人工智能基礎與應用（微課版）

郝興偉，山東大學計算機基礎教學研究中心主任，山東大學計算機通識教育首席教授，山東省教學名師，首屆山東大學教學卓越獎獲得者，教育部高等學校大學計算機課程教學指導委員會資深委員，信息技術新工科產學研聯盟大學計算機通識教育工作委員會主任，全國高校計算機基礎教學研究會文科專委會副主任，中國大學生計算機設計大賽（4C）國賽濟南決賽區負責人。在教學研究、國家規劃教材建設、國家精品課程建設、國家一流課程建設、MOOC建設、智慧課程建設、產學合作、學科競賽等方面成果豐碩，連續六屆獲國家和山東省教學成果獎，在國內計算機基礎教學領域有廣泛影響。

目錄

第 1章　人工智能概述　1

1.1　什麼是人工智能　2

1.1.1　生命與智能　2

1.1.2　人工智能的內涵　5

1.2　人工智能的基礎　7

1.2.1　哲學與人工智能　7

1.2.2　數學與人工智能　8

1.2.3　神經科學與人工智能　8

1.2.4　計算機科學與人工智能　9

1.2.5　其他學科與人工智能　10

1.3　人工智能的產生與發展　11

1.3.1　初創階段　11

1.3.2　形成階段　14

1.3.3　發展階段　15

1.3.4　探索階段　16

1.3.5　大數據驅動階段　17

1.3.6　智能階段　18

1.4　人工智能的分類　19

1.4.1　按智能程度分類　19

1.4.2　按能力分類　20

1.4.3　按實現方式分類　21

1.4.4　按研究內容分類　23

1.5　人工智能的應用　24

1.5.1　智能制造　24

1.5.2　智能醫療　25

1.5.3　智能交通　26

1.5.4　智能安防　27

1.5.5　智能生活　27

1.5.6　智能教育　28

1.6　人工智能基礎設施　29

1.6.1　數據　29

1.6.2　算法　29

1.6.3　算力　29

1.7　人工智能的挑戰和發展趨勢　30

1.7.1　奇點　30

1.7.2　人工智能的挑戰　30

1.7.3　人工智能的發展趨勢　31

1.8　人工智能倫理　32

1.8.1　人工智能倫理基礎　32

1.8.2　人工智能倫理的發展歷程　33

1.8.3　人工智能倫理的主要問題　34

1.8.4　人工智能倫理的治理措施　35

習題一　36

第 2章　機器學習基礎　37

2.1　什麼是機器學習　38

2.1.1　機器學習的涵義　38

2.1.2　機器學習基本概念　39

2.1.3　數據理解　43

2.1.4　機器學習的類型和應用　45

2.2　監督學習　47

2.2.1　線性模型　47

2.2.2　非參數模型　50

2.2.3　決策樹　56

2.2.4　貝葉斯方法　60

2.2.5　集成學習　62

2.3　無監督學習　64

2.3.1　降維　65

2.3.2　聚類　67

2.4　深度學習　71

2.4.1　深度學習概述　71

2.4.2　深度學習開發框架　80

2.5　強化學習　81

2.6　遷移學習　82

習題二　84

第3章　自然語言處理　86

3.1　什麼是自然語言處理　87

3.1.1　自然語言處理的基本概念　87

3.1.2　自然語言處理的基本範式　90

3.2　詞法分析　91

3.2.1　詞形分析　91

3.2.2　詞語切分　93

3.2.3　中文詞語切分語料庫　95

3.3　句法分析　95

3.3.1　短語結構句法分析　95

3.3.2　依存結構句法分析　98

3.3.3　句法分析語料庫　99

3.4　語義分析　100

3.4.1　語義的形式化表達　100

3.4.2　詞義消歧　101

3.4.3　語義角色標註　102

3.4.4　基於圖表征的語義分析　103

3.5　自然語言處理應用　104

3.5.1　機器翻譯　104

3.5.2　文本生成　105

3.5.3　問答系統　108

3.5.4　信息抽取　110

3.5.5　文本分類　113

3.6　大語言模型　113

3.6.1　大語言模型概述　114

3.6.2　大語言模型架構　115

3.6.3　大語言模型並行訓練　116

3.6.4　大語言模型微調　117

習題三　119

第4章　語音信號處理技術　120

4.1　語音信號基礎　120

4.1.1　語音發音系統　120

4.1.2　語音聽覺感知系統　121

4.1.3　人耳聽覺特性　122

4.1.4　語音的基本概念和參數　123

4.2　語音信號分析　123

4.2.1　語音信號數字化和預處理　124

4.2.2　時域分析　125

4.2.3　頻域分析　126

4.2.4　倒譜分析和Mel頻率倒譜系數　126

4.3　語音識別　127

4.3.1　動態時間規整的孤立詞識別　128

4.3.2　基於隱馬爾科夫模型的孤立詞識別　130

4.3.3　連續語音識別　131

4.3.4　基於深度學習的語音識別　132

4.4　基於語音識別的智能家居系統　133

4.4.1　系統整體結構　134

4.4.2　系統功能設計　135

4.5　說話人識別　138

4.5.1　說話人識別方法和系統整體結構　139

4.5.2　預處理和特征選取　139

4.5.3　模式匹配方法　141

4.5.4　說話人識別系統實例——基於DTW的說話人確認系統　142

習題四　143

第5章　計算機視覺　144

5.1　計算機視覺概述　144

5.1.1　計算機視覺發展史　145

5.1.2　計算機視覺中的基本概念　146

5.2　圖像分析　147

5.2.1　圖像分析簡介　147

5.2.2　圖像分析算法　148

5.2.3　圖像分析應用領域　151

5.2.4　未來發展趨勢與挑戰　152

5.3　圖像生成　153

5.3.1　圖像生成簡介　153

5.3.2　圖像生成算法　155

5.3.3　圖像生成應用領域　157

5.3.4　未來發展趨勢與挑戰　157

5.4　目標檢測　158

5.4.1　目標檢測簡介　158

5.4.2　目標檢測算法　159

5.4.3　目標檢測應用領域　161

5.4.4　未來發展趨勢與挑戰　162

5.5　三維點雲處理　163

5.5.1　點雲簡介　163

5.5.2　點雲處理算法　166

5.5.3　點雲處理應用領域　169

5.5.4　未來發展趨勢與挑戰　170

習題五　170

第6章　智能機器人與具身智能　172

6.1　智能機器人基礎　172

6.1.1　行為主義載體——機器人　172

6.1.2　機器人的起源與發展　173

6.1.3　機器人的基本組成　174

6.1.4　機器人的分類　175

6.2　智能工業機器人　176

6.2.1　工業機器人的發展　176

6.2.2　工業機器人的定義與類型　177

6.2.3　工業機器人的應用　178

6.3　智能服務機器人　179

6.3.1　服務機器人的發展　179

6.3.2　服務機器人的定義與類型　179

6.3.3　服務機器人的應用　181

6.4　機器人領域部分關鍵技術及術語　181

6.4.1　感知與導航　181

6.4.2　軟件與算法　182

6.5　具身智能　183

6.5.1　具身智能與離身智能　183

6.5.2　具身智能的核心要素　183

6.5.3　通用型具身智能機器人和傳統智能機器人　184

6.5.4　具身智能的典型應用　185

習題六　187

第7章　AIGC應用實踐　188

7.1　AIGC概述　188

7.1.1　AIGC的定義　189

7.1.2　AIGC的發展歷程　189

7.1.3　多模態大模型　190

7.2　文本創作　191

7.3　多媒體創作　193

7.3.1　圖像生成　194

7.3.2　視頻生成　201

7.3.3　音樂生成　203

習題七　207