人工智能導論課程教學大綱（新）

人工智能導論教學大綱大綱版本：V2.0課程名稱（中/英）：人工智能導論/IntroductiontoArtificialIntelligence學分：4總學時：82理論學時：72實驗學時：10課程類別：專業(yè)/專業(yè)基礎開課學期：3/4適用專業(yè)：人工智能及計算機、自動化和電子信息類課程性質：必修/必選先修課程：高等數學、線性代數、離散數學、概率與統(tǒng)計、計算機原理、計算機網絡、數據結構與算法、程序設計與軟件等一、課程簡介人工智能導論課程是人工智能及計算機、自動化和電子信息類專業(yè)必修或必選的一門專業(yè)課或專業(yè)基礎課。本課程全面講述人工智能的基本原理和技術，包括：人工智能概述、語言工具與開發(fā)平臺、搜索與問題求解、知識表示與機器推理、機器學習與知識發(fā)現(xiàn)、感知-響應與語言交流、智能系統(tǒng)和智能化網絡。本課程引導學生理解人工智能各個分支的原理、方法、應用及發(fā)展概況，初步學習和掌握人工智能的基本技術，對人工智能學科有一個全面、概略而具體的認識，獲得相關的基本知識和技能，為進一步學習后續(xù)課程或從事人工智能的研發(fā)奠定寬厚基礎，并指引方向。二、課程目標（一）課程具體目標1.了解人工智能的研究內容、研究途徑與方法以及應用和發(fā)展概況。2.了解人工智能程序設計語言的類型、特點和應用概況，初步掌握經典語言PROLOG和流行語言Python的基本語法和程序風格。3.理解圖搜索與問題求解及基于遺傳算法的隨機優(yōu)化搜索的基本原理和技術，初步掌握相應的常用算法。4.理解并初步掌握一階謂詞、產生式、框架和語義網絡（知識圖譜）等知識表示方法和相應的機器推理技術，以及不確定和不確切性知識的表示與推理技術。5.了解機器學習和知識發(fā)現(xiàn)方法的一般原理，理解符號學習、統(tǒng)計學習、神經網絡學習、深度學習和強化學習的基本原理，初步掌握其經典、常用算法。6.了解模式識別、數-語互換和自然語言處理的基本原理，理解并初步掌握相應的方法和技術。7.了解人工智能系統(tǒng)的類型、特點及發(fā)展概況，理解專家系統(tǒng)、Agent系統(tǒng)、智能機器人、智能計算機和智能化網絡的基本原理和建造技術。（二）教學內容安排總體思路人工智能導論是人工智能專業(yè)的第一門人工智能課程，它是專業(yè)課，也可以說是專業(yè)基礎課；而對于當前和今后的計算機、自動化和電子信息類專業(yè)來講，人工智能導論也應該是一門必選的課程。有鑒于此，本課程的教學內容安排的總體思路是：勾畫人工智能學科的總體架構，闡述其各個分支的原理、方法、課題和發(fā)展概況，涵蓋人工智能的基本知識、經典內容和最新進展，為學生進一步學習后繼專業(yè)課程或從事相關研發(fā)奠定寬泛而扎實的基礎，并指引方向。三、教學內容及基本要求（一）人工智能概述（3學時）主要內容：人工智能的研究內容與方法、人工智能的分支領域、人工智能的應用（支撐課程目標1）基本要求：1．理解人工智能的概念、目標和研究策略；2．理解人工智能的研究內容與方法；3．了解人工智能的分支領域；4．了解人工智能的應用與發(fā)展概況。重點難點：人工智能的研究內容與方法作業(yè)：1.簡述人工智能的研究內容、研究途徑和方法，以及它們的關系。2.簡述人工智能的分支領域和研究方向。3.簡述人工智能的應用領域或課題，試舉出幾例。課外要求：觀看教材中相關微課視頻。2．上網瀏覽有關人工智能應用和發(fā)展的資訊。（二）人工智能程序設計語言（5學時）主要內容：人工智能程序設計語言概況、PROLOG語言、Python語言（支撐課程目標2）基本要求：1．了解人工智能程序設計語言的特點、分類和發(fā)展概況；2．理解PROLOG語言的語句特點、程序結構和運行機理，能讀懂和編寫簡單的PROLOG程序；3．了解Python語言的特點和使用方法，能讀懂和編寫簡單的Python程序。教學重點：1．PROLOG語言；2．Python語言。教學難點：1．PROLOG語言的匹配合一和回溯控制；2．Python語言的程序結構和資源庫的使用。作業(yè)：1.簡述智能程序設計語言的分類和發(fā)展概況。2.讀一個PROLOG程序（見教材習題二第2題），指出運行結果。3.試編寫一個描述親屬關系的PROLOG程序，然后再給出一些事實數據，建立一個小型演繹數據庫。4.下載、安裝一個Python版本，并運行教材2.3節(jié)中的兩個例程。課外要求：觀看教材相關微課視頻。2.下載、安裝VisualProlog語言系統(tǒng)，熟悉其編程環(huán)境。（三）圖搜索與問題求解（8學時）主要內容：狀態(tài)圖與狀態(tài)圖搜索、狀態(tài)圖搜索問題求解、與或圖與與或圖搜索、與或圖搜索問題求解、博弈樹搜索（支撐課程目標3）基本要求：1．理解狀態(tài)圖的基本概念，初步掌握狀態(tài)圖搜索基本技術和狀態(tài)圖問題求解的一般方法，包括窮舉式搜索、啟發(fā)式搜索、加權狀態(tài)圖搜索基本算法和A算法、A*算法以及博弈樹搜索技術等；2．理解與或圖的基本概念，初步掌握與或圖搜索基本技術和或圖問題求解的基本算法；3．理解并初步掌握一些經典規(guī)劃調度問題（如迷宮、八數碼、梵塔、旅行商、八皇后等問題）的求解方法；教學重點：1．狀態(tài)圖搜索常用算法和問題的狀態(tài)圖表示；2．與或圖搜索常用算法和問題的與或圖表示。教學難點：1．問題的狀態(tài)圖、與或圖表示。2．啟發(fā)函數和估價函數設計。作業(yè)：1.綜述狀態(tài)圖搜索的方式、策略和算法。2.綜述與或圖搜索的方式、策略和算法。3.解答教材習題三中的4、5、8、12、14等題。課外要求：觀看教材中的相關微課視頻。（四）遺傳算法（2學時）主要內容：遺傳算法基本概念、基本遺傳算法、遺傳算法應用、遺傳算法的特點與優(yōu)勢（支撐課程目標3）基本要求：1．理解遺傳算法的基本概念和特點；2．理解基本遺傳算法的原理和應用技術。教學重點：選擇-復制、交叉和變異等三種遺傳操作。教學難點：個體對象編碼和適應函數設計。作業(yè)：1.舉例說明遺傳算法中的三種遺傳操作。2.試編寫一個用遺傳算法求解TSP的程序（城市數取為4或5），并上機運行。3.自選一個合適的實際問題，試設計相應的染色體編碼、適應度函數、遺傳操作等。課外要求：查閱進化計算方面的資料，拓展計算智能方面的知識面。（五）基于一階謂詞的機器推理（4學時）主要內容：一階謂詞邏輯、歸結演繹推理、應用歸結原理求取問題答案、歸結策略（支撐課程目標4）基本要求：1．掌握自然語言命題的謂詞形式表示和基于謂詞公式的形式演繹推理；2．理解命題邏輯中的歸結原理，掌握相應的歸結推理方法；3．理解謂詞邏輯中的歸結原理，掌握相應的歸結推理方法；4．掌握應用歸結原理求取問題答案的方法。教學重點：命題邏輯中的歸結原理和謂詞邏輯中的歸結原理。教學難點：謂詞邏輯中的歸結原理及歸結策略的運用。作業(yè)：教材習題五1～9題。課外要求：閱讀教材中本章的延伸學習導引，進而查閱感興趣的資料。（六）基于產生式規(guī)則的機器推理（2學時）主要內容：產生式規(guī)則、產生式系統(tǒng)、產生式系統(tǒng)與圖搜索問題求解（支撐課程目標4）基本要求：1．理解并掌握產生式規(guī)則的表示和相應的推理模式；2．理解產生式系統(tǒng)的結構和運行過程；3．理解并掌握產生式系統(tǒng)的控制策略和常用算法。教學重點：1．產生式規(guī)則的表示；2．產生式系統(tǒng)的控制策略和推理算法。教學難點：產生式系統(tǒng)的反向推理算法。作業(yè)：教材習題六1～3題。課外要求：選擇一個實際問題，思考如何建立一個相應的基于產生式規(guī)則的小型知識系統(tǒng)。（七）幾種結構化知識表示及其推理（2學時）主要內容：元組、框架、語義網絡、知識圖譜、類與對象（支撐課程目標4）基本要求：1．理解并初步掌握元組、框架、語義網、知識圖譜、類與對象等的描述和推理方法；2．初步掌握這幾種知識表示的語言實現(xiàn)。教學重點：框架、語義網、知識圖譜。教學難點：語義網及其語言實現(xiàn)。作業(yè)：教材習題七第1、2、3、4、7題。課外要求：仔細觀察元組、框架、語義網（知識圖譜）和類及對象，分析、體會它們之間的異同和關系。（八）不確定和不確切性知識的表示與推理（4學時）主要內容：不確定性信息和不確切性信息、不確定性知識的表示及推理、基于貝葉斯網絡的概率推理、不確切性知識的表示及推理（支撐課程目標4）基本要求：1．理解不確定性信息和不確切性信息的特點和區(qū)別；2．初步掌握不確定性知識的表示及推理方法，了解幾種經典的不確定性推理模型，初步掌握貝葉斯網絡和相應的概率推理方法；3．理解并初步掌握不確切性知識的表示及推理方法。教學重點：1．貝葉斯網絡和相應的概率推理；2．軟語言值及其數學模型，基于軟語言規(guī)則的推理。教學難點：貝葉斯網絡及相應的概率推理。2.基于軟語言規(guī)則的推理方法。作業(yè)：教材習題八2、3、4、5、8、9、10題。課外要求：觀看教材中的相關微課視頻。（九）機器學習：符號學習與交互學習（6學時）主要內容：機器學習概述、幾種典型的（符號）學習方法、決策樹學習、強化學習（支撐課程目標5）基本要求：1．理解機器學習的基本原理和分類；2．理解典型的（符號）學習方法，包括記憶學習、示例學習、演繹學習、類比學習、解釋學習、發(fā)現(xiàn)學習等；3．理解并掌握決策樹學習的基本原理和算法；4.理解強化學習的基本原理和值函數、Q函數及Q學習算法；5.了解強化學習的發(fā)展概況。教學重點：決策樹學習和強化學習。教學難點：強化學習的Q學習算法。作業(yè)：教材習題九5、6、7、8題。課外要求：思考教材習題九1、2、3、4題。（十）統(tǒng)計學習（8學時）主要內容：統(tǒng)計學習概述、幾種基本判別模型的學習、監(jiān)督學習中幾個進一步的問題、支持向量機簡介（支撐課程目標5）基本要求：1．理解統(tǒng)計學習基本原理、方法和分類；2．理解回歸問題的線性函數模型學習和梯度下降法、分類問題的線性判別函數模型學習和分類問題的Logistic回歸模型學習，并掌握相應的學習算法；3．理解監(jiān)督學習的主要工作及步驟、準則函數的演變、過擬合、欠擬合、正則化，以及模型與學習方法的分類；4.理解支持向量機的數學原理及分類，包括最大間隔超平面、線性可分支持向量機、線性支持向量機和非線性支持向量機等。教學重點：1.統(tǒng)計學習基本原理及分類；2.回歸問題的線性函數模型學習和梯度下降法、分類問題的線性判別函數模型學習。教學難點：支持向量機的數學原理。作業(yè)：教材習題十1、2、3、6題。課外要求：閱讀教材中相關延伸學習導引。（十一）神經網絡學習（8學時）主要內容：神經網絡及其學習、感知器及其學習舉例、BP網絡及其學習舉例、深度學習（支撐課程目標5）基本要求：1．理解神經網絡及其學習的基本原理，包括神經網絡的拓撲結構與學習機理、神經網絡模型及其分類等；2．理解感知器和BP網絡的拓撲結構和學習原理，并初步掌握相應的學習算法；3．了解深度學習基本原理、突出特點和發(fā)展概況。教學重點：1．神經網絡及其學習的基本原理；2．BP網絡和BP學習算法。教學難點：深度學習的基本原理。作業(yè)：教材習題十一1、2、3、5、7題。課外要求：閱讀教材中相關延伸學習導引。（十二）數據挖掘與知識發(fā)現(xiàn)（4學時）主要內容：數據挖掘與知識發(fā)現(xiàn)基本原理與方法、關聯(lián)規(guī)則發(fā)現(xiàn)、k-均值聚類算法、大數據挖掘與分布式學習（支撐課程目標5）基本要求：1．理解數據挖掘的基本原理，包括對象、任務和方法等；2．理解關聯(lián)規(guī)則發(fā)現(xiàn)原理，初步掌握Apriori算法；3．理解并初步掌握k-均值聚類算法；4．了解大數據挖掘與分布式學習基本原理和方法。教學重點：關聯(lián)規(guī)則發(fā)現(xiàn)原理和Apriori算法及k-均值聚類算法。教學難點：大數據挖掘與分布式學習。作業(yè)：教材習題十二1、2、3、4題。課外要求：試從網上下載MapReduce系統(tǒng)軟件，了解其一般操作方法。（十三）模式識別（6學時）主要內容：模式識別基本原理、統(tǒng)計模式識別、樸素貝葉斯分類算法、概率密度函數估計（支撐課程目標6）基本要求：1．理解模式識別的基本原理和分類；2．理解統(tǒng)計模式識別的基本原理和方法，包括距離分類法、幾何分類法和概率分類法等；3．理解并掌握樸素貝葉斯分類算法及其應用；4.理解概率密度函數估計基本原理，特別是最大似然估計。教學重點：1．統(tǒng)計模式識別的基本原理和方法；2．樸素貝葉斯分類算法。教學難點：最大似然估計。作業(yè)：教材習題十三2、4、5、6題。課外要求：閱讀教材中相關延伸學習導引。（十四）數-語互換（2學時）主要內容：數-語轉換——從感知到表達、語-數轉換——從決策到行動、帶數-語互換接口的推理系統(tǒng)（支撐課程目標6）基本要求：1．理解并初步掌握數-語轉換和語-數轉換的基本原理和方法；2．理解帶數-語互換接口的推理方法。教學重點：數-語轉換和語-數轉換。教學難點：語-數轉換。作業(yè)：教材習題十四1、4題。課外要求：閱讀教材中相關延伸學習導引。（十五）自然語言處理（4學時）主要內容：自然語言處理的途徑、方法和學派，基于規(guī)則的自然語言理解、統(tǒng)計語言模型（支撐課程目標6）基本要求：1．了解自然語言處理的原理，包括途徑、方法及發(fā)展概況；2．理解基于規(guī)則的自然語言理解，包括簡單句的語法分析、語義分析和語用分析，復合句理解以及轉換文法和轉換網絡；3．理解統(tǒng)計語言模型及其數學原理。教學重點：基于規(guī)則的自然語言理解和統(tǒng)計語言模型。教學難點：語義分析和統(tǒng)計語言模型。作業(yè)：教材習題十五1、3、4、5題。課外要求：閱讀教材中相關延伸學習導引。（十六）專家（知識）系統(tǒng)（8學時）主要內容：專家系統(tǒng)的基本概念、系統(tǒng)結構、實例分析、系統(tǒng)設計與實現(xiàn)、開發(fā)工具與環(huán)境、專家系統(tǒng)的發(fā)展（支撐課程目標7）基本要求：1．理解專家（知識）系統(tǒng)的基本原理，包括概念、類型和結構；2．理解專家系統(tǒng)的設計與實現(xiàn)技術；3．了解專家系統(tǒng)開發(fā)語言、工具與環(huán)境；4．了解專家系統(tǒng)的應用和發(fā)展概況。教學重點：專家（知識）系統(tǒng)的基本原理和建造方法。教學難點：專家系統(tǒng)的設計與實現(xiàn)。作業(yè)：教材習題十六1、3、5、8、12題。課外要求：上網檢索有關專家系統(tǒng)的資訊和資料。（十七）Agent系統(tǒng)（2學時）主要內容：什么是Agent、Agent的結構、Agent實例、多Agent系統(tǒng)、Agent的實現(xiàn)、Agent技術的發(fā)展與應用（支撐課程目標7）基本要求：1．理解Agent的概念、類型和結構；2．理解多Agent系統(tǒng)的原理、結構和學習；3．初步掌握Agent的實現(xiàn)技術；4．了解Agent的應用和發(fā)展概況。教學重點：Agent的類型和結構。教學難點：多Agent系統(tǒng)。作業(yè)：教材習題十七1、3、4、8、10題。課外要求：思考：Agent系統(tǒng)與傳統(tǒng)的智能系統(tǒng)，特別是專家系統(tǒng)以及面向對象技術中的對象有什么異同和關系？（十八）智能機器人（2學時）主要內容：智能機器人的概念、機器人感知、機器人規(guī)劃、機器人控制、機器人系統(tǒng)的軟件結構、機器人程序設計與語言、機器人技術進展（支撐課程目標7）基本要求：1．理解智能機器人的概念和基本原理，包括機器人感知、規(guī)劃和控制；2．了解智能機器人的軟件結構和程序語言；3．了解機器人的應用和發(fā)展概況。教學重點：智能機器人基本原理。教學難點：機器人學習。作業(yè)：教材習題十八1、3、5題。課外要求：1.觀看教材相關微課視頻。2.上網搜索關于智能機器人的有關最新報道和視頻，了解智能機器人的發(fā)展動態(tài)。（十九）智能計算機與智能化網絡（2學時）主要內容：智能計算機、智能化網絡（支撐課程目標7）基本要求：1．了解智能計算機的特點和發(fā)展概況；2．了解智能網絡和智能Web的概念和原理；3．理解網絡的智能化管理與控制基本技術；4.理解網上信息的智能化檢索基本原理和方法；5.理解推薦系統(tǒng)的基本原理和算法。教學重點：1．網絡的智能化管理與控制；2．智能Web；3.網上信息的智能化檢索及推薦系統(tǒng)。教學難點：網上信息的智能化檢索及推薦系統(tǒng)。作業(yè)：教材習題十九1、3、5、7、8、9、11、12題。課外要求：上網搜索有關智能化網絡有關資訊或資料。四、教學安排及教學方式本課程總學時為82學時，其中，講授72學時，上機實驗10學時，具體安排如下表所示。序次內容學時備注1人工智能概述

32人工智能程序設計語言5含上機2學時3圖搜索與問題求解8含上機2學時4基于遺傳算法的隨機優(yōu)化搜索25基于一階謂詞的機器推理46基于產生式規(guī)則的機器推理27幾種結構化知識表示及其推理28不確定和不確切性知識的表示與推理49機器學習：符號學習與交互學習610統(tǒng)計學習8含上機2學時11神經網絡學習8含上機2學時12數據挖掘與知識發(fā)現(xiàn)413模式識別614數-語互換215自然語言處理416專家（知識）系統(tǒng)8含上機2學時17Agent系統(tǒng)218智能機器人219智能計算機與智能化網絡2合計82含上機10學時課堂講授采用啟發(fā)式教學，突出重點，注意難點，講練結合，師生互動，多媒體并用，充分調動學生的學習積極性和主動性，提高學生的學習興趣，增強教學效果。上機實驗由教師首先安排實驗項目和內容，給出具體要求和注意事項，然后由學生自己動手操作，教師現(xiàn)場指導。五、考核方式與成績評定辦法本課程的教學包括課堂講授、課外作業(yè)、上機實驗和復習考試等教學環(huán)節(jié)，考核方式為平時考查與期末書面考試相結合，其中平時考查包括課堂表現(xiàn)、課外作業(yè)和上機實驗，總成績評定的計算公式為：總成績=平時成績×30%+期末考試成績×70%平時成績=表現(xiàn)成績×+作業(yè)成績×+實驗成績×其中：平時表現(xiàn)包括課堂考勤、問答、聽講、練習等方面，其成績以平時的課堂記錄酌情以百分制給分；作業(yè)成績依據其答案的正確性、表述的清楚性、書寫的規(guī)范性以及創(chuàng)新性等指標視具體作業(yè)內容酌情以百分制給分；實驗成績詳見實驗教學大綱；期末考試成績依據其答案的正確性、表述的清楚性、書寫的規(guī)范性以及創(chuàng)新性等指標視具體試卷試題酌情以百分制給分。六、教材及其他教學資源1.所用教材：《人工智能導論》，廉師友編著，清華大學出版社，20202.參考資料：ArtificialIntelligence：AModernApproach(ThirdEdition).StuartJ.RussellandPeterNorvig.PearsonEducationLimited，20163.授課計劃，廉師友編寫。4.電子教案，廉師友編寫。5.教學課件（850余頁），廉師友編制。6.微課視頻（相關教材內容的擴展、補充和演示），廉師友編撰、演講和錄制。7.聯(lián)機題庫，廉師友與清華大學出版社合作開發(fā)、制作。8.習題解答，廉師友編寫。9.參考試題，廉師友編寫。七、說明本課程為人工智能專業(yè)的首門專業(yè)課程，該課程最好安排在高等數學、線性代數、離散數學、概率與統(tǒng)計、計算機原理、計算機網絡、數據結構與算法、程序設計與軟件等課程之后開設?；谠撜n程的內容和目標，它對人工智能的其他專業(yè)課程有寬泛的支持。事實上，該課程之后，便可以順利開設諸如知識工程、自動推理、計算智能、機器學習（也可分為：符號學習、統(tǒng)計學習、神經網絡學習、深度學習、強化學習等）、數據挖掘、知識圖譜、模式識別、自然語言處理、專家系統(tǒng)、Agent系統(tǒng)、智能機器人、智能計算機、智能化網絡以及智能信息處理、智能控制與自動化、智能管理與決策等課程。八、課程思政內容1.培養(yǎng)學生民族認同感，樹立遠大職業(yè)理想。梳理國產操作系統(tǒng)的發(fā)展歷史與現(xiàn)狀，包括華為、中興等國產企業(yè)在全球市場的崛起，在操作系統(tǒng)領域的新架構，向學生展示中國的信息技術領域成就，增強使命感與榮