前言
进入21世纪以来,我国信息技术飞速发展,完全改变了人们的学习、工作和生活方式。人工智能作为信息科学的一个核心研究领域,从其提出到现在的半个多世纪里,经历了大起大落。近年来,在算力大幅提升与大数据的助力下,人工智能发展之快、应用之广,实在令人惊叹!人工智能正处于一个蓬勃发展、更加深入的阶段。
尽管还存在着一定的局限性,但人工智能的未来是非常值得期待的,提前布局人工智能产业是我国科技发展的基本方向之一。在这一大背景下,各个行业的学习热情很高,人们希望得到指导,尤其希望了解人工智能发展的基本现状,掌握人工智能研究的大致热点和基本原理与方法。

国内外已出版了许多关于人工智能的书籍。诚然,很多书籍对人工智能各个细分领域的诸多问题有非常精辟的论述,但对初学者来说显得有些深奥。人工智能范围甚广,是一门典型的交叉学科,因此一两本书很难覆盖所有问题。本书的主要目的是使读者了解人工智能研究和发展的基本轮廓,对人工智能有一个基本的认识,知道目前人工智能研究中一些热点,掌握人工智能研究和应用中的一些基本的、普遍的、比较广泛的原理和方法。本书通过简洁清晰的架构和引人思索的案例带领读者“入门”人工智能。正所谓“师傅领进门,修行在个人”,之后的研究方向就应该由读者自己选择并钻研了。

由于智能本身就是一个极其复杂的存在,不同的人从不同角度和不同观点出发都可以获得对智能的认识,因此本书也从多个角度对人工智能进行剖析。

全书共分9章。其中第1~5章是传统人工智能教材的内容,第6章、第7章介绍近年来比较流行的机器学习与深度学习方法,第8章介绍大数据相关内容,第9章给出了一些实验。具体内容如下。
第1章是绪论,介绍一些关于人工智能起源、研究目标以及主要应用领域的内容。
第2章是知识表示,主要介绍状态空间和谓词逻辑等基本知识表示方法。
第3章是逻辑推理及方法,从谓词公式的基本语法到3种演绎推理方式,层层递进地介绍逻辑推理的基本方法。

第4章是非确定性推理及方法,介绍主观贝叶斯推理、模糊推理等如何运用知识(即推理)的问题。

第5章是搜索策略,介绍基于状态空间的盲目搜索、基于树的盲目搜索等不同的搜索策略。
第6章是机器学习,介绍近年来比较流行的决策树等经典的机器学习方法。
第7章是深度学习,介绍人工神经网络、卷积神经网络、循环神经网络、生成对抗网络、
深度学习框架、深度学习基础设施等内容。

第8章是大数据,介绍数据的获取、分析、挖掘、可视化等概念,以及大数据技术的重要组件。
第9章是实验,从计算机视觉、自然语言处理、强化学习和可视化技术4个方面展示了人工智能研究和发展的一些应用热点。
配套资源
为了便于教学,本书配有微课视频、人物事件介绍、案例代码、13个实验代码、考试试卷、教学课件、教学大纲、思维导图、习题答案、题库等。
(1)  获取教学视频: 读者可以先扫描本书封底的文泉云盘防盗码,再扫描书中相应的视频二维码,即可
观看教学视频。
(2) 其他资源可先扫描本书封底的文泉云盘防盗码,再扫描下方二维码,即可获取。

教学课件


案例代码


实验代码


习题答案


考试试卷


教学大纲

(3) 考试题库可以扫描本书封底的二维码下载。
在叙述方式上,每一章都讲述理论方法,各章内容相对独立、完整,同时力图用递进的形式来论述这些知识,使全书整体不失系统性。读者可以从头到尾通读,也可以选择个别章节细读。本书对每一章的讲述力求深入浅出,对于一些公式定理,
给出必要的推导证明,提供简单的例子,使初学者易于掌握知识的基本内容,领会所学的本质,并准确地使用该知识方法。对相关的深层理论,则仅予以简述,不做过多的延伸。

本书的主编为吕云翔、王渌汀,梁泽众、尹文志、韩雪婷、朱英豪、陈妙然为副主编,曾洪立进行了部分内容的编写和素材整理及配套资源制作等。
在本书的编写过程中,我们尽量做到仔细、认真,但由于水平有限,还是可能会出现一些不妥之处,欢迎广大读者批评指正。同时,我们也希望广大读者将自己读书学习的心得体会反馈给我们。

编者2022年1月于北京