人工智能基礎與應用

陳海明，博士，副教授，現任寧波大學信息學院副院長，畢業於中國科學院研究生院（計算技術研究所），主要從事智能物聯網系統中的高效能數據傳輸與雲邊協同智能計算方法的研究，已在IEEE TMC、 IEEE TCC、IEEE TPDS、IEEE IoTJ等國際和國內重要期刊和會議上發表論文共90多篇（其中SCI/EI檢索70多篇），曾獲得《計算機學報》（2013-2017）優秀論文獎、2024中國知網高被引學者TOP5%、北京市科學技術獎三等獎等科技獎勵，主持國家自然科學基金青年科學基金項目1項，浙江省自然科學基金項目2項及多項省級、市級科研項目。同時任寧波大學人工智能通識課程（理工農醫）的負責人，課程立項浙江省一流人工智能通識課程，獲得多項國家級、省級、校級教學成果獎勵。

第1章 人工智能概述 1
1.1 概括 2
1.2 人工智能的定義 2
1.3 圖靈測試與智能水平 4
1.4 實現人工智能的主要途徑 5
1.4.1 符號主義 5
1.4.2 連接主義 6
1.4.3 行為主義 6
1.4.4 各個學派的代表性人物與主要貢獻 7
1.5 人工智能的發展歷程 8
1.5.1 第一個發展期到第一個低谷期（1956—1974） 8
1.5.2 第二個發展期到第二個低谷期（1975—1993） 9
1.5.3 第三個發展期：步入平穩（1994—2005） 10
1.5.4 第四個發展期：成為引領（2006—） 11
1.5.5 發展啟示 13
1.6 人工智能的研究領域 17
1.6.1 知識表示 17
1.6.2 推理 18
1.6.3 規劃 18
1.6.4 學習 19
1.7 人工智能的應用領域 20
1.7.1 定理證明 20
1.7.2 專家系統 21
1.7.3 博弈 21
1.7.4 數據挖掘 22
1.7.5 自然語言處理 22
1.7.6 模式識別與計算機視覺 23
1.7.7 智能控制 24
1.8 人工智能的三個要素 24
1.8.1 算法 25
1.8.2 數據 25
1.8.3 算力 26
思考題 27
第2章 知識表示與推理 29
2.1 概述 30
2.2 邏輯表示法與自然演繹推理 31
2.2.1 命題邏輯表示法與自然演繹推理 31
2.2.2 謂詞邏輯表示法與自然演繹推理 33
2.3 產生式表示法與產生式系統 35
2.3.1 產生式表示法 35
2.3.2 產生式系統 36
2.4 狀態空間法 38
2.5 知識圖譜與關系推理 40
2.5.1 語義網絡 40
2.5.2 知識圖譜 41
2.5.3 知識圖譜推理 42
思考題 44
第3章 規劃與搜索 45
3.1 概述 46
3.2 盲目搜索策略 47
3.2.1 寬度優先搜索 47
3.2.2 深度優先搜索 49
3.3 啟發式搜索策略 50
3.3.1 A算法和A*算法 50
3.3.2 模擬退火算法 53
3.3.3 遺傳算法 56
思考題 63
第4章 機器學習與數據挖掘 64
4.1 概述 65
4.2 監督學習 67
4.2.1 基本原理 67
4.2.2 回歸 67
4.2.3 分類 70
4.3 無監督學習 78
4.3.1 基本原理 78
4.3.2 聚類 78
4.3.3 降維 82
4.4 強化學習 84
4.5 數據挖掘 86
4.5.1 基本原理 86
4.5.2 案例分析 89
思考題 93
第5章 深度學習與人工神經網絡 94
5.1 概述 95
5.2 人工神經元和感知機模型 96
5.2.1 人工神經元模型 96
5.2.2 感知機模型 98
5.3 多層感知機與人工神經網絡 99
5.3.1 多層感知機 99
5.3.2 BP神經網絡 102
5.3.3 Hopfield神經網絡 104
5.3.4 玻爾茲曼機 105
5.4 卷積神經網絡與計算機視覺 106
5.4.1 卷積神經網絡 106
5.4.2 計算機視覺 111
5.5 循環神經網絡與自然語言處理 115
5.5.1 循環神經網絡 115
5.5.2 自然語言處理 117
思考題 124
第6章 生成式深度學習與大語言模型 125
6.1 概述 126
6.2 生成對抗網絡 128
6.2.1 基本原理 128
6.2.2 應用場景 129
6.3 Transformer模型 131
6.3.1 基本原理 131
6.3.2 應用場景 134
6.4 基礎大語言模型 136
6.4.1 國外大語言模型 138
6.4.2 國內大語言模型 139
6.5 垂類大語言模型 142
6.5.1 ChatGPT 143
6.5.2 通義千問 144
6.5.3 文心一言 145
6.5.4 豆包 145
6.5.5 智譜清言 146
6.6 提示詞工程 147
6.6.1 提示詞的基本元素 148
6.6.2 提示詞工程的關鍵技術 148
6.7 基於大語言模型的智能體 150
6.7.1 智能體的結構 150
6.7.2 智能體的類型 151
6.7.3 智能體的特點 152
6.7.4 智能體的應用 152
6.8 個人助理智能體搭建 154
6.8.1 創建智能體準備 155
6.8.2 編排智能體 157
6.8.3 測試與調優智能體 162
6.8.4 發布智能體 162
6.8.5 編輯智能體 162
思考題 163
第7章 人工智能的發展與挑戰 165
7.1 概述 166
7.2 人工智能+ 166
7.2.1 科學智能 166
7.2.2 智能制造 169
7.2.3 智慧農業 170
7.2.4 智慧醫療 171
7.2.5 智慧交通 172
7.3 未來發展 173
7.3.1 具身智能 173
7.3.2 群體智能 176
7.3.3 類腦智能 179
7.3.4 通用人工智能 180
7.4 機遇與挑戰 181
7.4.1 技術產業方面 181
7.4.2 宏觀經濟方面 182
思考題 182
第8章 人工智能的倫理與安全 184
8.1 概述 185
8.2 人工智能倫理 186
8.2.1 定義與範疇 186
8.2.2 共識原則 187
8.3 人工智能安全 188
8.3.1 定義與範疇 188
8.3.2 前沿問題與熱點技術 188
8.4 負責任的人工智能 189
8.4.1 負責任的人工智能的定義 189
8.4.2 負責任的人工智能的實現途徑 190
8.4.3 負責任的人工智能的重要意義 192
思考題 193