不同于《人工智能导引》（通识）侧重基础普及与人工智能素养提升、《人工智能引论》知识点入门与后续学习引导，也不同于《人工智能原理》聚焦算法原理和核心技术，本课程《人工智能》旨在全方位地、系统性地呈现人工智能知识体系，涵盖从基础概念、核心技术，到开发方法、前沿应用以及伦理思考等多维度内容，构建完整且深入的知识框架，助力学习者对人工智能有一个相对完整的认识和理解，全面掌握人工智能领域的原理知识及其实际应用。

本课程将《人工智能》课程内容按照基于知识的智能方法、基于学习的智能方法、基于推理的智能方法和基于仿生的智能方法进行组织，反映出人类在解决实际问题时运用搜索、学习、推理和决策的能力以及复杂多变环境下向大自然学习的能力，以全面涵盖人工智能的核心研究途径。

1、基于知识的智能方法：强调知识的表示、问题求解的描述以及搜索求解策略，适合解决需要知识的显式表示与利用的问题，包括知识表示与知识图谱（第2章）、问题求解与搜索策略（第3章）

2、基于学习的智能方法：强调从数据中学习规律，适合处理复杂、非线性且数据驱动的问题，包括机器学习（第4章）、人工神经网络（第5章）、深度学习与大模型（第6章）、深度强化学习（第7章）

3、基于推理的智能方法：模拟人类思维逻辑，从已知事实得出结论，适合依据逻辑推导做出判断与决策的问题，包括逻辑推理（第8章）

4、基于仿生的智能方法：借鉴自然界的进化、群体行为等智能行为，适合解决优化和动态系统问题，计算智能（第9章）

本课程的主要特色：

1、提供完整人工智能知识体系的讲课内容，知识点内容涵盖人工智能的基础层、抽象层、高级层和应用层的不同层次。

2、注重理论与实践的相结合，每节课除了基本原理、方法介绍外，还配有大量的应用实例。

3、把握了解国内外人工智能研究领域的最新进展和前沿动向。

4、注重综合利用人工智能的知识解决实际的具体问题。

课程目标1：了解人工智能知识体系框架，系统掌握基本概念、基本原理，全面掌握人工智能基本知识点。

课程目标2：了解人工智能问题的建模思想，掌握搜索求解、机器学习、计算智能的技术方案、基本计算与算法实现，掌握复杂工程问题的设计思路、技术方案、实现结果的能力。

课程目标3：掌握知识图谱、神经网络、深度学习与大模型、逻辑推理等基本方法，培养学生具备求解人工智能问题的综合分析能力。能够在跨文化、跨专业背景下对人工智能问题进行沟通与交流。

课程目标4：了解新一代人工智能技术的发展状况，对人工智能的前沿和趋势有整体性的认知，能够凝练问题，综合分析问题，对技术未来发展有一定的专业见解。

离散数学、数据结构、高级语言程序设计

1、吴飞、潘云鹤，教育部“101计划”计算机领域核心教程--人工智能引论，高等教育出版社，2024年

2、朱福喜、人工智能（第3版），清华大学出版社，2017年（2019年7月重印）

3、朱福喜、朱丽达，人工智能习题解析与实践，清华大学出版社、2019年

4、Stuart Russell、Peter Norvig，人工智能：一种现代的方法（第四版），人民邮电出版社，2022年

5、蔡自兴、刘丽珏、蔡竞峰、陈白帆，人工智能及其应用（第6版），清华大学出版社，2020年

6、周志华，机器学习，清华大学出版社，2016年

7、邱锡鹏，神经网络与深度学习，机械工业出版社，2020年