人工智能（AI）是计算机科学的一个重要分支，它涉及理解和构建智能实体，确保这些智能实体机器在各种情况下能有效和安全地行动。人工智能对世界的影响将超过迄今为止人类历史上的任何事物，它可以与任何智能任务产生联系，是真正普遍存在的领域。
本书的知识内容包括思考的工具、定义人工智能、大数据与人工智能、智能体与智能代理、机器学习、深度学习、强化学习、数据挖掘、机器人技术、计算机视觉、自然语言处理、GPT大语言模型起步、群体智能、自动规划和人工智能的发展等。
本书是结合本科教育、职业教育各专业学生发展需要，针对人工智能基础课程、通识课程而全新设计编写，具有丰富知识性与应用特色的教材。本书主题特色鲜明，内容易读易学，既适合各专业学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。
1. 这是一本全新设计的人工智能通识教材，作为学科导论与概览，本书涉及领域宽泛，内容新颖先进，结构合理。人工智能学科（artificial intelligence，AI）以大数据、机器学习、深度学习、增强学习、迁移学习、对抗学习等作为基础方法，在众多应用领域取得了重大突破，不仅解决了重要的科学问题，还将数据挖掘、计算机视觉、大语言模型、机器人等技术应用到了更广泛的领域。
2. 文字流畅，通俗易懂，适合不同起点、不同层次读者的学习需要，并具有必要的技术深度。虽然对读者的知识起点要求不高，但认真读完全书，相信定会受益匪浅。虽然是计算机科学的重要分支，但人工智能对世界的影响将超过迄今为止人类历史上的任何事物，它可以与任何智能任务产生联系，是真正普遍存在的领域。因此，本书努力适应不同学科不同专业读者的阅读能力，做到触类旁通，举一反三，构筑知识和应用基础。
3. 把学科知识融入在理论与实践当中，用生动、丰富的实际案例引导读者阅读且开卷有益。课前有密切相关的导读案例，课后安排了针对课文阅读和知识实践的选择题训练和参考答案重在掌握学习方法，提高学习能力。
4. 助力教师开展课程教育。读者可从清华大学出版社网站（http://www.tup.com.cn）获取本书丰富的配套教学资源，包括教学进度、教学大纲等、可供备课删减的完整教学课件等。全书配套录制了30课微课教学视频，供教学过程的不时之需，读者可通过书中的二维码扫描获取。
《人工智能通识教程》第1版于2020年出版，由于全书内容丰富，通俗易懂，很快受到广大师生的青睐。另外，人工智能（artificial intelligence，AI）以大数据、深度学习、增强学习为基础方法，而如迁移学习、对抗学习、大语言模型等知识在很多领域也取得了重大突破。人工智能不仅解决了众多科研问题，还将机器学习、数据挖掘、计算机视觉、自然语言处理、机器人等技术应用到了更广泛的领域，自然也对教材的新版提出了更高的要求。于是，在第1版的基础上，本书的第2版应运而生。
人工智能的发展正处于黄金期。本书新版各章内容都做了较大调整。第4章重点加强了智能体的知识。第5、6章重点加强了机器学习、深度学习的知识阐述。新增加了第7章强化学习。新增加了第12章GPT大语言模型起步，系统地介绍了大语言模型的丰富知识。限于篇幅，本书也适当减少了部分内容，如专家系统。
本书内容丰富，信息量极大，不同读者阅读本书时需要采用不同的方式。本书的每一章都相对独立，跳过前面内容原则上不影响后面内容的阅读。通过对本书的阅读和思考，读者不仅能够掌握与人工智能相关的理论和技术，还能把握人工智能发展的规律。
作为计算机科学的一个重要分支，人工智能对世界的影响将超过迄今为止人类历史上的任何事物。它可以与任何智能任务产生联系，是真正普遍存在的领域。本书包括思考的工具、定义人工智能、大数据与人工智能、智能体与智能代理、机器学习、深度学习、强化学习、数据挖掘、机器人技术、计算机视觉、自然语言处理、GPT大语言模型起步、群体智能、自动规划和人工智能的发展等内容。
一如当年的计算机以及随后的因特网、物联网、云计算和大数据，今天，人工智能也是每个大学生和社会人士都必须关注、学习和重视的知识与应用。
本书是针对高等院校文理科学生的发展需要，为高等院校人工智能基础或通识课程全新设计、编写的教材。教师使用本书进行教学时，可依照学习进度与需求对内容进行适当取舍。
本书每一章都体现下列要点。
(1) 提倡课前预习各章课文。各章均安排了精选的导读案例，以深入浅出的方式引发学习者的学习兴趣。
(2) 介绍基本观念，解释原理，让学习者能切实理解和掌握人工智能的基本原理及相关应用知识。
(3) 组织浅显易懂的案例，注重让学生扎实地掌握基本理论知识，养成良好的学习方法。
(4) 为学生提供低认知负荷的作业，让学生在自我成就中构建人工智能的基本观念与技术架构。
(5) 注重思维与实践并进。建议教师在教学班中组织研究性学习活动，鼓励学生讨论与表达，努力让人工智能的知识成为学生未来驰骋职场的立身之本。
虽然社会已经进入电子时代，但我们仍然竭力倡导课前、课后看书，课中在书上做好笔记，在课程结束时完成课程学 结。为各章设计的作业（单选题）并不难，学生只要认真阅读本书，就能够准确回答所有题目。
采用本书作为教材时，教师和学生可以参考下面的课程教学进度表。在实际教学中，应按照教学大纲和实际情况确定课程的教学进度。课程教学进度表（2020学年第学期）
课程号: 课程名称: 人工智能基础学分: 2周学时: 2
总学时: 32（理论学时: 32实践学时: ）
主讲教师:
序号校历
周次章节（或实训、习题课等）
名称与内容学时教学方法课后作业布置11引言
第1章思考的工具222第2章定义人工智能（1）233第2章定义人工智能（2）244第3章大数据与人工智能255第4章智能体与智能代理266第5章机器学习277第6章（人工神经网络与）深度学习288第7章强化学习299第8章数据挖掘21010第9章机器人技术21111第10章计算机视觉21212第11章自然语言处理21313第12章GPT大语言模型起步21414第13章群体智能21515第14章自动规划21616第15章人工智能的发展2课文作业课程学 结填表人（签字）:日期:
分院（系、教研室）领导（签字）: 日期:课程的教学评测可以从以下几方面入手:
(1) 每章的课后作业（共15次）;
(2) 第15章的课程学 结（大作业1次）;
(3) 平时考勤;
(4) 任课老师认为必要的其他考核方法。
本书特色鲜明、易读易学，适合本科和高职院校各相关专业文理科学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。
与本书配套的教学大纲、教学课件等电子资源，读者可以从清华大学出版社网站（http://www.tup.com.cn）本书页面的课件下载处下载。
根据学习需要，本书还配备了30课的微课视频，读者可先扫描封底刮刮卡进行注册，再扫描书中的二维码进行在线学习。
本书的编写得到浙大城市学院、浙江工业大学之江学院、嘉善技师学院、温州商学院、浙江华邦物联技术股份有限公司等多所院校、企业同仁的支持，金海溶、戴跃江、朱准、胡相勇、章小华等参与了本书的部分编写工作，在此一并表示感谢！
周苏2024年3月于杭州
作为计算机科学与技术一个重要的分支，人工智能（Artificial Intelligence，AI）的发展历史已经不短了。它经过几起几落，终于迎来了高速发展、成果不断涌现的新时期。毫无疑问，一如当年的计算机以及随后的因特网、物联网、云计算和大数据，今天，人工智能也是每个大学生和社会人士都必须关注、学习和重视的知识与应用。
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。它试图了解人类智能的实质，并生产出新的能以与人类智能相似的方式做出反应的智能机器。该领域的研究包括基础概念、专家系统、机器学习、神经网络、智能代理、群体智能、数据挖掘、机器人、图像识别与处理、自然语言处理、自动规划等。可以想象，未来人工智能带来的科技产品将会是人类智慧的容器。人工智能不是人的智能，但能模仿人的思考，甚至在某些方面可能超过人的智能。
人工智能是一门极富挑战性的科学，包括的知识内容十分广泛。本书结构新颖，内容丰富，系统、全面地介绍了人工智能的相关概念与理论，可以帮助读者扎实地打好人工智能的知识与应用基础。
本书针对高等院校文理科学生的发展需要，是为高等院校相关专业人工智能基础课程或通识课程全新设计、编写的教材。教师在使用本书进行教学时，可依照学习进度与需求对内容进行适当取舍。
本书每一章都体现下列要点。
（1） 介绍基本概念，解释原理，让学习者能切实理解和掌握人工智能的基本原理及相关应用知识。
（2） 组织浅显易懂的案例，注重让学生扎实地掌握基本理论知识，养成良好的学习方法。
（3） 为学生提供低认知负荷的作业，让学生在自我成就中构建人工智能的基本观念与技术架构。
（4） 注重思维与实践并进。每章后面安排了【研究性学习】环节，建议教师在教学班中组织研究性学习小组，鼓励学生讨论与表达，努力让人工智能的知识成为学生未来驰骋职场的立身之本。
虽然社会已经进入电子时代，但我们仍然竭力倡导课前、课后读书，课中在书上记笔记，在课程结束时完成课程学 结。为各章设计的作业（单选题）并不难，学生只要认真阅读本书，就能够准确回答所有题目。
采用本书作为教材时，教师和学生可以参考下面的课程教学进度表。在实际教学中，应按照教学大纲和实际情况确定课程教学进度。课程教学进度表（2020学年第学期）
课程号： 课程名称： 人工智能学分： 2
周学时： 2总学时： 32 （其中理论学时： 32，实践学时： ）
主讲教师： 序号校历周次章节（或实训、习题课等）名称与内容学时教学方法课后作业布置11引言
第1章思考的工具222第2章什么是人工智能233第3章规则与专家系统244第4章模糊逻辑与大数据思维255第5章包容体系结构与机器人技术266第5章包容体系结构与机器人技术277第6章机器学习288第6章机器学习299第7章神经网络与深度学习21010第8章智能代理21111第9章群体智能21212第10章数据挖掘与统计数据21313第11章智能图像处理21414第12章自然语言处理21515第13章自动规划21616第14章人工智能的发展2课文作业
研究性学习课程学 结填表人（签字）： 日期：
系（教研室）主任（签字）： 日期：课程的教学评测可以从以下几方面入手：
（1） 每章的课后作业（共14次）。
（2） 每章的研究性学习小组活动评价（共13次）。
（3） 第14章的课程学 结（大作业，1次）。
（4） 平时考勤。
（5） 任课教师认为必要的其他考核方法。
本书特色鲜明，易读易学，适合本科和高职高专院校各相关专业文理科学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。
与本书配套的教学大纲、教学课件、习题答案等电子资源，读者可以从清华大学出版社网站(http://www.tup.com.cn)本书页面的课件下载处下载。
根据学习需要，本书还配备了1500分钟的音频讲解资源，读者可先扫描封底刮刮卡的二维码，再扫描书中的二维码进行在线学习。
本书的编写得到浙大城市学院、浙江理工大学、嘉兴技师学院、浙江商业职业技术学院、浙江安防职业技术学院等多所院校师生的支持，袁坚刚、吴贤平、余强、周恒、王文、乔凤凤等参与了本书部分内容的编写工作，作者在此一并表示感谢！
周苏
2020年6月于杭州
第1章思考的工具1
【导读案例】动物智能: 聪明的汉斯1
1.1计算的渊源2
1.1.1巨石阵2
1.1.2安提基特拉机械3
1.1.3阿拉伯数字3
1.2巴贝奇与数学机器4
1.2.1差分机4
1.2.2分析机4
1.2.3机器人的由来5
1.3计算机的出现6
1.3.1为战争而发展的计算机器6
1.3.2计算机无处不在7
1.3.3通用计算机7
1.3.4计算机语言9
1.3.5计算机建模9
1.4计算机的智能行为10
1.4.1类人行为: 图灵测试10
1.4.2类人思考: 认知建模10
1.4.3理性思考: 思维法则11
1.4.4理性行为: 理性智能体11
1.4.5对人类可证益的智能体12
1.5人工智能大师13
【作业】13
第2章定义人工智能16
【导读案例】自动驾驶概述16
2.1人工智能的学科基础19
2.2人工智能概述24
2.2.1人工与智能24
2.2.2人工智能的定义26
2.2.3人工智能的实现途径26
2.2.4人工智能发展的6个阶段27
2.3人工智能的发展历史29
2.3.1人工智能研究获得的图灵奖29
2.3.2从人工神经元开始（19431956）29
2.3.3早期期望无限（19521969）31
2.3.4一些现实（19661973）32
2.3.5专家系统（19691986）33
2.3.6神经网络的回归（1986至今）34
2.3.7概率推理和机器学习（1987至今）34
2.3.8大数据（2001至今）35
2.3.9深度学习（2011至今）36
2.4人工智能的研究36
【作业】40
第3章大数据与人工智能43
【导读案例】电子商务的推荐系统43
3.1什么是模糊逻辑44
3.1.1甲虫机器人的规则45
3.1.2模糊逻辑的发明45
3.1.3制定模糊逻辑的规则46
3.1.4模糊逻辑的定义47
3.1.5模糊理论的发展47
3.2模糊逻辑系统48
3.2.1纯模糊逻辑系统48
3.2.2高木关野模糊逻辑系统49
3.2.3具有产生器及消除器的模糊逻辑系统49
3.3数据思维与变革49
3.3.1思维转变之一: 样本=总体50
3.3.2思维转变之二: 接受数据的混杂性51
3.3.3思维转变之三: 数据的相关关系52
3.4大数据与人工智能53
3.4.1人工智能与大数据的联系53
3.4.2人工智能与大数据的区别54
3.4.3人工智能深化大数据应用54
【作业】55
第4章智能体与智能代理58
【导读案例】智能体: 下一个颠覆性AI应用58
4.1智能体和环境61
4.2智能体的良好行为62
4.2.1性能度量62
4.2.2理性63
4.2.3全知、学习和自主63
4.3环境的本质64
4.3.1指定任务环境64
4.3.2任务环境的属性65
4.4智能体的结构68
4.4.1智能体程序68
4.4.2学习型智能体69
4.4.3智能体程序组件的工作71
4.5智能代理技术72
4.5.1智能代理的定义72
4.5.2智能代理的典型工作过程72
4.5.3智能代理的特点73
4.5.4系统内的协同合作74
4.6智能代理的典型应用75
4.6.1股票/债券/期货交易75
4.6.2医疗诊断76
4.6.3搜索引擎76
4.6.4实体机器人77
4.6.5电脑游戏77
【作业】78
第5章机器学习80
【导读案例】奈飞的电影推荐引擎80
5.1什么是机器学习81
5.1.1机器学习的发展81
5.1.2机器学习的定义83
5.1.3机器学习的研究85
5.2基于学习方式的分类86
5.2.1监督学习86
5.2.2无监督学习87
5.2.3强化学习87
5.2.4机器学习的其他分类88
5.3机器学习的基本结构89
5.4机器学习算法90
5.4.1专注于学习能力91
5.4.2回归算法92
5.4.3K近邻算法92
5.4.4决策树算法92
5.4.5贝叶斯算法93
5.4.6聚类算法94
5.4.7支持向量机算法94
5.4.8神经网络算法94
5.4.9梯度增强算法94
5.4.10关联规则算法95
5.4.11EM（期望最大化）算法95
5.5机器学习的应用95
5.5.1数据分析与挖掘96
5.5.2模式识别96
5.5.3生物信息学应用96
5.5.4物联网96
5.5.5聊天机器人97
5.5.6自动驾驶98
【作业】98
第6章深度学习101
【导读案例】人类与动物智商的差别101
6.1动物的中枢神经系统103
6.1.1神经系统的结构103
6.1.2神经系统的学习机制104
6.2了解人工神经网络104
6.2.1人工神经网络的研究105
6.2.2典型的人工神经网络105
6.2.3类脑计算机106
6.3深度学习的定义106
6.3.1深度学习的优势107
6.3.2深度学习的意义107
6.3.3神经网络理解图片108
6.3.4训练神经网络110
6.3.5深度学习的方法111
6.4卷积神经网络114
6.4.1为什么选择卷积114
6.4.2卷积神经网络结构116
6.5迁移学习117
6.5.1基于实例的迁移118
6.5.2基于特征的迁移118
6.5.3基于共享参数的迁移118
6.6深度学习的应用118
【作业】120
第7章强化学习122
【导读案例】谷歌制定新守则，确保机器人决策更安全122
7.1强化学习的定义123
7.1.1发展历史123
7.1.2基本模型和原理124
7.1.3网络模型设计124
7.1.4设计考虑126
7.1.5数据依赖性126
7.2与监督学习的区别127
7.2.1学习方式128
7.2.2先验知识与标注数据129
7.3强化学习基础理论129
7.3.1基于模型与免模型环境129
7.3.2探索与利用130
7.3.3预测与控制131
7.4强化学习分类131
7.4.1从奖励中学习131
7.4.2被动强化学习132
7.4.3主动强化学习132
7.4.4强化学习中的泛化132
7.4.5学徒学习与逆强化学习132
7.5强化学习的应用133
7.5.1游戏博弈134
7.5.2机器人控制134
7.5.3制造业135
7.5.4医疗服务业135
7.5.5电子商务136
【作业】136
第8章数据挖掘139
【导读案例】葡萄酒的品质139
8.1从数据到知识142
8.1.1决策树分析143
8.1.2购物车分析143
8.1.3贝叶斯网络144
8.2数据挖掘方法145
8.2.1数据挖掘的发展145
8.2.2数据挖掘的对象146
8.2.3数据挖掘的步骤146
8.2.4数据挖掘分析方法147
8.3数据挖掘的经典算法148
8.3.1神经网络法148
8.3.2决策树法149
8.3.3遗传算法149
8.3.4粗糙集法149
8.3.5模糊集法149
8.3.6关联规则法150
8.4机器学习与数据挖掘150
8.4.1数据挖掘和机器学习典型过程150
8.4.2机器学习与数据挖掘应用案例152
【作业】154
第9章机器人技术156
【导读案例】划时代的阿波罗计划156
9.1包容体系结构158
9.1.1所谓中文房间159
9.1.2传统机器人学159
9.1.3建立包容体系结构160
9.2包容体系结构的实现160
9.2.1艾伦机器人161
9.2.2赫伯特机器人161
9.2.3托托机器人162
9.3机器感知162
9.3.1机器智能与智能机器163
9.3.2机器思维与思维机器163
9.3.3机器行为与行为机器163
9.4机器人的概念164
9.4.1机器人的发展164
9.4.2机器人三原则165
9.5机器人的技术问题166
9.5.1机器人的组成166
9.5.2机器人的运动167
9.5.3机器人大狗168
【作业】169
第10章计算机视觉172
【导读案例】谷歌大脑的诞生172
10.1模式识别174
10.2图像识别175
10.2.1人类的图像识别能力176
10.2.2图像识别的基础176
10.2.3图形识别的模型178
10.2.4神经网络图像识别178
10.3计算机视觉技术179
10.3.1什么是机器视觉179
10.3.2定义计算机视觉180
10.3.3计算机视觉与机器视觉的区别181
10.4智能图像处理技术182
10.4.1图像采集182
10.4.2图像预处理182
10.4.3图像分割182
10.4.4目标识别和分类183
10.4.5目标定位和测量183
10.4.6目标检测和跟踪183
10.5计算机视觉系统典型功能184
10.6计算机视觉技术的应用185
10.6.1机器视觉的行业应用186
10.6.2检测与机器人视觉应用186
10.6.3布匹生产质量检测188
【作业】190
第11章自然语言处理192
【导读案例】机器翻译: 大数据简单算法与小数据复杂算法192
11.1语言的问题和可能性194
11.2什么是自然语言处理195
11.2.1自然语言处理的原因195
11.2.2自然语言处理的方法196
11.2.3自然语言处理的任务197
11.2.4语言模型198
11.3语法类型与语义分析199
11.3.1语法类型200
11.3.2语义分析200
11.3.3IBM机器翻译系统200
11.4处理数据与处理工具201
11.4.1统计NLP语言数据集201
11.4.2自然语言处理工具201
11.4.3自然语言处理的技术难点202
11.5语音处理202
11.5.1语音处理的发展202
11.5.2语音理解203
11.5.3语音识别203
【作业】205
第12章GPT大语言模型起步207
【导读案例】2023年国内大模型汇总207
12.1自然语言处理的进步209
12.1.1关于ImageNet210
12.1.2自然语言处理的ImageNet时刻210
12.1.3从GPT1到GPT3211
12.1.4ChatGPT聊天机器人模型与对策212
12.1.5从文本生成音乐的MusicLM模型213
12.1.6检测AI文本的DetectGPT算法213
12.2科普AI大语言模型214
12.3ChatGPT的模仿秀215
12.3.1旧的守卫，新的想法215
12.3.2搜索引擎结合LLM216
12.3.3克服简单编造与重复216
12.4传统行业的下岗217
12.4.1客服市场，AI本来就很卷217
12.4.2伐木场迎来工业革命219
12.4.3新技术，新问题221
【作业】222
第13章群体智能225
【导读案例】无人机最快圈速: 算法控制战胜专业驾驶员225
13.1向蜜蜂学习群体智能227
13.2什么是群体智能229
13.2.1群体人工智能技术229
13.2.2群体智能的两种机制230
13.2.3基本原则与特点230
13.3典型算法模型231
13.3.1蚁群算法231
13.3.2搜索机器人233
13.3.3微粒群（鸟群）优化算法234
13.3.4没有机器人的集群236
13.4群体智能背后的故事236
13.5群体智能的应用238
13.6群体智能的发展240
【作业】240
第14章自动规划243
【导读案例】自动驾驶泊车技术243
14.1规划的概念244
14.2人工智能的乌姆普斯世界245
14.2.1描述乌姆普斯世界245
14.2.2探索乌姆普斯世界246
14.3什么是自动规划247
14.3.1定义经典规划247
14.3.2自动规划问题248
14.3.3规划问题示例249
14.4规划方法252
14.4.1规划即搜索252
14.4.2部分有序规划254
14.4.3分级规划255
14.4.4基于案例的规划255
14.4.5规划方法分析255
14.5时间、调度和资源256
14.5.1时间约束和资源约束的表示256
14.5.2解决调度问题256
【作业】257
第15章人工智能的发展259
【导读案例】科学家发现新的人类脑细胞259
15.1创新发展与社会影响261
15.1.1人工智能发展的启示262
15.1.2人工智能的发展现状与影响262
15.2伦理与安全264
15.2.1创造智能机器的大猩猩问题264
15.2.2积极与消极的方面264
15.2.3人才和基础设施短缺265
15.2.4设定伦理要求266
15.2.5强力保护个人隐私267
15.2.6机器人权利267
15.3人工智能的极限268
15.3.1由非形式化得出的论据268
15.3.2衡量人工智能268
15.4人工智能架构269
15.4.1传感器与执行器269
15.4.2通用人工智能270
15.4.3人工智能工程271
15.5人工智能的机遇与挑战271
15.6未来的人工智能272
15.6.1意识与感质273
15.6.2机器能思考吗273
15.6.3未来已来274
【作业】274
【课程学 结】277
附录A作业参考答案281
参考文献285
书单推荐
