人工智能基础

内容实用：全书内容层次清晰，由浅入深，方便不同基础、不同专业的学生学习。

理实一体：引入人工智能领域的经典案例，通过实操加深学生对理论知识的理解。

资源丰富：配套易用的立体化融媒体资源，方便教师课上教学与学生课下自学。

人工智能技术从发展到普及，经过了几个不同的阶段，如今已应用到了各个行业当中，使得产品技术与行业需求建立了有效的对接。国内外人工智能厂商也都推出了符合市场需求的解决方案，并以各自的技术优势迅速占领市场。智慧城市、智慧农业、智能制造、智慧财会等的应用都结合了人工智能技术来提高工作效率。

智能语音、人机交互、机器视觉等技术在医疗、教育、交通、金融等领域的应用突显出了人工智能的高效性和智能化。无人驾驶、人脸识别、智能机器人等应用与5G技术融合，新一代信息技术正在逐渐推动着产业的发展，促使我们的工作、生活等进入一个新的阶段。

在人工智能技术推动产业发展的同时，高校在人才培养方面也紧紧跟随市场的需求量，结合岗位的要求，进行人才培养的定位。因此，我国多所本科及高职院校近几年来先后开设了人工智能专业，并启动了“人工智能+传统专业”的跨学科人才培养模式，很多学校将人工智能作为全校的通识基础课。

本书主要结合了目前高校的专业建设及人才培养的状况，面向高职高专院校，在产教融合模式的合作下，由多所高校及企业共同参与编写。本书可以作为全校的通识基础课或专业群通识基础课的教材选用。

本书通过理论到实践的形式，由浅入深地讲解了人工智能的起源、发展及应用。本书特色如下：

（1）内容实用，循序渐进。本书采取模块化的课程设计，总共分为三个部分：初识人工智能－体验人工智能－实现人工智能。本书采用循序渐进的学习思维理念，方便初学者的入门学习。

（2）统筹兼顾，按需选取。本书的知识结构由易到难，适合于不同层次、不同专业的学生学习，非计算机专业的学生学习到本书的第8章即可，而计算机专业的学生则可以完成全书内容的学习。

（3）资源丰富，方便学习。本书配套了微课视频、电子课件、习题答案等立体化融媒体资源，可以通过扫二维码的方式获取微课视频，电子课件和习题答案可以访问出版社网站（www.waterpub.com.cn）或万水书苑网站（www.wsbookshow.com）获取。

本书由周永福、韩玉琪、王巧巧任主编，陈永松、徐伟、何达齐、曾文英任副主编，其中第1章、第10章由韩玉琪编写，第2章由王巧巧、徐伟、何达齐、曾文英编写，第3章、第6章、第7章、第8章由周永福编写，第4章由曾文英编写，第5章、第11章由陈永松编写，第9章由何达齐编写。

本书得到了广东恒电信息科技股份有限公司“恒电菁英智能教学系统平台”的支持，并获得广州市重点领域研发计划项目“人工智能驱动智慧教育关键技术与应用示范”（202007040006）的支持，以及蓝盾信息安全技术股份有限公司、广东中人世纪网络技术有限公司、广州龙创天地科技有限公司的大力支持，在此向各位同行和相关作者表示诚挚的感谢。同时感谢中国水利水电出版社给予的协助和支持。

由于编者水平有限，书中难免存在欠妥之处，由衷希望广大读者朋友和专家学者能够拨冗提出宝贵的改进意见。

编者

2022年5月

第1章 人工智能的前世今生 1
1.1 人工智能的定义 1
1.1.1 智能 1
1.1.2 人工智能 3
1.2 人工智能的起源 3
1.2.1 人工智能之父 4
1.2.2 图灵测试 4
1.2.3 达特茅斯会议 5
1.3 人工智能的兴衰往事 6
1.3.1 人工智能的第一次兴衰 6
1.3.2 人工智能的第二次兴衰 7
1.3.3 人工智能的第三次浪潮 7
1.4 人工智能的发展 8
1.4.1 人工智能教父 8
1.4.2 从“深蓝”到“AlphaGo” 9
1.4.3 人工智能的黄金时代 10
本章小结 11
练习1 12
第2章 人工智能的应用领域 13
2.1 人工智能的分类 13
2.1.1 弱人工智能 14
2.1.2 强人工智能 14
2.2 人工智能的三个阶段 15
2.2.1 人工智能的“计算智能”阶段 15
2.2.2 人工智能的“感知智能”阶段 16
2.2.3 人工智能的“认知智能”阶段 16
2.3 人工智能的技术领域 17
2.3.1 人工智能的“看”—计算机视觉 17
2.3.2 人工智能的“听”—语音处理 19
2.3.3 人工智能的“想”—自然语言处理 21
2.4 人工智能的技术领域 24
2.4.1 数据服务 24
2.4.2 数据智能 26
2.4.3 智能控制 28
2.4.4 智能芯片 31
2.5 人工智能行业应用场景 37
2.5.1 智能安防 37
2.5.2 智能驾驶 38
2.5.3 智能医疗 40
2.5.4 智能服务 41
2.5.5 智能家居 42
2.5.6 智慧农业 44
2.5.7 智慧交通 45
2.5.8 智慧城市 47
2.5.9 数字孪生 49
2.6 人工智能的展望 51
2.6.1 更易用的人工智能开发框架 51
2.6.2 更完善的人工智能数据服务 52
2.6.3 更安全的人工智能数据共享 54
2.6.4 更优化的人工智能算法模型 56
2.6.5 “端—边—云”全面发展的人工智能算力 58
2.6.6 更广泛的人工智能服务 60
本章小结 60
练习2 60
第3章 人工智能中的应用和方法 62
3.1 搜索算法 62
3.1.1 智能系统中的搜索 62
3.1.2 搜索算法介绍 65
3.1.3 盲目检索 65
3.1.4 知情搜索 68
3.1.5 博弈中的搜索 69
3.2 博弈 70
3.2.1 二人博弈 71
3.2.2 囚徒困境 71
3.2.3 高级计算机博弈 72
3.3 逻辑 73
3.3.1 人工智能中的逻辑 73
3.3.2 逻辑和表示 74
3.3.3 模糊逻辑 75
3.4 产生式系统和专家系统 77
3.4.1 人工智能中的知识表示 77
3.4.2 产生式系统 78
3.4.3 专家系统 79
3.5 神经网络 81
3.5.1 神经元 81
3.5.2 人工神经网络 82
3.5.3 梯度消失与梯度爆炸 84
3.5.4 损失函数 85
3.5.5 激活函数 86
3.6 进化计算 87
3.6.1 模拟退火 87
3.6.2 遗传算法 88
3.6.3 遗传规划 89
3.7 自然语言处理 90
3.7.1 自然语言处理的概述 90
3.7.2 自然语言处理的常用技术 92
3.7.3 自然语言处理的统计方法与概率模型 93
本章小结 95
练习3 95
第4章 人脸识别 97
4.1 案例描述 97
4.2 案例解析 98
4.3 知识链接 98
4.4 案例学习 100
4.4.1 人脸识别应用案例 100
4.4.2 百度AI平台人脸检测 102
4.5 案例实现 103
4.6 人脸识别案例实战 104
本章小结 107
练习4 107
第5章 图像分类 109
5.1 案例描述 109
5.2 案例解析 110
5.2.1 图像分类方法概述 110
5.2.2 实现方法选择 110
5.2.3 案例实现过程 111
5.3 知识链接 112
5.3.1 图像分类与检测概述 112
5.3.2 图像分类与检测的难点与挑战 113
5.3.3 图像分类类型 114
5.4 图像分类案例实践 115
5.4.1 任务1 基于Anaconda安装
TensorFlow 115
5.4.2 任务2 加载猫狗数据集 116
5.4.3 任务3 编译模型 119
5.4.4 任务4 训练模型 120
5.4.5 任务5 使用模型进行预测 121
本章小结 123
练习5 123
第6章 语音识别 125
6.1 语音识别综述 125
6.1.1 语音识别技术概述 125
6.1.2 语音识别技术发展历史 126
6.2 语音识别知识介绍 128
6.2.1 语音识别原理 128
6.2.2 语音识别系统的分类 131
6.2.3 语音识别的几种基本方法 132
6.3 语音识别应用案例 133
本章小结 137
练习6 137
第7章 语音交互 138
7.1 语音交互的概念 138
7.2 语音交互的优缺点 139
7.3 语音交互的原则 140
7.4 语音交互产品主要应用场景 141
7.5 语音交互框架 144
7.6 语音交互案例 148
本章小结 152
练习7 152
第8章 机器翻译 154
8.1 机器翻译概述 154
8.1.1 机器翻译的起源与发展 154
8.1.2 机器翻译的基本原理 155
8.1.3 在线机译 156
8.2 机器翻译的核心技术 156
8.2.1 基于规则的机器翻译 157
8.2.2 基于统计的机器翻译 157
8.2.3 基于端到端的神经机器翻译 157
8.3 机器翻译的基本应用 159
8.4 文本与图片翻译案例 159
8.4.1 案例描述 159
8.4.2 知识准备 159
8.4.3 任务1 文本的单语言翻译 161
8.4.4 任务2 文本的多语言翻译 163
8.4.5 任务3 图片中文字的识别与翻译 164
本章小结 169
练习8 169
第9章 人工智能的开发环境 170
9.1 Python基础 170
9.1.1 变量 170
9.1.2 字符串 172
9.1.3 流程控制—分支结构 174
9.1.4 流程控制—循环结构 178
9.1.5 函数 183
9.1.6 组合数据类型 185
9.1.7 文件操作 192
9.1.8 Python数据分析 197
9.2 Anaconda安装与使用 199
9.3 TensorFlow的安装与使用 205
9.4 人工智能的其他开发框架 208
本章小结 211
练习9 211
第10章 实现机器学习 213
10.1 机器学习 213
10.1.1 机器学习概述 213
10.1.2 机器学习问题的描述 214
10.1.3 机器学习算法分类 215
10.2 机器学习的一般流程 217
10.2.1 Scikit-learn的使用 217
10.2.2 数据集的准备和划分 220
10.2.3 数据预处理与特征工程 221
10.2.4 模型参数与调参 222
10.2.5 模型评估 224
10.3 利用Scikit-learn实现“波士顿房价预测” 225
10.3.1 案例描述 225
10.3.2 案例解析 226
10.3.3 代码实现 226
本章小结 231
练习10 232
第11章 实现深度学习 233
11.1 深度学习 233
11.1.1 深度学习概述 233
11.1.2 卷积神经网络 235
11.1.3 循环神经网络 237
11.1.4 生成对抗网络 239
11.1.5 强化学习 240
11.2 深度学习的一般流程 242
11.2.1 数据预处理 242
11.2.2 定义网络结构 242
11.2.3 编译模型 242
11.2.4 拟合模型 245
11.2.5 评估模型 246
11.2.6 部署模型 246
11.3 利用TensorFlow实现“MNIST
手写数字识别” 246
11.3.1 案例描述 246
11.3.2 案例解析 247
11.3.3 代码实现 247
本章小结 254
练习11 254

1. 零基础玩转国产大模型DeepSeek [徐永冰 张帅 编著]
2. 网络工程师5天修炼（适配第6版考纲） [主编　朱小平 施游]
3. 信息系统项目管理师考试32小时通关（适用第4版考纲） [薛大龙]
4. 信息系统管理工程师考试32小时通关（适配第2版考纲） [薛大龙　刘伟]
5. 土木工程材料检测实训 [洪晓江 达则晓丽 钱波]
6. 科技信息检索与论文写作实用教程 [李振华]
7. 传统山水画论解读与实践 [陈钠 著]
8. Python数据库编程 [主编 殷树友 邢 翀]
9. 计算机基础实训指导 [主编 袁春萍 朱妮]
10. 嵌入式人工智能技术应用（数字教材） [主编 胡娜 杨国勇 晏廷荣]
11. Vienna整流器技术 [桂存兵 著]
12. 变频器与伺服应用 [陈刚 叶云飞]
13. 物联网工程设计与实践 [汤琳 李敏]
14. 炉边夜话——深入浅出话AI [汪建　著]
15. 电商运营与管理 [钟肖英 陈潇]
16. Java面向对象程序设计 [主编 姜春磊 陈虹洁]
17. 信息技术基础（Windows 10+WPS Office）（微课版） [主编　石利平　田辉平　谢盛嘉]
18. 人工智能应用 [主编　陈　萍　刘培培　陈孟军]
19. 大学生职业发展与就业指导 [主编　刘志坚]
20. 高级办公应用项目教程 [主编 屈晶 赵成丽]
21. 微信小程序开发项目实战（微课版） [主编 黄龙泉 郭峰 朱倩]
22. 企业档案工作实战宝典百问百答 [华俊 卢秀英 邵甜甜 著]
23. 计算机网络原理及应用 [主编 唐继勇 叶坤 孙梦娜]
24. 大学生创业基础 [主编 王丽莉 王 杨]
25. 船舶辅机 [主编 王连海 于洋 姜淑翠]
26. 大学生就业指导 [主编 王丽莉 董宴廷]
27. 系统架构设计师章节习题与考点特训 [主编 薛大龙 邹月平]
28. 高校学生工作探索与实践 [郭亮 著]
29. 大学生情商管理 [方雄 著]
30. 2023年长沙市会展业发展报告 [主编 周栋良]