人工智能等級考試一級教程 人工智能通識

《人工智能等級考試一級教程 人工智能通識》面向我國人工智能的通識教育與專業技術人才的培養。全書共8章，分為3篇，分別為人工智能的基本理論、人工智能的應用以及人工智能的融合拓展，涵蓋了目前主流的人工智能技術。《人工智能等級考試一級教程 人工智能通識》在介紹人工智能的基本原理時，盡量迴避了相關的復雜模型和算法設計，方便讀者在社會層面理解人工智能的應用形式和未來的發展路徑。此外，書中每章都設計了一些思考與練習的題目，以便讀者在課堂練習和研討中使用。

《人工智能等級考試一級教程 人工智能通識》適合具有高中及以上數學基礎的學生，包括各類職業院校、應用型本科非電腦專業的學生閱讀，也適合對人工智能感興趣或有相關需求的社會人士閱讀。

曹良亮,北京师范大学教育技术学院，理学博士，高级工程师，长期从事计算机教学工作，主要研究方向是计算机教育应用。

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　什麽是人工智能 4

1.1.1 達特茅斯會議與人工智能的誕生 4

1.1.2 “人工”和“智能”的完美結合 5

1.1.3 “全面”人工智能和“部分”人工智能 6

思考與練習1-1 怎樣理解人工智能 7

1.2　人工智能的發展歷史 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 人工智能的復蘇期 11

1.2.5 人工智能的繁榮期 12

1.3　實現人工智能的多種研究學派 13

1.3.1 “智能的黑箱”——符號主義學派 13

思考與練習1-2 “中文屋”的悖論 14

1.3.2 “黑箱的內部”——連接主義學派 15

1.3.3 “動作和控制”——行為主義學派 17

1.4　人工智能對社會生活的影響 18

1.5　本章內容小結 19

1.6　本章練習題 19

第 2章 問題求解和知識工程 21

2.1　搜索技術和問題求解 23

2.1.1 問題求解——按照既定的步驟操作 23

思考與練習2-1 傳統查找和問題求解 24

思考與練習2-2 地圖中路徑的搜索技術 25

2.1.2 盲目搜索技術 26

思考與練習2-3 如何理解深度優先算法和廣度優先算法 28

2.1.3 啟發式搜索技術 28

思考與練習2-4 非啟發式搜索和啟發式搜索的對比 29

2.2　知識在電腦內的表示方式 30

2.2.1 陳述性知識和過程性知識 31

思考與練習2-5 語義網絡基本形式 32

2.2.2 從已知到未知的邏輯推理 32

2.2.3 通過電腦實現推理的過程 33

2.3　像專家一樣解決問題 35

2.3.1 專家系統的發展歷程 35

2.3.2 專家系統的基本結構 36

思考與練習2-6 專家系統的一種模擬 37

2.4　從專家系統到知識工程 38

2.4.1 知識工程和專家系統的區別 38

2.4.2 知識工程的知識處理過程 39

2.4.3 互聯網時代的知識圖譜 40

2.5　本章內容小結 41

2.6　本章練習題 42

第3章 人工神經網絡、機器學習和深度學習 44

3.1　神經元細胞的數字化模型 46

3.1.1 神經元細胞和感知機 46

3.1.2 感知機的分類判斷模型 49

3.1.3 擴展——感知機如何學會正確分類 50

思考與練習3-1 感知機的模擬運行 51

3.2　人工神經網絡——生物神經網絡的數字化 52

3.2.1 從單層感知機到多層感知機 52

思考與練習3-2 多層感知機的應用 54

3.2.2 人工神經網絡的基本功能特點 55

3.2.3 捲積神經網絡的優勢和特點 57

3.3　機器學習——機器的自我適應 58

3.3.1 機器學習的發展和分類 58

3.3.2 監督學習和無監督學習 59

思考與練習3-3 監督學習和無監督學習 61

3.3.3 機器學習的應用 61

3.4　深度學習——機器學習的進一步發展 62

3.4.1 深度學習的發展及其特點 63

3.4.2 深度學習與機器學習的異同 64

3.4.3 深度學習的應用和發展 66

3.5　本章內容小結 66

3.6　本章練習題 67

第 2篇 人工智能的應用

第4章 圖像識別與人工智能 70

4.1　電腦內圖像的數字化表示 72

4.1.1 人眼成像的原理 72

4.1.2 圖像數字化的基本原理 73

思考與練習4-1 數碼相機中的CMOS成像原理 74

4.1.3 擴展——數字圖像的基本屬性和特徵 75

思考與練習4-2 數字圖像的顏色表示 76

4.1.4 擴展——數字圖像的存儲格式 77

4.2　圖像分割——選擇圖像中的“物” 78

4.2.1 圖像分割技術的意義和特點 78

4.2.2 基於閾值的圖像分割方法 79

4.2.3 基於區域的圖像分割方法 81

思考與練習4-3 基於閾值和區域的圖像分割方法演示 82

4.2.4 基於邊緣的圖像分割方法 83

4.2.5 基於深度學習的圖像分割方法 84

4.3　圖像識別——辨別圖像中的“物” 85

4.3.1 對待識別物體的特徵提取 85

4.3.2 通過對特徵的分類識別物體 86

4.3.3 圖像識別中的支持向量機分類 88

4.4 本章內容小結 90

4.5 本章練習題 90

第5章 語音識別與人工智能 93

5.1　聲音的本質和聲音的三要素 95

5.2　聲音的數字化轉換和處理 96

5.2.1 模擬信號到數字信號的轉換過程 96

5.2.2 擴展——音頻的數字化編碼技術 99

5.2.3 擴展——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特點 101

5.3.2 語音識別從聲音到文字的轉換過程 102

5.3.3 針對聲音頻率特性的頻譜分析技術 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 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 108

5.5　本章內容小結 109

5.6　本章練習題 109

第6章 機器人和智能體 112

6.1　硬件類型的機器人學 114

6.1.1 機器人學的簡要發展史 114

6.1.2 機器人的主要類型和區別 115

6.1.3 機器人的基本結構模塊和組成 116

6.1.4 傳感器的原理與應用 117

6.1.5 從傳感器到機器人的感覺器官 119

思考與練習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6-2 智能體的應用 122

6.3　硬件機器人的結構和組建案例 123

思考與練習6-3 如何增強智能小車的功能 128

6.4　本章內容小結 129

6.5　本章練習題 129

第3篇 人工智能的融合擴展

第7章 大數據與人工智能 132

7.1　數據、信息及數據管理 134

7.1.1 如何從數據中獲取信息 134

思考與練習7-1 數據和信息的關系 135

7.1.2 規模化數據的結構化管理 136

思考與練習7-2 數據庫系統的應用 137

7.1.3 從結構化數據庫到大數據技術 138

7.1.4 大數據技術中的信息加工和知識獲取 139

思考與練習7-3 應用數據分析獲取有效信息的經典案例 141

思考與練習7-4 根據學生的考試成績改進教學 141

7.2　人工智能和大數據的技術融合 142

7.3　大數據技術的應用與展望 144

7.4　本章內容小結 144

7.5　本章練習題 145

第8章 物聯網、雲計算和區塊鏈 146

8.1 “萬物互聯”的物聯網技術 148

8.1.1 “萬物互聯”的概念及其發展 148

8.1.2 “物”是如何連接網絡的？ 149

8.1.3 關於“物”的個性化數據採集 151

思考與練習8-1 共享出行中的物聯網應用 152

8.1.4 “物”的個性化數據處理技術 152

8.1.5 物聯網在日常生活中的應用 154

思考與練習8-2 物聯網在智能家居中的應用 154

8.2　基於網絡技術的雲計算 155

8.2.1 雲計算的概念和發展 155

8.2.2 從硬件到軟件——雲計算的三種服務模式 157

思考與練習8-3 如何理解雲計算的三種服務模式 158

8.2.3 雲計算的應用優勢和發展前景 159

思考與練習8-4 雲計算在社會生活中的典型應用 159

8.3　區塊鏈——數據的鏈狀化管理技術 159

8.3.1 區塊鏈技術如何實現區塊數據存儲 160

8.3.2 靈活、開放和安全的區塊化存儲 161

8.3.3 區塊鏈的三種拓展方向 162

8.3.4 區塊鏈技術的應用優勢和發展前景 163

思考與練習8-5 區塊鏈、物聯網、雲計算和人工智能 164

8.4　本章內容小結 164

8.5　本章練習題 165