作者：关景新 姜源
页数：246
出版社：机械工业出版社
出版日期：2021
ISBN：9787111677987
电子书格式：pdf/epub/txt
内容简介
本书根据人工智能技术服务专业人才培养的需求，以智能机器人为载体，以揭开人工智能的神秘面纱为主线进行编写，设置了5个学习情境。学习情境1主要介绍人工智能的发展和应用，引起学习者的兴趣；学习情境2主要从智能机器如何进行知识存储的角度来理解人工智能；学习情境3主要从智能机器如何使用知识进行探索世界和求解问题的角度来进一步理解人工智能；学习情境4主要从智能机器如何进行自主学习知识、增长智慧的角度来理解人工智能；学习情境5主要从人工智能的自然辩证法视角理解人工智能的本质，从社会学角度给智能机器添加伦理与法律的约束，从而消除人类对人工智能的恐惧，使得人工智能技术更好地为人类服务。
本书在思政方面围绕“爱国精神、崇尚科技、思维模式、乐观进取”，将其与人工智能技术进行“术道融合”，结合“做中学、做中悟”的方式来开展立德树人的工作。
本书可作为高等职业院校电子信息类专业、机电一体化专业、应用电子技术专业及相关专业的教材，也可作为相关技术人员的参考用书。
本书配有微课视频，可扫码观看。另外，本书配有电子课件，需要的教师可登录www.cmpedu.com免费注册，审核通过后下载，或联系编辑索取（微信：15910938545，电话：010-88379739）。
目录
出版说明
前言
二维码资源清单
学习情境1 让机器走进您的世界—人工智能概述1
情境导入1
情境目标2
知识链接2
11 人工智能简史2
111 全球人工智能发展史2
112 我国人工智能发展史3
12 人工智能的产生7
13 人工智能的发展8
131 计算机时代9
132 人工智能的开端9
133 人工智能程序积累阶段10
134 超越人类的临界点11
14 人工智能的主流学派13
141 符号学派：物理符号系统假说13
142 连接学派14
143 行为学派15
144 三大学派的比较16
15 人工智能的定义17
16 人工智能的五个感官18
17 人工智能的分类19
171 按发展阶段分19
172 按应用领域分19
173 按智能化强弱程度分21
18 人工智能对人类的影响23
情境操作25
19 案例欣赏25
191 案例1 生物表情自动评价：再没有“水军”滥竽充数25
192 案例2 老人身边的医生：人工智能对生命的关怀26
情境小结26
课后习题27
学习情境2 让机器具有知识—知识表示技术29
情境导入29
情境目标29
知识链接30
21 知识的概述30
211 知识、信息和数据31
212 知识的特性32
213 知识的分类33
214 知识表示33
22 知识的表示方法34
221 逻辑表示法34
222 语义网络表示法43
223 框架表示法48
224 产生式表示法49
225 状态空间表示法52
226 问题归约法53
227 面向对象表示法57
228 模糊逻辑表示法60
情境操作65
23 任务实施65
231 任务1 动物识别的产生式知识表示65
232 任务2 传教士和野人过河问题的状态空间知识表示71
233 任务3 摆放家具的面向对象知识表示75
234 任务4 自动控制系统的模糊知识表示80
情境小结83
课后习题83
学习情境3 让机器使用知识—搜索与推理85
情境导入85
情境目标85
知识链接86
31 搜索和推理概述86
311 搜索86
312 推理89
32 状态空间的搜索策略93
321 状态空间搜索的基本思想93
322 图搜索的一般过程94
33 状态空间的盲目搜索95
331 广度优先搜索95
332 深度优先搜索97
333 代价树搜索100
34 状态空间的启发式搜索102
341 启发性信息和估价函数102
342 A算法103
35 遗传算法搜索105
351 遗传算法的结构105
352 遗传算法的基本原理107
353 遗传算法的性能108
36 基于规则的演绎推理108
37 产生式推理109
38 不确定性推理112
381 概率推理112
382 模糊推理112
情境操作114
39 任务实施114
391 任务1 过河问题的状态空间深度优先搜索应用114
392 任务2 八数码问题的启发式搜索应用118
393 任务3 函数最大值的遗传算法搜索应用127
394 任务4 动物识别的产生式推理应用134
395 任务5 自动控制系统的模糊推理应用138
情境小结141
课后习题142
学习情境4 让机器习得知识—机器学习144
情境导入144
情境目标144
知识链接145
41 习得技术概述145
42 学习相关的基本概念146
421 标签146
422 特征146
423 模型147
424 回归与分类147
425 聚类148
43 机器学习的定义149
44 机器学习的过程150
45 机器学习的分类151
46 机器学习的方法152
461 有监督学习152
462 无监督学习153
463 半监督学习154
464 强化学习155
465 迁移学习156
47 机器学习的模型158
471 线性模型158
472 核模型170
473 层级模型172
48 深度学习175
481 深度学习概述175
482 深度学习的模型—神经网络177
483 常用的深度学习框架188
情境操作190
49 任务实施190
491 任务1 自搭建线性模型解决分类问题190
492 任务2 运用TensorFlow框架解决分类问题193
493 任务3 运用层次模型解决招聘程序员薪资预测问题196
494 任务4 运用卷积运算提取图像特征200
495 任务5 运用卷积神经网络CNN识别图像204
情境小结214
课后习题214
学习情境5 让机器成为“社会人”—德才兼备216
情境导入216
情境目标217
知识链接217
51 人工智能的自然辩证法217
511 自然辩证法218
512 人类改造世界的工具219
513 人工智能的本质220
514 人工智能的“工具”特殊性221
52 人工智能的社会约束222
521 人工智能社会223
522 人工智能的社会属性224
523 人工智能社会的特点224
524 人与人工智能的社会关系225
525 人工智能社会的问题226
526 人工智能的伦理规范构建229
527 人工智能的法律规范构建231
情境操作234
53 任务实施234
531 任务1 快速搭建简单的陪伴机器人234
532 任务2 陪伴机器人的伦理案例分析240
情境小结242
课后习题242
参考文献246
前言
二维码资源清单
学习情境1 让机器走进您的世界—人工智能概述1
情境导入1
情境目标2
知识链接2
11 人工智能简史2
111 全球人工智能发展史2
112 我国人工智能发展史3
12 人工智能的产生7
13 人工智能的发展8
131 计算机时代9
132 人工智能的开端9
133 人工智能程序积累阶段10
134 超越人类的临界点11
14 人工智能的主流学派13
141 符号学派：物理符号系统假说13
142 连接学派14
143 行为学派15
144 三大学派的比较16
15 人工智能的定义17
16 人工智能的五个感官18
17 人工智能的分类19
171 按发展阶段分19
172 按应用领域分19
173 按智能化强弱程度分21
18 人工智能对人类的影响23
情境操作25
19 案例欣赏25
191 案例1 生物表情自动评价：再没有“水军”滥竽充数25
192 案例2 老人身边的医生：人工智能对生命的关怀26
情境小结26
课后习题27
学习情境2 让机器具有知识—知识表示技术29
情境导入29
情境目标29
知识链接30
21 知识的概述30
211 知识、信息和数据31
212 知识的特性32
213 知识的分类33
214 知识表示33
22 知识的表示方法34
221 逻辑表示法34
222 语义网络表示法43
223 框架表示法48
224 产生式表示法49
225 状态空间表示法52
226 问题归约法53
227 面向对象表示法57
228 模糊逻辑表示法60
情境操作65
23 任务实施65
231 任务1 动物识别的产生式知识表示65
232 任务2 传教士和野人过河问题的状态空间知识表示71
233 任务3 摆放家具的面向对象知识表示75
234 任务4 自动控制系统的模糊知识表示80
情境小结83
课后习题83
学习情境3 让机器使用知识—搜索与推理85
情境导入85
情境目标85
知识链接86
31 搜索和推理概述86
311 搜索86
312 推理89
32 状态空间的搜索策略93
321 状态空间搜索的基本思想93
322 图搜索的一般过程94
33 状态空间的盲目搜索95
331 广度优先搜索95
332 深度优先搜索97
333 代价树搜索100
34 状态空间的启发式搜索102
341 启发性信息和估价函数102
342 A算法103
35 遗传算法搜索105
351 遗传算法的结构105
352 遗传算法的基本原理107
353 遗传算法的性能108
36 基于规则的演绎推理108
37 产生式推理109
38 不确定性推理112
381 概率推理112
382 模糊推理112
情境操作114
39 任务实施114
391 任务1 过河问题的状态空间深度优先搜索应用114
392 任务2 八数码问题的启发式搜索应用118
393 任务3 函数最大值的遗传算法搜索应用127
394 任务4 动物识别的产生式推理应用134
395 任务5 自动控制系统的模糊推理应用138
情境小结141
课后习题142
学习情境4 让机器习得知识—机器学习144
情境导入144
情境目标144
知识链接145
41 习得技术概述145
42 学习相关的基本概念146
421 标签146
422 特征146
423 模型147
424 回归与分类147
425 聚类148
43 机器学习的定义149
44 机器学习的过程150
45 机器学习的分类151
46 机器学习的方法152
461 有监督学习152
462 无监督学习153
463 半监督学习154
464 强化学习155
465 迁移学习156
47 机器学习的模型158
471 线性模型158
472 核模型170
473 层级模型172
48 深度学习175
481 深度学习概述175
482 深度学习的模型—神经网络177
483 常用的深度学习框架188
情境操作190
49 任务实施190
491 任务1 自搭建线性模型解决分类问题190
492 任务2 运用TensorFlow框架解决分类问题193
493 任务3 运用层次模型解决招聘程序员薪资预测问题196
494 任务4 运用卷积运算提取图像特征200
495 任务5 运用卷积神经网络CNN识别图像204
情境小结214
课后习题214
学习情境5 让机器成为“社会人”—德才兼备216
情境导入216
情境目标217
知识链接217
51 人工智能的自然辩证法217
511 自然辩证法218
512 人类改造世界的工具219
513 人工智能的本质220
514 人工智能的“工具”特殊性221
52 人工智能的社会约束222
521 人工智能社会223
522 人工智能的社会属性224
523 人工智能社会的特点224
524 人与人工智能的社会关系225
525 人工智能社会的问题226
526 人工智能的伦理规范构建229
527 人工智能的法律规范构建231
情境操作234
53 任务实施234
531 任务1 快速搭建简单的陪伴机器人234
532 任务2 陪伴机器人的伦理案例分析240
情境小结242
课后习题242
参考文献246
