“人工智能导论”是高等院校人工智能专业的入门课程。本书是根据人工智能技术及学科的迅速发展及广大读者的需要,继 2019 年首版、2021年第二版后修订再版的。本版编写的原则是：坚持教材的现代性,即新的技术路线与新的体系，并形成新一代人工智能技术；坚持教材的应用性,即将人工智能与其他学科、领域进行融合,将其应用到多个行业中去；坚持教材的引导性作用。
本书由四篇(共17章)组成。第一篇是基础理论篇,共九章(第1~9章)从整体角度介绍人工智能的基本概念与基础理论。第二篇是应用技术篇,共四章(第10~13章),是基础理论与相关应用领域相融合所产生的新技术。第三篇是工程篇--开发应用,共三章(第14~16章),介绍智能产品的开发及目前流行的四种应用。第四篇是展望篇,共一章(第17章),对人工智能学科发展提供建议与看法。
本书适合作为高等院校人工智能、计算机类专业及相关融合型专业的“人工智能导论”课程的教材及高校人工智能公共课程的教材,也可供人工智能应用、开发人员的参考。

       在 2022年中国共产党第二十次全国代表大会报告中,习近平总书记提出了发展人工智能的指示,他提出“实施科教兴国战略以及建设现代化产业体系”,其中就包括人工智能在内的七项体系目标。
       2024年,人工智能的理论和应用都获得了新的突破,他们两者的有机结合组成了“人工智能+”。“人工智能+"在国民经济产业中的应用尤为突出。2024年的政府工作报告提出了十项工作任务,其中首要任务是大力推进现代化体系建设,以及加快新质生产力。由于“人工智能+"的重要性,它成为新质生产力的一个重要内容。
       人工智能发展迅速,以至在人在裴燕及教材建设上需要更多的知识更新,因此作者在 2019 年首编的《人工智能导论》基础上,于 2020 年进一步修改出版第二版,现在又推出第三版,保证本教材紧跟人工智能的发展,满足国家新质生产力的需求。
       《人工智能导论(第三版)》修改的原则是：
       1.坚持前两版的编写基本原则
       (1)教材的现代性
       人工智能已进人第三个发展时期,并形成“新一代人工智能”,它的技术发展特点是:
       ①新的技术路线。新一代人工智能的技术路线包括:
       a.新的技术内容。以深度学习及大模型为代表的机器学习方法、以知识图谱为知识表示的现代推理方法是当前人工智能技术发展新的特色。
       b.新的计算平台。以超级计算机、5G通信、互联网、物联网、云计算、移动终端人工智能芯片、传感技术以及多种人工智能专用软件工具等所组成的高性能计算平台。
       ②新的体系。新一代人工智能正在形成一门独立、完整的一级学科,这需要有一种新的体系,它应是有别于传统的、老的体系,能适应人工智能最新发展的体系。
       (2)教材的应用性
       从人工智能发展的历史看,应用的受限一直是人工智能发展的瓶颈。每当人工智能应用受到阻碍时就出现了人工智能发展的低潮。要保持人工智能的发展必须不开拓应用,与多个领域、行业实现“跨界融合"发展,特别是与“实体经济融合”发展。同时通过应用倒推人工智能理论的发展,并为其发展指明方向与目标。
正是由于人工智能在经济发展及社会发展中有着重大的应用性,这才使人工智能学科上升成为国家级战略层次学科。
因此,本教材内容必须体现人工智能应用性,即教材的内容除了要全面介绍人工智能理论外,更要关注于人工智能与其他学科、领域的融合,将人工智能广泛应用到多个行业与领域中,还要更加关注于将人工智能与计算机相结合,开发出更多的产品。这是本教材所努力追求的另一个目标。
       (3)教材的引导性
       《人工智能导论》是人工智能学科的基础性教材,具有“入门性”与“引导性”作用。由于人工智能是一门学科,其内容涉及从理论、开发到应用,从上游,中游到下游等多个方面。而教材不是百科全书,本教材在编写过程中坚持“引导性”与“人门性”原则,其具体体现为:
       ①从整体角度对人工智能学科有一个完整、系统的介绍,使读者能对此学科有一个全面、整体、系统的了解与认识。具体说,即对人工智能学科中的整个体系、基础概念、基本理论、主要方法、融合思路、开发原则以及应用实例等做全面介绍,但在介绍中并不着重于过分细节化描述,而是注重于概念性与关联性。
       ②)在全面介绍的基础上,注重于突出重点:突出具有整体性,基础性的内容；突出具有新一代技术发展特点的内容；突出具有开发、应用价值的内容。
       2.坚持理论与应用相结合的原则
       本版教材增添了若干理论与应用相结合的内容,并使之成为计算机智能系统与人工智能应用系统。同时增写了实验教材[《人工智能导论实验》(余萍编著,中国铁道出版社有限公司)],在讲课同时也能做实验。
       3.对第二版教材的部分内容做了更为详细的介绍与局部修改第三版教材的内容仍由四篇(共17 章)组成,但部分章节内容与名称有所调整。
       第一篇是基础理论篇,共九章(第1~9章)。该篇从整体角度介绍人工智能的基本概念与基础理论。其主要修改的内容是:
       (1)人工智能作为系统的一级学科观点,在前两版基础上对其作一定的修改,使其更具完整性与系统性。
       (2)人工智能基础理论涉及多门数学理论及其他学科,学习难度大,在第三版中对部分内容作了重新改写,尽量用通俗易懂的方法使读者更容易了解,如知识获取之推理方法、机器学习方法,深度学习与卷积人工神经网络方法等。同时为突出重点,删除了部分陈旧内容,如产生式方法等。
       (3)增加了大模型的内容,包括通用人工智能在内。
       第二篇是应用技术篇,共四章(第10~13 章),主要介绍人工智能的技术。该篇是人工智能基础理论与相关分支领域融合所产生新的技术,是人工智能直接应用中有若重要指导作用的技术。本篇主要修改的内容是重写部分内容,使读者更易理解,如自然语言处理等。
       第三篇是工程篇--开发应用,主要介绍人工智能的工程,共三章(第14章~第16章)。该篇介绍智能产品的开发及介绍目前广为流行的四种应用实例。其主要修改的内容是对篇名作了修改,以突出工程开发的作用,并对开发部分内容作了增加。另外,为符合目前人工智能技术的发展,对应用部分的内容作了调整。
       最后,第四篇是展望篇,共一章(第17 章),是对人工智能发展的展望,对人工智能学科今后的发展提供了建议与看法。
       本教材突出新技术、新体系及新应用,适合作为人工智能,计算机类专业及相关融合型专业“人工智能导论"课程的教材及高校人工智能公共课程的教材,也适合作为人工智能应用、开发人员的基础读物。
       本教材配有完整版和精简版两种PPT课件,配有实验教材《人工智能导论实验(中国铁道出版社有限公司出版,2020.6),共设置11个实验。该实验由“南京飞灵智能科技有限公司”提供实验平台软件。
       本书由徐洁任主编,雷鸿(武昌理工学院)任副主编,由南京大学陈世福教授审稿。本书还得到了南京大学计算机软件新技术国家重点实验室的支持,在此特表示感谢。同时为简化阅读,凡标有“★"标志的内容为选学内容。
       由于编著者水平所限,不足之处望读者不吝赐教,联系方式: xujiepan @nju.edu.cno。

第一篇基础理论篇
第1章总论2
1.1人工智能发展历史2
1.1.1人工智能出现前的萌芽期2
1.1.2人工智能发展的初期4
1.1.3人工智能发展的第二个时期5
1.1.4人工智能发展的第三个时期7
1.2人工智能概念8
1.2.1人工智能的定义8
1.2.2人工智能研究的内容10
1.2.3人工智能研究目标11
1.3人工智能发展三大学派11
1.4人工智能的学科体系13
1.4.1人工智能学科体系框架结构13
1.4.2人工智能基础理论———基于知识的研究14
1.4.3人工智能应用技术研究16
1.4.4计算机智能工程开发17
1.4.5计算机融合性工程开发———计算机智能应用系统18
小结19
习题21
第2章知识及知识表示22
2.1概述22
2.1.1知识、知识分类及知识模型22
2.2谓词逻辑表示法25
2.2.1谓词逻辑表示法的基本概念25
2.2.2谓词逻辑公式26
2.2.3谓词逻辑公式的解释26
2.2.4谓词逻辑永真公式27
2.2.5谓词逻辑推理28
2.2.6用谓词逻辑表示知识29
2.2.7谓词逻辑知识表示评价30
2.3状态空间表示法31
2.3.1状态空间的表示31
2.3.2状态空间与知识表示31
2.3.3状态空间表示法的实例32
2.3.4状态空间表示法的评价33
2.4知识图谱表示法34
2.4.1知识图谱概述34
2.4.2知识图谱表示34
2.4.3知识图谱与知识表示36
2.4.4知识图谱表示法的评价36
小结37
习题37
第3章知识组织与管理———知识库介绍39
3.1知识库概述39
3.1.1知识库的基本概念39
3.1.2知识库系统结构组成41
3.2知识库发展历史41
3.3典型知识库系统介绍42
小结44
习题45
第4章知识获取之搜索策略方法46
4.1概述46
4.2盲目搜索47
4.3启发式搜索48
4.3.1评估函数与启发信息49
4.3.2A算法50
4.3.3A
？算法50
4.4博弈树的启发式搜索50
4.4.1概述50
4.4.2极大极小过程51
4.4.3α-β剪枝53
小结54
习题54
实验54
第5章知识获取之推理方法55
5.1知识推理基本理论55
5.2谓词逻辑自然推理56
5.2.1永真推理56
5.2.2假设推理58
5.2.3反证推理59
？5.3谓词逻辑的自动定理证明60
5.3.1子句与子句集60
5.3.2归结原理62
5.3.3PROLOG语言简介66
5.4知识推理方法之评价68
小结68
习题69
实验69
第6章知识获取之机器学习方法70
6.1机器学习概述70
6.1.1学习的概念70
6.1.2机器学习的概念71
6.1.3机器学习方法72
6.2人工神经网络74
6.2.1人工神经网络介绍74
6.2.2人工神经网络中的反向传播模型———BP模型77
6.2.3基于反向传播模型的分类算法78
6.3决策树81
6.3.1决策树介绍81
6.3.2决策树算法83
6.3.3由决策树提取规则87
6.4贝叶斯方法88
6.4.1概述88
6.4.2贝叶斯理论与贝叶斯定理88
6.4.3朴素贝叶斯分类归纳方法89
？6.5支持向量机方法91
6.5.1支持向量机的基本概念介绍91
6.5.2支持向量机学习模型的研究93
？6.6关联规则方法97
6.6.1关联规则的基本概念97
6.6.2关联规则的算法———Apriori算法99
？6.7聚类方法103
？6.8迁移学习106
6.8.1迁移学习的基本概念106
6.8.2迁移学习的基本内容107
6.8.3迁移学习的评价108
6.9强化学习方法108
6.9.1强化学习的概念108
6.9.2强化学习Q-Learning算法109
6.9.3强化学习方法评价110
小结111
习题112
实验112
第7章深度学习与通用人工智能113
7.1浅层学习与深度学习113
7.2深度学习113
7.3卷积神经网络115
7.3.1卷积神经网络的原理116
7.3.2卷积神经网络的结构116
7.3.3卷积神经网络结构的模型实例121
7.3.4卷积神经网络的训练122
7.4通用人工智能125
7.4.1引言125
7.4.2大模型及其典型应用工具ChatGPT125
7.4.3多模态大模型及其典型应用GPT-4128
7.4.4生成视频及其典型应用———Sora129
小结129
习题131
实验131
第8章知识获取之知识图谱方法132
8.1知识图谱中的知识获取概述132
8.2知识图谱中的知识获取方法133
Ⅳ
8.3著名的知识图谱介绍135
8.3.1知识图谱分类135
8.3.2著名知识图谱介绍136
8.4知识图谱中的知识存储管理137
8.5知识图谱的应用138
小结139
习题140
实验140
第9章知识获取之Agent方法141
9.1Agent介绍141
9.1.1Agent的基本概念141
9.1.2Agent的分类143
9.1.3Agent应用144
9.2多Agent145
9.2.1多Agent的基本概念145
9.2.2多Agent的通信145
9.2.3多Agent的协作与协调146
9.2.4多Agent的应用147
9.3移动Agent147
9.3.1移动Agent的基本概念147
9.3.2移动Agent的应用148
9.4智能Agent148
9.4.1智能Agent的基本概念148
9.4.2智能Agent的应用148
小结149
习题150
第二篇应用技术篇
第10章知识工程与专家系统152
10.1知识工程与专家系统概述152
10.1.1知识工程的基本概念152
10.1.2专家系统的基本概念153
10.2专家系统组成154
10.3专家系统分类156
10.4专家系统开发156
10.4.1专家系统的开发工具156
10.4.2专家系统的开发人员157
10.4.3专家系统的开发步骤157
10.5传统专家系统与新一代专家系统159
小结159
习题161
第11章计算机视觉162
11.1计算机视觉概述162
11.2计算机视觉中的图像分析和理解165
11.3计算机视觉应用167
小结169
习题171
实验171
第12章自然语言处理172
12.1自然语言处理中的自然语言理解174
12.2自然语言处理中的自然语言生成175
12.3语音处理176
12.4自然语言处理应用实例176
12.4.1自然语言人机交互界面176
12.4.2自动文摘178
12.5自然语言处理的新发展178
小结178
习题179
实验179
第13章机器人180
13.1机器人概述180
13.1.1机器人定义180
13.1.2机器人分类182
13.1.3机器人三原则182
13.1.4机器人特性182
13.1.5群体机器人182
13.2机器人组织结构183
13.3机器人工作原理184
13.4机器人的应用185
小结188
习题190
第三篇工程篇———开发应用
第14章大数据技术193
14.1大数据技术概述193
14.1.1大数据的发展历史193
14.1.2大数据的基本概念194
14.2大数据基础平台196
14.3大数据软件平台———Hadoop196
14.4大数据管理199
14.4.1大数据管理系统标准199
14.4.2大数据管理的开发200
14.5大数据计算202
14.5.1两种不同的计算202
14.5.2三种不同的应用202
14.6大数据用户接口与可视化204
小结204
习题206
第15章知识获取开发———计算机智能系统207
15.1概述207
15.2知识获取系统开发的三大要素208
15.3计算机智能系统组成212
15.3.1基础平台212
15.3.2基本软件平台212
15.3.3智能应用软件216
15.3.4输入与输出217
15.4计算机智能系统开发流程217
15.5人工智能知识获取的三种典型方法219
小结220
习题221
第16章智能应用———计算机智能应用系统开发222
16.1计算机智能应用系统组成222
16.2计算机智能应用系统开发223
Ⅶ
16.3人工智能典型应用产品介绍225
16.3.1自动驾驶与网联车225
16.3.2人脸识别230
16.3.3机器翻译236
16.3.4智能医学图像处理238
小结243
习题245
第四篇展望篇
第17章人工智能发展展望248
17.1人工智能学科发展248
17.2人工智能所引发的社会问题及其解决252
小结254
习题255
参考文献256

徐洁磐，南京大学计算机科学与技术系教授，主要研究人工智能与数据库技术。曾任中国人工智能学会理事，中国人工智能学会离散智能专委会主任，中国计算机学会计算机理论专业委员会副主任，数据库专委会委员。所撰写学术专著有《知识库系统导论》《数据仓库与智能决策支持系统》等，所编教材有《离散数学导论》《数据库系统教程》等。

①先进性：教材依托新的技术路线与新的体系，形成新一代人工智能技术。
②应用性：教材内容更关注人工智能与其他学科、领域的融合，将人工智能应用到多个行业中去。

③引导性：坚持教材的基础性，并具有入门性与引导性作用。