新一代人工智能的崛起深刻影響著國(guó)際競(jìng)爭(zhēng)格局，人工智能已經(jīng)成為推動(dòng)國(guó)家與人類社會(huì)發(fā)展的重大引擎。2017年，國(guó)務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，其中明確指出：支持開展形式多樣的人工智能科普活動(dòng)，鼓勵(lì)廣大科技工作者投身人工智能的科普與推廣，全面提高全社會(huì)對(duì)人工智能的整體認(rèn)知和應(yīng)用水平。實(shí)施全民智能教育項(xiàng)目，在中小學(xué)階段設(shè)置人工智能相關(guān)課程，逐步推廣編程教育，鼓勵(lì)社會(huì)力量參與寓教于樂的編程教學(xué)軟件、游戲的開發(fā)和推廣。
為了貫徹落實(shí)《新一代人工智能發(fā)展規(guī)劃》，國(guó)家有關(guān)部委相繼頒布出臺(tái)了一系列政策。截至2022年2月，全國(guó)共有440所高校設(shè)置了人工智能本科專業(yè)、387所普通高等學(xué)校高等職業(yè)教育（�？疲┰O(shè)置人工智能技術(shù)服務(wù)專業(yè)，一些高校甚至已經(jīng)在積極探索人工智能跨學(xué)科的建設(shè)。在高中階段，人工智能初步已經(jīng)成為信息技術(shù)課程的選擇性必修內(nèi)容之一。在2022年實(shí)現(xiàn)從0到1突破的義務(wù)教育階段信息科技課程標(biāo)準(zhǔn)中，明確要求在79年級(jí)需要學(xué)習(xí)人工智能與智慧社會(huì)相關(guān)內(nèi)容。實(shí)際上，16年級(jí)階段的不少內(nèi)容也與人工智能關(guān)系密切，是學(xué)習(xí)人工智能的基礎(chǔ)。
人工智能是一門具有高度交叉屬性的學(xué)科，筆者認(rèn)為其交叉性至少體現(xiàn)在三個(gè)方面：行業(yè)交叉、學(xué)科交叉、學(xué)派交叉。在大數(shù)據(jù)、算法、算力三駕馬車的推動(dòng)下，新一代人工智能已經(jīng)逐步開始賦能各個(gè)行業(yè)，現(xiàn)在幾乎沒有哪一個(gè)行業(yè)不涉及人工智能有關(guān)元素。人工智能也在助力各學(xué)科的研究。近幾年，Nature等頂級(jí)刊物不斷刊發(fā)人工智能賦能學(xué)科的文章，如人工智能數(shù)學(xué)、化學(xué)、生物、考古、設(shè)計(jì)、音樂以及美術(shù)等的結(jié)合。人工智能內(nèi)部的學(xué)派也在不斷交叉融合，像知名的AlphaGo，就是集三大主流學(xué)派優(yōu)勢(shì)制作，并且現(xiàn)在這種不同學(xué)派間取長(zhǎng)補(bǔ)短的研究開展得如火如荼。總之，未來的學(xué)習(xí)、工作與生活中，人工智能賦能的身影將無處不在，因此掌握一定的人工智能知識(shí)與技能將大有裨益。
根據(jù)筆者長(zhǎng)期從事人工智能教學(xué)、研究經(jīng)驗(yàn)來看，一些人對(duì)人工智能還存在一定的誤區(qū)。比如將編程與人工智能直接畫上了等號(hào)，又或是認(rèn)為人工智能就只有深度學(xué)習(xí)等。實(shí)際上，人工智能的知識(shí)體系十分龐大，內(nèi)容涵蓋相當(dāng)廣泛，不但有邏輯推理、知識(shí)工程、搜索算法等相關(guān)內(nèi)容，還涉及機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及強(qiáng)化學(xué)習(xí)等算法模型。當(dāng)然，了解人工智能的起源與發(fā)展、人工智能的道德倫理，對(duì)正確認(rèn)識(shí)人工智能和樹立正確的價(jià)值觀也是十分必要的。
通過對(duì)人工智能及其相關(guān)知識(shí)的系統(tǒng)學(xué)習(xí)，可以培養(yǎng)數(shù)學(xué)思維（Mathematical Thinking）、邏輯思維（Reasoning Thinking）、計(jì)算思維（Computational Thinking）、藝術(shù)思維（Artistic Thinking）、創(chuàng)新思維（Innovative Thinking）與數(shù)據(jù)思維（Data Thinking），即MRCAID。然而遺憾的是，目前市場(chǎng)上既能較綜合介紹人工智能相關(guān)知識(shí)，又能輔以程序代碼解決問題，同時(shí)還能迅速入門的圖書并不多見，因此筆者策劃了本系列圖書，以期實(shí)現(xiàn)體系內(nèi)容較全、配合程序操練及上手簡(jiǎn)單方便等特點(diǎn)。
本書以傳統(tǒng)的機(jī)器學(xué)習(xí)為主線，按照如下內(nèi)容進(jìn)行組織：第1章介紹機(jī)器學(xué)習(xí)的基本概念；第2章介紹掌握機(jī)器學(xué)習(xí)時(shí)必須要了解的一些關(guān)于數(shù)據(jù)分析的基礎(chǔ)知識(shí)；第3章～第6章分別介紹機(jī)器學(xué)習(xí)解決四類問題的算法，即回歸問題、分類問題、聚類問題以及降維問題，第3章在討論什么是回歸問題的基礎(chǔ)上介紹了一元線性回歸與多元線性回歸，在第4章中，首先對(duì)分類問題進(jìn)行了界定，并介紹了利用k近鄰算法與決策樹兩種不同的分類算法，第5章介紹了聚類問題以及兩種不同方式的聚類算法K均值聚類與系統(tǒng)聚類等內(nèi)容，第6章介紹了降維問題、主成分分析以及奇異值分解等內(nèi)容；第7章對(duì)神經(jīng)網(wǎng)絡(luò)的相關(guān)知識(shí)展開系統(tǒng)介紹。本書的附錄部分回顧了Python的基礎(chǔ)知識(shí)，介紹了關(guān)于導(dǎo)數(shù)與代數(shù)等數(shù)學(xué)基礎(chǔ)知識(shí)，同時(shí)還介紹了Python室驗(yàn)室Jupyter Lab的使用。
本書的出版要感謝提供熱情指導(dǎo)與幫助的院士、教授、中小學(xué)教師等專家學(xué)者，也要感謝與筆者一起并肩參與寫作的其他作者。在本書的出版過程中，未來基因（北京）人工智能研究院、騰訊教育、阿里云、科大訊飛等機(jī)構(gòu)提供了大力支持，在此一并表示感謝。
由于水平有限，書中內(nèi)容不可避免地存在疏漏與不足，歡迎廣大讀者批評(píng)指正并提出寶貴的意見。

龔超
2022年9月于清華大學(xué)