前言
第一部分引言
第1章緒論
【導(dǎo)讀案例】云計(jì)算四十年歷史化蝶
成繭
1.1什么是人工智能
1.1.1人工智能定義
1.1.2強(qiáng)人工智能與弱人工智能
1.2人工智能發(fā)展歷史
1.2.1大師與通用機(jī)器
1.2.2人工智能學(xué)科的誕生
1.2.3人工智能的發(fā)展歷程
1.2.4人工智能的社會(huì)必然性
1.3人工智能的研究
1.3.1人工智能的研究領(lǐng)域
1.3.2在計(jì)算機(jī)上的實(shí)現(xiàn)方法
1.3.3人工智能發(fā)展的啟示
1.3.4新圖靈測(cè)試
1.4人工智能時(shí)代需要的人才
1.4.1社會(huì)進(jìn)步取代了傳統(tǒng)勞動(dòng)
1.4.2未來的五個(gè)重要崗位
1.5人工智能與安全
1.5.1安全問題不容忽視
1.5.2設(shè)定倫理要求
1.5.3強(qiáng)力保護(hù)個(gè)人隱私
【作業(yè)】
第2章人工智能+領(lǐng)域應(yīng)用
【導(dǎo)讀案例】動(dòng)物智能：聰明的
漢斯
2.1關(guān)于智慧地球
2.2智慧城市
2.2.1什么是智慧城市
2.2.2智慧城市與數(shù)字城市
2.2.3智慧城市與智能城市
2.2.4智慧城市與智慧農(nóng)業(yè)
2.3智慧交通
2.3.1智慧交通的建設(shè)前提
2.3.2軌道交通系統(tǒng)的發(fā)展
2.4智能家居
2.4.1家庭自動(dòng)化
2.4.2家庭網(wǎng)絡(luò)
2.4.3網(wǎng)絡(luò)家電
2.4.4智能家居的設(shè)計(jì)理念
2.5智慧醫(yī)療
2.5.1循證醫(yī)學(xué)的發(fā)展
2.5.2醫(yī)療保健新突破
2.5.3智慧的醫(yī)療信息平臺(tái)
2.6智慧教育
2.6.1智慧教育的定義
2.6.2智慧校園是智慧教育的
一部分
2.6.3建設(shè)智慧教室
2.6.4智慧教學(xué)模式
2.7智慧新零售
2.8智能客戶服務(wù)
2.8.1企業(yè)布局智能客服
2.8.2智能客服的人機(jī)分工
【作業(yè)】
第二部分基 礎(chǔ) 知 識(shí)
第3章大數(shù)據(jù)思維
【導(dǎo)讀案例】亞馬遜推薦系統(tǒng)
3.1大數(shù)據(jù)與人工智能
3.2思維轉(zhuǎn)變之一：樣本=總體
3.2.1小數(shù)據(jù)時(shí)代的隨機(jī)采樣
3.2.2大數(shù)據(jù)與喬布斯的癌癥治療
3.2.3全數(shù)據(jù)模式：樣本=總體
3.3思維轉(zhuǎn)變之二：接受數(shù)據(jù)的
混雜性
3.3.1允許不精確
3.3.2紛繁的數(shù)據(jù)越多越好
3.3.3混雜性是標(biāo)準(zhǔn)途徑
3.3.45%的數(shù)字?jǐn)?shù)據(jù)與95%的非
結(jié)構(gòu)化數(shù)據(jù)
3.4思維轉(zhuǎn)變之三：數(shù)據(jù)的相關(guān)
關(guān)系
3.4.1關(guān)聯(lián)物，預(yù)測(cè)的關(guān)鍵
3.4.2“是什么”，而不是
“為什么”
3.4.3通過因果關(guān)系了解世界
3.4.4通過相關(guān)關(guān)系了解世界
【作業(yè)】
第4章搜索算法
【導(dǎo)讀案例】AI能替代碼農(nóng)
編程嗎？
4.1關(guān)于搜索算法
4.2盲目搜索
4.2.1狀態(tài)空間圖
4.2.2回溯算法
4.2.3貪婪算法
4.2.4旅行銷售員問題
4.2.5深度優(yōu)先搜索
4.2.6廣度優(yōu)先搜索
4.2.7迭代加深搜索
4.3知情搜索
4.3.1啟發(fā)法
4.3.2爬山法
4.3.3最陡爬坡法
4.3.4最佳優(yōu)先搜索
4.3.5分支定界法——找到最佳解
4.3.6A*算法
4.4受到自然啟發(fā)的搜索
4.4.1遺傳規(guī)劃
4.4.2螞蟻聚居地優(yōu)化
4.4.3模擬退火
4.4.4粒子群
4.4.5禁忌搜索
【作業(yè)】
第5章知識(shí)表示
【導(dǎo)讀案例】“x0后”網(wǎng)絡(luò)形象報(bào)告：
成長(zhǎng)為中堅(jiān)一代
5.1什么是知識(shí)表示
5.1.1知識(shí)的概念
5.1.2知識(shí)表示方法
5.1.3表示方法的選擇
5.2圖形草圖
5.3圖和哥尼斯堡橋問題
5.4搜索樹（決策樹）
5.5產(chǎn)生式系統(tǒng)
5.6面向?qū)ο?br>5.7框架法
5.8語(yǔ)義網(wǎng)絡(luò)
5.8.1語(yǔ)義網(wǎng)絡(luò)表示
5.8.2知識(shí)圖譜
【作業(yè)】
第三部分基于知識(shí)的系統(tǒng)
第6章專家系統(tǒng)
【導(dǎo)讀案例】中美人工智能PK
6.1專家系統(tǒng)及其發(fā)展
6.1.1在自己的領(lǐng)域里作為專家
6.1.2五個(gè)技能獲取階段
6.1.3專家的特點(diǎn)
6.1.4專家系統(tǒng)的特征
6.1.5建立專家系統(tǒng)要思考的問題
6.2知識(shí)工程
6.3知識(shí)獲取
6.4專家系統(tǒng)的結(jié)構(gòu)
6.4.1知識(shí)庫(kù)
6.4.2推理機(jī)
6.4.3其他部分
6.5經(jīng)典的專家系統(tǒng)
6.5.1DENDRAL專家系統(tǒng)
6.5.2振動(dòng)故障診斷的專家系統(tǒng)
6.5.3自動(dòng)牙科識(shí)別
【作業(yè)】
第7章機(jī)器學(xué)習(xí)
【導(dǎo)讀案例】Netflix的電影推薦
引擎
7.1什么是機(jī)器學(xué)習(xí)
7.1.1機(jī)器學(xué)習(xí)的發(fā)展
7.1.2機(jī)器學(xué)習(xí)的定義
7.2機(jī)器學(xué)習(xí)的學(xué)習(xí)類型
7.2.1監(jiān)督學(xué)習(xí)
7.2.2無監(jiān)督學(xué)習(xí)
7.2.3強(qiáng)化學(xué)習(xí)
7.3機(jī)器學(xué)習(xí)的算法
7.3.1什么是算法
7.3.2回歸算法
7.3.3基于實(shí)例的算法
7.3.4決策樹算法
7.3.5貝葉斯算法
7.3.6聚類算法
7.3.7神經(jīng)網(wǎng)絡(luò)算法
7.4機(jī)器學(xué)習(xí)的基本結(jié)構(gòu)
7.5機(jī)器學(xué)習(xí)的分類
7.5.1基于學(xué)習(xí)策略的分類
7.5.2基于所獲取知識(shí)的表示形式
分類
7.5.3按應(yīng)用領(lǐng)域分類
7.5.4綜合分類
7.6機(jī)器學(xué)習(xí)的應(yīng)用
7.6.1應(yīng)用于物聯(lián)網(wǎng)
7.6.2應(yīng)用于聊天機(jī)器人
7.6.3應(yīng)用于自動(dòng)駕駛
【作業(yè)】
第8章深度學(xué)習(xí)
【導(dǎo)讀案例】谷歌大腦
8.1了解神經(jīng)網(wǎng)絡(luò)
8.1.1人腦神經(jīng)的研究
8.1.2人工神經(jīng)網(wǎng)絡(luò)的研究
8.1.3神經(jīng)網(wǎng)絡(luò)理解圖片
8.2什么是深度學(xué)習(xí)
8.2.1深度學(xué)習(xí)的意義
8.2.2深度的概念
8.2.3深度學(xué)習(xí)的核心思路
8.2.4深度學(xué)習(xí)的實(shí)現(xiàn)
8.3機(jī)器學(xué)習(xí)VS深度學(xué)習(xí)
【作業(yè)】
第四部分高 級(jí) 專 題
第9章機(jī)器人技術(shù)
【導(dǎo)讀案例】RoboCup機(jī)器人世界杯
足球錦標(biāo)賽
9.1劃時(shí)代的計(jì)劃
9.1.1劃時(shí)代的阿波羅計(jì)劃
9.1.2機(jī)器人學(xué)中新的標(biāo)準(zhǔn)問題
9.2機(jī)器感知
9.2.1機(jī)器智能與智能機(jī)器
9.2.2機(jī)器思維與思維機(jī)器
9.2.3機(jī)器行為與行為機(jī)器
9.3機(jī)器人的概念
9.3.1機(jī)器人的發(fā)展
9.3.2機(jī)器人的定義與“三原則”
9.3.3機(jī)器人的分類
9.4機(jī)器人的技術(shù)問題
9.4.1機(jī)器人的組成
9.4.2機(jī)器人的運(yùn)動(dòng)
9.4.3機(jī)器人大狗
9.5智能制造
9.5.1什么是智能制造
9.5.2綜合特征
9.5.3智能技術(shù)
9.5.4測(cè)控裝置
9.5.5運(yùn)作過程
【作業(yè)】
第10章智能圖像處理
【導(dǎo)讀案例】算法工程師：你的一切
皆在我計(jì)算中
10.1模式識(shí)別
10.2圖像識(shí)別
10.2.1人類的圖像識(shí)別能力
10.2.2圖像識(shí)別基礎(chǔ)
10.2.3計(jì)算機(jī)圖形識(shí)別模型
10.2.4圖像識(shí)別的發(fā)展
10.3機(jī)器視覺與圖像處理
10.3.1機(jī)器視覺的發(fā)展
10.3.2圖像處理
10.3.3計(jì)算機(jī)視覺
10.3.4計(jì)算機(jī)視覺與機(jī)器視覺的
區(qū)別
10.3.5神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)
10.4圖像識(shí)別技術(shù)的應(yīng)用
10.4.1機(jī)器視覺的行業(yè)應(yīng)用
10.4.2檢測(cè)與機(jī)器人視覺應(yīng)用
10.4.3應(yīng)用案例：布匹質(zhì)量檢測(cè)
10.5智能圖像處理技術(shù)
10.5.1圖像采集
10.5.2圖像預(yù)處理
10.5.3圖像分割
10.5.4目標(biāo)識(shí)別和分類
10.5.5目標(biāo)定位和測(cè)量
10.5.6目標(biāo)檢測(cè)和跟蹤
【作業(yè)】
第11章自然語(yǔ)言處理
【導(dǎo)讀案例】機(jī)器翻譯：大數(shù)據(jù)的簡(jiǎn)單
算法與小數(shù)據(jù)的復(fù)雜
算法
11.1語(yǔ)言的問題和可能性
11.2什么是自然語(yǔ)言處理
11.3自然語(yǔ)言處理的歷史
11.3.1基礎(chǔ)期
11.3.2符號(hào)與隨機(jī)方法
11.3.3四種范式
11.3.4經(jīng)驗(yàn)主義和有限狀態(tài)模型
11.3.5大融合
11.3.6機(jī)器學(xué)習(xí)的興起
11.4語(yǔ)法類型與語(yǔ)義分析
11.4.1語(yǔ)法類型
11.4.2語(yǔ)義分析和擴(kuò)展語(yǔ)法
11.4.3IBM的機(jī)器翻譯Candide
系統(tǒng)
11.5處理數(shù)據(jù)與處理工具
11.5.1統(tǒng)計(jì)NLP語(yǔ)言數(shù)據(jù)集
11.5.2自然語(yǔ)言處理工具
11.5.3自然語(yǔ)言處理技術(shù)難點(diǎn)
11.6語(yǔ)音處理
11.6.1語(yǔ)音處理的發(fā)展
11.6.2語(yǔ)音理解
11.6.3語(yǔ)音識(shí)別
11.7自然語(yǔ)言處理的應(yīng)用
11.7.1自然語(yǔ)音系統(tǒng)和語(yǔ)音識(shí)別
系統(tǒng)
11.7.2信息提取和問答系統(tǒng)
【作業(yè)】
第12章自動(dòng)規(guī)劃
【導(dǎo)讀案例】“雙馬”激辯AI
12.1什么是自動(dòng)規(guī)劃
12.1.1規(guī)劃是特殊的智力指標(biāo)
12.1.2規(guī)劃的概念分析
12.1.3自動(dòng)規(guī)劃的定義
12.1.4規(guī)劃應(yīng)用示例
12.2規(guī)劃方法
12.2.1規(guī)劃即搜索
12.2.2部分有序規(guī)劃
12.2.3分級(jí)規(guī)劃
12.2.4基于案例的規(guī)劃
12.3著名的規(guī)劃系統(tǒng)
12.3.1STRIPS
12.3.2NOAH
12.3.3NONLIN
12.3.4O-PLAN
12.3.5Graphplan
【作業(yè)】
附錄作業(yè)參考答案
參考文獻(xiàn)