课程概述

本课程讲述人工智能的发展简史、人工智能研究的基本内容和主要研究领域、人工智能的研究热点，包括深度神经网络及其应用等。通过本课程的学习，旨在使同学们掌握以下内容：

  • 了解人工智能的特点、主要研究领域、研究历史及未来发展动向

  • 掌握人工智能的基本概念、基本原理和基本方法

  • 了解应用人工智能技术解决实际问题的范例

要求同学们掌握基本创新方法，能够针对创新点开展切实有效的理论和应用研究。本课程紧密联系机器人工程中的前沿内容和所涉及的新技术，例如模糊推理方法及其在机器人工程中的应用、人工神经网络及其改进方法在机器人工程中的应用等，同学们通过本课程的学习能够了解基本的人工智能新技术和有关问题求解的创新方法。课程通过探讨人工智能系统的基本原理和运行过程，培养同学们发现问题、提出问题、分析问题和解决问题的能力。

证书要求

课程考核强调平时成绩和最终成绩的综合方式。其中，平时成绩主要包括课内讨论和平时作业，课内讨论主要考察同学们是否按时积极教学活动、是否就课程内容积极与教师和其他同学交流互动、回答教师提问是否正确，以及分组讨论是否积极、正确、有独特见解等，以提高课堂教学效果，培养同学们对新技术的兴趣和创新能力。平时作业重点考察同学们对课程内容的掌握程度、对新技术的探索兴趣和发散思维能力。期末考试将按照本课程的教学目标全面考核同学们课程学习的效果。最终成绩中，期末考试占比60%，平时作业成绩占比20%，课内讨论占比20%。

预备知识

同学们应具备一定的线性代数、概率论等数学知识和基本的程序设计基础。

授课大纲

第一讲 人工智能概述

第二讲 一阶谓词逻辑知识表示法

第三讲 产生式表示法和框架表示法

第四讲 推理的基本概念和归结原理

第五讲 归结反演和归结原理的应用

第六讲 可信度方法和证据理论

第七讲 模糊推理方法

第八讲 搜索求解的基本概念和状态空间知识表示

第九讲 搜索求解的基本概念和状态空间知识表示

第十讲 遗传算法及其应用

第十一讲 群智能算法及其应用

第十二讲 机器学习

第十三讲 神经网络基础

第十四讲 深度神经网络及其应用

第十五讲 专家系统及知识图谱

第十六讲 智能体系统

参考资料

  • 人工智能导论（第4版），王万良，高等教育出版社，2017.

  • Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach (3rd edition), Pearson Education India, 2015.

  • 人工智能：一种现代的方法（第3版），殷建平、祝恩、刘越、陈跃新译，清华大学出版社，2013.

  • 机器学习，周志华，清华大学出版社，2016.