人工智能等级考试一级教程 人工智能通识

《人工智能等级考试一级教程 人工智能通识》面向我国人工智能的通识教育与专业技术人才的培养。全书共8章，分为3篇，分别为人工智能的基本理论、人工智能的应用以及人工智能的融合拓展，涵盖了目前主流的人工智能技术。《人工智能等级考试一级教程 人工智能通识》在介绍人工智能的基本原理时，尽量回避了相关的复杂模型和算法设计，方便读者在社会层面理解人工智能的应用形式和未来的发展路径。此外，书中每章都设计了一些思考与练习的题目，以便读者在课堂练习和研讨中使用。 《人工智能等级考试一级教程 人工智能通识》适合具有高中及以上数学基础的学生，包括各类职业院校、应用型本科非计算机专业的学生阅读，也适合对人工智能感兴趣或有相关需求的社会人士阅读。

曹良亮,北京师范大学教育技术学院，理学博士，高级工程师，长期从事计算机教学工作，主要研究方向是计算机教育应用。

目　录

第 1篇 人工智能的基本理论

第 1章 人工智能概述 2

1.1　什么是人工智能 4

1.1.1 达特茅斯会议与人工智能的诞生 4

1.1.2 “人工”和“智能”的完美结合 5

1.1.3 “全面”人工智能和“部分”人工智能 6

思考与练习1-1 怎样理解人工智能 7

1.2　人工智能的发展历史 7

1.2.1 “前”人工智能阶段 8

1.2.2 人工智能的起步阶段 9

1.2.3 人工智能的瓶颈期 10

1.2.4 人工智能的复苏期 11

1.2.5 人工智能的繁荣期 12

1.3　实现人工智能的多种研究学派 13

1.3.1 “智能的黑箱”——符号主义学派 13

思考与练习1-2 “中文屋”的悖论 14

1.3.2 “黑箱的内部”——连接主义学派 15

1.3.3 “动作和控制”——行为主义学派 17

1.4　人工智能对社会生活的影响 18

1.5　本章内容小结 19

1.6　本章练习题 19

第 2章 问题求解和知识工程 21

2.1　搜索技术和问题求解 23

2.1.1 问题求解——按照既定的步骤操作 23

思考与练习2-1 传统查找和问题求解 24

思考与练习2-2 地图中路径的搜索技术 25

2.1.2 盲目搜索技术 26

思考与练习2-3 如何理解深度优先算法和广度优先算法 28

2.1.3 启发式搜索技术 28

思考与练习2-4 非启发式搜索和启发式搜索的对比 29

2.2　知识在计算机内的表示方式 30

2.2.1 陈述性知识和过程性知识 31

思考与练习2-5 语义网络基本形式 32

2.2.2 从已知到未知的逻辑推理 32

2.2.3 通过计算机实现推理的过程 33

2.3　像专家一样解决问题 35

2.3.1 专家系统的发展历程 35

2.3.2 专家系统的基本结构 36

思考与练习2-6 专家系统的一种模拟 37

2.4　从专家系统到知识工程 38

2.4.1 知识工程和专家系统的区别 38

2.4.2 知识工程的知识处理过程 39

2.4.3 互联网时代的知识图谱 40

2.5　本章内容小结 41

2.6　本章练习题 42

第3章 人工神经网络、机器学习和深度学习 44

3.1　神经元细胞的数字化模型 46

3.1.1 神经元细胞和感知机 46

3.1.2 感知机的分类判断模型 49

3.1.3 扩展——感知机如何学会正确分类 50

思考与练习3-1 感知机的模拟运行 51

3.2　人工神经网络——生物神经网络的数字化 52

3.2.1 从单层感知机到多层感知机 52

思考与练习3-2 多层感知机的应用 54

3.2.2 人工神经网络的基本功能特点 55

3.2.3 卷积神经网络的优势和特点 57

3.3　机器学习——机器的自我适应 58

3.3.1 机器学习的发展和分类 58

3.3.2 监督学习和无监督学习 59

思考与练习3-3 监督学习和无监督学习 61

3.3.3 机器学习的应用 61

3.4　深度学习——机器学习的进一步发展 62

3.4.1 深度学习的发展及其特点 63

3.4.2 深度学习与机器学习的异同 64

3.4.3 深度学习的应用和发展 66

3.5　本章内容小结 66

3.6　本章练习题 67

第 2篇 人工智能的应用

第4章 图像识别与人工智能 70

4.1　计算机内图像的数字化表示 72

4.1.1 人眼成像的原理 72

4.1.2 图像数字化的基本原理 73

思考与练习4-1 数码相机中的CMOS成像原理 74

4.1.3 扩展——数字图像的基本属性和特征 75

思考与练习4-2 数字图像的颜色表示 76

4.1.4 扩展——数字图像的存储格式 77

4.2　图像分割——选择图像中的“物” 78

4.2.1 图像分割技术的意义和特点 78

4.2.2 基于阈值的图像分割方法 79

4.2.3 基于区域的图像分割方法 81

思考与练习4-3 基于阈值和区域的图像分割方法演示 82

4.2.4 基于边缘的图像分割方法 83

4.2.5 基于深度学习的图像分割方法 84

4.3　图像识别——辨别图像中的“物” 85

4.3.1 对待识别物体的特征提取 85

4.3.2 通过对特征的分类识别物体 86

4.3.3 图像识别中的支持向量机分类 88

4.4 本章内容小结 90

4.5 本章练习题 90

第5章 语音识别与人工智能 93

5.1　声音的本质和声音的三要素 95

5.2　声音的数字化转换和处理 96

5.2.1 模拟信号到数字信号的转换过程 96

5.2.2 扩展——音频的数字化编码技术 99

5.2.3 扩展——常见的音频文件格式 100

5.3　语音识别——针对语言的处理过程 101

5.3.1 语音识别的分类和技术特点 101

5.3.2 语音识别从声音到文字的转换过程 102

5.3.3 针对声音频率特性的频谱分析技术 104

5.4　自然语言处理——从听见到听懂 105

5.4.1 自然语言处理简介 106

5.4.2 自然语言处理的功能和意义 107

思考与练习 自然语言处理中的分词和语义分析 107

5.4.3 自然语言处理与人工智能技术 108

5.5　本章内容小结 109

5.6　本章练习题 109

第6章 机器人和智能体 112

6.1　硬件类型的机器人学 114

6.1.1 机器人学的简要发展史 114

6.1.2 机器人的主要类型和区别 115

6.1.3 机器人的基本结构模块和组成 116

6.1.4 传感器的原理与应用 117

6.1.5 从传感器到机器人的感觉器官 119

思考与练习6-1 自动驾驶中的传感器 120

6.2　软件类型的智能体 121

思考与练习6-2 智能体的应用 122

6.3　硬件机器人的结构和组建案例 123

思考与练习6-3 如何增强智能小车的功能 128

6.4　本章内容小结 129

6.5　本章练习题 129

第3篇 人工智能的融合扩展

第7章 大数据与人工智能 132

7.1　数据、信息及数据管理 134

7.1.1 如何从数据中获取信息 134

思考与练习7-1 数据和信息的关系 135

7.1.2 规模化数据的结构化管理 136

思考与练习7-2 数据库系统的应用 137

7.1.3 从结构化数据库到大数据技术 138

7.1.4 大数据技术中的信息加工和知识获取 139

思考与练习7-3 应用数据分析获取有效信息的经典案例 141

思考与练习7-4 根据学生的考试成绩改进教学 141

7.2　人工智能和大数据的技术融合 142

7.3　大数据技术的应用与展望 144

7.4　本章内容小结 144

7.5　本章练习题 145

第8章 物联网、云计算和区块链 146

8.1 “万物互联”的物联网技术 148

8.1.1 “万物互联”的概念及其发展 148

8.1.2 “物”是如何连接网络的？ 149

8.1.3 关于“物”的个性化数据采集 151

思考与练习8-1 共享出行中的物联网应用 152

8.1.4 “物”的个性化数据处理技术 152

8.1.5 物联网在日常生活中的应用 154

思考与练习8-2 物联网在智能家居中的应用 154

8.2　基于网络技术的云计算 155

8.2.1 云计算的概念和发展 155

8.2.2 从硬件到软件——云计算的三种服务模式 157

思考与练习8-3 如何理解云计算的三种服务模式 158

8.2.3 云计算的应用优势和发展前景 159

思考与练习8-4 云计算在社会生活中的典型应用 159

8.3　区块链——数据的链状化管理技术 159

8.3.1 区块链技术如何实现区块数据存储 160

8.3.2 灵活、开放和安全的区块化存储 161

8.3.3 区块链的三种拓展方向 162

8.3.4 区块链技术的应用优势和发展前景 163

思考与练习8-5 区块链、物联网、云计算和人工智能 164

8.4　本章内容小结 164

8.5　本章练习题 165