第四章 计算智能1 人工智能课程 北京大学

3计算机教育Computer Education第 10 期2019 年 10 月 10 日中图分类号：G6420 引 言北京大学是我国最早开展人工智能教育和研究的单位之一，已有三十多年的历史，自北京大学2002年在国内率先创办“智能科学系”以及2003年率先设立我国“智能科学与技术”本科专业以来，人工智能领域的教育和研究再次迈上一个新台阶。

在人工智能课程建设方面，北京大学探索和革新一直持续推进。

本文所涉及的人工智能课程教学改革和实践，是在人工智能领域发展的新形势下提出和推动的。

人工智能领域在取得多个技术突破之后，开始进入快速发展期，在理论和应用两方面均取得长足进步。

2017年7月，国务院发布《新一代人工智能发展规划》[1]，标志着发展人工智能成为我国的国家战略。

阶段性目标包括：① 到2020年，中国技术和应用层面的AI 企业与世界先进水平同步，核心产出规模超过1 500亿元，带动相关产业规模超过1万亿元；初步建立部分领域的AI 伦理规范和政策法规；② 到2025年，中国的基础理论有重要突破；技术和应用层面的企业接近国际领先水平，核心产业规模超过 4 000亿元，带动相关产业规模超过5万亿元；初步建立AI 法律法规、伦理规范和政策体系，形成AI 安全评估和管控能力；③到2030年，基础、技术和应用全面突破，中国成为世界AI 的创新中心。

然而，随着人工智能的飞速发展以及在人们生产生活的广泛深入渗透，现阶段呈现出专业人才极度短缺的现状。

为此，教育部2018年4 月制定了《高等学校人工智能创新行动计划》[2]，其核心目标之一是推动高校人工智能领域科技创新体系的优化和人工智能领域人才培养体系的完善。

统计数据表明，2017年前10个月内，AI 人才需求量已经达到2016年的近2倍，2015年的 5.3倍，人才需求直线上升，年复合增长率超200% [3]。

2019年5月，《中国新一代人工智能发展报告 2019》（中英文版）在上海发布，数据显示我国在人工智能领域多个方面取得了快速进步[4]。

《人工智能》课程教学大纲课程代码：H0404X课程名称：人工智能适用专业：计算机科学与技术专业及有关专业课程性质：本科生专业基础课﹙学位课﹚主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚课程学分：2学分预修课程：离散数学，数据结构一.教学目的和要求：通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。

人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。

一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。

人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。

这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。

此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。

这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。

通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。

二.课程内容简介人工智能的主要讲授内容如下：1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。

2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。

3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。

4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。

《计算智能》课程教学大纲开课目的：本课程系统地讲授计算智能的有关理论、技术及其主要应用，并给学生们全面地介绍计算智能研究的前沿领域与最新进展。

通过本课程的学习，要求学生系统地掌握计算机智能的基本内容与方法，了解计算智能的主要应用领域。

开课基础：学习本课程之前，要求学生已经选修过《高等数学》，《计算机基础与算法》《人工智能基础》和《模式识别基础》等课程。

教学方式：课堂讲授为主，专题讨论为辅。

考试方式：笔试（闭卷）。

成绩组成：作业占40%，期中考试占20%，期末考试占40%。

授课老师：谭营北京大学信息科学与技术学院智能科学系教授课程内容与学时分配：第一章 计算智能概论(3学时)术语介绍传统人工智能计算智能计算智能的主要内容与分类主要应用领域第二章 人工神经网络 (6学时)人工神经元与感知器模型前向多层网络径向基函数网络反馈神经网络SOM网络第三章 支撑向量机理论 (6学时)VC维学习过程的一致性结构风险最小归纳原理支撑向量机核函数第四章 自适应提升算法 (3学时)提升算法自适应提升算法算法的性能分析第五章 进化计算与遗传算法 (6学时) 遗传进化的基本原理遗传算法及其数学基础遗传算法的改进进化计算的理论与分析组合优化与多目标优化第六章 模拟退火算法(3学时)随机模拟退火算法玻尔兹曼机确定性退火算法第七章 群体智能优化算法(9学时)蚁群算法粒子群算法典型应用介绍第八章人工免疫(6学时)生物免疫机理人工免疫网络模型免疫学习算法克隆算法人工免疫系统第九章 模糊集与模糊信息处理(6学时) 模糊数学基础模糊逻辑与模糊推理模糊控制原理模糊控制系统的分析和设计模糊模式聚类与识别第十章 粗糙集理论与粒度计算(3学时) 粗糙集与模糊集知识的约简和依赖性信息粒度概念粒度计算及其应用第十一章 计算智能的未来发展 (3学时)目前计算智能的研究成果计算智能的发展动力未来的发展方向教材与参考书（作者、书名、出版社及出版年）：1、Andries P. Engelbrecht, Computational Intelligence: An Introduction,Wiley, New York, 2002. ISBN 0-470-84870-7.2、丁永生 编著，《计算智能——理论、技术与应用》，科学出版社，2004.8.ISBN7-03-013902-X. P.481.3、徐宗本，张讲社，郑亚林， 编著，《计算智能中的仿生学：理论与算法》，科学出版社，2003.5，ISBN7-03-010792-6. P.315.4、徐宗本，编著，《计算智能（第一册）---模拟进化计算》，高等教育出版社，2004.2，ISBN7-04-013839-5. P.141.5、王国俊，编著，《计算智能（第二册）---词语计算与Fuzzy集》，高等教育出版社，2005.2，ISBN7-04-016032-3. P.106.6、罗四维，著，《大规模人工神经网络理论基础》，清华大学出版社和北方交通大学出版社，2004.2，ISBN7-81082-174-1. P.177.7、褚蕾蕾，陈绥阳，周梦编著，《计算智能的数学基础》，科学出版社，20028、史忠植 编著，《知识发现》，清华大学出版社，2002.1。

大学人工智能课程大纲2023第一章：引言人工智能（Artificial Intelligence，简称AI）作为一门前沿的学科，正逐渐融入我们的生活和工作中。

本课程的目标是为大学生提供全面的人工智能教育，培养学生在人工智能领域的理论知识和实践技能，以适应并引领未来的发展。

第二章：课程背景在信息技术高速发展的背景下，人工智能已经成为当今社会的热门话题。

掌握人工智能的基本概念和应用技术，对于每个大学生都非常重要。

本课程旨在为学生提供系统、全面的人工智能学习机会，培养学生在人工智能领域的核心能力。

第三章：课程目标本课程的主要目标如下：1. 理解人工智能的基本概念和原理；2. 学习常见的人工智能技术和算法；3. 掌握人工智能在实际问题中的应用方法；4. 培养学生的创新能力和团队合作精神。

第四章：课程内容与安排1. 人工智能概论- 人工智能的定义与历史发展 - 人工智能的基本概念与分类 - 人工智能的伦理和社会影响2. 机器学习- 监督学习与无监督学习- 决策树与逻辑回归- 支持向量机与神经网络3. 深度学习与神经网络- 深度学习的基本概念与结构 - 卷积神经网络与循环神经网络 - 遗传算法与深度强化学习4. 自然语言处理- 词向量与语言模型- 文本分类与情感分析- 机器翻译与问答系统5. 计算机视觉- 图像特征提取与图像分类- 目标检测与图像生成- 人脸识别与行为分析6. 人工智能的应用- 智能推荐与广告系统- 人工智能在医疗领域的应用- 自动驾驶与智能机器人第五章：教学方法与评价方式1. 教学方法- 理论授课：讲授人工智能的基本理论知识和应用技术；- 实践操作：进行编程实验和案例分析，培养学生在人工智能领域的实践能力；- 课堂讨论：引导学生思考和交流，促进团队合作和创新思维。

2. 评价方式- 平时表现：包括课堂参与、作业完成情况等；- 实验报告：对编程实验结果进行分析和总结；- 期末考试：对学生对人工智能知识的综合掌握情况进行评估。

第四章计算智能(1)教学内容：本章讨论计算智能所涉及的领域和范围，计算智能的含义及它与传统的人工智能的区别。

介绍人工神经网络的由来、特性、结构、模型和算法；神经网络的表示和推理。

简要地介绍模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。

教学重点：计算智能；人工神经网络的结构、模型和算法，以及表示和推理。

教学难点：人工神经网络的结构、算法和推理；模糊数学的运算法则和模糊逻辑推理。

教学方法：课堂教学为主。

适当提问，加深学生对概念的理解。

教学要求：通过对本章的学习，使学生掌握人工神经网络的结构、模型和算法，了解计算智能所涉及的领域和范围，了解人工神经网络的特性、表示和推理，了解模糊数学的基本概念、运算法则、模糊逻辑推理和模糊判决等。

4.1概述教学内容：本节介绍计算智能所涉及的领域和范围，计算智能的含义及其与传统人工智能的区别。

贝兹德克提出的“ABC”，及它与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

教学重点：计算智能的含义及其与传统的人工智能的区别。

教学难点：“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

教学方法：课堂教学。

教学要求：掌握计算智能的含义，了解计算智能与传统的人工智能有何区别。

了解贝兹德克提出的“ABC”及其与神经网络（NN）、模式识别（PR）和智能（I）之间的关系。

信息科学与生命科学的相互交叉、相互渗透和相互促进是现代科学技术发展的一个显著特点。

计算智能涉及神经网络、模糊逻辑、进化计算和人工生命等领域，它的研究和发展正是反映了当代科学技术多学科交叉与集成的重要发展趋势。

把神经网络（NN）归类于人工智能（AI）可能不大合适，而归类于计算智能（CI）更能说明问题实质。

进化计算、人工生命和模糊逻辑系统的某些课题，也都归类于计算智能。

计算智能取决于制造者（manufacturers）提供的数值数据，不依赖于知识；另一方面，人工智能应用知识精品（knowledge tidbits）。

北京大学的人工智能课程设置，主要包括以下几个方面：
1. 人工智能专业课程：包括人工智能导论、机器学习、深度学习、自然语言处理、计算机视觉等。

这些课程是人工智能专业的基础课程，涵盖了人工智能的基本概念、算法、技术及应用。

2. 数学基础课程：包括概率论、统计学、线性代数、微积分等。

这些课程为人工智能专业提供了数学基础，是进行人工智能研究和应用的重要支撑。

3. 编程基础课程：包括Python编程、数据结构与算法等。

这些课程为学生提供了编程基础，帮助学生掌握人工智能领域的编程技能。

4. 其他相关课程：包括人工智能伦理、人工智能法律法规等。

这些课程有助于学生了解人工智能的社会影响和法律责任。

此外，北京大学还设置了跨学科的人工智能课程，如“人工智能+X”系列课程，这些课程将人工智能与其他学科领域相结合，如医学影像分析、智能交通等，以促进跨学科的人工智能研究和应用。

总之，北京大学的人工智能课程设置旨在为学生提供全面的知识和技能，以培养具有国际视野和创新能力的人工智能人才。

【⼈⼯智能】《⼈⼯智能》课程习题《⼈⼯智能》课程习题第⼀章绪论1-1. 什么是⼈⼯智能？试从学科和能⼒两⽅⾯加以说明。

1-2. 在⼈⼯智能的发展过程中，有哪些思想和思潮起了重要作⽤？1-3. 为什么能够⽤机器（计算机）模仿⼈的智能？1-4. 现在⼈⼯智能有哪些学派？它们的认知观是什么？1-5. 你认为应从哪些层次对认知⾏为进⾏研究？1-6. ⼈⼯智能的主要研究和应⽤领域是什么？其中，哪些是新的研究热点？第⼆章知识表⽰⽅法2-1状态空间法、问题归约法、谓词逻辑法和语义⽹络法的要点是什么？它们有何本质上的联系及异同点?2-2设有3个传教⼠和3个野⼈来到河边，打算乘⼀只船从右岸渡到左岸去。

该船的负载能⼒为两⼈。

在任何时候，如果野⼈⼈数超过传教⼠⼈数，那么野⼈就会把传教⼠吃掉。

他们怎样才能⽤这条船安全地把所有⼈都渡过河去?再定义描述过河⽅案的谓词：L-R(x, x1, y, y1,S)：x1个修道⼠和y1个野⼈渡船从河的左岸到河的右岸条件：Safety(L,x-x1,y-y1,S’)∧Safety(R,3-x+x1,3-y+y1,S’)∧Boat(L,S)动作：Safety(L,x-x1,y-y1,S’)∧Safety(R,3-x+x1,3-y+y1,S’)∧Boat(R,S’)R-L (x, x1, y, y1,S)：x2个修道⼠和y2个野⼈渡船从河的左岸到河的右岸条件：Safety(R,3-x-x2,3-y-y2,S’)∧Safety(L,x+x2,y+y2,S’)∧Boat(R,S)动作：Safety(R,3-x-x2,3-y-y2,S’)∧Safety(L,x+x2,y+y2,S’)∧Boat(L,S’)(2) 过河⽅案Safety(L,3,3,S0)∧Safety(R,0,0,S0)∧Boat(L,S0)L-R(3, 1, 3, 1,S0) L-R(3, 0, 3, 2,S0)Safety(L,2,2,S1)∧Safety(R,1,1,S1)∧Boat(R,S1)Safety(L,3,1,S1’)∧Safety(R,0,2,S1’)∧Boat(R,S1’)R-L (2, 1, 2, 0,S1) R-L (3,0, 1, 1,S1’)Safety(L,3,2,S2)∧Safety(R,0,1,S2)∧Boat(L,S2)L-R(3, 0, 2, 2,S2)Safety(L,3,0,S3)∧Safety(R,0,3,S3)∧Boat(R,S3)R-L (3, 0, 0, 1,S3)Safety(L,3,1,S4)∧Safety(R,0,2,S1)∧Boat(L,S4)L-R(3, 2, 1, 0,S4)Safety(L,1,1,S5)∧Safety(R,2,2,S5)∧Boat(R,S5)R-L (1, 1, 1, 1,S5)Safety(L,2,2,S6)∧Safety(R,1,1,S6)∧Boat(L,S6)L-R(2, 2, 2, 0,S6)Safety(L,0,2,S7)∧Safety(R,3,1,S7)∧Boat(R,S7)R-L (0, 0, 2, 1,S7)Safety(L,0,3,S8)∧Safety(R,3,0,S8)∧Boat(L,S8)L-R(0, 0, 3, 2,S8)Safety(L,0,1,S9)∧Safety(R,3,2,S9)∧Boat(R,S9)R-L (0, 1, 1, 0,S9)Safety(L,1,1,S10)∧Safety(R,2,2,S10)∧Boat(L,S10)2-3利⽤图2.3，⽤状态空间法规划⼀个最短的旅⾏路程：此旅程从城市A开始，访问其他城市不多于⼀次，并返回A。

一、教学内容二、教学目标1. 理解机器学习的基本概念和分类，了解各种学习方法的应用场景。

2. 掌握监督学习和无监督学习的基本原理，能够运用所学知识解决实际问题。

3. 了解神经网络的构成和工作原理，认识不同类型的神经网络及其应用。

三、教学难点与重点重点：机器学习的基本概念、分类和原理；监督学习、无监督学习；神经网络的构成和工作原理。

难点：理解机器学习的核心算法；掌握神经网络的训练和应用。

四、教具与学具准备1. 教具：PPT课件、黑板、粉笔。

2. 学具：教材、笔记本、计算器。

五、教学过程2. 理论讲解：a. 介绍机器学习的基本概念、分类和原理。

b. 详细讲解监督学习和无监督学习的原理及其应用场景。

c. 简要介绍神经网络的构成、工作原理和主要类型。

3. 实践演示：a. 演示监督学习中的线性回归算法。

b. 演示无监督学习中的Kmeans算法。

c. 演示神经网络的构建和训练过程。

4. 例题讲解：针对每个知识点，讲解典型例题，引导学生掌握解题方法。

5. 随堂练习：布置相关练习题，检验学生对知识点的掌握程度。

六、板书设计1. 机器学习的分类、原理及应用场景。

2. 监督学习和无监督学习的原理及例题。

3. 神经网络的构成、工作原理和主要类型。

七、作业设计1. 作业题目：a. 解释监督学习和无监督学习的区别与联系。

b. 应用线性回归算法解决实际问题。

c. 简述神经网络的构成及工作原理。

2. 答案：a. 监督学习：根据已知输入和输出，学习得到一个函数，用于预测未知输入的输出。

无监督学习：在无标签的数据中，寻找潜在规律和结构。

b. 略。

c. 神经网络由输入层、隐藏层和输出层组成，通过学习输入和输出之间的映射关系，实现对未知数据的预测。

八、课后反思及拓展延伸1. 反思：本节课学生对机器学习的基本概念和原理掌握程度较好，但在实践操作中，部分学生对算法的理解和应用还存在困难，需要在课后加强练习。

重点和难点解析1. 机器学习的分类和原理的理解。

Swarm IntelligenceSchool of Electronic and Computer EngineeringPeking UniversityWang WenminContents☐4.4.1. Ant Colony Optimization☐4.4.2. Particle Swarm OptimizationAnt Colony Optimization (ACO) 蚁群优化☐It is a probabilistic technique for solving computational problems which can be used to finding optimal paths in a graph.它是一种解决计算问题的概率技术，可以用于发现一个图上的最佳路径。

☐Initially was proposed by Marco Dorigo in 1992 in his PhD thesis.最初是由Marco Dorigo于1992年在他的博士论文中提出的。

☐The algorithm was inspired by the behaviorof ants seeking a path between their nestand a source of food.该算法是受蚂蚁在蚁巢和食物源之间寻找路径行为的启发而形成的。

☐Ants navigate from nest to food source blindly:蚂蚁从蚁巢到食物源之间盲目地游荡：⏹Shortest path is discovered via pheromone trails最短路径是通过费洛蒙嗅迹发现的⏹Each ant moves at random每个蚂蚁随机地移动⏹Pheromone is deposited on path费洛蒙就遗留在路径上⏹Ants detect lead ant’s path, inclined to follow蚂蚁察觉到前面蚂蚁的路径，跟随而去⏹More pheromone on path increases probability of path being followed路径上更多的费洛蒙增加了跟随该路径的概率F: Food食物Marking apheromone trail标记点滴费洛蒙嗅迹Following the trails跟随该嗅迹Reinforcing theshortest trail增强该最短嗅迹Positive feedback loop正反馈循环N: Nest 蚁巢☐Virtual “trail” accumulated on path segments在路径段上积累“虚拟”嗅迹☐Starting a node selected at random开始时随机选择某个节点☐The path selected at random: based on amount of “trail” present on possible paths from starting node; higher probability for paths with more “trail”随机选择一条路径：基于从初始节点至合适路径上出现嗅迹的量；具有较多嗅迹的路径则具有较高的概率☐Ant reaches next node, selects next path蚂蚁到达下一个节点后，再选择下一个路径☐Repeated until most ants select the same path on every cycle重复直到更多的蚂蚁在每个循环中都选择同一个路径☐A salesman spends his time visiting n cities.一个推销员花时间访问n个城市。

第五章计算智能(2)教学内容：遗传算法的基本机理和求解步骤；进化策略的算法模型、进化策略和遗传算法的区别；进化编程的机理与表示和算法步骤；人工生命的起源、发展、定义和研究意义，及其研究内容和方法。

教学重点：遗传算法的基本机理和求解步骤；进化策略的算法模型；进化编程表示和算法步骤；人工生命的定义、研究内容和方法。

教学难点：遗传算法的交叉和变异机制；进化编程的表示。

教学方法：课堂教学为主，结合适当提问，收集学生学习情况。

教学要求：通过对本章的学习，使学生了解三种进化算法和人工生命是如何工作的，并初步了解这些算法研究的进展和应用情况，以及它们的研究意义，掌握主要算法的求解步骤。

生物群体的生存过程普遍遵循达尔文的物竞天择、适者生存的进化准则；生物通过个体间的选择、交叉、变异来适应大自然环境。

生物染色体用数学方式或计算机方式来体现就是一串数码，仍叫染色体，有时也叫个体；适应能力用对应一个染色体的数值来衡量；染色体的选择或淘汰问题是按求最大还是最小问题来进行。

20世纪60年代以来，如何模仿生物来建立功能强大的算法，进而将它们运用于复杂的优化问题，越来越成为一个研究热点。

进化计算(evolutionary computation) 正是在这一背景下蕴育而生的。

进化计算包括遗传算法(genetic algorithms，GA) ，进化策略(evolution strategies) 、进化编程(evolutionary programming) 和遗传编程(genetic programming)。

人类不满足于模仿生物进化行为，希望能够建立具有自然生命特征的人造生命和人造生命系统。

对人工生命(Artificial Life，ALife)的研究，自1987年起取得了重要进展。

这是人工智能和计算智能的一个新的研究热点。

5.1 遗传算法教学内容：介绍遗传算法的基本机理和求解步骤，评介遗传算法研究进展和应用情况。

教学重点：遗传算法的基本机理。

Overview of Artificial IntelligenceSchool of Electronic and Computer EngineeringPeking UniversityWang WenminContents☐1.1.1 What is Artificial Intelligence (AI)☐1.1.2 Turing Test☐1.1.3 Visual Turing Test☐1.1.4 Chinese Roomhow to create computers and computer software that are capable ofintelligent behavior.如何创建计算机和计算机软件使之具有智能行为。

the intelligence exhibited by machines or software 机器或软件所展现的智能the name of the academic field ofresearch学术研究领域的名称The 1956 conference of“Dartmouth Summer Research Project on Artificial Intelligence” was the moment that AI gained its name, mission and major players, and is widely considered the birth of AI.1956年的“达特茅斯夏季人工智能研究计划”会议，是AI 赢得其名称、使命和主要参与者的时刻，因此被广泛地认为是AI的诞生。

☐Turing test was proposed by Alan Turing (1950) in his paper “Computing Machinery and Intelligence”.图灵测试是由艾伦·图灵在1950年发表的“计算机器与智能”论文中提出的。