目　錄 第 1篇 人工智能的基本理論 第 1章 人工智能概述 2 1.1　什么是人工智能 4 1.1.1 達(dá)特茅斯會議與人工智能的誕生 4 1.1.2 “人工”和“智能”的完美結(jié)合 5 1.1.3 “全面”人工智能和“部分”人工智能 6 思考與練習(xí)1-1 怎樣理解人工智能 7 1.2　人工智能的發(fā)展歷史 7 1.2.1 “前”人工智能階段 8 1.2.2 人工智能的起步階段 9 1.2.3 人工智能的瓶頸期 10 1.2.4 人工智能的復(fù)蘇期 11 1.2.5 人工智能的繁榮期 12 1.3　實現(xiàn)人工智能的多種研究學(xué)派 13 1.3.1 “智能的黑箱”——符號主義學(xué)派 13 思考與練習(xí)1-2 “中文屋”的悖論 14 1.3.2 “黑箱的內(nèi)部”——連接主義學(xué)派 15 1.3.3 “動作和控制”——行為主義學(xué)派 17 1.4　人工智能對社會生活的影響 18 1.5　本章內(nèi)容小結(jié) 19 1.6　本章練習(xí)題 19 第 2章 問題求解和知識工程 21 2.1　搜索技術(shù)和問題求解 23 2.1.1 問題求解——按照既定的步驟操作 23 思考與練習(xí)2-1 傳統(tǒng)查找和問題求解 24 思考與練習(xí)2-2 地圖中路徑的搜索技術(shù) 25 2.1.2 盲目搜索技術(shù) 26 思考與練習(xí)2-3 如何理解深度優(yōu)先算法和廣度優(yōu)先算法 28 2.1.3 啟發(fā)式搜索技術(shù) 28 思考與練習(xí)2-4 非啟發(fā)式搜索和啟發(fā)式搜索的對比 29 2.2　知識在計算機(jī)內(nèi)的表示方式 30 2.2.1 陳述性知識和過程性知識 31 思考與練習(xí)2-5 語義網(wǎng)絡(luò)基本形式 32 2.2.2 從已知到未知的邏輯推理 32 2.2.3 通過計算機(jī)實現(xiàn)推理的過程 33 2.3　像專家一樣解決問題 35 2.3.1 專家系統(tǒng)的發(fā)展歷程 35 2.3.2 專家系統(tǒng)的基本結(jié)構(gòu) 36 思考與練習(xí)2-6 專家系統(tǒng)的一種模擬 37 2.4　從專家系統(tǒng)到知識工程 38 2.4.1 知識工程和專家系統(tǒng)的區(qū)別 38 2.4.2 知識工程的知識處理過程 39 2.4.3 互聯(lián)網(wǎng)時代的知識圖譜 40 2.5　本章內(nèi)容小結(jié) 41 2.6　本章練習(xí)題 42 第3章 人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí) 44 3.1　神經(jīng)元細(xì)胞的數(shù)字化模型 46 3.1.1 神經(jīng)元細(xì)胞和感知機(jī) 46 3.1.2 感知機(jī)的分類判斷模型 49 3.1.3 擴(kuò)展——感知機(jī)如何學(xué)會正確分類 50 思考與練習(xí)3-1 感知機(jī)的模擬運(yùn)行 51 3.2　人工神經(jīng)網(wǎng)絡(luò)——生物神經(jīng)網(wǎng)絡(luò)的數(shù)字化 52 3.2.1 從單層感知機(jī)到多層感知機(jī) 52 思考與練習(xí)3-2 多層感知機(jī)的應(yīng)用 54 3.2.2 人工神經(jīng)網(wǎng)絡(luò)的基本功能特點 55 3.2.3 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)勢和特點 57 3.3　機(jī)器學(xué)習(xí)——機(jī)器的自我適應(yīng) 58 3.3.1 機(jī)器學(xué)習(xí)的發(fā)展和分類 58 3.3.2 監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí) 59 思考與練習(xí)3-3 監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí) 61 3.3.3 機(jī)器學(xué)習(xí)的應(yīng)用 61 3.4　深度學(xué)習(xí)——機(jī)器學(xué)習(xí)的進(jìn)一步發(fā)展 62 3.4.1 深度學(xué)習(xí)的發(fā)展及其特點 63 3.4.2 深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的異同 64 3.4.3 深度學(xué)習(xí)的應(yīng)用和發(fā)展 66 3.5　本章內(nèi)容小結(jié) 66 3.6　本章練習(xí)題 67 第 2篇 人工智能的應(yīng)用 第4章 圖像識別與人工智能 70 4.1　計算機(jī)內(nèi)圖像的數(shù)字化表示 72 4.1.1 人眼成像的原理 72 4.1.2 圖像數(shù)字化的基本原理 73 思考與練習(xí)4-1 數(shù)碼相機(jī)中的CMOS成像原理 74 4.1.3 擴(kuò)展——數(shù)字圖像的基本屬性和特征 75 思考與練習(xí)4-2 數(shù)字圖像的顏色表示 76 4.1.4 擴(kuò)展——數(shù)字圖像的存儲格式 77 4.2　圖像分割——選擇圖像中的“物” 78 4.2.1 圖像分割技術(shù)的意義和特點 78 4.2.2 基于閾值的圖像分割方法 79 4.2.3 基于區(qū)域的圖像分割方法 81 思考與練習(xí)4-3 基于閾值和區(qū)域的圖像分割方法演示 82 4.2.4 基于邊緣的圖像分割方法 83 4.2.5 基于深度學(xué)習(xí)的圖像分割方法 84 4.3　圖像識別——辨別圖像中的“物” 85 4.3.1 對待識別物體的特征提取 85 4.3.2 通過對特征的分類識別物體 86 4.3.3 圖像識別中的支持向量機(jī)分類 88 4.4 本章內(nèi)容小結(jié) 90 4.5 本章練習(xí)題 90 第5章 語音識別與人工智能 93 5.1　聲音的本質(zhì)和聲音的三要素 95 5.2　聲音的數(shù)字化轉(zhuǎn)換和處理 96 5.2.1 模擬信號到數(shù)字信號的轉(zhuǎn)換過程 96 5.2.2 擴(kuò)展——音頻的數(shù)字化編碼技術(shù) 99 5.2.3 擴(kuò)展——常見的音頻文件格式 100 5.3　語音識別——針對語言的處理過程 101 5.3.1 語音識別的分類和技術(shù)特點 101 5.3.2 語音識別從聲音到文字的轉(zhuǎn)換過程 102 5.3.3 針對聲音頻率特性的頻譜分析技術(shù) 104 5.4　自然語言處理——從聽見到聽懂 105 5.4.1 自然語言處理簡介 106 5.4.2 自然語言處理的功能和意義 107 思考與練習(xí) 自然語言處理中的分詞和語義分析 107 5.4.3 自然語言處理與人工智能技術(shù) 108 5.5　本章內(nèi)容小結(jié) 109 5.6　本章練習(xí)題 109 第6章 機(jī)器人和智能體 112 6.1　硬件類型的機(jī)器人學(xué) 114 6.1.1 機(jī)器人學(xué)的簡要發(fā)展史 114 6.1.2 機(jī)器人的主要類型和區(qū)別 115 6.1.3 機(jī)器人的基本結(jié)構(gòu)模塊和組成 116 6.1.4 傳感器的原理與應(yīng)用 117 6.1.5 從傳感器到機(jī)器人的感覺器官 119 思考與練習(xí)6-1 自動駕駛中的傳感器 120 6.2　軟件類型的智能體 121 思考與練習(xí)6-2 智能體的應(yīng)用 122 6.3　硬件機(jī)器人的結(jié)構(gòu)和組建案例 123 思考與練習(xí)6-3 如何增強(qiáng)智能小車的功能 128 6.4　本章內(nèi)容小結(jié) 129 6.5　本章練習(xí)題 129 第3篇 人工智能的融合擴(kuò)展 第7章 大數(shù)據(jù)與人工智能 132 7.1　數(shù)據(jù)、信息及數(shù)據(jù)管理 134 7.1.1 如何從數(shù)據(jù)中獲取信息 134 思考與練習(xí)7-1 數(shù)據(jù)和信息的關(guān)系 135 7.1.2 規(guī)模化數(shù)據(jù)的結(jié)構(gòu)化管理 136 思考與練習(xí)7-2 數(shù)據(jù)庫系統(tǒng)的應(yīng)用 137 7.1.3 從結(jié)構(gòu)化數(shù)據(jù)庫到大數(shù)據(jù)技術(shù) 138 7.1.4 大數(shù)據(jù)技術(shù)中的信息加工和知識獲取 139 思考與練習(xí)7-3 應(yīng)用數(shù)據(jù)分析獲取有效信息的經(jīng)典案例 141 思考與練習(xí)7-4 根據(jù)學(xué)生的考試成績改進(jìn)教學(xué) 141 7.2　人工智能和大數(shù)據(jù)的技術(shù)融合 142 7.3　大數(shù)據(jù)技術(shù)的應(yīng)用與展望 144 7.4　本章內(nèi)容小結(jié) 144 7.5　本章練習(xí)題 145 第8章 物聯(lián)網(wǎng)、云計算和區(qū)塊鏈 146 8.1 “萬物互聯(lián)”的物聯(lián)網(wǎng)技術(shù) 148 8.1.1 “萬物互聯(lián)”的概念及其發(fā)展 148 8.1.2 “物”是如何連接網(wǎng)絡(luò)的？ 149 8.1.3 關(guān)于“物”的個性化數(shù)據(jù)采集 151 思考與練習(xí)8-1 共享出行中的物聯(lián)網(wǎng)應(yīng)用 152 8.1.4 “物”的個性化數(shù)據(jù)處理技術(shù) 152 8.1.5 物聯(lián)網(wǎng)在日常生活中的應(yīng)用 154 思考與練習(xí)8-2 物聯(lián)網(wǎng)在智能家居中的應(yīng)用 154 8.2　基于網(wǎng)絡(luò)技術(shù)的云計算 155 8.2.1 云計算的概念和發(fā)展 155 8.2.2 從硬件到軟件——云計算的三種服務(wù)模式 157 思考與練習(xí)8-3 如何理解云計算的三種服務(wù)模式 158 8.2.3 云計算的應(yīng)用優(yōu)勢和發(fā)展前景 159 思考與練習(xí)8-4 云計算在社會生活中的典型應(yīng)用 159 8.3　區(qū)塊鏈——數(shù)據(jù)的鏈狀化管理技術(shù) 159 8.3.1 區(qū)塊鏈技術(shù)如何實現(xiàn)區(qū)塊數(shù)據(jù)存儲 160 8.3.2 靈活、開放和安全的區(qū)塊化存儲 161 8.3.3 區(qū)塊鏈的三種拓展方向 162 8.3.4 區(qū)塊鏈技術(shù)的應(yīng)用優(yōu)勢和發(fā)展前景 163 思考與練習(xí)8-5 區(qū)塊鏈、物聯(lián)網(wǎng)、云計算和人工智能 164 8.4　本章內(nèi)容小結(jié) 164 8.5　本章練習(xí)題 165