本書系統(tǒng)地介紹了人工智能的基本原理、方法和應(yīng)用技術(shù),全面反映了國內(nèi)外人工智能研究領(lǐng)域的最新進(jìn)展和發(fā)展方向。全書共12章。第1章簡要介紹了人工智能的概況。第2~6章闡述了人工智能的基本原理和方法,重點(diǎn)論述了知識表示、自動推理、不確定性推理、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等。第7章和第8章介紹了專家系統(tǒng)、自然語言處理等應(yīng)用技術(shù)。第9~11 章闡述了當(dāng)前人工智能的研究熱點(diǎn),包括分布式人工智能與智能體、智能機(jī)器人和互聯(lián)網(wǎng)智能等。第12章探討了類腦智能,展望人工智能的發(fā)展。
本書力求科學(xué)性、實(shí)用性和先進(jìn)性,可讀性強(qiáng)。內(nèi)容由淺入深、循序漸進(jìn),條理清晰,讓學(xué)生在有限的時間內(nèi)掌握人工智能的基本原理與應(yīng)用技術(shù),提高對人工智能習(xí)題的求解能力。
本書可以作為高等院校計(jì)算機(jī)科學(xué)與技術(shù)、自動化、智能科學(xué)與技術(shù)等相關(guān)專業(yè)的研究生和高年級本科生的人工智能課程教材,也可以供從事人工智能研究與應(yīng)用的科技人員學(xué)習(xí)參考。
本書盡可能吸收國際上最新的研究成果,反映人工智能領(lǐng)域在分布式人工智能、機(jī)器人、互聯(lián)網(wǎng)智能和類腦智能等方面的最先進(jìn)水平。
根據(jù)人工智能實(shí)際應(yīng)用需求,安排知識表示、自動推理、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)和自然語言處理等內(nèi)容,并通過大量的例題講解解題方法。
《人工智能》自2016年出版以來,廣受讀者歡迎,出版社已經(jīng)第9次印刷。在此期間,人工智能飛速發(fā)展。黨的二十大報告指出,推動戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展,構(gòu)建新一代信息技術(shù)、人工智能、生物技術(shù)、新能源、新材料、高端裝備、綠色環(huán)保等一批新的增長引擎。為了反映該領(lǐng)域的最新成果和進(jìn)展,本書在第1版基礎(chǔ)上做了重要補(bǔ)充和修改,修改內(nèi)容如下:
1)第1章重寫了人工智能發(fā)展史,將人工智能的發(fā)展史劃分為形成期、符號智能和數(shù)據(jù)智能3個時期。
2) 第5章增加了聯(lián)邦學(xué)習(xí)。聯(lián)邦學(xué)習(xí)是一種分布式機(jī)器學(xué)習(xí)技術(shù),其核心思想是通過在多個擁有本地數(shù)據(jù)的數(shù)據(jù)源之間進(jìn)行分布式模型訓(xùn)練,在不需要交換本地個體或樣本數(shù)據(jù)的前提下,僅通過交換模型參數(shù)或中間結(jié)果的方式,構(gòu)建基于虛擬融合數(shù)據(jù)下的全局模型,從而實(shí)現(xiàn)數(shù)據(jù)隱私保護(hù)和數(shù)據(jù)共享計(jì)算的平衡。聯(lián)邦學(xué)習(xí)是最有可能解決數(shù)據(jù)孤島問題的技術(shù)。
3) 第8章增加了大語言模型。大語言模型通常指包含數(shù)千億(或更多)參數(shù)的語言模型,使用大量文本數(shù)據(jù)訓(xùn)練,可以生成自然語言文本或理解語言文本的含義。大語言模型代表著人工智能領(lǐng)域的重大進(jìn)步,這部分重點(diǎn)介紹美國OpenAI聊天機(jī)器人程序ChatGPT的關(guān)鍵技術(shù)。
4)第10章智能機(jī)器人,增加了基于GENISAMA 通用圖靈機(jī)模型的發(fā)育機(jī)器人的介紹。與傳統(tǒng)圖靈機(jī)不同,發(fā)展網(wǎng)絡(luò)(Development Networks,DN)學(xué)習(xí)圖靈機(jī)是一種超級圖靈機(jī)。GENISAMA即為接地性(Grounded)、涌現(xiàn)性(Emergent)、自然性(Natural)、增量性(Incremental)、技巧性(Skilled)、專注性(Attentive)、動機(jī)性(Motivated)和抽象性(Abstractive)。
5) 第12章類腦智能,刪去了認(rèn)知計(jì)算的有關(guān)內(nèi)容,增加了中國腦科學(xué)計(jì)劃的介紹。中國腦科學(xué)計(jì)劃以闡釋人類認(rèn)知的神經(jīng)基礎(chǔ)(認(rèn)識腦)為主體和核心 (一體),同時展現(xiàn)“兩翼”:其中一翼是大力加強(qiáng)預(yù)防、診斷和治療腦重大疾病的研究(保護(hù)腦);另一翼是在大數(shù)據(jù)快速發(fā)展的時代背景下,受大腦運(yùn)作原理及機(jī)制的啟示,通過計(jì)算和系統(tǒng)模擬推進(jìn)人工智能的研究(模擬腦)。
自從2022年12月OpenAI發(fā)布ChatGPT以來,以通用人工智能為代表的人工智能技術(shù)變革進(jìn)入了加速發(fā)展的快車道。通用人工智能(Artificial General Intelligence,AGI)指具有像人類一樣的思考能力,可以從事多種工作的機(jī)器智能,以區(qū)別于當(dāng)下已取得顯著進(jìn)展的單一能力人工智能,如語音識別、機(jī)器視覺、機(jī)器翻譯等,以及近期最為火爆的ChatGPT。大模型被普遍認(rèn)為是通往通用人工智能的重要途徑。隨著具備更優(yōu)“思考”和“辨別”能力的多模態(tài)GPT-4上線,通用人工智能再次引起社會廣泛關(guān)注和熱烈探討。根據(jù)目前展示出來的能力,我們離通用人工智能時代并不遙遠(yuǎn),下一步要多考慮讓大模型連接現(xiàn)實(shí)世界,通過自身學(xué)習(xí)、跨模態(tài)學(xué)習(xí)等,讓大模型與現(xiàn)實(shí)世界“對齊”。雖然人工智能大模型的演進(jìn)速度和智能表現(xiàn)令人欣喜,市場需求和投資熱情空前高漲,但依然存在算法優(yōu)化、算力突破、數(shù)據(jù)安全、隱私保護(hù)、倫理規(guī)范等技術(shù)和社會方面的問題,通用人工智能帶來的這場變革既是挑戰(zhàn)也是機(jī)遇,我們應(yīng)積極探索通用人工智能的可能性和潛力,同時也應(yīng)警惕通用人工智能帶來的風(fēng)險和挑戰(zhàn)。
中科院計(jì)算所研究員 人工智能先驅(qū)代表之一
第2版前言
第1版前言
第1章緒論
11什么是人工智能
12人工智能的發(fā)展史
13人工智能研究的基本內(nèi)容
131認(rèn)知建模
132知識表示
133自動推理
134機(jī)器學(xué)習(xí)
14人工智能研究的主要學(xué)派
141符號主義
142連接主義
143行為主義
15人工智能的應(yīng)用
16小結(jié)和展望
習(xí)題
第2章知識表示
21知識表示概述
22謂詞邏輯
23產(chǎn)生式表示法
24語義網(wǎng)絡(luò)
241語義網(wǎng)絡(luò)的概念和結(jié)構(gòu)
242復(fù)雜知識的表示
243常用的語義聯(lián)系
25框架
251框架結(jié)構(gòu)
252框架網(wǎng)絡(luò)
253推理方法
26狀態(tài)空間
27面向?qū)ο蟮闹R表示
28腳本
281腳本描述
282概念依賴關(guān)系
29本體
210小結(jié)
習(xí)題
第3章自動推理
31自動推理概述
32三段論推理
33盲目搜索
331深度優(yōu)先搜索
332寬度優(yōu)先搜索
333迭代加深搜索
34回溯策略
35啟發(fā)式搜索
351啟發(fā)性信息和評估函數(shù)
352爬山算法
353模擬退火算法
354最好優(yōu)先算法
355通用圖搜索算法
356A*算法
357迭代加深A(yù)*算法
36與或圖啟發(fā)式搜索
361問題歸約的描述
362與或圖表示
363AO*算法
37博弈搜索
371極大極小過程
372α-β過程
38歸結(jié)演繹推理
381子句型
382置換和合一
383合一算法
384歸結(jié)式
385歸結(jié)反演
386答案的提取
387歸結(jié)反演的搜索策略
39產(chǎn)生式系統(tǒng)
391產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)
392正向推理
393反向推理
394混合推理
310自然演繹推理
311非單調(diào)推理
3111默認(rèn)推理
3112限制推理
312小結(jié)
習(xí)題
第4章不確定性推理
41不確定性推理概述
411不確定性知識分類
412不確定性推理的基本問題
413不確定性推理方法分類
42可信度方法
421建造醫(yī)學(xué)專家系統(tǒng)時的問題
422可信度模型
423確定性方法的說明
43主觀貝葉斯方法
431貝葉斯公式
432知識不確定性的表示
433證據(jù)不確定性的表示
434組合證據(jù)不確定性的計(jì)算
435不確定性的傳遞算法
436結(jié)論不確定性的合成
44證據(jù)理論
441假設(shè)的不確定性
442證據(jù)的組合函數(shù)
443規(guī)則的不確定性
444不確定性的組合
45模糊邏輯和模糊推理
451模糊集合及其運(yùn)算
452語言變量
453模糊邏輯
454模糊推理
46小結(jié)
習(xí)題
第5章機(jī)器學(xué)習(xí)
51機(jī)器學(xué)習(xí)概述
511簡單的學(xué)習(xí)模型
512什么是機(jī)器學(xué)習(xí)
513機(jī)器學(xué)習(xí)的研究概況
52歸納學(xué)習(xí)
521歸納學(xué)習(xí)的基本概念
522變型空間學(xué)習(xí)
523決策樹
53類比學(xué)習(xí)
531相似性
532轉(zhuǎn)換類比
533基于案例的推理
534遷移學(xué)習(xí)
54統(tǒng)計(jì)學(xué)習(xí)
541邏輯回歸
542支持向量機(jī)
543提升方法
55強(qiáng)化學(xué)習(xí)
551強(qiáng)化學(xué)習(xí)模型
552學(xué)習(xí)自動機(jī)
553自適應(yīng)動態(tài)程序設(shè)計(jì)
554Q-學(xué)習(xí)
56進(jìn)化計(jì)算
561達(dá)爾文進(jìn)化算法
562遺傳算法
563進(jìn)化策略
564進(jìn)化規(guī)劃
57群體智能
571蟻群算法
572粒子群優(yōu)化
58聯(lián)邦學(xué)習(xí)
59知識發(fā)現(xiàn)
510小結(jié)
習(xí)題
第6章神經(jīng)網(wǎng)絡(luò)
61神經(jīng)網(wǎng)絡(luò)概述
62神經(jīng)信息處理的基本原理
63感知機(jī)
631基本神經(jīng)元
632感知機(jī)模型
64前饋神經(jīng)網(wǎng)絡(luò)
641前饋神經(jīng)網(wǎng)絡(luò)模型
642誤差反向傳播算法
643BP算法的若干改進(jìn)
65Hopfield網(wǎng)絡(luò)
651離散 Hopfield 網(wǎng)絡(luò)
652連續(xù)Hopfield網(wǎng)絡(luò)
66隨機(jī)神經(jīng)網(wǎng)絡(luò)
661模擬退火算法
662玻耳茲曼機(jī)
67深度學(xué)習(xí)
671人腦視覺機(jī)理
672自編碼器
673受限玻耳茲曼機(jī)
674深度信念網(wǎng)絡(luò)
675卷積神經(jīng)網(wǎng)絡(luò)
68自組織神經(jīng)網(wǎng)絡(luò)
681網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)
682網(wǎng)絡(luò)自組織算法
683監(jiān)督學(xué)習(xí)
69小結(jié)
習(xí)題
第7章專家系統(tǒng)
71專家系統(tǒng)概述
711什么是專家系統(tǒng)
712專家系統(tǒng)的特點(diǎn)
713專家系統(tǒng)的發(fā)展史
72專家系統(tǒng)的基本結(jié)構(gòu)
73專家系統(tǒng)MYCIN
731咨詢子系統(tǒng)
732靜態(tài)數(shù)據(jù)庫
733控制策略
74專家系統(tǒng)工具CLIPS
741概述
742CLIPS中的知識表示
743CLIPS運(yùn)行
744Rete匹配算法
75專家系統(tǒng)工具JESS
76面向?qū)ο髮<蚁到y(tǒng)工具OKPS
761OKPS中的知識表示
762推理控制語言ICL
77專家系統(tǒng)建造
771需求分析
772系統(tǒng)設(shè)計(jì)
773知識庫構(gòu)建
774系統(tǒng)開發(fā)
775系統(tǒng)測試
78新型專家系統(tǒng)
781分布式專家系統(tǒng)
782協(xié)同式專家系統(tǒng)
783神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)
784基于互聯(lián)網(wǎng)的專家系統(tǒng)
79小結(jié)
習(xí)題
第8章自然語言處理
81自然語言處理概述
811什么是自然語言處理
812自然語言處理的發(fā)展
813自然語言處理的層次
82詞法分析
83句法分析
831短語結(jié)構(gòu)語法
832喬姆斯基形式語法
833句法分析樹
834轉(zhuǎn)移網(wǎng)絡(luò)
835擴(kuò)充轉(zhuǎn)移網(wǎng)絡(luò)
84語義分析
841語義文