人工智能导论课程指导书

人工智能导论课程教学大纲一、课程基本信息课程编号：课程中文名称：人工智能导论课程性质：学院基础课程、专业核心课程开课学期：3课内学时：32学时，其中授课32学时课外学时：32学时学分：2学分主要面向专业：自动化、测控、电气、机器人工程二、先修课程高等数学、概率论、线性代数、生命科学导论三、课程目标人工智能导论是面向理工科专业的重要基础课程。

课程以学科基础、技术基础、重点方向与领域、行业应用、伦理与法律五维知识体系为主要内容，经典与现代人工智能知识结构模块化，具有广阔的思想和技术背景。

通过课程学习，使学生系统性掌握人工智能基本概念、方法、技术，把握人工智能重点方向及领域；掌握机器学习、深度神经网络等基本方法；初步具备利用人工智能技术解决问题的基本能力；初步理解人工智能伦理及其对人工智能技术发展的重要意义。

为进一步学习相关的专业基础课程和专业课程打下必要的理论和实践基础。

（1）从大历史观角度使学生理解人工智能发展的历史和思想脉络，使学生认识到人工智能的本质和内涵，思考人之为人的价值和意义,勇于承担社会发展责任。

（2）充分发挥人工智能多学科、多领域理论、知识交叉的特点和优势，培养学生多学科知识交叉思维和创新意识。

（3）激发学生学习人工智能的热情和人机协同创新思维，为后续人工智能+X专业学习、创新创业、竞赛、就业等奠定基础。

（4）系统理解机器智能实现技术和方法，认识到机器智能对人类智能补充与增强作用，学会利用人机协同技术和方法及解决各类问题。

(5)使学生充分理解人工智能对未来人类社会经济、科技和文明发展的重要作用，具备未来能社会发展需要的人工智能人才素质。

四、教学内容与教学方法五、考核方式六、参考教材及学习资源（一）参考教材：[1]莫宏伟，徐立芳.人工智能导论.第2版.[2]莫宏伟，徐立芳.人工智能伦理导论.。

《导论》教学教案一、教学目标1. 让学生了解的定义、发展历程和应用领域。

2. 使学生掌握的基本原理和技术。

3. 培养学生的创新意识和团队合作能力。

二、教学内容1. 的定义与发展历程1.1 的定义1.2 的发展历程1.3 的应用领域2. 的基本原理2.1 机器学习2.2 深度学习2.3 自然语言处理2.4 计算机视觉3. 的技术应用3.1 智能语音识别3.2 智能3.3 自动驾驶3.4 智能医疗三、教学方法1. 讲授法：讲解的定义、发展历程、基本原理和应用领域。

2. 案例分析法：分析典型的技术应用案例。

3. 小组讨论法：分组讨论技术的发展趋势和应用前景。

4. 实践操作法：引导学生动手实践，体验技术。

四、教学资源1. 教材：《导论》2. 课件：的发展历程、基本原理、技术应用等3. 案例资料：典型的技术应用案例4. 编程工具：Python、TensorFlow等5. 网络资源：相关的学术论文、资讯、技术博客等五、教学评价1. 课堂参与度：学生参与课堂讨论、提问和回答问题的积极性。

2. 小组讨论报告：学生分组讨论的技术发展趋势和应用前景报告。

3. 课后作业：学生完成的课后编程练习和思考题。

4. 期末考试：考查学生对基本原理和应用领域的掌握程度。

六、教学安排1. 课时：共计32课时，每课时45分钟。

2. 授课方式：线上线下相结合，以线下授课为主。

3. 教学进程：第1-4课时：的定义与发展历程第5-8课时：的基本原理第9-12课时：的技术应用第13-16课时：典型技术应用案例分析第17-20课时：小组讨论技术的发展趋势和应用前景第21-24课时：实践操作，体验技术第25-28课时：课堂讨论与问答第29-32课时：期末考试七、教学活动1. 授课：讲解的基本概念、发展历程、基本原理和应用领域。

2. 案例分析：分析典型的技术应用案例，如智能语音识别、智能等。

4. 实践操作：引导学生动手实践，如使用Python、TensorFlow等编程工具。

《人工智能导论》课程实验大纲实验学时：8 课程总学时：46适用专业：计算机科学与技术、软件工程实验项目数：1开课教研室（系）：计算机工程大纲执笔人：廉师友一、课程实验的基本理论和目的《人工智能导论》课程主要讲述搜索与问题求解、知识表示与推理、机器学习与知识发现、专家系统、Agent系统、智能化网络和智能程序设计等。

其中专家系统及其设计与实现，涉及该课程的大部分内容，如知识表示与推理、搜索与问题求解、专家系统和智能程序设计等，而且实践性和应用性都很强。

因此，该课程将专家系统设计与实现作为一个上机实验项目，以加深学生对课程内容的理解和掌握，并培养学生综合运用所学知识开发智能系统的初步能力和独立分析问题、解决问题的能力。

二、课程实验的基本要求1.实验前，要认真阅读实验指导书，明确实验目的、内容、方法、步骤和目标；2.自选具体的应用领域，白拟具体的系统名称，但内容绝对不能雷同；3.所实现的专家系统必须上机运行演示；4.提交实验报告。

三、实验项目的设置、内容和学时分配实验项目：1个实验题目：小型专家系统设计与实现（具体应用领域由学生自选，具体系统名称由学生自定。

）实验内容：知识获取与表示、知识库组建、推理机选择/编制、系统调试与测试。

实验学时：8学时四、实验课的考核方法与评分办法采用实验过程考查、实验结果验收和实验报告评阅相结合的考核方法，综合评定实验成绩。

其具体评分标准如下：1.实验准备（所需数据、程序、图形等）20分；2.实验过程（态度、操作、处理问题能力等）20分；3.实验结果（正确性、可用性、创新性等）40分；4.实验报告（格式、内容（翔实、无误）、叙述等）20分；满分共计100分。

审定人: 批准人:。

目录实验一 PROLOG语言编程练习 (2)实验二图搜索问题求解 (4)实验三小型专家系统(原型)设计 (7)实验一 PROLOG语言编程练习一、实验目的加深学生对逻辑程序运行机理的理解，使学生掌握PROLOG语言的特点、熟悉其编程环境，同时为后面的人工智能程序设计做好准备。

1、熟悉PROLOG语言编程环境的使用；2、了解PROLOG语言中常量、变量的表示方法；3、了解利用PROLOG进行事实库、规则库的编写方法；二、实验环境计算机，Turbo PROLOG教学软件。

三、预习要求实验前应阅读实验指导书，了解实验目的、预习PROLOG语言的相关知识。

四、实验内容1、学习使用Turbo PROLOG，包括进入PROLOG主程序、编辑源程序、修改环境目录、退出等基本操作。

2、在Turbo prolog集成环境下调试运行简单的Turbo PROLOG程序，如描述亲属关系的PROLOG程序或其他小型演绎数据库程序等。

五、实验方法和步骤1、启动Windows XP操作环境。

2、打开文件目录，执行prolog应用程序，启动Turbo prolog，并按空格键(SPACE)进入集成开发环境。

3、选择Setup项，打开下拉菜单，选择Directories项，进行工作目录修改，按Esc键退出，选择Save Configuration项，保存修改。

4、选择Files项，打开下拉菜单，选择New file项，进入源程序输入和编辑，或选择Load项，选择要打开的示例程序，再选择Edit项，可以进行编辑源程序。

5、编辑之后，可以选择Run项，执行程序，可以在Dialog窗口进行询问，即外部目标的执行，查看程序运行结果，分析程序之功能。

6、仿前例，可以选择其他程序并运行，分析程序功能。

7、退出，选择Quit项，可以退出Turbo Prolog程序，返回到Windows XP环境。

六、示例程序逻辑电路模拟程序。

该程序以逻辑运算“与”、“或”、“非”的定义为基本事实，然后在此基础上定义了“异或”运算。

实验一 感知器的MATLAB 仿真感知器(Pereceptron)是一种特殊的神经网络模型，是由美国心理学家F.Rosenblatt 于1958年提出的，一层为输入层，另一层具有计算单元，感知器特别适合于简单的模式分类问题，也可用于基于模式分类的学习控制和多模态控制中。

一、感知器神经元模型感知器神经元通过对权值的训练，可以使感知器神经元的输出能代表对输入模式进行的分类，图1.1为感知器神经元模型。

图1.1 感知器神经元模型感知器神经元的每一个输入都对应于一个合适的权值，所有的输入与其对应权值的加权和作为阀值函数的输入。

由于阀值函数的引入，从而使得感知器可以将输入向量分为两个区域，通常阀函数采用双极阶跃函数，如：⎩⎨⎧<≥=0,00,1)(x x x f （1.1） 而感知器神经元模型的实际输出为⎪⎭⎫⎝⎛-=∑-=R i i i b x w f o 1 （1.2）其中b 为阀值二、感知器的网络结构图1.2所描述的是一个简单的感知器网络结构，输入层有R 个输入，Q 个输出，通过权值w ij 与s 个感知器神经元连接组成的感知器神经网络。

根据网络结构，可以写出感知器处理单元对其输入的加权和操作，即：∑==Rj j ij i p w n 1（1.3）而其输出a i 为a i =f (n i +b i ) （1.4）由式2.1易知⎩⎨⎧<+≥+=0001i i i i i b n b n a （1.5） 则当输入n i +b i 大于等于0，即有n i ≥－b i 时，感知器的输出为1；否则输出为0。

上面所述的单层感知器神经网络是不可能解决线性不可分的输入向量分类问题，也不能推广到一般的前向网络中去。

为解决这一问题，我们可以设计多层感知器神经网络以实现任意形状的划分。

图1.3描述了一个双层感知器神经网络。

其工作方式与单层感知器网络一样，只不过是增加了一层而已，具体的内容这里不做讨论。

三、感知器神经网络的学习规则感知器的学习规则主要是通过调整网络层的权值和阀值以便能够地网络的输入向量进行正确的分类。

人工智能是当今世界上备受瞩目的研究领域之一，其在各个领域的应用越来越广泛。

无论是学术界还是工业界，对人工智能的需求都在不断增长。

在许多大学和科研机构中，人工智能导论课程也成为了不可或缺的一部分。

在学习人工智能导论课程时，教材和参考书的选择对学生的学习起着至关重要的作用。

本文将对人工智能导论课程的教材和参考书进行介绍和分析，希望能够帮助广大学生和教师更好地选择适合的教材和参考书。

一、教材1.《人工智能：一种现代方法》（Stuart Russell and Peter Norvig 著）这本书是较为经典的人工智能导论教材之一，由著名的人工智能专家Stuart Russell和Peter Norvig合著。

该书系统地介绍了人工智能领域的基本概念、方法和技术，并且结合了大量的案例和实践经验。

书中内容丰富，涉及到了搜索、知识表示与推理、规划、不确定性、学习、自然语言处理等多个领域，是一本较为全面的人工智能导论教材。

2.《人工智能：一种现代方法（第3版）》（Stuart Russell and Peter Norvig 著）《人工智能：一种现代方法》的第3版于2020年出版，更新和完善了一些内容，更加贴近当今人工智能领域的最新发展。

该书增加了对深度学习、增强学习等最新技术的介绍，还增加了一些案例和练习题，帮助学生更好地理解和掌握人工智能的知识。

3.《Artificial Intelligence: Foundations of Computational Agents》（David Poole and Alan Mackworth 著）这本书是一本比较适合高年级本科生和研究生使用的人工智能教材，内容更加深入和严谨。

该书从计算代理的角度出发，介绍了人工智能的基本概念、建模和解决问题的方法，包括了对知识表示、规划、学习等内容的详细介绍，适合希望深入了解人工智能原理和方法的学生使用。

二、参考书1.《人工智能基础：知识表示与推理（第2版）》（George F. Luger 著）这本书是针对人工智能领域中的知识表示和推理问题进行深入介绍的参考书。

《导论》教学教案第一章：概述1.1 教学目标让学生了解的定义、发展历程和应用领域。

让学生理解的基本原理和技术。

1.2 教学内容的定义和发展历程。

的应用领域和挑战。

的基本原理和技术。

1.3 教学方法采用讲授法，讲解的定义和发展历程。

采用案例分析法，分析的应用领域和挑战。

采用讨论法，探讨的基本原理和技术。

1.4 教学评估课堂讨论，了解学生对的理解程度。

第二章：机器学习2.1 教学目标让学生了解机器学习的定义、分类和应用。

让学生理解监督学习和无监督学习的基本原理。

2.2 教学内容机器学习的定义和分类。

监督学习和无监督学习的基本原理。

机器学习应用案例。

2.3 教学方法采用讲授法，讲解机器学习的定义和分类。

采用案例分析法，分析监督学习和无监督学习的基本原理。

采用实践操作法，让学生动手实践机器学习算法。

2.4 教学评估课堂讨论，了解学生对机器学习的理解程度。

课后作业，让学生完成一个简单的机器学习项目。

第三章：深度学习3.1 教学目标让学生了解深度学习的定义、原理和应用。

让学生理解神经网络和卷积神经网络的基本概念。

3.2 教学内容深度学习的定义和原理。

神经网络和卷积神经网络的基本概念。

深度学习应用案例。

3.3 教学方法采用讲授法，讲解深度学习的定义和原理。

采用案例分析法，分析神经网络和卷积神经网络的基本概念。

采用实践操作法，让学生动手实践深度学习算法。

3.4 教学评估课堂讨论，了解学生对深度学习的理解程度。

课后作业，让学生完成一个简单的深度学习项目。

第四章：自然语言处理4.1 教学目标让学生了解自然语言处理的定义、原理和应用。

让学生理解词性标注、句法分析和机器翻译的基本概念。

4.2 教学内容自然语言处理的定义和原理。

词性标注、句法分析和机器翻译的基本概念。

自然语言处理应用案例。

4.3 教学方法采用讲授法，讲解自然语言处理的定义和原理。

采用案例分析法，分析词性标注、句法分析和机器翻译的基本概念。

采用实践操作法，让学生动手实践自然语言处理算法。

《导论》教学教案第一章：简介1.1 的定义与发展历程1.2 的应用领域1.3 的发展趋势与挑战1.4 伦理与法律问题第二章：机器学习基础2.1 监督学习2.2 无监督学习2.3 强化学习2.4 神经网络简介第三章：深度学习3.1 深度神经网络3.2 卷积神经网络（CNN）3.3 循环神经网络（RNN）3.4 对抗网络（GAN）第四章：自然语言处理4.1 词向量与4.2 语法分析与句法结构4.3 机器翻译4.4 文本与摘要第五章：计算机视觉5.1 图像处理基础5.2 目标检测与识别5.3 图像分割与场景理解5.4 计算机视觉应用案例分析第六章：语音识别与合成6.1 语音信号处理基础6.2 特征提取与模式识别6.3 声学模型与6.4 语音合成技术第七章：人机交互7.1 交互设计原则与方法7.3 手势识别与眼动跟踪7.4 智能界面设计与用户体验第八章：智能8.1 控制系统8.2 机器视觉与感知8.3 导航与规划8.4 服务的应用案例第九章：芯片技术9.1 处理器架构与性能9.2 神经网络加速器9.3 边缘计算与分布式9.4 芯片的发展趋势第十章：应用案例分析10.1 医疗健康领域应用10.2 金融科技领域应用10.3 教育领域应用10.4 智能交通领域应用第十一章：智能决策与优化11.1 概述11.2 线性规划与整数规划11.3 动态规划与随机决策11.4 启发式算法与元启发式算法第十二章：与大数据12.1 大数据的概念与特性12.2 数据挖掘与知识发现12.3 在数据分析中的应用12.4 大数据伦理与隐私保护第十三章：安全与隐私13.1 安全威胁与防护策略13.2 数据隐私与匿名化技术13.3 联邦学习与隐私保护机器学习13.4 伦理与法规遵循第十四章：在自然科学中的应用14.1 物理学中的应用14.2 生物学中的应用14.3 化学中的应用14.4 地球科学中的应用第十五章：与社会影响15.1 与就业15.2 与教育15.3 与伦理道德15.4 与可持续发展重点和难点解析第一章：简介重点：的定义、发展历程、应用领域和发展趋势。

人工智能导论实验指导一、实验整体要求(包括进度、实验预习和报告要求、结果形式、考核等)共分两个实验，12学时内完成，每次3学时，共4次上机。

每个实验相当于一个大作业，锻炼学生运用知识解决实际问题的能力，对所学知识有更深刻的理解。

要求提交源代码，运行结果和相关文档(包括核心算法)。

由实验老师逐一检查考核，占考试成绩的20%。

二、(有关说明：软/硬环境、实验基本方法、调试和测试工具的使用等)在Windows2000/XP环境下，语言可以采用C/C++/JAVA/Matlab等。

实验室提供相关软件可由学生根据需要安装。

三、实验内容实验_图搜索策略1.实验目的(说明本次实验应对那些知识达到何种认知程度，如了解/掌握)(1)加深对各种图搜索策略概念的理解；(2)进一步了解启发式搜索；(3)比较并分析各种图搜索策略的异同°2.实验预习内容(1)了解重排九宫问题、一字棋游戏、八皇后问题；(2)各种图搜索算法及剪枝技术等。

3.实验内容和步骤结合第二章内容，以一字棋游戏，八皇后问题，重排九宫问题等为例，分组编程演示其搜索策略.题目：b 以重排九宫问题为例演示各种搜索策略的搜索过程，要求程序具有一定的普适性，重点是要把算法描述清楚。

6学时2,对博弈感兴趣的同学可选做一字棋游戏的实现。

4.实验总结及思考总结出各种搜索策略的特点和区别。

实验二产生式系统的推理1.实验目的(说明本次实验应对那些知识达到何种认知程度，如了解、掌握等)理解并掌握基于规则系统的表示与推理。

2.实验预习内容第五章产生式系统3.实验内容和步骤1.内容：结合第五章内容，以动物识别系统（或货物袋装系统）为例，实现基于规则的系统构造实验.6学时。

2.要求：1）根据输入的规则，正确地识别所能识别的动物。

2）能完成正向和/或反向推理我们假设计算机的视觉系统可以识别毛发、羽毛、奶、犬齿、爪、蹄、颜色等等基本的事实。

一个动物识别专家系统的产生式如下：R1：若某动物有奶，则它是哺乳动物。

人工智能导论课程实验指导书廉师友编1. 小型专家系统设计与实现 (2)1专家系统涉及人工智能导论课程的大部分内容，而且实践性和应用性都很强。

因此，本课程将专家系统设计与实现作为一个上机实验项目。

该实验是一个设计性实验，它对加深课程内容的理解和掌握，培养学生运用所学知识开发智能系统的能力有重要意义。

小型专家系统设计与实现1. 加深理解专家系统的结构原理与实际应用。

2. 初步掌握知识获取的基本方法。

3. 掌握产生式规则知识表示方法及其编程实现方法。

4. 初步掌握知识库的组建方法。

5. 加深理解推理机的算法原理并初步掌握其编程实现方法。

运用所学知识，设计并编程实现一个小型专家系统（如分类、诊断、预测等类型）。

1. 具体应用领域自选，具体系统名称自定；但所做系统绝对不能雷同。

2. 用产生式规则作为知识表示，用产生系统实现该专家系统。

3. 可用PROLOG语言编程并参考下面示例程序；但也可用其他语言另行编程。

4. 所实现的专家系统必须上机运行演示；程序运行时，应有人机对话过程。

5. 系统完成后，要提交实验报告。

具体工作及步骤为：1. 选题。

2. 系统分析。

3. 知识获取与知识表示选择/设计。

4. 知识库组建。

5. 推理机选择/编制。

6. 系统调试与测试：可先运行一两个简单的PROLOG程序，以熟悉语言环境；接着运行示例程序；然后编辑、调试、测试自己的系统程序。

7. 撰写实验报告。

2考虑到本实验有一定难度，下面给出一个“小型动物分类专家系统”示例，以供参考。

1. 动物分类规则集（1）若某动物有奶，则它是哺乳动物。

（2）若某动物有毛发，则它是哺乳动物。

（3）若某动物有羽毛，则它是鸟。

（4）若某动物会飞且生蛋，则它是鸟。

（5）若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。

（6）若某动物是哺乳动物且吃肉，则它是食肉动物。

（7）若某动物是哺乳动物且有蹄，则它是有蹄动物。

（8）若某动物是有蹄动物且反刍食物，则它是偶蹄动物。