人工智能引论

作 者吴飞 潘云鹤
单 位浙江大学
内容提要
本书是计算机领域本科教育教学改革试点工作计划(“101计划”)系列教材之一。本书按照“厚算法基础、养伦理意识、匠工具平台、促赋能应用”的培养目标,以表达与推理、搜索与优化、建模与学习和伦理与安全为核心,按照如下内容进行组织:第1章绪论、第2章知识表达与推理、第3章搜索探寻与问题求解、第4章机器学习、第5章神经网络与深度学习、第6章强化学习、第7章人工智能博弈、第8章人工智能伦理与安全、第9章人工智能架构与系统、第10章人工智能应用。 本书可作为高等学校人工智能专业及信息技术相关专业人工智能课程的教材,也可供对人工智能技术感兴趣的读者及相关从业人员参考。
前言

人工智能是引领科技革命和产业变革的战略性技术和重要驱动力量,具有多学科交叉综合、渗透力和支撑性强、高度复杂等特点,呈现技术属性和社会属性高度融合特色。

认知是人类智能的重要表现,其基石和燃料是规范化的知识(如概念、属性和关系等),基于规范化知识就可形成对学习对象的理解和分类。早在13世纪末,加泰罗尼亚(现西班牙境内)的拉蒙·柳利(Ramon Llull)就提出了对知识范畴进行规范化描述的“知识树”(tree of knowledge)概念,这是目前已知最早一种知识规范化努力,类似于莱布尼茨稍后提出的“人类思想字母表”(alphabet of human thought)思路。为了更好地理解人工智能所蕴含的磅礴内容,本书按照“厚算法基础、养伦理意识、匠工具平台、促赋能应用”的培养目标,以连贯、紧凑的知识点为主线形成了主体内容:从可计算理论和图灵机模型溯源人工智能发展,按照从逻辑推理到问题求解、从策略搜索到数据建模、从浅层学习到深层学习、从单次式标注到序贯式奖励、从最优解到均衡解的思路来介绍人工智能算法模型,从架构与系统和伦理与安全两个方面来介绍人工智能的技术属性和社会属性,最后介绍人工智能赋能之用。

具体而言,本书内容组织如下:第1章绪论,第2章知识表达与推理,第3章搜索探寻与问题求解,第4章机器学习,第5章神经网络与深度学习,第6章强化学习,第7章人工智能博弈,第8章人工智能伦理与安全,第9章人工智能架构与系统,第10章人工智能应用。

人工智能历史是由一个个小细节构成的,事中有理、理中有事,须弥芥子,大千一苇。本书每一章末尾提供了如下“延伸阅读”内容,以方便读者从历史、当下和未来等不同角度对该章内容做进一步了解:当前是从过去拔萃出来的投影、推理即计算、突破组合爆炸之难与陷入地平线问题之困、二战中德军每个月生产多少辆坦克、爬上树梢与攀登月球、最优化之策与试错术之谏的姻缘结合、规避随机性与命运——骰子占卜到算法博弈、人有人的用处、咸与维新——计算机体系架构的黄金时代、人工智能效应之奇怪悖论等。

为了对人工智能高阶知识学习起到桥梁作用,本书在附录中以“卡片式”风格介绍了Ada Boosting算法、非负矩阵分解、主题建模、隐马尔可夫模型、朴素贝叶斯概率图模型、生成式对抗学习、图神经网络和多智能体博弈等进阶知识点。

本书每章包含选择题、思考题、计算题和证明题等习题。同时,本书以数字化形式提供了编程实践题目,以培养锻炼实践能力。浙江大学联合高等教育出版社等单位发布了面向人工智能教育领域的大模型“智海-三乐”(“三乐”出自《孟子》“得天下英才而教育之,三乐也”),为本教材内容提供智能问答、试题生成、学习导航和教学评估等服务,形成数字化和智能化的教学基座能力,提供个性化的教育教学体验。

本书是教育部计算机领域本科教育教学改革试点工作计划(简称“101计划”)核心课程“人工智能引论”的配套教材,来自15所高校的40余位教师参与了本书知识点讨论,他们是(按姓氏拼音为序):鲍军鹏、陈静远、高岳、何琨、黄河燕、焦李成、况琨、李文新、李建民、李侃、李文、李阳阳、李钦策、李海峰、刘若辰、刘洋、刘家瑛、毛先领、苗夺谦、慕彩红、彭敏、邱锡鹏、史树敏、宋井宽、宋睿华、王东辉、王俊丽、魏平、危辉、武妍、谢榕、相明、辛景民、许莹、杨洋、赵洲、张圣宇、张宇、张丽清、张红云、赵才荣、朱晓燕。图灵奖获得者、康奈尔大学教授约翰•霍普克罗夫特(John Edward Hopcroft)对本书撰写极为关心,在本书知识点构成和教学方式等方面提出了许多宝贵建议,加州大学伯克利分校教授斯图尔特•拉塞尔(StuartRussell)和康奈尔大学教授巴特•塞尔曼(Bart Selman)对本书知识点构成进行了指导。

由于书中各章内容相对独立,教师可根据课程计划和专业需要选择讲授内容。本书课程教学时数一般为32~ 48学时。为了方便学习,“智海-Mo平台”发布了与本书内容配套的课件资源,以供教学所需。本书是在爱课程网中国大学MOOC平台上开设的在线开放课程“人工智能:模型与算法”(首批国家级一流本科课程)的主讲教材。

感谢上海交通大学施鹏飞教授、清华大学孙茂松教授、南京航空航天大学陈松灿教授、复旦大学薛向阳教授和天津大学韩亚洪教授对本书进行的仔细审阅,提出的宝贵修改建议。感谢周乐夔、廖彬兵、林宇箫、段新宇、蒋胤傑、方宏波、张圣宇、吴安鹏、吴韬、李孟择、甘磊磊、孙杰等研究生为本书所做的贡献。

笔者曾参与国家和教育部有关人工智能规划的编撰工作,主持建设了首批国家级线上一流课程“人工智能:模型与算法”,主编了普通高中信息技术教材《人工智能初步》,出版了数字有声读物《走进人工智能》,撰写了中国科协2022年科普中国创作出版扶持计划读物《走进人工智能》,编写了新一代人工智能系列教材《人工智能:模型与算法》,在这些过程中深感人工智能人才培养颇为重要,希望本书能够为人工智能人才和“人工智能 +”人才的培养贡献微薄之力。

笔者勤勤恳恳,在教材写作中不敢有丝毫懈怠。深夜航班舷窗外皎洁的月光、假日宁静校园办公室中键盘敲击的旋律、风驰电掣高铁外掠过的暮色壮美山河、互联网中探索知识海洋的喜悦、七尺讲台上经历的春夏秋冬之时光,以及日常忙碌中家人的体谅照顾,这些点滴岁月都是本人曾经和正在经历的感动、热爱和坚强的时刻。由于水平有限,书中内容难免会存在不足,欢迎教师和读者提出宝贵意见。

目录

第 1 章 绪论

1.1 人工智能的起源

1.2 可计算载体:形式化与机械化

1.3 智能计算方法

1.4 新一代人工智能

1.5 本书知识点脉络与教学内容安排

1.6 小结

第 2 章 知识表达与推理

2.1 知识表示方法

2.2 命题逻辑

2.3 谓词逻辑

2.4 知识图谱推理

2.5 概率推理

2.6 因果推理

2.7 小结

第 3 章 搜索探寻与问题求解

3.1 搜索基本概念

3.2 贪婪最佳优先搜索

3.3 A* 搜索

3.4 最小最大搜索

3.5 alpha-beta 剪枝搜索

3.6 蒙特卡洛树搜索

3.7 小结

第 4 章 机器学习

4.1 机器学习基本概念

4.2 模型评估与参数估计

4.3 回归分析

4.4 决策树

4.5 k 均值聚类

4.6 监督学习:特征降维

4.7 无监督学习:特征降维

4.8 演化学习

4.9 小结

第 5 章 神经网络与深度学习

5.1 人工神经网络概述

5.2 前馈神经网络

5.3 神经网络参数优化

5.4 卷积神经网络

5.5 循环神经网络

5.6 注意力机制

5.7 神经网络正则化

5.8 深度学习在自然语言和计算机视觉中的应用

5.9 小结

第 6 章 强化学习

6.1 强化学习问题定义

6.2 基于价值的强化学习

6.3 基于策略的强化学习

6.4 深度强化学习应用

6.5 小结

第 7 章 人工智能博弈

7.1 博弈论的相关概念

7.2 博弈策略求解

7.3 博弈规则设计

7.4 非完全信息博弈的实际应用

7.5 小结

第 8 章 人工智能伦理与安全

8.1 人工智能伦理

8.2 人工智能模型安全

8.3 人工智能可解释性

8.4 小结

第 9 章 人工智能架构与系统

9.1 人工智能基础软硬件框架

9.2 人工智能芯片

9.3 人工智能系统

9.4 小结

第 10 章 人工智能应用

10.1 语言基础模型(大模型)

10.2 自然语言中的机器翻译

10.3 图像分类与视觉对象定位

10.4 语音识别与合成

10.5 科学计算

10.6 跨媒体智能

10.7 机器人控制

10.8 小结

App 下载
关注我们