第一篇：《人工智能》教學大綱

人工智能原理及其應用

一、說明

（一）課程性質

隨著信息社會和知識經濟時代的來臨，信息和知識已成為人們的一個熱門話題。然而，在這個話題的背后還蘊含著另外一個更深層的問題——智能。一般來說，信息是由數據來表達的客觀事物，知識是信息經過智能性加工后的產物，智能是用來對信息和知識進行加工的加工器。在信息社會，人類面對的信息將非常龐大，僅靠人腦表現出來的自然智能是遠遠不夠的，必須開發那種由機器實現的人工智能。

《人工智能導論》是計算機科學與技術專業本科生的一門限選課程。

（二）教學目的

使學生掌握人工智能的基本原理、方法及研究應用領域。了解人工智能中常用的知識表示技術，啟發式搜索策略，了解原理以及非確定性推理技術。通過對典型專家系統的分析、解剖、進一步深入掌握人工智能的主要技術，去解決人工智能的一些實際問題。增強學生的邏輯思維與實驗能力，為人今后處理各門學科的智能奠定基礎。

（三）教學內容

人工智能的基本原理和方法，人工智能的三個重要研究領域（機器學習、神經網絡學習和自然語言理解），人工智能的兩個重要應用領域（專家系統和智能決策支持系統）。

（四）教學時數

36學時

（五）教學方式

課堂講授和上機實驗相結合。

二、本文

第1章 人工智能概述

教學要點

討論人工智能的定義、形成過程、研究內容、研究方法、技術特點、應用領域、學派之爭及發展趨勢。教學時數

3學時 教學內容

1.1 人工智能及其研究目標（0.5學時）

了解人工智能的定義及其研究目標。

1.2 人工智能的產生與發展（0.5學時）

了解人工智能產生與發展的四個階段。

1.3 人工智能研究的基本內容及其特點（0.5學時）

了解人工智能研究的基本內容及特點。

1.4 人工智能的研究和應用領域（0.5學時）

了解人工智能研究和應用領域。

1.5 人工智能研究的不同學派及其爭論（0.5學時）

了解三大學派及其理論的爭論和研究方法的爭論。1.6 人工智能的近期發展分析

（0.5學時）

了解更新的理論框架研究，更好的技術集成研究，更成熟的應用方法研究。（0.5學時）考核要求

了解人工智能研究的基本內容和應用領域。

第2章

知識表示

教學要點

知識表示的基本概念和各種確定性知識表示方法。教學時數

6學時 教學內容

2.1 知識與知識表示概念

（0.5學時）

了解知識表示的概念和表示形式； 理解知識的定義。

2.2 一階謂詞邏輯表示法

（0.5學時）

理解一階謂詞邏輯表示的邏輯基礎； 掌握謂詞邏輯表示方法及其應用。2.3 產生式表示法（0.5學時）

了解產生式系統的基本過程、控制策略及其類型和特點； 掌握產生式表示的基本方法、基本結構。2.4 語義網絡表示法（1學時）

理解語義網絡的基本概念；

會應用語義網絡表示事實和進行推理。2.5 框架表示法（2學時）

了解框架系統的問題求解過程和框架表示法的特點； 掌握框架結構和實例框架； 理解框架理論。2.6 腳本表示法

掌握腳本的結構及其推理。（0.5學時）2.7 過程表示法（0.5學時）

了解過程表示的特性；

掌握過程表示的問題求解過程； 理解表示知識的方法。

2.8 面向對象表示法

（0.5學時）

了解面向對象的特征；

理解面向對象的基本概念； 掌握知識的面向對象表示。考核要求

掌握邏輯詞謂表示法及其應用，會用框架去描述一些具體問題，能用腳本來描述特定范圍內的一些事件的發生順序。

第3章 確定性推理

教學要點

推理的基本概念及歸結、演繹等確定性推理方法。教學時數

5學時 教學內容

3.1 推理的基本概念（0.5學時）

了解正向推理、逆向推理、混合推理及其推理的沖突消解策略； 掌握推理的方法、推理的控制策略； 理解推理的概念。

3.2 推理的邏輯基礎（1學時）

掌握謂詞公式的各種特性和置換與合一的過程。3.3 自然演繹推理（0.5學時）

了解自然演繹推理的概念及其三段論推理規則。3.4 歸結演繹推理（2學時）

掌握子句集及其化簡，魯賓遜歸結原理；

會應用謂詞邏輯歸結證明問題，會用歸結演繹推理的歸結策略證明問題，會用歸結反演求取問題的答案。

3.5 基于規則的演繹推理（1學時）

會應用規則正向演繹推理和規則逆向演繹推理。3.6 規則演繹推理的剪枝策略（0.5學時）

了解剪枝策略的基本思想。考核要求

理解確定性推理的思維過程，會應用謂詞邏輯歸結去求證問題，會應用規則正向演繹推理和規則逆向演繹推理。

第4章 不確定與非單調推理

教學要點

不確定性推理的有關概念及各種不確定性的表示和推理方法。教學時數

4學時 教學內容

4.1 不確定性推理的基本概念（0.5學時）

了解不確定推理的基本問題； 理解不確定推理的含義。

4.2 不確定性推理的概率論基礎（0.5學時）

了解全概率公式與Bayes公式；

理解樣本空間與隨機事件，事件的概率。

4.3 確定性理論（0.5學時）

理解可信度的概念，C-F模型； 掌握帶加權因子的可信度推理。

4.4 主觀Bayes方法（0.5學時）

了解組合不確定性計算；

掌握知識不確定性表示，證據不確定性表示，結論不確定性的合成。4.5 證據理論（1學時）

掌握D-S理論的形式描述，證據理論的推理模型，推理實例。4.6 可能性理論和模糊推理（0.5學時）掌握模糊知識表示，模糊概念的匹配，模糊推理。4.7 非單調推理（0.5學時）

了解非單調推理的概念及起具有代表性的理論。考核要求

理解不確定性推理的含義、非單調推理的概念、確定性理論，掌握主觀Bayes方法，能用D-S理論從不同角度刻劃命題的不確定性，能在模糊集的基礎上，實現對模糊命題和模糊知識的表示。

第5章 搜索策略

教學要點

搜索的基本概念和狀態空間、與或樹的各種搜索算法。教學時數

6學時 教學內容

5.1 搜索的基本概念（1學時）

了解搜索的含義；

掌握狀態空間法，問題歸約。

5.2 狀態空間的盲目搜索（2學時）

了解一般圖搜索過程；

掌握廣度優先搜索，深度優先搜索，代價樹搜索。5.3 狀態空間的啟發式搜索（0.5學時）

了解A算法；

理解啟發性信息和估價函數。

5.4 與/或樹的盲目搜索（0.5學時）

了解與/或樹的一般搜索；

掌握與/或樹的的廣度優先搜索，與/或樹的深度優先搜索。5.5 與/或樹的啟發式搜索（0.5學時）

了解與/或樹的啟發式搜索過程； 理解解樹的代價與希望。

5.6 博弈樹的啟發式搜索（0.5學時）

了解極大極小過程，α-β剪枝。考核要求

了解搜索概念，博弈樹的啟發式搜索；掌握狀態空間的盲目搜索和與/或樹的盲目搜索。

第6章 機器學習

教學要點

機器學習的基本概念和各種符號學習方法。教學時數

4學時 教學內容

6.1 機器學習的基本概念（0.5學時）

了解機器學習的發展過程，學習系統，機器學習的分類； 理解學習和機器學習的概念。

6.2 機械式學習（0.5學時）

了解機械學習的過程及其設計要考慮的三個問題。6.3 指導式學習（0.5學時）

了解指導式學習的學習過程。

6.4 歸納學習（0.5學時）

了解歸納學習的類型。

6.5 基于類比的學習（0.5學時）

了解屬性類比學習、轉換類比學習； 理解類比學習的概念。

6.6 基于解釋的學習（0.5學時）

了解解釋學習的空間描述及學習模型； 理解解釋學習的概念；

掌握解釋學習的基本原理及基本過程。考核要求

了解機器學習的概念，機械式學習，指導式學習，歸納學習；掌握基于解釋學習的基本原理及其基本過程。

第7章 神經網絡及連接學習

教學要點

人工神經網絡的概念和各種連接學習方法。教學時數

2學時 教學內容

7.1 人工神經網絡概述（0.5學時）

了解人工神經元及人工神經網絡人工神經網絡的發展過程，人工神經網絡的局限性； 理解生物神經元及腦神經系統的結構及特征。

7.2 人工神經網絡的互連結構及其學習機理（0.5學時）

了解人工神經網絡學習和記憶的心理學基礎； 理解人工神經網絡的互連結構； 掌握人工神經網絡的學習算法。

7.3 感知器模型及其學習（0.5學時）

了解有關感知器XOR問題求解的討論； 理解感知器模型，感知器學習。

7.4 誤差反向傳播網絡及其學習（0.25學時）

理解B-P網絡結構；

掌握B-P網絡學習的傳播公式，B-P網絡的學習算法。7.5 Hopfield網絡及其學習

（0.25學時）

了解Hopfield模型的穩定性

理解Hopfield網絡的結構； 掌握Hopfield網絡的學習算法。考核要求

了解人工神經網絡及其結構和學習機理；理解感知器、B-P網絡、Hopfield網絡及其B-P網絡；掌握Hopfield網絡的算法。

第8章 自然語言理解

教學要點

自然語言理解的基本概念和分析方法。教學時數

2學時 教學內容

8.1 語言及其理解的基本概念（0.25學時）

了解自然語言與自然語言理解，自然語言理解的研究任務，自然語言理解的發展，自然語言理解的層次。

8.2 語法規則的表示方法（0.25學時）

掌握句子結構的表示，上下文無關文法，變換文法。8.3 語法分析（0.5學時）

掌握自頂向下與自底向上分析； 理解擴充轉移網絡分析。

8.4 語義的分析（0.5學時）

理解語義文法； 掌握格文法。

8.5 自然語言的生成（0.25學時）

了解自然語言生成的概念及生成步驟。

8.6 自然語言理解系統的層次模型（0.25學時）

了解語言理解的層次模型。考核要求

了解自然語言理解的概念，會用語法分析和語義的分析，了解自然語言理解系統的層次模型。

第9章 專家系統

教學要點

專家系統是人工智能的一個重要應用領域,它目前正在從集中、封閉模式向分布、開放模式發展。教學時數

3學時 教學內容

9.1 專家系統的基本概念（0.5學時）

了解專家系統的概念、分類及特點。

9.2 專家系統的基本結構（0.5學時）

了解用戶界面；

理解知識庫、數據庫、推理機、解釋機構、知識獲取機構。9.3 知識獲取（0.5學時）

了解知識獲取方法的分類； 理解知識獲取的任務；

掌握非自動知識獲取，自動知識獲取。

9.4 專家系統的開發與評價（0.5學時）

了解專家系統的開發條件，生命期概念，專家系統開發過程的各個階段。9.5 專家系統開發工具與環境（0.5學時）

了解程專家系統的開發工具與開發環境。9.6 專家系統的進一步發展

（0.5學時）

了解新一代專家系統。考核要求

了解專家系統的概念、基本結構及其開發工具與環境；掌握非自動知識獲取和自動知識獲取。

第10章 智能決策支持系統

教學要點

智能決策支持系統是人工智能的另一重要應用領域,它是目前迅速興起的網絡商務中的一項重要技術,有著廣闊的應用前景 教學時數

2學時 教學內容

10.1 智能決策支持系統的基本概念（0.5學時）

了解智能決策支持系統；

理解決策與決策過程，決策支持系統。

10.2 決策支持新技術（1學時）

理解數據倉庫、數據開發及其它們的結合。

10.3 智能決策支持系統的基本結構

（0.5學時）

掌握智能決策支持系統的基本結構。考核要求

了解智能決策支持系統及其新技術，知道智能決策支持系統的結構及新結構體系；理解決策與決策過程，決策支持系統；智能決策支持系統的基本結構。

三、參考書目

1、王萬森，《人工智能原理及其應用》，電子工業出版社，2000年9月第一版。

2、林堯瑞、馬少平，《人工智能導論》，清華大學出版社，1989年5月第一版。

3、陳世福、陳兆乾等編，《人工智能與知識工程》，南大出版社，1997年12月第一版。

4、何華燦，《人工智能導論》，西北工業大學出版社，1988。

5、陳汝鈴，《人工智能》，科學出版社，1989。

第二篇：2014新版人工智能教學大綱

404131422《人工智能》

英文課名： Artificial Intelligence 學 時：32 學 分：2 先修課程：數據結構，編譯原理，離散數學 適用專業：計算機科學與技術專業，軟件工程專業

一、總論

（一）課程性質：

本課程是計算機科學與技術專業本科，軟件工程專業本科的專業選修課

（二）開課目的與任務：

目的：使學生掌握人工智能的基本概念、基本原理、知識表示、推理機制和求解技術，以及相關研究領域的技術方法。啟發學生對人工智能的興趣，培養知識創新和技術創新能力，為今后在相關領域的研究打下堅實的基礎。

任務：

1．了解人工智能的概念和人工智能的發展，了解國際人工智能的主要流派和路線，了解國內人工智能研究的基本情況，熟悉人工智能的研究領域。

2．掌握狀態空間法、問題歸約法和謂詞邏輯法，熟悉語義網絡法，了解知識表示的其他方法，如框架法、劇本法、過程法等。

3．掌握盲目搜索和啟發式搜索的基本原理和算法，特別是寬度優先搜索、深度優先搜索、等代價搜索、啟發式搜索、有序搜索、A*算法等．了解博弈樹搜索、遺傳算法和模擬退火算法的基本方法。

4．掌握消解原理、規則演繹系統和產生式系統的技術。

（三）課程教學重點、難點、手段等有關說明：

課程的重點：

1、狀態空間法、問題歸約法和謂詞邏輯法知識表示方法。

2、盲目搜索和啟發式搜索的基本原理和算法。

3、規則演繹系統和產生式系統。

課程的難點：

1、語義網絡法，面向對象的知識表示方法。

2、代價搜索、啟發式搜索、有序搜索、A*算法。

3、專家系統和機器學習。

教學手段及教學方法: 采用課堂講授，課后自學，課堂討論等教學手段和方法。

1、課堂講授

在課堂上對人工智能的基本概念、原理和方法進行必要的講授，并詳細講授每章的重點、難點內容；講授中注意理論聯系實際，通過必要的案例展示、討論，啟迪學生的思維，加深學生對有關概念、理論等內容的理解，并采用多媒體輔助教學，加大課堂授課的知識含量。

2、課后自學

為了培養學生整理歸納，綜合分析和處理問題的能力，每章都安排一部分內容，課上教師只給出自學提綱，不作詳細講解，課后學生自學。

3、課堂討論

課堂討論的目的是活躍學習氣氛，開拓思路。需認真組織，安排重點發言，充分調動每一名同學的學習積極性，做好總結。

4、習題課

習題課以典型例題分析為主，并適當安排開闊思路及綜合性的練習及討論。

5、課外作業

課外作業的內容選擇基于對基本理論的理解和鞏固，培養綜合計算和分析、判斷能力以及使用人工智能方法用于給定的問題，并能夠選擇適當的實現方法的能力。

二、課程內容及其學時分配、教學要求

（一）課程內容及學時分配：

章次 1 2 3 4 5 總計

（二）教學要求：

課程的教學要求大體上分為三個層次：了解、理解和認識。

1、了解是能正確判別有關概念和方法；

2、理解是能正確表達有關概念和方法的含義；

3、認識是在理解的基礎上加以靈活應用。

三、實驗

無

四、課程設計

無

五、教材及主要參考書 教材: 人工智能 丁世飛著 清華大學出版社 2010.12 主要參考書:

1、《人工智能：一種現代的方法（第3版）》Stuart J.Russell, Peter Norvig 著 清華大學出版社 2014.5

2、《人工智能（第2版）》賁可榮，張彥鐸著 清華大學出版社 2013.3

課程內容 緒論 知識表示 搜索策略 確定性推理 機器學習

學時分配 4學時 8學時 8學時 6學時 6學時 32學時

3、《人工智能基礎教程（第二版）》 朱福喜著 清華大學出版社 2011.5

4、《人工智能及其應用（第4版）》蔡自興，徐光祐 著 清華大學出版社 2014.6

5、《人工智能原理及其應用(第3版)》 王萬森 著 電子工業出版社 2012.9

六、考核辦法

因為是考查課，所以采用平時+考試的方式進行考核。平時占50分，包括考勤、隨堂小考、提問及課后思考設計題目等的完成狀況；最后筆試試卷占50分，范圍涵蓋所有講授及自學的內容。

第三篇：《人工智能》詳細教學大綱[定稿]

……………………………… ………………………………………………………………裝……訂……線……………………………………………………………………………………………………………

《人工智能》教學大綱

課程名稱：人工智能 英語名稱：Artificial Intelligence 課程代碼：130234 課程性質：專業必修 學分學時數： 5/80 適用專業：計算機應用技術

修（制）訂人： 修（制）訂日期：2009年2月 審核人： 審核日期： 審定人： 審定日期：

一、課程的性質和目的

（一）課程性質

人工智能是計算機科學理論基礎研究的重要組成部分，人工智能課程是計算機科學技術專業的專業拓展選修課。通過本課程的學習使學生了解人工智能的提出、幾種智能觀、重要研究領域，掌握人工智能求解方法的特點。掌握人工智能的基本概念、基本方法，會用知識表示方法、推理方法和機器學習等方法求解簡單問題等。

（二）課程目的

1、基本理論要求：

課程介紹人工智能的主要思想和基本技術、方法以及有關問題的入門知識。要求學生了解人工智能的主要思想和方法。

2、基本技能要求：

學生在較堅實打好的人工智能數學基礎（數理邏輯、概率論、模糊理論、數值分析）上，能夠利用這些數學手段對確定性和不確定性的知識完成推理；在理解Herbrand域概念和Horn子句的基礎上，應用Robinson歸結原理進行定理證明；應掌握問題求解（GPS）的狀態空間法，能應用幾種主要的盲目搜索和啟發式搜索算法（寬度優先、深度優先、有代價的搜索、A算法、A*算法、博弈數的極大—極小法、α―β剪枝技術）完成問題求解；并能熟悉幾種重要的不確定推理方法，如確定因子法、主觀Bayes方法、D—S證據理論等，利用數值分析中常用方法進行正確計算。

3、職業素質要求：結合實戰，初步理解和掌握人工智能的相關技術。

二、教學內容、重（難）點、教學要求及學時分配 第一章：人工智能概述（2學時）

1、講授內容：（1）人工智能的概念

（2）人工智能的研究途徑和方法（3）人工智能的分之領域（4）人工智能的基本技術（5）人工智能的發展概況

2、教學要求：

了解：研究途徑和方法、人工智能的分之領域、基本技術和發展概況。理解：人工智能的基本概念、基本技術

掌握：人工智能的發展概況，人工智能研究的課題種類

3、教學重點：人工智能概念

4、難點：人工智能的研究途徑和方法

第二章：基于謂詞邏輯的機器推理（2學時）

1、講授內容：（1）一階謂詞邏輯（2）歸結演繹推理

（3）應用歸結原理求取問題答案（4）歸結策略

（5）Horn子句歸結與邏輯程序（6）非歸結演繹推理

2、教學要求：

了解：一階謂詞邏輯的基本概念

理解：應用歸結遠力求取問題答案的方法和Horm自居歸結于邏輯程序的方法以及非歸結演繹原理的方法和途徑

掌握：歸結演繹推理

3、教學重點：歸結演繹推理

4、難點：Horn子句歸結與邏輯程序

第三章：圖搜索技術（5學時）

1、講授內容：（1）狀態圖搜索（2）狀態圖問題求解（3）與或圖搜索（4）與或圖問題求解（5）博弈樹搜索

2、教學要求：

了解：常用的圖搜索技術 理解：與或圖搜索問題的原理 掌握：與或圖的啟發式搜索算法AO

3、教學重點：與或圖的啟發式搜索算法AO

4、難點：與或圖搜索

第四章：產生式系統（2學時）

1、講授內容：（1）產生式規則（2）產生式系統

（3）產生式系統與圖搜索（4）產生式系統的應用

2、教學要求： 了解：產生式

理解：謂詞邏輯歸結原理 掌握：Herbrand定理

3、教學重點：謂詞邏輯歸結原理

4、難點：Herbrand定理

第五章：知識表示（2學時）

1、講授內容：（1）知識及其表示（2）框架（3）語義網絡

（4）面向對象知識表示

2、教學要求： 了解：知識表示的概述 理解：幾種知識表示方式 掌握：產生式表示 語義網絡表示

3、教學重點：產生式表示 語義網絡表示

4、難點：框架表示

第六章：不確定性推理方法（6學時）

1、講授內容：

（1）不確定性及其類型（2）不確定性知識的表示（3）不確定性推理的一般模式（4）確定性理論（5）證據理論（6）模糊推理

2、教學要求：

了解：不確定性推理方法的概述 理解：論證理論 模糊推理 掌握：論證理論

3、教學重點：論證理論 模糊推理

4、難點：證據理論(D-Stheory)第七章：專家系統（4學時）

1、講授內容：（1）專家系統的概念（2）專家系統的結構（3）專家系統的應用與發展（4）專家系統設計與實現（5）專家系統開發與環境（6）新一代專家系統研究

2、教學要求：

了解：專家系統的概述、專家系統的組成結構與發展 理解：專家系統的設計與實現 掌握：專家系統的開發與使用

3、教學重點：專家系統的設計與實現

4、難點：新一代專家系統概述

第八章：機器學習（10學時）

1、講授內容：（1）符號學習（2）神經網絡學習

2、教學要求： 了解：機器學習的概述 理解：符號學習

掌握：常用的機器學習的方式

3、教學重點：神經網絡學習

4、難點：遺傳算法

三、各教學環節的基本要求

（一）課堂講授

1、教學方法

（1）注重理論指導的作用，積極探究達到最佳視覺效果的典型做法。同時貫徹理論和實踐相結合的原則，給學生出一定量的思考，并要求學生完成一定量的作業，以提高學生的理論水平，培養學生的動手能力和創新精神。

（2）把握課程的重難點，及時總結深化所學內容，并針對重難點布置適當的綜合練習。以便達到良好的教學效果。

2、教學手段

（1）采用理論講解、操作示范等多種方式，充分利用多媒體等現代化教學手段，整體優化教學過程和教學內容，調動學生學習積極性，進行啟發式的教學。

（2）注重學生動手能力的培養，積極鼓勵和引導學生對所學的知識、技能加以拓寬、深化。

3、教學輔助資料

CAI課件

（二）作業、答疑和質疑

1、作業

2、答疑和質疑

（三）考核方式

1、考核方式：考試

2、成績評定：期末考試70%，平時成績30%

四、與其他課程的聯系與分工

本課是計算機及相關專業學生的專業選修課，選修本課須有比較全面的計算機知識。先行課程：《離散數學》、《高等數學》、《概率論》、《線性代數》、《C語言程序設計》、《數據結構》

五、建議教材及教學參考書

（一）建議教材

《人工智能及其應用》，蔡自興，徐光祐。清華大學出版社，2000年5月。

（二）教學參考書

《人工智能（上、下冊）》，陸汝鈐，北京：科學出版社，1996年。

第四篇：人工智能 2012年研究生課程教學大綱

武漢工程大學2012年《人工智能基礎》考研考試

一、命題原則：

1、考察學生對基礎知識（包括基本概念、基本內容、基本結論、基本計算）的掌握程度以及運用已掌握的知識分析和解決問題的能力。

2、考試對象為報考我校模式識別與智能系統專業各方向的研究生入學考試考生。

3、難易適度，難中易比例：容易：30%，中等：40%，偏難20%，難：10%。

4、考試知識點覆蓋率達80%以上。

二、題型、分值及考試時間：

1、題型包括：填空題、對錯題、名詞解釋、計算題、簡答題

2、考試時間：180分鐘

3、滿分：150分

三、考試內容與要求

第一章緒論

1.1人工智能的定義和發展

1.2人類智能和人工智能

1.3人工智能各學派的認知觀

1.4人工智能的研究與應用領域

第二章知識表示方法

2.1狀態空間法

2.2問題規約法

2.3謂詞邏輯法

2.4語義網絡法

2.5框架表示

2.6劇本表示

2.7

第三章

3.1

3.2

3.4

3.5

3.6

3.7過程的表示 搜索推理技術 圖搜索策略 盲目搜索 消解原理 規則演繹系統 產生式系統 系統組織技術 3.3啟發式搜索

3.8不確定推理

3.9非單調推理

第四章神經計算 模糊計算

4.1 概述

4.2 神經計算

4.3 模糊計算

第五章專家系統

6.1專家系統概述

6.2基于規則的專家系統

6.3基于框架的專家系統

6.4基于模型的專家系統

6.5新型專家系統

6.6專家系統的設計

6.7專家系統開發工具

第六章機器學習

7.1機器學習的定義和發展歷史

7.2機器學習的主要策略和基本結構

7.3機械學習

7.4歸納學習

7.5類比學習

7.6解釋學習

7.7神經學習

7.8知識發現

第七章自動規劃

8.1規劃系統的定義與任務

8.2積木世界的機器人規劃

8.3STRIPS規劃系統

8.4

8.5 具有學習能力的規劃系統 分層規劃

8.6 基于專家系統的規劃

第八章智能控制

12.1 智能控制的發展與定義

12.2 智能控制的結構理論與特點

12.3 智能控制系統

12.4 智能控制的應用領域

第九章人工智能的展望

13.1 人工智能的爭論

13.2 人工智能對人類的影響

13.3 對人工智能的展望

四、主要參考書

推薦參考教材：

（1）人工智能及其應用（第三版）.蔡自興，徐光祐主編.清華大學出版社.2003年

（2）人工智能原理及其應用(第2版).王萬森 編著.電子工業出版社.2007.1

（3）人工智能（第一版）.張彥鐸主編.清華大學出版社.2007年

（4）Artificial Intelligence: A New Synthesis.Morgan Kanfmann.N.J.Nilsson主編.機械工業出社.1999

第五篇：人工智能相關材料

應用：

個人助理（智能手機上的語音助理、語音輸入、家庭管家和陪護機器人）產品舉例：微軟小冰、百度度秘、科大訊飛等、Amazon Echo、Google Home等

安防（智能監控、安保機器人）產品舉例：商湯科技、格靈深瞳、神州云海

自駕領域（智能汽車、公共交通、快遞用車、工業應用）產品舉例：Google、Uber、特斯拉、亞馬遜、奔馳、京東等

醫療健康（醫療健康的監測診斷、智能醫療設備）產品舉例： Enlitic、Intuitive Sirgical、碳云智能、Promontory等

電商零售（倉儲物流、智能導購和客服）產品舉例：阿里、京東、亞馬遜

金融（智能投顧、智能客服、安防監控、金融監管）產品舉例：螞蟻金服、交通銀行、大華股份、kensho

教育（智能評測、個性化輔導、兒童陪伴）產品舉例：學吧課堂、科大訊飛、云知聲

發展方向思路：

（一）人工智能新興產業

這部分主要任務是進行人工智能前沿技術布局，推動核心技術產業化，并為人工智能產業發展奠定公共基礎。本部分涉及核心技術研發與產業化、基礎資源公共服務平臺兩大工程。其中，核心技術研發與產業化工程主要涉及三個方面的技術。一是人工智能基礎理論，包括深度學習、類腦智能等。二是人工智能共性技術，包括人工智能領域的芯片、傳感器、操作系統、存儲系統、高端服務器、關鍵網絡設備、網絡安全技術設備、中間件等基礎軟硬件技術。三是人工智能應用技術，包括基于人工智能的計算機視聽覺、生物特征識別、復雜環境識別、新型人機交互、自然語言理解、機器翻譯、智能決策控制、網絡安全等。基礎資源公共服務平臺工程主要涉及四個方面的建設內容。一是各種類型人工智能海量訓練資源庫和標準測試數據集建設，包括文獻、語音、圖像、視頻、地圖及行業應用數據等，這些數據集需要面向社會開放，為廣大科研機構和企業進行人工智能研究和開發提供服務。二是基礎資源服務平臺建設，包括滿足深度學習計算需求的新型計算集群共享平臺、云端智能分析處理平臺、算法與技術開放平臺、智能系統安全情報共享平臺等。三是類腦智能基礎服務平臺建設，要能夠模擬真實腦神經系統的認知信息處理過程。四是產業公共服務平臺建設，可以為人工智能創新創業提供相關研發工具、檢驗評測、安全、標準、知識產權、創業咨詢等專業化服務。

（二）重點領域智能應用

這部分主要任務是加快人工智能技術的產業化進程，推動人工智能在家居、汽車、無人系統、安防、制造、教育、環境、交通、商業、健康醫療、網絡安全、社會治理等重要領域開展試點，使得人工智能能夠在第一時間轉化為生產力并惠及民生。本部分以基礎較好的智能家居、智能汽車、智能無人系統、智能安防等領域為主。智能家居示范工程主要支持利用健康醫療、智慧娛樂、家庭安全、環境監測、能源管理等應用技術，進行具有人工智能的酒店、辦公樓、商場、社區、家庭等建設，提升百姓生活品質。智能汽車研發與產業化工程主要面向自動駕駛和安全駕駛，支持智能汽車芯片和車載智能操作系統、高精度地圖及定位、智能感知、智能決策與控制等，支持智能汽車試點。智能無人系統應用工程主要面向無人機、無人船等無人設備，支持與人工智能相關的結構設計、智能材料、自動巡航、遠程遙控、圖像回傳等技術研發，及其在物流、農業、測繪、電力巡線、安全巡邏、應急救援等重要行業領域的創新應用。智能安防推廣工程主要面向與百姓安全息息相關的社會治安、工業安全以及火災、有害氣體、地震、疫情等問題，支持利用圖像精準識別、生物特征識別、編碼識別、智能感知等技術的研發和應用。

（三）智能化終端產品

這部分的主要任務是希望通過合適的終端，實現智能化生產和服務。本部分涉及三大工程。智能終端應用能力提成工程主要是面向具有一定智能計算能力的終端及附屬應用，支持其在智能交互、智能翻譯等云端協同方面及圖像處理、操作系統基礎軟硬件方面進一步改進。智能可穿戴設備發展工程主要支持輕量級操作系統、低功耗高性能芯片、柔性顯示、高密度儲能、快速無線充電、虛擬現實和增強現實等關鍵技術的成果轉化與應用。智能機器人研發與應用工程主要支持智能感知、模式識別、智能分析、智能控制等技術在機器人方面的研發和應用，包括生產用智能工業機器人，救災救援、反恐防暴等特殊領域的智能特種機器人，醫療康復、教育娛樂、家庭服務等領域的智能服務機器人。

（四）標準體系和知識產權

目前人工智能標準領域還處于一片空白狀態，關于人工智能的概念仍然沒有達成一致意見，人工智能也還沒有一個統一的技術體系架構，平臺與應用之間的接口五花八門，而且基本上都是私有協議，網絡、軟硬件、數據、系統、測試評估等方面的研發、應用、服務也無章可循。這直接導致了人工智能領域進入門檻過高，無法形成良性發展的產業生態。因此，建設人工智能領域標準化體系，建立并完善基礎共性、互聯互通、行業應用、網絡安全、隱私保護等技術標準，已經成為擺在眼前的現實問題。當然，標準化工作需要相關各方的積極參與，并積極開展國際合作，才能保證對人工智能產業發展的有效促進，推動標準走出去才能增強國際話語權。另一方面，在我們所處的這個全球經濟一體化時代，專利已經成為發展的硬實力，必須要加快重點技術和應用領域的專利布局，同時加強專利合作，提高知識產權成果轉化效率，積極防控專利風險，增強標準與專利政策的有效銜接，才能保證我國人工智能產業擁有強大的競爭力并得到持續健康發展。

政策：

2015年5月國務院在《中國制造2025》提出“加快發展智能制造裝備和產品”，指出“組織研發具有深度感知、智慧決策、自動執行功能的高檔數控機床、工業機器人、增材制造裝備等智能制造裝備以及智能化生產線，統籌布局和推動智能交通工具、智能工程機械、服務機器人、智能家電、智能照明電器、可穿戴設備等產品研發和產業化。”

2015年7月4日國務院在《國務院關于積極推進“互聯網+”行動的知道意見》明確提出人工智能作為11個重點布局的領域之一，促進人工智能在智能家居、智能終端、智能汽車、機器人等領域的推廣應用。

2016年1月國務院在《“十三五”國家科技創新規劃》提出智能制造和機器人成為“科技創新2030項目”重大工程之一。

2016年3月18日國務院在《國民經濟和社會發展第十三個五年規劃綱要（草案）》提出人工智能概念進入“十三五”重大工程。

2016年5月18日國家發展改革委、科技部、工業和信息化部、中央網信辦在《“互聯網+”人工智能三年行動實施方案》明確了要培育發展人工智能新興產業、推進重點領域智能產品創新、提升終端產品智能化水平、并且政府將在資金、標準體系、知識產權、人才培養、國際合作、組織實施等方面進行保障。

人工智能技術帶來的產業影響

當前，人工智能技術對互聯網行業產生的影響和變革主要有如下三個方面：

其一，在理論技術層面，人工智能技術為基于互聯網和移動互聯網等領域的創新應用，提供理論基礎。例如，自動定理推理，為網絡信息檢索、問題求解、遠程診斷等問題提供了自動求解方案；自然語言理解，為計算機人類語言理解提供理論和方法；數據挖掘為從數據庫中挖掘有意義，提煉出具有必然性、蘊含本質規律的數據提供了規則、聚類等數據處理、建模、評估標準。

其二，在技術應用和創新層面，人工智能技術的發展，為未來ICT等網絡技術的發展指引了方向。當前，以智能算法、深度學習、云計算為代表的大規模網絡應用已經成為ICT產業的重要發展方向。各大互聯網公司在深度學習領域在不斷做積極探索，深度學習是機器學習研究中的一個重點關注領域，其研究側重于建立、模擬人腦進行分析學習的神經網絡。在創新方面，深度學習帶來了機器學習的新浪潮，推動“大數據＋深度模型+數據發現挖掘”時代的來臨。人工智能技術與互聯網的融合，是兩個領域發展到一定階段，探索創新的必然結果，深度學習為擁有強大計算能力和數據資源的互聯網巨頭公司帶來下一次全面領跑的機會。例如，谷歌、百度在硅谷的研發實驗室，在對深度學習、算法升級，對機器學習模仿人腦的智能活動，讓機器像人腦一樣識別圖像、理解自然語言，解析網絡內容之間關系做深度探索。百度語音和圖像等相關網絡產品應用的快速崛起，正是受益于對機器學習等領域的技術突破。

其三，在融合發展層面，人工智能技術的發展促進多種科學與網絡技術的深度融合。從國際上看，人工智能技術在美國，歐洲和日本發展迅速，并且帶動了多種信息科學領域的發展，信息學、控制學、仿生學、計算機學等領域的技術突破均被運用到人工智能應用中去。從技術發展脈絡發展上，人工智能很多技術一直處于創新的前沿，未來會在很大程度上影響信息產業的發展方向。人工智能發展至今涉及到多個研究領域，研究方向包括符號計算、語言識別、模式識別和計算機視覺、機器翻譯與機器學習、智能信息檢索、問題求解與專家系統、邏輯推理與邏輯證明、自然語言處理等，逐漸成為更為廣泛的智能科學學科。

新時期下面對人工智能快速發展對策：

在人工智能技術發展過程中，我們總體上應該貫徹落實創驅動發展戰略，立足自主創新的同時，放眼國內國際兩個大局技術發展情況，加強跟蹤高新技術產業技術的發展態勢調整產業結構，統籌全局發展，切實推進由技術革新到推進經濟發展方式的轉變，實現工業經濟產型升級，同步大力支持我國人工智能相關研究和產業化工作。在具體工作上，我們應該采取以下策略：

一是要建立針對相關科研成果的產業追蹤機制。針對國際國內相關企業和科研機構正在進行的相關科研活動進行動態追蹤，對其科研成果在各行各業的信息化應用進行預研預判，為制定信息化發展相關政策規劃提供線索和根據。

二是適時引導和推動人工智能相關產業領域的研發應用。加強對人工智能和人腦科學工業領域應用的深入調研分析，掌握工業機器人、新型計算產品、人工神經網絡等的發展和應用現狀，堅持應用牽引，整合產學研現有資源，形成一批人工智能關聯技術的實驗室和技術中心，推動人工智能關聯技術在網絡、通訊等行業快速發展的應用示范。

三是要加大對人工智能關聯技術的資金支持力度，引導人工智能關聯技術向通用技術領域的演進和轉化。

未來人工智能技術將進一步推動關聯技術和新興科技、新興產業的深度融合，推動新一輪的信息技術革命，其人工智能技術將成為我國經濟結構轉型升級的新支點。