《人工智能基础》课程教学大纲.docx
《《人工智能基础》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《人工智能基础》课程教学大纲.docx（20页珍藏版）》请在冰豆网上搜索。
《人工智能基础》课程教学大纲
《人工智能基础》课程教学大纲
一、课程基本信息
课程代码：
16069703
课程名称：
人工智能基础
英文名称：
IntroductiontoArtificialIntelligence
课程类别：
专业课
学时：
3
学 分：
3
适用对象:
计算机科学技术班
考核方式：
考试
先修课程：
《离散数学》、《数据结构》、《程序设计》
二、课程简介
本课程是为计算机科学与技术专业及相关专业本科生而设的专业课。
本课程是关于人工智能领域的引导性课程，目的是使学生了解和掌握人工智能的基本概念和方法，为今后的更高级课程的学习、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。
本课程内容主要包括：
知识表示方法和搜索推理技术，神经计算，模糊计算，进化计算，人工生命，专家系统，机器学习，Agent，自然语言理解等。
Thiscourseintroducesmainlythebasictechniquesandmethodsandapplicationofartificialintelligence,includingthemethodsofknowledgerepresentation,thetechniquesofsearchingandreasoning,neuralcomputation,fuzzycomputation,evolutionarycomputation,ArtificialLife,expertsystems,machinelearning,Agent,naturallanguageunderstanding.et．
三、课程性质与教学目的
本课程是为计算机科学与技术专业及相关专业本科生开设的专业基础课，旨在向学生传授人工智能基本技术、方法及其应用的知识，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，掌握人工智能的主要技术及应用，启发学生对人工智能的兴趣，培养知识创新和技术创新能力，培养学生在计算机领域中应用人工智能技术提高分析和解决较复杂问题的能力。
通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。
四、教学内容及要求
第〇章绪论
（一）目的与要求
1．重点掌握人工智能的定义。
2．掌握人工智能的发展阶段。
3．一般了解人工智能的主要研究范围和应用领域。
（二）教学内容
第一节什么是人工智能
1．主要内容
（1）人工智能的定义
2．基本概念和知识点
智能机器，人工智能的定义，人工智能的起源，人工智能的发展
融入点：
回顾人工智能的发展历程及我国人工智能发展情况，彰显出道路自信和制度自信。
3．问题与应用（能力要求）
问题：
为什么人工智能会在1956年才正式诞生？
要求学生学完本节后，能从学科和能力的角度深刻理解人工智能的定义，初步了解人工智能的起源。
融入点：
强调创新发展的意义。
第二节 图灵测试和中文屋子问题
1．主要内容
（1）图灵测试
（2）中文屋子
2．基本概念和知识点
故事理解程序，智能，中文屋子，智能计算机的功能，符号处理系统。
融入点：
强调创新的重要性
3．问题与应用（能力要求）
问题：
为什么能够用电脑模拟人脑智能？
要求学生完成本节学习后，要求学生学完本节后，了解人类认知活动与计算机的比较关系,了解人类智能与人工智能的关系，基本了解智能信息处理系统。
第三节 人工智能的研究目标
1．主要内容
主要讨论人工智能的研究与应用领域。
2．基本概念和知识点
问题求解，逻辑推理，定理证明，自然语言理解，自动程序设计，机器学习，专家系统，神经网络，机器人学，模式识别，机器视觉，智能控制，智能检索，人工生命，人工智能的研究与应用领域计算智能与进化计算
融入点：
加入一些影视作品，加入AI技术对社会、经济、道德等方面的影响，用案例和讨论的方式引发学生思考。
比如，AI是否会像影视作品中那样，最终代替人类甚至奴役人类？
AI技术的普及能否引起大面积失业？
AI技术的最成功应用之一：
刷脸支付，如果有人趁你睡着或昏迷时刷你的脸怎么办？
通过讨论这些问题，引导学生树立AI技术由人开发，也只能服务于人的观念。
3．问题与应用（能力要求）
问题：
人工智能的主要研究和应用领域是什么？
其中，哪些是新的研究热点？
要求学生完成本节学习后，要求学生学完本节后，初步了解人工智能的研究与应用领域。
（三）思考与实践
思考题1：
为什么能够把人看做一个物理符号系统？
思考题2：
你认为应从哪些层次对认知行为进行研究？
思考题3：
人工智能能否超过人类智能？
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行。
第一章搜索问题
（一）目的与要求
1．通过讲授产生式系统的搜索策略，使学生了解用产生式系统求解问题的过程中，几种搜索策略的方法。
2．掌握A*算法的理论，并且能将A*算法用于实际求解。
（二）教学内容
第一节
1．主要内容
（1）产生式系统的组成
（2）产生式系统的推理
（3）产生式系统举例
2．基本概念和知识点
产生式系统的定义，产生式系统的组成，产生式系统的控制策略，正向推理，逆向推理，双向推理，产生式系统推理
融入点：
讲述中国在人工智能研究的背景和意义。
3．问题与应用（能力要求）
问题1：
产生式系统与规则演绎系统有什么区别？
问题2：
规则演绎系统和产生式系统有哪几种推理方式?
各自的特点为何?
要求学生完成本节学习后，掌握产生式系统的组成结构，通过实践掌握产生式系统的设计和工作过程。
第二节
1．主要内容
（1）回溯搜索策略的定义
（2）回溯搜索算法中的几个重要名词术语
（3）回溯搜索的一般过程
（4）回溯搜索方法例子-八数码问题
2．基本概念和知识点
回溯搜索策略的定义，回溯搜索的一般过程，回溯搜索方法分析
融入点：
分析回溯策略的缺点，提出改进策略，彰显理论自信。
3．问题与应用（能力要求）
问题1：
回溯搜索策略有解一定能找到解？
第三节
1．主要内容
（1）图搜索策略的定义
（2）图搜索算法中的几个重要名词术语
（3）图搜索（GRAPHSEARCH）的一般过程
（4）图搜索方法分析
2．基本概念和知识点
图搜索策略的定义，图搜索的一般过程，图搜索方法分析，搜索图与搜索树
3．问题与应用（能力要求）
问题：
什么是图搜索过程?
其中，重排OPEN表意味着什么，重排的原则是什么?
要求学生完成本节学习后，重点掌握图搜索一般策略，掌握OPEN表和CLOSE表的构成及作用。
第四节
1．主要内容
（1）宽度优先搜索
（2）深度优先搜索
（3）等代价搜索
2．基本概念和知识点
宽度优先搜索的定义与特点，宽度优先搜索算法及分析，深度优先搜索的定义与特点，含有深度界限的深度优先搜索算法，深度界限，等代价搜索的定义，等代价搜索算法与分析
3．问题与应用（能力要求）
问题：
试比较宽度优先搜索、有界深度优先搜索及有序搜索的搜索效率，并以实例数据加以说明。
要求学生完成本节学习后，掌握盲目搜索的特点，比较三种盲目搜索方法的优缺点。
第五节
1．主要内容
（1）启发式搜索策略和估价函数
（2）有序搜索
（3）A*算法基本概念和知识点
2．基本概念和知识点
启发式搜索方法的定义，启发式搜索策略，估价函数，有序搜索的定义与实质，有序状态空间搜索算法，A*算法的定义与描述。
融入点：
借助四皇后问题，延伸到AlphaGo的人工智能及可能涉及的社会道德问题。
融入点：
搜索问题主要讲授经典人工智能理论的状态空间智能搜索技术，包括状态空间表示，无信息搜索方法和有信息搜索方法。
由于状态空间搜索技术属于全观察（fullobservable）问题，每个状态下对自身的所有情况都是已知的，因而可以通过预估选择最优的下一状态，这与只有胸有成竹才能事半功倍多么相似。
由此启发学生面对问题时要多观察、多了解、多调查才能有最好的解决方案。
融入点：
在讲解路径规划时，可以滴滴快车等为例讲解互联网企业在业务和程序开发时需关注的环境、法律等问题。
3．问题与应用（能力要求）
要求学生完成本节学习后，掌握启发式搜索策略和估价函数的设计方法，了解A*算法原理。
（三）思考与实践
思考题1：
图搜索是针对什么知识表示方法的问题求解方法？
思考题2：
有界深度优先搜索方法能够保证在搜索树中找到一条通向目标节点的最短途径吗？
思考题3：
应用最新的方法来表达传教士和野人问题，编写一个计算机程序，以求得安全渡过全部6个人的解答。
思考题4：
下列语句是一些几何定理，把这些语句表示为基于规则的几何证明系统的产生式规则：
（1）两个全等三角形的各对应角相等。
（2）两个全等三角形的各对应边相等。
（3）各对应边相等的三角形是全等三角形。
（4）等腰三角形的两底角相等。
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行。
第二章与或图搜索问题
（一）目的与要求
1．通过讲授可分解产生式系统的搜索策略，使学生掌握与或图的搜索技巧，
2．学会AO*算法解决实际问题，学会用博弈树搜索求解问题。
（二）教学内容
第一节与或图搜索的基本概念
1．主要内容
2．
（1）与节点和或节点
（2）与或图定义
（3）超图和解图
3．基本概念和知识点
与或图，k-连接符，与节点，或节点，超图，解图，耗散值，能解结点，不能解结点。
4．问题与应用（能力要求）
问题：
在搜索与或图的方法中，还有其他更简单的方法么？
请查阅资料回答。
第二节 与或图搜索算法AO*
1．主要内容
（1）AO*算法过程
（2）AO*算法分析
（3）AO*算法举例
2．基本概念和知识点
连接符标记，节点标记，终结点，局部解图。
3．问题与应用（能力要求）
问题：
AO*算法能找到最优的解图么？
为什么？
第三节 博弈树的搜索
1．主要内容
（1）博弈树的特点
（2）极大极小过程
（3）α-β剪枝过程
2．基本概念和知识点
双方信息完备，零和，评估函数，静态估值，倒退值计算，剪枝
3．问题与应用（能力要求）
问题：
极大极小过程的缺点？
（三）思考与实践
思考题1：
“深蓝”为什么能取得胜利？
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行。
第三章谓词逻辑与归结原理
（一）目的与要求
1.引导学生掌握命题逻辑归结法与谓词逻辑的归结法，能够解决实际问题。
（二）教学内容
第一节命题逻辑
1．主要内容
（1）命题
（2）命题公式
（3）命题逻辑的意义
（4）命题逻辑的推理规则
（5）命题逻辑的归结方法
2．基本概念和知识点
连词，量词，合取，合取项，析取，析取项，蕴涵，交换率，结合率，分配率，摩根率，吸收率，同一率，命题逻辑归结过程
第二节谓词逻辑基础
1．主要内容
（1）谓词基本概念
（2）一阶谓词逻辑
（3）谓词演算与推理
（4）谓词知识表示
2．基本概念和知识点
个体词，谓词，个体常量，个体变量，量词否定恒等式，量词分配等值式，消去量词等值式。
第三节谓词逻辑归结原理
1．主要内容
（1）归结原理概述
（2）Skolem标准型
（3）子句集
（4）置换与合一
（5）归结式
（6）归结过程
（7）归结过程控制策略
2．基本概念和知识点
原子公式，合适公式，二个重要的推理规则，前束范式，合取前束范式，公式标准化，文字，字句，合一、项，表达式的例，置换，合成置换，合一者，最一般合一者。
3．问题与应用（能力要求）
问题：
逆向推理与正向推理的区别有哪些？
要求学生完成本节学习后，
（1）掌握规则演绎系统的定义和正向推理、逆向推理的过程，了解规则双向演绎系统。
（2）通过本节学习，能将规则演绎系统术应用于解决比较简单的系统和问题的能力
第四节Herbrand定理
1．主要内容
（1）概述
（2）H域
（3）H解释
（4）语义树与Herbrand定理
（5）Herbrand定理
（6）Herbrand定理与归结法的完备性
2．基本概念和知识点
H域，H解释，语义树，Herbrand定理，Herbrand定理与归结法的完备性关系。
3．问题与应用（能力要求）
要求学生完成本节学习后，重点掌握谓词逻辑表示的语言与方法，掌握谓词公式的性质及谓词演算，学会谓词公式的置换与合一，运用谓词推理来解决问题。
（三）思考与实践
思考题1：
什么叫合适公式?
合适公式有哪些等价关系?
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行。
第四章知识表示
（一）目的与要求
1.通过知识表示的若干方法讲授，使学生对不同的表示方法的知识表示单位，推理机理，知识库的建立，应用范围有所了解，并能够灵活应用这些表示方法到实际问题。
（二）教学内容
第一节概述
1．主要内容
（1）知识
（2）知识表示
（3）知识表示观
2．基本概念和知识点
知识，事实性知识，过程性知识，元知识，事实，规则，控制，模块化，启发式信息。
第二节产生式表示
1．主要内容
（1）事实与规则的表示
（2）产生式系统的结构
（3）产生式系统的推理
（4）产生式表示的特点
2．基本概念和知识点
产生式系统的定义，产生式系统的组成，产生式系统的控制策略，正向推理，逆向推理，双向推理，产生式系统推理
3．问题与应用（能力要求）
第三节语义网络表示
1．主要内容
（1）语义网络的结构
（2）基本的语义关系
（3）语义网络的推理
（4）语义网络表示法的特点
2．基本概念和知识点
语义网络的定义，语义网络的组成，语义网络的特点，二元语义网络的概念，二元语义网络的表示，多元语义网络的概念，连词和量化的表示
3．问题与应用（能力要求）
要求学生完成本节学习后，重点掌握语义网络的结构，掌握二元语义网络表示方法，了解语义网络的特点。
第四节框架表示法
1．主要内容
（1）框架结构
（2）框架表示下的推理
（3）框架表示法的特点
2．基本概念和知识点
框架，框架的构成，框架推理
3．问题与应用（能力要求）
要求学生完成本节学习后，初步了解三种方法的基本原理。
（三）思考与实践
思考题1：
一圆盘问题要走几步？
两圆盘问题要走几步？
三个、四个．．．等？
思考题2：
设有3个传教士和3个野人来到河边，打算乘一只船从右岸渡到左岸去。
该船的负载能力为两人。
在任何时候，如果野人人数超过传教士人数，那么野人就会把传教士吃掉。
他们怎样才能用这条船安全地把所有人都渡过河去?
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行。
第五章不确定性推理方法
（一）目的与要求
不确定性推理的方法，学会用不同的方法描述不确定性，能够准确、快速地计算出不确定性的更新结果。
（二）教学内容
第一节概述
1．主要内容
（1）不确定性
（2）不确定性推理的基本问题
（3）不确定性推理方法的分类
2．基本概念和知识点
表示问题，计算问题，语义问题，形式化方法，非形式化方法，逻辑法，新计算法，新概率法，启发式方法。
第二节概率论基础
1．主要内容
（1）随机事件
（2）事件的概率
（3）贝叶斯定理
（4）信任几率
2．基本概念和知识点
条件概率，概率，信任几率
第三节贝叶斯网络
1．主要内容
（1）贝叶斯网络基本概念
（2）贝叶斯网络的推理模式
2．基本概念和知识点
条件概率，联合概率，全概率公式，贝叶斯网络公式，先验概率
第四节主观贝叶斯方法
1．主要内容
（1）规则的不确定性
（2）证据的不确定性
（3）推理计算
2．基本概念和知识点
LS和LN，几率函数，几率与概率关系，证据的不确定性，规则的不确定性，推理计算
第五节确定性方法
1．主要内容
（1）规则的不确定性
（2）证据的不确定性
（3）不确定性的传播与更新
2．基本概念和知识点
定量法，可信度，合成，更新
第六节证据理论（D-Stheory）
1．主要内容
（1）基本概念
（2）规则的不确定性
（3）证据的不确定性
（4）推理计算
2．基本概念和知识点
识别框架，互斥，基本概率分配函数，信任函数，似然函数，证据的组合
（三）思考与实践
问题1：
研究不确定性推理有何意义?
有哪几种不确定性?
问题2：
单调推理有何局限性?
什么叫缺省推理?
非单调推理系统如何证实一个节点的有效性?
问题3：
在什么情况下需要采用不确定推理或非单调推理?
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行
第六章机器学习
（一）目的与要求
1.掌握机器学习的基本概念，了解基本学习模型，对机器学习的分类和研究目标清楚。
2.掌握实例学习的两个空间模型，了解变型空间方法的技巧，可以学习单个概念，多个概念，进行多步学习，熟悉解释学习的几种方法，学以致用。
（二）教学内容
第一节概述
1．主要内容
（1）机器学习的基本概念
（2）机器学习研究的意义
（3）机器学习发展历史
（4）机器学习分类
2．基本概念和知识点
学习，机器学习，机器学习的发展史
3．问题与应用（能力要求）
问题：
什么是学习和机器学习?
为什么要研究机器学习?
要求学生完成本节学习后，重点掌握机器学习的定义，了解机器学习的发展史
第二节机器学习的基本系统结构
1．主要内容
（1）环境
（2）知识库
（3）学习环节
（4）执行环节
2．基本概念和知识点
环境，知识库，学习环节，执行环节，信息水平，信息质量，单任务和多任务
3．问题与应用（能力要求）
要求学生完成本节学习后，重点掌握机器学习的基本结构，了解机器学习的几种主要策略，一般了解影响学习系统设计的因素。
第三节实例学习
1．主要内容
（1）实例学习的基本概念
（2）实例学习方法的分类
（3）变型空间法
2．基本概念和知识点
例子空间，规则空间，解释例子，选择例子，变形空间法，改进假设法，产生与测试，方案示例法，学习单个概念，学习多个概念，消除候选元素法
3．问题与应用（能力要求）
要求学生完成本节学习后，重点掌握实例学习的两个空间的定义，了解实例学习的过程。
第四节解释学习
1．主要内容
（1）解释学习的基本概念
（2）解释学习方法
2．基本概念和知识点
解释学习过程和算法，解释学习步骤
3．问题与应用（能力要求）
要求学生完成本节学习后，了解解释学习的过程。
第五节决策树学习
1．主要内容
（1）概述
（2）ID3算法
2．基本概念和知识点
决策树，决策树算法，ID3
3．问题与应用（能力要求）
要求学生完成本节学习后，了解决策树学习的过程
第六节神经网络学习
1．主要内容
（1）神经网络基础
（2）前馈型人工神经网络
（3）自组织竞争人工神经网络
（4）人工神经网络的应用
2．基本概念和知识点
人工神经网络研究的进展，人工神经网络的基本特性和结构，人工神经网络的主要学习算法，有师学习，无师学习，强化学习，人工神经网络的典型模型，递归网络，前馈网络，知识点：
基于神经网络的知识表示与推理，反向传播算法，反馈神经网络，基于反向传播网络的学习，基于Hopfield网络的学习
融入点：
机器学习技术大多采用梯度下降等迭代优化算法优化损失函数，成千上万次的迭代才可能找到最后的解，在这里可以引导学生思考百折不挠、坚持不懈的重要性，明白事物发展的曲折性。
（三）思考与实践
思考题：
有哪几种比较常用的机器学习方法？
试略加介绍。
（四）教学方法与手段
借助多媒体课件采用集中面授的方式进行
五、各教学环节学时分配
教学环节
教学时数
课程内容
讲
课
习
题
课
讨
论
课
实验
其他教学环节
小
计
第O章
2
2
第一章
9
1
10
第二章
5
1
6
第三章
7
1
8
期中测试
1
1
第四章
2
2
第五章
6
1
7
第六章
9
2
11
复习
1
1
合计
41
7
48
六、推荐教材和教学参考资源
推荐教材：
马少平等.人工智能[M].北京：
清华大学出版社.2004
参考书：
1、朱福喜等.人工智能原理[M].武汉：
武汉大学出版社2017.2
2、蔡自兴等.人工智能及其应用[M].第二版.北京：
清华大学出版社 2010.5
3、高济等.人工智能基础[M].高等教育出版社2002
升级会员 