“水军”滥竽充数25
1.9.2 案例2 老人身边的医生：人工智能对生命的关怀26
情境小结26
课后习题27
学习情境2 让机器具有知识—知识表示技术29
情境导入29
情境目标29
知识链接30
2.1 知识的概述30
2.1.1 知识、信息和数据31
2.1.2 知识的特性32
2.1.3 知识的分类33
2.1.4 知识表示33
2.2 知识的表示方法34
2.2.1 逻辑表示法34
2.2.2 语义网络表示法43
2.2.3 框架表示法48
2.2.4 产生式表示法49
2.2.5 状态空间表示法52
2.2.6 问题归约法53
2.2.7 面向对象表示法57
2.2.8 模糊逻辑表示法60
情境操作65
2.3 任务实施65
2.3.1 任务1 动物识别的产生式知识表示65
2.3.2 任务2 传教士和野人过河问题的状态空间知识表示71
2.3.3 任务3 摆放家具的面向对象知识表示75
2.3.4 任务4 自动控制系统的模糊知识表示80
情境小结83
课后习题83
学习情境3 让机器使用知识—搜索与推理85
情境导入85
情境目标85
知识链接86
3.1 搜索和推理概述86
3.1.1 搜索86
3.1.2 推理89
3.2 状态空间的搜索策略93
3.2.1 状态空间搜索的基本思想93
3.2.2 图搜索的一般过程94
3.3 状态空间的盲目搜索95
3.3.1 广度优先搜索95
3.3.2 深度优先搜索97
3.3.3 代价树搜索100
3.4 状态空间的启发式搜索102
3.4.1 启发性信息和估价函数102
3.4.2 A算法103
3.5 遗传算法搜索105
3.5.1 遗传算法的结构105
3.5.2 遗传算法的基本原理107
3.5.3 遗传算法的性能108
3.6 基于规则的演绎推理108
3.7 产生式推理109
3.8 不确定性推理112
3.8.1 概率推理112
3.8.2 模糊推理112
情境操作114
3.9 任务实施114
3.9.1 任务1 过河问题的状态空间深度优先搜索应用114
3.9.2 任务2 八数码问题的启发式搜索应用118
3.9.3 任务3 函数最大值的遗传算法搜索应用127
3.9.4 任务4 动物识别的产生式推理应用134
3.9.5 任务5 自动控制系统的模糊推理应用138
情境小结141
课后习题142
学习情境4 让机器习得知识—机器学习144
情境导入144
情境目标144
知识链接145
4.1 习得技术概述145
4.2 学习相关的基本概念146
4.2.1 标签146
4.2.2 特征146
4.2.3 模型147
4.2.4 回归与分类147
4.2.5 聚类148
4.3 机器学习的定义149
4.4 机器学习的过程150
4.5 机器学习的分类151
4.6 机器学习的方法152
4.6.1 有监督学习152
4.6.2 无监督学习153
4.6.3 半监督学习154
4.6.4 强化学习155
4.6.5 迁移学习156
4.7 机器学习的模型158
4.7.1 线性模型158
4.7.2 核模型170
4.7.3 层级模型172
4.8 深度学习175
4.8.1 深度学习概述175
4.8.2 深度学习的模型—神经网络177
4.8.3 常用的深度学习框架188
情境操作190
4.9 任务实施190
4.9.1 任务1 自搭建线性模型解决分类问题190
4.9.2 任务2 运用TensorFlow框架解决分类问题193
4.9.3 任务3 运用层次模型解决招聘程序员薪资预测问题196
4.9.4 任务4 运用卷积运算提取图像特征200
4.9.5 任务5 运用卷积神经网络CNN识别图像204
情境小结214
课后习题214
学习情境5 让机器成为“社会人”—德才兼备216
情境导入216
情境目标217
知识链接217
5.1 人工智能的自然辩证法217
5.1.1 自然辩证法218
5.1.2 人类改造世界的工具219
5.1.3 人工智能的本质220
5.1.4 人工智能的“工具”特殊性221
5.2 人工智能的社会约束222
5.2.1 人工智能社会223
5.2.2 人工智能的社会属性224
5.2.3 人工智能社会的特点224
5.2.4 人与人工智能的社会关系225
5.2.5 人工智能社会的问题226
5.2.6 人工智能的伦理规范构建229
5.2.7 人工智能的法律规范构建231
情境操作234
5.3 任务实施234
5.3.1 任务1 快速搭建简单的陪伴机器人234
5.3.2 任务2 陪伴机器人的伦理案例分析240
情境小结242
课后习题242
参考文献246