1、人工智能导论教学大纲大纲版本：V2.0课程名称（中/英）：人工智能导论/ Introduction to Artificial Intelligence学分：4总学时：82理论学时：72实验学时：10课程类别：专业/专业基础开课学期：3/4适用专业：人工智能及计算机、自动化和电子信息类课程性质：必修/必选先修课程：高等数学、线性代数、离散数学、概率与统计、计算机原理、计算机网络、数据结构与算法、程序设计与软件等一、课程简介人工智能导论课程是人工智能及计算机、自动化和电子信息类专业必修或必选的一门专业课或专业基础课。本课程全面讲述人工智能的基本原理和技术，包括：人工智能概述、语言工具与开发平台、
2、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、感知-响应与语言交流、智能系统和智能化网络。本课程引导学生理解人工智能各个分支的原理、方法、应用及发展概况，初步学习和掌握人工智能的基本技术，对人工智能学科有一个全面、概略而具体的认识，获得相关的基本知识和技能，为进一步学习后续课程或从事人工智能的研发奠定宽厚基础，并指引方向。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. 了解人工智能程序设计语言的类型、特点和应用概况，初步掌握经典语言PROLOG和流行语言Python的基本语法和程序风格。 3. 理解图搜索与问题求解及基于遗传算法
3、的随机优化搜索的基本原理和技术，初步掌握相应的常用算法。 4. 理解并初步掌握一阶谓词、产生式、框架和语义网络（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。 5. 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，初步掌握其经典、常用算法。 6. 了解模式识别、数-语互换和自然语言处理的基本原理，理解并初步掌握相应的方法和技术。 7. 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。（二）教学内容安排总体思路人工智能导
4、论是人工智能专业的第一门人工智能课程，它是专业课，也可以说是专业基础课；而对于当前和今后的计算机、自动化和电子信息类专业来讲，人工智能导论也应该是一门必选的课程。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，阐述其各个分支的原理、方法、课题和发展概况，涵盖人工智能的基本知识、经典内容和最新进展，为学生进一步学习后继专业课程或从事相关研发奠定宽泛而扎实的基础，并指引方向。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
5、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：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）人工智能程序设计语言（5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2）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
6、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： 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（见教材习题二第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。 4. 下载、安装一个Python版本，并运行教材2.3节中的两个例程。课外要求：1. 观看教材相关微课视频。 2. 下载、安装Visual
7、Prolog语言系统，熟悉其编程环境。（三）图搜索与问题求解（8学时）主要内容：状态图与状态图搜索、状态图搜索问题求解、与或图与与或图搜索、与或图搜索问题求解、博弈树搜索（支撑课程目标3）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、加权状态图搜索基本算法和A算法、A*算法以及博弈树搜索技术等；2理解与或图的基本概念，初步掌握与或图搜索基本技术和或图问题求解的基本算法；3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和问题的状态图表示；2与或图搜索常
8、用算法和问题的与或图表示。教学难点：1问题的状态图、与或图表示。 2启发函数和估价函数设计。作业：1. 综述状态图搜索的方式、策略和算法。2. 综述与或图搜索的方式、策略和算法。3. 解答教材习题三中的4、5、8、12、14等题。课外要求： 观看教材中的相关微课视频。（四）遗传算法（2学时）主要内容：遗传算法基本概念、基本遗传算法、遗传算法应用、遗传算法的特点与优势（支撑课程目标3）基本要求： 1理解遗传算法的基本概念和特点；2理解基本遗传算法的原理和应用技术。教学重点： 选择-复制、交叉和变异等三种遗传操作。教学难点： 个体对象编码和适应函数设计。作业：1. 举例说明遗传算法中的三种遗传操作
9、。2. 试编写一个用遗传算法求解TSP的程序（城市数取为4或5），并上机运行。3. 自选一个合适的实际问题，试设计相应的染色体编码、适应度函数、遗传操作等。课外要求： 查阅进化计算方面的资料，拓展计算智能方面的知识面。（五）基于一阶谓词的机器推理（4学时）主要内容：一阶谓词逻辑、归结演绎推理、应用归结原理求取问题答案、归结策略（支撑课程目标4）基本要求： 1掌握自然语言命题的谓词形式表示和基于谓词公式的形式演绎推理；2理解命题逻辑中的归结原理，掌握相应的归结推理方法；3理解谓词逻辑中的归结原理，掌握相应的归结推理方法；4掌握应用归结原理求取问题答案的方法。教学重点： 命题逻辑中的归结原理和谓词
10、逻辑中的归结原理。教学难点： 谓词逻辑中的归结原理及归结策略的运用。作业：教材习题五19题。课外要求： 阅读教材中本章的延伸学习导引，进而查阅感兴趣的资料。（六）基于产生式规则的机器推理（2学时）主要内容：产生式规则、产生式系统、产生式系统与图搜索问题求解（支撑课程目标4）基本要求：1理解并掌握产生式规则的表示和相应的推理模式；2理解产生式系统的结构和运行过程；3理解并掌握产生式系统的控制策略和常用算法。教学重点：1产生式规则的表示；2产生式系统的控制策略和推理算法。教学难点：产生式系统的反向推理算法。 作业：教材习题六13题。课外要求： 选择一个实际问题，思考如何建立一个相应的基于产生式规则
11、的小型知识系统。（七）几种结构化知识表示及其推理（2学时）主要内容：元组、框架、语义网络、知识图谱、类与对象（支撑课程目标4）基本要求：1理解并初步掌握元组、框架、语义网、知识图谱、类与对象等的描述和推理方法； 2初步掌握这几种知识表示的语言实现。教学重点：框架、语义网、知识图谱。教学难点：语义网及其语言实现。作业： 教材习题七第1、2、3、4、7题。课外要求： 仔细观察元组、框架、语义网（知识图谱）和类及对象，分析、体会它们之间的异同和关系。（八）不确定和不确切性知识的表示与推理（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、基于贝叶斯网络的概率推理、不确切性知识的
12、表示及推理（支撑课程目标4）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初步掌握不确定性知识的表示及推理方法，了解几种经典的不确定性推理模型，初步掌握贝叶斯网络和相应的概率推理方法；3理解并初步掌握不确切性知识的表示及推理方法。教学重点：1贝叶斯网络和相应的概率推理；2软语言值及其数学模型，基于软语言规则的推理。教学难点：1. 贝叶斯网络及相应的概率推理。2. 基于软语言规则的推理方法。作业：教材习题八2、3、4、5、8、9、10题。课外要求： 观看教材中的相关微课视频。（九）机器学习：符号学习与交互学习（6学时）主要内容：机器学习概述、几种典型的（符号）学习方法、决策树学习
13、、强化学习（支撑课程目标5）基本要求： 1理解机器学习的基本原理和分类；2理解典型的（符号）学习方法，包括记忆学习、示例学习、演绎学习、类比学习、解释学习、发现学习等；3理解并掌握决策树学习的基本原理和算法；4. 理解强化学习的基本原理和值函数、Q函数及Q学习算法；5. 了解强化学习的发展概况。教学重点：决策树学习和强化学习。教学难点：强化学习的Q学习算法。作业： 教材习题九5、6、7、8题。课外要求： 思考教材习题九1、2、3、4题。（十）统计学习（8学时）主要内容：统计学习概述、几种基本判别模型的学习、监督学习中几个进一步的问题、支持向量机简介（支撑课程目标5）基本要求：1理解统计学习基本
14、原理、方法和分类；2理解回归问题的线性函数模型学习和梯度下降法、分类问题的线性判别函数模型学习和分类问题的Logistic回归模型学习，并掌握相应的学习算法；3理解监督学习的主要工作及步骤、准则函数的演变、过拟合、欠拟合、正则化，以及模型与学习方法的分类；4. 理解支持向量机的数学原理及分类，包括最大间隔超平面、线性可分支持向量机、线性支持向量机和非线性支持向量机等。教学重点：1. 统计学习基本原理及分类；2. 回归问题的线性函数模型学习和梯度下降法、分类问题的线性判别函数模型学习。教学难点：支持向量机的数学原理。作业： 教材习题十1、2、3、6题。课外要求： 阅读教材中相关延伸学习导引。（十
15、一）神经网络学习（8学时）主要内容：神经网络及其学习、感知器及其学习举例、BP网络及其学习举例、深度学习（支撑课程目标5）基本要求：1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； 2理解感知器和BP网络的拓扑结构和学习原理，并初步掌握相应的学习算法；3了解深度学习基本原理、突出特点和发展概况。教学重点：1神经网络及其学习的基本原理；2BP网络和BP学习算法。教学难点：深度学习的基本原理。作业：教材习题十一1、2、3、5、7题。课外要求： 阅读教材中相关延伸学习导引。（十二）数据挖掘与知识发现（4学时）主要内容：数据挖掘与知识发现基本原理与方法、关联
16、规则发现、k-均值聚类算法、大数据挖掘与分布式学习（支撑课程目标5）基本要求：1理解数据挖掘的基本原理，包括对象、任务和方法等；2理解关联规则发现原理，初步掌握Apriori算法；3理解并初步掌握k-均值聚类算法；4了解大数据挖掘与分布式学习基本原理和方法。教学重点：关联规则发现原理和Apriori算法及k-均值聚类算法。教学难点：大数据挖掘与分布式学习。作业： 教材习题十二1、2、3、4题。课外要求： 试从网上下载MapReduce系统软件，了解其一般操作方法。（十三）模式识别（6学时）主要内容：模式识别基本原理、统计模式识别、朴素贝叶斯分类算法、概率密度函数估计（支撑课程目标6）基本要求：
17、1理解模式识别的基本原理和分类； 2理解统计模式识别的基本原理和方法，包括距离分类法、几何分类法和概率分类法等；3理解并掌握朴素贝叶斯分类算法及其应用；4. 理解概率密度函数估计基本原理，特别是最大似然估计。教学重点：1统计模式识别的基本原理和方法；2朴素贝叶斯分类算法。教学难点：最大似然估计。作业： 教材习题十三2、4、5、6题。课外要求： 阅读教材中相关延伸学习导引。（十四）数-语互换（2学时）主要内容： 数-语转换从感知到表达、语-数转换从决策到行动、带数-语互换接口的推理系统（支撑课程目标6）基本要求：1理解并初步掌握数-语转换和语-数转换的基本原理和方法； 2理解带数-语互换接口的推
18、理方法。教学重点：数-语转换和语-数转换。教学难点：语-数转换。作业： 教材习题十四1、4题。课外要求： 阅读教材中相关延伸学习导引。（十五）自然语言处理（4学时）主要内容： 自然语言处理的途径、方法和学派，基于规则的自然语言理解、统计语言模型（支撑课程目标6）基本要求：1了解自然语言处理的原理，包括途径、方法及发展概况； 2理解基于规则的自然语言理解，包括简单句的语法分析、语义分析和语用分析，复合句理解以及转换文法和转换网络；3理解统计语言模型及其数学原理。教学重点：基于规则的自然语言理解和统计语言模型。教学难点：语义分析和统计语言模型。作业：教材习题十五1、3、4、5题。课外要求： 阅读教
19、材中相关延伸学习导引。（十六）专家（知识）系统（8学时）主要内容：专家系统的基本概念、系统结构、实例分析、系统设计与实现、开发工具与环境、专家系统的发展（支撑课程目标7）基本要求：1理解专家（知识）系统的基本原理，包括概念、类型和结构；2理解专家系统的设计与实现技术；3了解专家系统开发语言、工具与环境；4了解专家系统的应用和发展概况。教学重点：专家（知识）系统的基本原理和建造方法。教学难点：专家系统的设计与实现。作业： 教材习题十六1、3、5、8、12题。课外要求： 上网检索有关专家系统的资讯和资料。（十七）Agent系统（2学时）主要内容：什么是Agent、Agent的结构、Agent实例、
20、多Agent系统、Agent的实现、Agent技术的发展与应用（支撑课程目标7）基本要求：1理解Agent的概念、类型和结构；2理解多Agent系统的原理、结构和学习；3初步掌握Agent的实现技术；4了解Agent的应用和发展概况。教学重点：Agent的类型和结构。教学难点：多Agent系统。作业： 教材习题十七1、3、4、8、10题。课外要求： 思考：Agent系统与传统的智能系统，特别是专家系统以及面向对象技术中的对象有什么异同和关系？（十八）智能机器人（2学时）主要内容：智能机器人的概念、机器人感知、机器人规划、机器人控制、机器人系统的软件结构、机器人程序设计与语言、机器人技术进展（支
21、撑课程目标7）基本要求：1理解智能机器人的概念和基本原理，包括机器人感知、规划和控制； 2了解智能机器人的软件结构和程序语言；3了解机器人的应用和发展概况。教学重点：智能机器人基本原理。教学难点：机器人学习。作业：教材习题十八1、3、5题。课外要求：1. 观看教材相关微课视频。2. 上网搜索关于智能机器人的有关最新报道和视频，了解智能机器人的发展动态。（十九）智能计算机与智能化网络（2学时）主要内容： 智能计算机、智能化网络（支撑课程目标7）基本要求：1了解智能计算机的特点和发展概况；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基
22、本原理和方法；5. 理解推荐系统的基本原理和算法。教学重点：1网络的智能化管理与控制；2智能Web；3. 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及推荐系统。作业： 教材习题十九1、3、5、7、8、9、11、12题。课外要求： 上网搜索有关智能化网络有关资讯或资料。四、教学安排及教学方式本课程总学时为82学时，其中，讲授72学时，上机实验10学时，具体安排如下表所示。序 次 内 容学 时备注1人工智能概述32人工智能程序设计语言5含上机2学时3图搜索与问题求解8含上机2学时4基于遗传算法的随机优化搜索25基于一阶谓词的机器推理46基于产生式规则的机器推理27几种结构化知识
23、表示及其推理28不确定和不确切性知识的表示与推理49机器学习：符号学习与交互学习610统计学习8含上机2学时11 神经网络学习8含上机2学时12数据挖掘与知识发现413模式识别614数-语互换215自然语言处理416专家（知识）系统8含上机2学时17Agent系统218智能机器人219智能计算机与智能化网络2合 计82含上机10学时课堂讲授采用启发式教学，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。上机实验由教师首先安排实验项目和内容，给出具体要求和注意事项，然后由学生自己动手操作，教师现场指导。五、考核方式与成绩评定
24、办法本课程的教学包括课堂讲授、课外作业、上机实验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、课外作业和上机实验，总成绩评定的计算公式为： 总成绩 = 平时成绩30% + 期末考试成绩70% 平时成绩 = 表现成绩+ 作业成绩+ 实验成绩其中：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；实验成绩详见实验教学大纲；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
25、给分。六、教材及其他教学资源1. 所用教材：人工智能导论，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。5. 教学课件（850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
26、答，廉师友编写。9. 参考试题，廉师友编写。七、说明本课程为人工智能专业的首门专业课程，该课程最好安排在高等数学、线性代数、离散数学、概率与统计、计算机原理、计算机网络、数据结构与算法、程序设计与软件等课程之后开设。基于该课程的内容和目标，它对人工智能的其他专业课程有宽泛的支持。事实上，该课程之后，便可以顺利开设诸如知识工程、自动推理、计算智能、机器学习（也可分为：符号学习、统计学习、神经网络学习、深度学习、强化学习等）、数据挖掘、知识图谱、模式识别、自然语言处理、专家系统、Agent系统、智能机器人、智能计算机、智能化网络以及智能信息处理、智能控制与自动化、智能管理与决策等课程。八、课程思政
27、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；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
28、，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
29、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。
