人工智能(Artificial Intelligence,简称AI)是以机器为载体所展示出来的人类智能,因此人工智能也被称为机器智能(Machine Intelligence)。
人类一直不懈努力,让机器模拟人类在视觉、听觉、语言和行为等方面的某些功能以提升生产能力、帮助人类完成更为复杂或有危险的工作,更多造福人类社会。对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。
本课程成体系介绍人工智能的基本概念和基础算法,可帮助学习者掌握人工智能脉络体系,体会具能、使能和赋能,从算法层面对人工智能技术“知其意,悟其理,守其则,践其行”。课程内容包括如下:人工智能概述、搜索求解、逻辑与推理、监督学习、无监督学习、深度学习、强化学习、博弈对抗。
人工智能不单纯是一门课程、一手技术、一项产品或一个应用,而是理论博大深厚、技术生机勃勃、产品落地牵引、应用赋能社会的综合协同体。为此,课程中安排了以搜索求解为核心的黑白棋AI算法、以线性回归为核心的图像恢复、以深度学习为核心的垃圾分类等实训题目。
人工智能于1956年从达特茅斯学院出发,踏上了人类历史发展舞台,今天正发挥“头雁”效应,推动人类社会变革,“其作始也简,其将毕也必巨”。
注:1) 课程部分相关视频可在“学习强国”如下地址访问:https://www.xuexi.cn/dd763e2ac67da9d9f1c1306e737f9b3c/9b0f04ec6509904be734f5f609a3604a.html
2) 对于非计算机类专业的学习者,为了了解有关人工智能基础内容,可访问普通高中教科书信息技术教材《人工智能初步》(浙江教育出版社,2019年12月)的在线资料进行预先学习:https://momodel.cn/classroom/class?id=5e1bc7f8bb11cb202cdb208d&type=notebook
3)本课程所有课件可通过如下渠道下载:MOOC课程的课件(ppt格式)可在如下网址下载: https://pan.baidu.com/s/1MSbRFeMlhuuAQqrWpPygZw (提取码:2u7o)
人工智能具有“至大无外、至小有内”的特点。当前以数据建模和学习为核心的人工智能通过整合数据、模型和算力在计算机视觉、自然语言、语音识别等特定领域取得了显著进展。本课程主要从数据智能这一角度来讲授人工智能的基本算法和模型,辅以一定的实训题目促进对模型的深入了解,希望学习者能够掌握逻辑推理、机器学习、强化学习、博弈对抗等基本模型,明晰人工智能具能、使能和赋能的手段和方法。
第一周 人工智能概述
1.1 可计算思想起源与发展
1.2 人工智能的发展简史
1.3人工智能研究的基本内容
人工智能概述课件
第一周测试
第二周 搜索求解
2.1启发式搜索
2.2 对抗搜索
2.3 蒙特卡洛树搜索
搜索求解课件
第二周测试
第三周 逻辑与推理(I)
3.1 命题逻辑
3.2 谓词逻辑
3.3 知识图谱推理:一阶归纳推理算法
逻辑与推理(I)课件
第三周测试
第四周 逻辑与推理(II)
4.1 知识图谱推理:路径排序算法
4.2 因果推理
逻辑与推理(II)课件
第四周测试
第五周 统计机器学习:监督学习
5.1 机器学习基本概念
5.2 线性回归分析
5.3提升算法(boosting)
统计机器学习:监督学习课件
第五周测试
第六周 统计机器学习:无监督学习
6.1 K均值聚类
6.2 主成分分析
6.3 特征人脸算法
统计机器学习:无监督学习课件
第六周测试
第七周 统计机器学习算法应用
7.1 逻辑斯蒂回归与分类
7.2 潜在语义分析
7.3 线性区别分析及分类
统计机器学习算法应用课件
第七周测试
第八周 深度学习(I)
8.1 深度学习基本概念
8.2 前馈神经网络
8.3 误差后向传播(BP)
深度学习课件
第八周测试
第九周:深度学习(II)
9.1 卷积神经网络
9.2 自然语言理解与视觉分析
深度学习课件
第九周测试
第十周:强化学习
10.1 强化学习定义
10.2 策略优化与策略评估
10.3 强化学习求解: Q Learning
10.4 深度强化学习
强化学习课件
第10周测试
第十一周:人工智能博弈
11.1 博弈相关概念
11.2 遗憾最小化算法
11.3 虚拟遗憾最小化算法
11.4 人工智能安全
人工智能博弈课件
第11周测试
第十二周:人工智能发展与挑战
12.1 记忆驱动的智能计算
12.2 可计算社会学
12.3 若干挑战
人工智能发展与挑战课件
第十三周:算法实验
算法实验的课件
如何完成并测试你的实验作业
实验环境设置
实验作业题目
人工智能课程体系演变
学习者具备一定的线性代数和概率论的基本知识,掌握一定的程序设计方法。
课程总成绩由单元测试 (60%)、讨论(10%)和期末考试(30%)构成。成绩包括优秀、合格和不合格三个档次。总成绩小于60分为不合格,大于或等于60分且小于80分为合格,大于或等于80分为优秀。
1) 吴飞,《人工智能导论:模型与算法》,高等教育出版社 ( 2020年5月出版,书号:ISBN 978-7-04-053466-5)
购买途径:
高教社官方书城:https://www.hepmall.com/index.php/product-32840.html
淘宝天猫店:https://detail.tmall.com/item.htm?spm=a1z10.3-b-s.w4011-17077463409.46.e7741b56dteH0W&id=618079706045&rn=9ca6b9bdbfd209a642e3f14a901d1ac6&abbucket=11
微店:https://weidian.com/item.html?itemID=1325096508703101450110&wfr=wx&source=goods_home&ifr=itemdetail&sfr=app
2) 吴飞,《人工智能初步》(普通高中教科书信息技术教科书),浙江教育出版社(书号:ISBN 978-7-5536-9871-7),2019年12月
3) Stuart Russell, Peter Norvig, Artificial Intelligence A Modern Approach (Third Edition)