本书系统地论述了经典人工智能的基础理论及人工智能主要研究领域的基础知识与应用。全书共11章,前5章介绍经典人工智能的基础理论,包括人工智能的发展历史、状态空间表示及其搜索技术、问题归约表示及其搜索技术、确定性推理以及不确定推理;接下来的5章介绍人工智能主要研究领域的基础知识与应用,包括遗传算法、群智能、人工神经网络、 机器学习基础、模式识别;后介绍了**代表性的几个人工智能技术,并分析了未来人工智能的发展趋势及其面临的挑战。
本书系统而全面地介绍经典人工智能历史、现状及主要应用领域;两大知识表示方法及相应搜索技术;确定性推理以及不确定性推理;遗传算法、群智能以及人工神经网络;机器学习与模式识别。在内容选取上,侧重介绍基础的原理和技术,尽可能全面描述不同知识点的各种方法策略
人工智能起源于20世纪50年代,虽然已有60余年的发展历程,但这期间人工智能经历过经费枯竭、前途渺茫的寒冬,也经历了两个大发展的春天。从2006年开始,随着数据量的大增、深度学习技术的应用以及移动终端等生态系统的建立,人工智能的发展无比迅猛。从Siri语音识别到无人驾驶,都是人工智能的实现载体,涉及的技术和领域跨越多个学科,包括深度学习、智能识别、专家系统、神经网络、自然语言理解、知识发现、遗传算法、符号推理、智能机器人等。
人工智能的本质是对人类智能的模拟甚至超越,是指用机器去实现所有目前必须借助人类智慧才能实现的任务。英国数学家、计算机科学奠基人阿兰·图灵在1950年发表的著名论文Computing Machinery and Intelligence中,详细讨论了机器能否拥有智能的问题,提出了关于人工智能概念的三个重要命题。,人工智能关注如何模拟人类的智能活动,而不是全部脑力活动; 第二,人工智能关注计算机的外部智能行为,而不是产生该行为的内部过程; 第三,人工智能的主题是设计能够综合适应人类所在环境的单一智能体,而不是专门解决特定数学问题的算法。因此,从本质上来说,人工智能是一种技术,一种对人的特定思想、意识、智慧的模拟甚至超越。
为了大力发展人工智能技术,世界各国也纷纷从国家战略层面对人工智能加紧布局,推出自己的人工智能计划。欧盟委员会于2013年宣布人脑计划(HBP)为欧盟未来十年的新兴旗舰技术项目,计划开发出世界上个具有意识和智能的人造大脑; 同年,美国正式公布推进创新神经技术脑研究计划,其目标是绘制出一幅囊括大脑所有活动的详图; 日本也在2014年宣布启动大脑研究计划Brain/MINDS,旨在理解大脑如何工作以及通过建立动物模型,研究大脑神经回路技术; 2017年我国人工智能政策的密集颁布和推陈出新更是历史上其他产业前所未有的。这说明了人工智能产业发展的划时代的重要性和紧迫性,我们每个人只有全面、科学和前瞻性地了解人工智能,才能更快、更好地紧跟时代潮流,提升自我的科学素养。
在学习了解人工智能的过程中,国内外已出版了多本关于人工智能的书籍,但有的过于偏重人工智能的某一领域或内容过于艰涩深奥,对初学者来说显得有些吃力。人工智能的分支众多,很难通过寥寥几本书就完全掌握人工智能的奥妙。本书主要面向文科生及低年级理科生,或想要广泛了解人工智能的其他领域的科研人员。
本书分为11章。首先从人工智能的历史出发,介绍了其概念、研究现状、三大学派等背景知识; 然后详细地展示了两大知识表示方法及其相应的搜索技术,对谓词逻辑和模糊逻辑也有具体的介绍; 之后还涉及遗传算法、群智能算法和人工神经网络等计算智能技术,也介绍了机器学习和模式识别等人工智能中重要的研究领域; 后一章给出
了新一代人工智能的几个经典应用案例。
本书力求系统而全面地介绍人工智能的背景及各领域分支。在内容选取上,侧重介绍通用的、常见的方法,尽可能全面广泛地描述不同知识点的各种方法策略。在介绍格式上,每章都尽可能采用同样的叙述方式,统一的框架使全书整体连贯不失系统性。对每一类方法策略,都会先给出简单的示例以供读者透彻学习,在此后同类的方法都会给出关键步骤,并在该类方法介绍完毕时给出相应的总结。对于深层次的内容或扩展的知识,本书则是点到为止,有兴趣的读者可根据每章的参考文献进一步学习。关于章节习题,既包括理解性的讨论类题目,也有技巧性的计算类题目,希望读者可以通过这些习题巩固掌握相关方法的本质和根本理念。
本书的编写得到西安电子科技大学教材基金资助。
在本书的编写过程中,各位编者多次讨论协商书中内容和众多细节,力求达到更高的质量。尽管编者尽了的努力创作整理本书,但书中不足在所难免,欢迎各位专家和读者提出宝贵意见,将不胜感激。
编者
2021年3月
西安电子科技大学
刘若辰,博士,教授,博士生导师,国家教育部重点实验室骨干成员,教育部创新团队骨干成员,国家"111计划"创新引智基地骨干成员,校"智能信息处理优秀创新团队"骨干成员。2009年获陕西省科学技术一等奖(8/11);2011年获中国电子学会电子信息科学技术二等奖(9/15)等。
慕彩红,博士,西安电子科技大学副教授,博士生及硕士生导师。西安电子科技大学人工智能学院、智能感知与图像理解教育部重点实验室,智能感知与计算国际联合研究中心成员,国家111计划创新引智基地成员,美国电气电子工程师协会(IEEE)会员,主讲的本科生课程有《人工智能概论》、《人工智能导论》等。
第1章概论
1.1人工智能的定义
1.1.1生物智能与人类智能
1.1.2人工智能
1.2人工智能的发展史和研究现状
1.2.1萌芽期(1956年以前)
1.2.2形成期(19561970年)
1.2.3黯淡期(19661974年)
1.2.4繁荣期(19701988年)
1.2.5集成发展期(19862005年)
1.2.6发展新时代(2006年至今)
1.2.7人工智能的研究现状
1.3人工智能三大学派
1.3.1图灵测试
1.3.2符号主义
1.3.3连接主义
1.3.4行为主义
1.3.5三大学派的争论
1.4人工智能的应用领域
1.4.1计算机视觉
1.4.2自然语言处理
1.4.3认知与推理
1.4.4机器人学
1.4.5博弈与伦理
1.4.6机器学习
本章小结
习题1
参考文献
第2章状态空间知识表示及其搜索技术
2.1经典问题
2.2状态空间表示法
2.2.1状态空间的基本构成
2.2.2状态空间的问题表示
2.3状态空间搜索的一般过程
2.3.1搜索的一般概念
2.3.2状态空间图搜索
2.4盲目式搜索
2.4.1宽度优先搜索
2.4.2深度优先搜索
2.4.3有界深度优先搜索
2.4.4等代价搜索
2.5启发式搜索
2.5.1估价函数与启发式信息
2.5.2局部择优搜索
2.5.3全局择优搜索
2.5.4A*算法
2.6搜索算法的评价标准
本章小结
习题2
参考文献
第3章问题归约知识表示及其搜索技术
3.1问题归约表示法
3.1.1问题的分解与等价变换
3.1.2问题归约的与/或图表示
3.2与/或图的一般搜索过程
3.3盲目式搜索
3.3.1宽度优先搜索
3.3.2深度优先搜索
3.4启发式搜索
3.4.1解树的代价
3.4.2希望树
3.5机器博弈
3.5.1机器博弈背景
3.5.2极大极小搜索
3.5.3剪枝
本章小结
习题3
参考文献
第4章确定性推理
4.1推理的基本概念
4.1.1推理的概念
4.1.2推理的分类
4.1.3推理的策略
4.2推理的逻辑基础
4.2.1命题逻辑
4.2.2谓词逻辑
4.3自然演绎推理
4.4归结演绎推理
4.4.1海伯伦定理
4.4.2鲁滨逊归结原理
4.4.3归结策略
4.4.4归结反演
4.5基于规则的演绎推理
4.5.1规则正向演绎系统
4.5.2规则逆向演绎系统
4.5.3规则双向演绎系统
本章小结
习题4
参考文献
第5章不确定性推理
5.1不确定性推理的基本概念
5.1.1不确定性的表示与度量
5.1.2不确定性的算法
5.1.3不确定性推理方法分类
5.2概率推理
5.2.1概率的基本公式
5.2.2概率推理方法
5.3主观贝叶斯方法
5.3.1基于主观贝叶斯的不确定性表示
5.3.2主观贝叶斯方法的推理算法
5.4可信度方法
5.4.1基于可信度的不确定性表示
5.4.2可信度方法的推理算法
5.4.3带有阈值限度的不确定性推理
5.4.4加权的不确定性推理
5.5证据理论
5.5.1基于证据理论的不确定性
5.5.2证据理论的不确定推理模型
5.6模糊推理
5.6.1模糊集合
5.6.2模糊关系及其合成
5.6.3模糊推理
5.6.4模糊决策
本章小结
习题5
参考文献
第6章遗传算法
6.1进化计算
6.1.1进化计算的背景
6.1.2进化计算的分类
6.2遗传算法的生物学背景
6.2.1达尔文进化论与孟德尔学说
6.2.2生物进化与遗传算法的基本思想
6.3遗传算法的实现过程
6.3.1编码机制
6.3.2种群初始化
6.3.3适应度函数
6.3.4遗传算子
6.3.5环境选择
6.3.6停机准则
6.3.7基本步骤
6.4遗传算法求解优化问题实例
6.4.1优化问题
6.4.2求解连续优化问题
6.4.3求解组合优化问题
6.4.4求解多目标优化问题
6.4.5遗传算法参数讨论
6.4.6遗传算法工具箱
6.5遗传算法的改进
6.6遗传算法的应用
本章小结
习题6
参考文献
第7章群智能算法
7.1群智能基础
7.1.1群智能算法的基本思想
7.1.2典型群智能算法
7.2粒子群算法
7.2.1粒子群算法的背景
7.2.2粒子群算法的原理
7.2.3粒子群算法求解实例
7.2.4粒子群算法的各种改进
7.2.5粒子群算法的应用
7.3蚁群算法
7.3.1蚁群算法的起源
7.3.2蚁群算法的原理
7.3.3蚁群算法求解实例
7.3.4蚁群算法的各种改进
7.3.5蚁群算法的应用
7.4鱼群算法
7.4.1鱼群算法的背景
7.4.2鱼群算法的原理
7.4.3鱼群算法的求解实例
本章小结
习题7
参考文献
第8章人工神经网络
8.1人工神经网络的基本原理
8.1.1生物神经系统
8.1.2人工神经网络的模型
8.1.3人工神经网络的结构建模
8.2学习机理
8.2.1单层感知器及其学习算法
8.2.2BP神经网络及其学习算法
8.3人工神经网络的分类
8.3.1前向网络
8.3.2反馈网络
8.4人工神经网络的基本学习算法
8.4.1Hebb规则
8.4.2误差修正学习算法
8.4.3胜者为王学习规则
8.5从神经网络到深度学习
8.6深度网络
8.6.1深度卷积神经网络
8.6.2稀疏深度神经网络
8.6.3深度融合网络
本章小结
习题8
参考文献
第9章机器学习基础
9.1机器学习理论基础
9.1.1机器学习的定义和研究意义
9.1.2机器学习的发展史
9.2机器学习的方法
9.2.1机器学习系统的基本结构
9.2.2机器学习方法的分类
9.2.3几种机器学习方法介绍
9.3机器学习算法的应用
本章小结
习题9
参考文献
第10章模式识别
10.1模式识别的基本概念
10.1.1模式识别的定义
10.1.2模式识别与分类器
10.1.3有监督学习与无监督学习
10.1.4实例: 手写数字识别
10.2模式识别系统
10.2.1基本框架
10.2.2基本方法
10.3特征提取与选择
10.3.1基本概念
10.3.2特征评价
10.3.3特征选择算法
10.3.4特征提取
10.4分类器设计
10.4.1经典的有监督分类器
10.4.2经典的无监督分类器
10.5分类器的评价
10.5.1监督模式识别系统评价
10.5.2非监督模式识别系统评价
本章小结
习题 10
参考文献
第11章未来人工智能
11.1人工智能的发展阶段
11.2人工智能围棋
11.2.1AlphaGo
11.2.2AlphaGo Zero
11.3无人驾驶
11.3.1原理概述
11.3.2研究概况
11.4无人超市
11.4.1诞生背景
11.4.2Amazon Go
11.5情感机器人
11.5.1情感机器人的定义
11.5.2情感机器人的研究概况
11.6智能医疗
11.6.1智能医疗设备
11.6.2智能医疗系统
11.7智能家居
11.7.1背景
11.7.2发展现状
11.7.3主要功能
11.8智能艺术
11.8.1作诗
11.8.2绘画
11.9机器翻译
11.9.1翻译简史
11.9.2机译系统
11.9.3在线机译
11.10未来人工智能展望
11.10.1人工智能的未来趋势
11.10.2面临的挑战
本章小结
习题11
参考文献