1、人工智能概论教学大纲大纲版本：V2.0课程名称（中/英）：人工智能概论/ Introduction to Artificial Intelligence学分：2总学时：42理论学时：42实验学时：课程类别：通识教育课开课学期：5/6适用专业：各学科各专业课程性质：选修/必选先修课程：高等数学基础、计算机和信息技术基础一、课程简介人工智能概论课程是高等学校各学科各专业选修或必选的一门通识教育课。本课程全面概述人工智能的基本原理和技术，包括：人工智能概述、图搜索与问题求解、知识表示与机器推理、机器学习与知识发现、机器感知与语言交流、智能系统和智能化网络及人工智能编程语言与开发平台等的初步知识。本课
2、程引导学生了解人工智能主要分支的原理、方法、应用及发展概况，初步学习人工智能的基本技术，对人工智能学科有一个概略而具体的认识，获得一定的基础知识，明确进一步学习的目标和方向。二、课程目标（一）课程具体目标 1. 了解人工智能的研究内容、研究途径与方法以及应用和发展概况。 2. 理解状态图搜索与问题求解的基本原理和技术，初步掌握相应的常用算法。 3. 理解并初步掌握一阶谓词、产生式和语义网络（知识图谱）等知识表示方法和相应的机器推理技术，以及不确定和不确切性知识的表示与推理技术。 4. 了解机器学习和知识发现方法的一般原理，理解符号学习、统计学习、神经网络学习、深度学习和强化学习的基本原理和常用
3、算法。 5. 了解模式识别和自然语言处理的基本原理和方法。 6. 了解人工智能系统的类型、特点及发展概况，理解专家系统、Agent系统、智能机器人、智能计算机和智能化网络的基本原理和建造技术。 7. 了解人工智能程序设计语言的类型、特点和应用概况，理解经典语言PROLOG和流行语言Python的基本语法和程序风格。（二）教学内容安排总体思路人工智能概论是高等学校各学科各专业的一门通识教育课程，也是一门新开课，其目的在于拓展学生的知识面，优化学生的知识结构，以更好适应信息化和智能化社会的飞速发展。有鉴于此，本课程的教学内容安排的总体思路是：勾画人工智能学科的总体架构，简述其各个分支的原理、方法和
4、发展概况，使学生对人工智能及其应用有一个概略而具体的认识，获得一定的基础知识，并明确进一步学习的目标和方向。三、教学内容及基本要求（一）人工智能概述（3学时）主要内容：人工智能的研究内容与方法、人工智能的分支领域、人工智能的应用（支撑课程目标1）基本要求：1理解人工智能的概念、目标和研究策略；2理解人工智能的研究内容与方法；3了解人工智能的分支领域；4了解人工智能的应用与发展概况。重点难点：人工智能的研究内容与方法作业：1. 简述人工智能的研究内容、研究途径和方法，以及它们的关系。2. 简述人工智能的分支领域和研究方向。3. 简述人工智能的应用领域或课题，试举出几例。课外要求：上网浏览有关人工
5、智能应用和发展的资讯。1. 观看教材中相关微课视频。2上网浏览有关人工智能应用和发展的资讯。（二） 图搜索与问题求解（3学时）主要内容：状态图与状态图搜索、状态图搜索问题求解、（支撑课程目标2）基本要求：1理解状态图的基本概念，初步掌握状态图搜索基本技术和状态图问题求解的一般方法，包括穷举式搜索、启发式搜索；2理解并初步掌握一些经典规划调度问题（如迷宫、八数码、梵塔、旅行商、八皇后等问题）的求解方法；教学重点：1状态图搜索常用算法；2问题的状态图表示。教学难点：问题的状态图表示和启发函数设计。作业：1. 综述状态图搜索的方式、策略和算法。2. 解答教材习题三中的4、5、6、7题。课外要求：1.
6、 阅读教材中相关延伸学习导引； 2. 观看教材中的相关微课视频。（三）知识表示与机器推理（一）（4学时） 主要内容：知识的一阶谓词、产生式规则、语义网络表示及其推理（支撑课程目标3）基本要求：1了解知识表示的基本概念；2理解常用知识表示方法的基本原理；3. 初步掌握自然语言命题的谓词形式表示和实体概念的语义网（知识图谱）表示。教学重点： 一阶谓词、产生式规则、语义网络。教学难点： 语义网络与知识图谱。作业：教材习题四1、2、3题。课外要求： 阅读教材中相关延伸学习导引，进而查阅感兴趣的资料。（四）知识表示与机器推理（二）（4学时） 主要内容：不确定性信息和不确切性信息、不确定性知识的表示及推理
7、、不确切性知识的表示及推理（支撑课程目标3）基本要求： 1理解不确定性信息和不确切性信息的特点和区别；2了解不确定性知识的表示与推理方法及不确定性推理的发展概况； 3了解不确切性知识的表示及其推理方法。教学重点：不确定和不确切性知识的表示及其推理原理。教学难点：基于软语言规则的推理方法。作业：教材习题五2、4、5、6、7题。课外要求：1. 阅读教材中第5章的延伸学习导引 2. 观看教材相关微课视频。（五）机器学习与知识发现（一）（6学时） 主要内容： 机器学习的基本原理和分类、符号学习、决策树学习、强化学习（支撑课程目标4）基本要求： 1理解机器学习的基本原理和分类。2了解符号学习的基本方法，
8、包括: 记忆学习、演绎学习、类比学习、示例学习、发现学习、决策树学习等；3了解强化学习的基本原理和算法，包括Q函数及Q学习算法。教学重点：1决策树学习；2强化学习。教学难点：强化学习的Q学习算法。作业：教材习题六1、3、4、5、7题。课外要求：阅读教材中第6章的延伸学习导引（六）机器学习与知识发现（二）（6学时） 主要内容： 统计学习、神经网络学习、深度学习、数据挖掘与知识发现（支撑课程目标4）基本要求： 1了解统计学习的基本原理、方法和分类；2理解神经网络及其学习的基本原理，包括神经网络的拓扑结构与学习机理、神经网络模型及其分类等；3理解BP网络的拓扑结构、学习原理和BP学习算法；4了解深度
9、学习基本原理和发展概况。 5了解数据挖掘与知识发现的基本原理，包括对象、任务和方法等。教学重点：1统计学习；2神经网络学习。教学难点：统计学习和神经网络学习的梯度下降法。作业：教材习题七1、3、4、6题。课外要求：阅读教材中相关延伸学习导引。（七）机器感知与语言交流（4学时） 主要内容： 模式识别、自然语言处理（支撑课程目标5）基本要求：1. 了解模式识别的基本原理和方法及分类，包括统计模式识别、结构模式识别和神经网络模式识别等；2. 理解统计模式识别基本原理和方法，包括距离分类法、几何分类法和概率分类法；3. 了解自然语言处理的途径和方法，包括基于规则、基于统计和基于联结的途径和方法；4.
10、理解基于规则的自然语言理解基本原理，包括简单句的语法分析、语义分析和语用分析以及复合句理解；5. 了解统计语言模型及其数学原理。教学重点：1. 基于规则的自然语言理解；2. 统计语言模型。教学难点：语义分析和统计语言模型。作业： 教材习题八2、4、5、7题。课外要求： 阅读教材中相关延伸学习导引。（八）人工智能应用系统（5学时）主要内容：专家（知识）系统、Agent系统、智能机器人（支撑课程目标6）基本要求： 1了解专家（知识）系统的概念和结构； 2理解专家系统设计与实现方法；3理解Agent的概念、类型和结构；4了解多Agent系统的原理、结构和应用；5了解智能机器人的基本原理和发展概况。教
11、学重点：专家系统和Agent系统。教学难点：多Agent系统。作业： 教材习题九1、3、5、6、8、11、13、15题。课外要求：1. 阅读教材第9章延伸学习导引；2. 观看本章相关微课视频。（九）智能计算机与智能化网络（3学时）主要内容：智能计算机、智能化网络（支撑课程目标6）基本要求：1了解智能计算机的概念和发展前景；2了解智能网络和智能Web的概念和原理； 3理解网络的智能化管理与控制基本技术；4理解网上信息的智能化检索及推荐系统基本原理和方法。教学重点：1网络的智能化管理与控制；2网上信息的智能化检索及推荐系统。教学难点：网上信息的智能化检索。作业：教材习题十1、4、5、6、7、9题。
12、课外要求：1. 阅读教材第10章延伸学习导引。 2. 上网搜索有关智能化网络有关资讯或资料。（十）人工智能编程语言与开发平台（4学时）主要内容： 人工智能程序设计语言概况、PROLOG语言、Python语言（支撑课程目标7）基本要求： 1了解人工智能程序设计语言的特点、分类和发展概况；2理解PROLOG语言的语句特点、程序结构和运行机理，能读懂和编写简单的PROLOG程序；3了解Python语言的特点和使用方法，能读懂和编写简单的Python程序。教学重点：1PROLOG语言；2Python语言。教学难点：1PROLOG语言的匹配合一和回溯控制；2Python语言的程序结构和资源库的使用。作业
13、： 1. 简述智能程序设计语言的分类和发展概况。2. 读一个PROLOG程序（见教材习题十一，2题），指出运行结果。 3. 试编写一个描述亲属关系的PROLOG程序，然后再给出一些事实数据，建立一个小型演绎数据库。课外要求：上网查询、浏览有关人工智能和机器学习的开发平台方面的资讯。四、教学安排及教学方式本课程总学时为42学时，全部为课堂讲授，具体安排如下表所示。序 次 内 容学 时备注1人工智能的概述32图搜索与问题求解33知识表示与机器推理（一）44知识表示与机器推理（二）45机器学习与知识发现（一）66机器学习与知识发现（二）67机器感知与语言交流48人工智能应用系统59智能计算机与智能化
14、网络310 人工智能编程语言与开发平台4合 计42课堂教学采用启发式教学，突出重点，注意难点，讲练结合，师生互动，多媒体并用，充分调动学生的学习积极性和主动性，提高学生的学习兴趣，增强教学效果。五、考核方式与成绩评定办法本课程的教学包括课堂讲授、课外作业和复习考试等教学环节，考核方式为平时考查与期末书面考试相结合，其中平时考查包括课堂表现和课外作业，总成绩评定的计算公式为： 总成绩 = 平时成绩40% + 期末考试成绩60% 平时成绩 = 表现成绩50% +作业成绩50%其中：平时表现包括课堂考勤、问答、听讲、练习等方面，其成绩以平时的课堂记录酌情以百分制给分；作业成绩依据其答案的正确性、表述
15、的清楚性、书写的规范性以及创新性等指标视具体作业内容酌情以百分制给分；期末考试成绩依据其答案的正确性、表述的清楚性、书写的规范性以及创新性等指标视具体试卷试题酌情以百分制给分。六、教材及其他教学资源1. 所用教材：人工智能概论（通识课版），廉师友编著，清华大学出版社，20202. 参考资料： Artificial Intelligence：A Modern Approach (Third Edition). Stuart J. Russell and Peter Norvig. Pearson Education Limited，20163. 授课计划，廉师友编写。4. 电子教案，廉师友编写。
16、5. 教学课件（400余页），廉师友编制。6. 微课视频（相关教材内容的扩展、补充和演示），廉师友编撰、演讲和录制。7. 联机题库，廉师友与清华大学出版社合作开发、制作。8. 习题解答，廉师友编写。9. 参考试题，廉师友编写。七、说明本课程为高等学校各学科各专业的人工智能通识教育课，一般来说，并没有直接的前修课程和后续课程，但为了能与学生各自的专业相联系，最好安排在第4学期之后开设。八、课程思政内容1. 培养学生民族认同感，树立远大职业理想。梳理国产操作系统的发展历史与现状，包括华为、中兴等国产企业在全球市场的崛起，在操作系统领域的新架构，向学生展示中国的信息技术领域成就，增强使命感与荣誉感；
17、通过华为孟晚舟事件、美国的芯片垄断引出：民族认同感。党的十八届五中全会通过的“十三五”规划建议，明确提出实施网络强国战略以及与之密切相关的“互联网+”行动计划。国家正着力实现关键技术自主可控，为维护国家安全、网络安全提供技术保障。中国信息化需求巨大，但在一些关键技术领域如操作系统、芯片技术、CPU 技术等方面，还难以做到自主可控，对国家安全造成威胁。引导学生明确：建设网络强国，不仅仅是靠网络技术，还要有软件技术等其他各类技术的支撑。引导学生作为软件技术专业的一员，应更加明晰专业人才的培养目标，更加明确专业领域内工作岗位和工作内容的社会价值，自觉树立远大职业理想，将职业生涯、职业发展脉络与国家发
18、展的历史进程融合起来。2.向学生介绍中国在人工智能领域的布局，重点分析当代人工智能下软件技术如何支撑中国制造的智能化发展；3. 通过专业知识的学习，引导学生深刻理解与认识所学软件开发知识对于国家信息产业发展、智慧城市建设、大数据智能信息处理等各方面的重要意义，使学生在学习过程中逐渐树立专业荣誉感；4.培养学生精益求精、工匠精神。告诉学生在学好软件技术之后，走上工作岗位会成为程序员、软件系统运维人员、软件测试员、售前售后服务人员等。在这些职位岗位上，要发挥工匠精神，精益求精地将程序开发、系统运维、程序测试、需求分析及技术问题处理等工作内容完成好，保证软件系统运行时正确、稳定，保证客户的需求被精确
19、采集和纳入软件开发计划，保证软件运行时遇到问题能被及时解决。引导学生在学习时，将知识夯实、精技强能，方能在今后工作中本领过硬，不出纰漏，工作成果令用户满意。引导学生认识到，作为职业人，其专注、敬业、责任担当对完成好本职工作，进而促进软件行业整体的高水平、优质化发展具有重要意义。5.培养学生团结协作，合作共赢的精神。通过实践项目、竞赛等，告诉学生今天的社会无论什么行业想要做出一番成就，靠一个人打拼已经不现实了。所谓人多力量大，三个臭皮匠顶个诸葛亮. . 强调团队成员之间的资源共享、协同合作精神，团队成员在一个项目中要各司其职，每个人发挥自己的特长完成分配的任务，最终才能高质量、有效率地完成项目，从而形成更强大而持久的生产力和创造力。
