人工智能概論

本書全面介紹了人工智能的基本技術，目標是用通俗易懂的方法幫助讀者構建完整的人工智能知識體系，為後續的深入學習打下基礎。本書共分為10章，內容包括人工智能概述、知識表示、搜索技術、機器學習、深度學習、自然語言處理、機器人及智能控制等。 本書適合高職高專和應用型本科，作為非人工智能專業的選修課和人工智能專業的導論課教材。也適合作為人工智能技術愛好者的入門書。

劉鵬，教授，清華大學博士畢業，現任南京云創大數據科技股份有限公司總裁，兼任中國大數據應用聯盟人工智能專家委員會主任、中國信息協會教育分會人工智能教育專家委員會主任、2019年全國大學生數學建模競賽命題人、第45屆世界技能大賽中國雲計算專家指導組組長。
　　

程顯毅，教授，博士，現任中國人工智能學會知識工程專家委員會委員、江蘇省微電腦學會人工智能專家委員會副主任委員、江蘇省人工智能學會監事、江蘇省大數據專家委員會委員、江蘇省雲計算論壇專家委員會委員。
　　

李紀聰，廣東工業大學華立學院副教授、高級工程師，教育部高職高專汽車類汽車製造與裝配技術專業教學指導委員會委員，新寶車業有限公司（4S店）執行董事長兼CEO。
研究領域為新能源汽車、智能（無人）駕駛、工業機器人、智能建築、現代企業管理等。
在公開刊物上發表學術論文10餘篇，承擔省部級以及企業橫向科研課題10多項，獲得新型技術專利10多項，學術成果曾獲得省部級獎勵。

第1章AI時代的起航
1.1 一波三折的AI 1
1.1.1 發展歷程概覽 1
1.1.2 大數據時代的人工智能 8
1.2 AI如影隨形10
1.2.1 手機美顏10
1.2.2 聊天機器人10
1.2.3 新聞推薦11
1.2.4 在線翻譯12
1.2.5 虛擬現實12
1.3 AI學派13
1.3.1 符號主義13
1.3.2 連接主義14
1.3.3 行為主義15
1.3.4 學派比較16
1.4 人工智能定義16
1.4.1 概念解析16
1.4.2 共識概念17
1.5 AI面臨的機遇和挑戰18
1.5.1 認知誤區18
1.5.2 面臨的機遇19
1.5.3 存在的挑戰20
1.5.4 AI將成為公司的生命線21
1.5.5 AI如何重新定義工作22
1.6 應具有的AI能力23
1.6.1 懂工具23
1.6.2 懂編程25
1.6.3 懂模型25
1.6.4 懂業務27
習題28
參考文獻29

第2章感受AI
2.1 析音賞樂31
2.1.1 語音助手32
2.1.2 語音識別32
2.1.3 典型應用場景33
2.2 別具慧眼33
2.2.1 人臉識別33
2.2.2 行人識別35
2.2.3 圖像分類36
2.2.4 典型應用場景36
2.3 識文斷字39
2.3.1 手寫數據識別39
2.3.2 問答系統39
2.3.3 情感分析40
2.3.4 典型應用場景40
2.4 神來之筆41
2.4.1 圖像生成41
2.4.2 圖像藝術42
2.4.3 典型應用場景42
2.5 運籌帷幄44
2.5.1 智能家居44
2.5.2 環境監控45
2.5.3 典型應用場景46
習題49
參考文獻49

第3章知識表示與推理
3.1 從AI符號主義說起50
3.1.1 命題邏輯51
3.1.2 一階謂詞邏輯53
3.1.3 產生式系統55
3.1.4 基於符號主義的知識表示瓶頸56
3.2 基於知識的表示方法56
3.2.1 人工智能的3個層次56
3.2.2 知識57
3.2.3 知識工程的誕生59
3.2.4 框架60
3.2.5 語義網絡61
3.2.6 語義Web 62
3.3 知識圖譜與知識庫63
3.3.1 問題的提出63
3.3.2 基本思想64
3.3.3 基本原理65
3.3.4 知識圖譜的分類66
3.3.5 知識圖譜應用場景67
3.4 實驗：構建基於知識圖譜的問答程序68
習題71
參考文獻75

第4章搜索技術
4.1 搜索76
4.1.1 什麼是搜索76
4.1.2 狀態空間表示法77
4.1.3 狀態空間的搜索策略79
4.2 廣度優先81
4.2.1 廣度優先搜索的基本思想81
4.2.2 廣度優先搜索的過程81
4.3 深度優先82
4.3.1 深度優先搜索的基本思想82
4.3.2 深度優先搜索過程82
4.4 啟發式搜索83
4.4.1 啟發性信息與估價函數84
4.4.2 局部尋優搜索86
4.4.3 全局尋優搜索87
4.5 遺傳算法89
4.5.1 遺傳算法的發展史90
4.5.2 遺傳算法的基本原理90
4.5.3 遺傳算法的求解步驟92
4.6 微粒群算法93
4.6.1 微粒群算法的基本概念及進化方程93
4.6.2 標準微粒群算法流程94
4.6.3 微粒群算法的研究現狀95
4.7 實驗：粒子群優化算法96
習題98
參考文獻100

第5章機器學習
5.1 機器學習模型101
5.2 數據準備103
5.2.1 數據集劃分103
5.2.2 數據標註104
5.3 學習方式105
5.3.1 有監督學習105
5.3.2 無監督學習109
5.3.3 概率圖模型113
5.3.4 集成學習117
5.4 模型評估120
5.4.1 泛化能力120
5.4.2 交叉驗證121
5.4.3 混淆矩陣121
5.5 實驗：房價預測122
習題124

第6章深度學習
6.1 深度學習概況129
6.1.1 深度學習是什麼129
6.1.2 深度學習的前世今生130
6.1.3 深度學習分類132
6.1.4 深度學習的入門建議132
6.2 神經網絡基礎133
6.2.1 人工神經網絡模型133
6.2.2 感知機學習算法135
6.2.3 多層前饋神經網絡137
6.2.4 BP算法背後的數學139
6.2.5 誤差反向傳播法142
6.2.6 可視化MLP網絡訓練143
6.3 深度學習框架145
6.3.1 Matlab深度學習工具包146
6.3.2 TensorFlow深度學習框架146
6.3.3 PyTorch深度學習框架147
6.3.4 其他構建方式148
6.3.5 體驗手寫數字識別149
6.4 卷積神經網絡及其應用152
6.4.1 卷積神經網絡的功能組件153
6.4.2 卷積神經網絡的架構158
6.4.3 卷積神經網絡識別CIFAR圖像集162
6.5 強化學習166
6.5.1 一個迷宮問題167
6.5.2 強化學習問題的框架MDP 169
6.5.3 求解貝爾曼方程172
6.5.4 強化學習仿真環境173
6.5.5 深度學習前景展望177
6.6 實驗：利用卷積神經網絡識別圖像179
習題183
參考文獻188

第7章自然語言處理
7.1 詞法分析189
7.1.1 詞法分析概述189
7.1.2 基本分詞方法190
7.1.3 詞性標註194
7.1.4 實體識別197
7.2 句法分析198
7.2.1 句法分析概述198
7.2.2 自頂向下的句法分析199
7.2.3 自底向上的句法分析200
7.2.4 概率上下文無關文法202
7.3 語義分析204
7.3.1 語義分析概述204
7.3.2 詞義消歧204
7.3.3 語義角色標註209
7.4 實驗：Python中文文本分析與可視化211
習題213
參考文獻214

第8章智能控制技術
8.1 自動控制系統215
8.1.1 概述215
8.1.2 組成與工作原理215
8.1.3 分類216
8.2 模糊控制217
8.2.1 模糊推理方法217
8.2.2 模糊控制原理217
8.2.3 模糊控制系統的設計218
8.2.4 自適應模糊控制219
8.3 專家控制220
8.3.1 原理220
8.3.2 典型結構221
8.3.3 實現方法223
8.4 神經網絡控制224
8.4.1 類型224
8.4.2 結構224
8.4.3 模型225
8.4.4 應用226
8.4.5 發展趨勢229
8.5 實驗：利用智能音箱語音控制計算機的開關機230
習題234
參考文獻235

第9章工業機器人技術
9.1 人工智能與工業4.0 236
9.1.1 智能製造生態系統237
9.1.2 工業機器人237
9.1.3 智慧工廠242
9.1.4 工業智能化趨勢243
9.2 工業機器人核心技術245
9.2.1 傳感技術246
9.2.2 芯片技術246
9.2.3 智能控制技術248
9.2.4 多智能體調控技術249
9.3 工業軟件編程249
9.3.1 工業互聯網架構249
9.3.2 神經網絡251
9.3.3 可視化學習251
9.4 工業機器人產業鏈253
9.4.1 工業機器人研發設計254
9.4.2 智能製造客戶交互256
9.4.3 工業機器人核心部件257
9.4.4 工業機器人供應鏈259
9.5 工業機器人操作與維護260
9.5.1 工業機器人操作260
9.5.2 工業機器人維護261
9.6 實驗：工業機器人軟件技術運維264
習題277
參考文獻279

第10章建築智能化技術
10.1 智能建築集成系統280
10.1.1 智能建築雲架構281
10.1.2 智慧工地282
10.1.3 智能建築289
10.1.4 智慧城市289
10.2 建築設備裝置智能化290
10.2.1 建築裝備智能化290
10.2.2 工程機械智能化291
10.2.3 智能建築3D打印291
10.3 建築智能化應用系統293
10.3.1 智能化集成系統293
10.3.2 信息設施系統293
10.3.3 信息化應用系統294
10.3.4 建築設備管理系統294
10.3.5 公共安全系統294
10.3.6 機房工程295
10.4 建築智能化系統運維295
10.4.1 智能建築的運維技術要求295
10.4.2 Honeywell樓宇智控系統簡介297
10.4.3 建築智能化的未來298
10.5 實驗：樓宇智控系統EBI的安裝配置調試300
習題308
參考文獻309

附錄A AIRack人工智能實驗平台
附錄B AICloud人工智能雲平台
附錄C 雲創學習工場—專注大數據、人工智能培訓與認證