智能科学技术导论

本书系统介绍了智能科学技术的初步知识，是人工智能相关专业的入门教材。全书共10章，主要内容围绕智能科学的基本概念与相关知识，沿着大多数初学者的朴素“问题链”逐步展开，具体包括智能科学的相关名词、发展历程、应用、专业学习方法、科学问题、人工智能及其要素、挑战与展望等。本书语言简练，实例丰富，通俗易懂，重点突出，逻辑性强，便于读者学习与掌握。
本书可以作为普通高等院校人工智能、智能科学与技术、计算机科学与技术、模式识别与智能系统等专业本科生的智能科学与技术导论课教材，也可作为大学通识教育课教材，还可作为智能科学与技术、人工智能相关领域工程技术人员的参考书。

第1章 智能科学基础 1
1.1 智能的相关概念与分类 1
1.1.1 智能的含义 1
1.1.2 智能的分类 4
1.2 智能与人类的密切关系 8
1.2.1 智能成就了人类 8
1.2.2 人类发展了智能 10
1.3 社会智能化是必然趋势 12
1.3.1 工业化社会 12
1.3.2 信息化社会 12
1.3.3 智能化社会 13
本章小结 16
课后习题 16
第2章 智能的应用 17
2.1 概述 17
2.1.1 人类用生物智能征服世界 17
2.1.2 人类用人工智能改造世界 19
2.2 智能技术农业应用 21
2.2.1 农业智能需求分析 21
2.2.2 农业主要智能应用 23
2.3 智能技术工业应用 24
2.3.1 工业智能需求分析 24
2.3.2 工业主要智能应用 26
2.4 智能技术国防应用 28
2.4.1 国防智能需求分析 28
2.4.2 国防主要智能应用 30
2.5 智能技术教育应用 32
2.5.1 教育智能需求分析 32
2.5.2 教育主要智能应用 32
2.6 智能技术艺术应用 34
2.6.1 艺术智能需求分析 34
2.6.2 艺术主要智能应用 35
2.7 智能技术医学应用 36
2.7.1 医学智能需求分析 36
2.7.2 医疗主要智能应用 36
2.8 智能技术与电子商务 40
2.8.1 消费电子智能需求分析 40
2.8.2 消费电子主要智能应用 40
2.9 智能技术与行政管理 41
2.9.1 数字政府智能需求 41
2.9.2 行政管理智能应用 42
本章小结 44
课后习题 44
第3章 智能专业学习方法 45
3.1 知识体系 45
3.1.1 知识结构 45
3.1.2 课程大类 46
3.1.3 学习任务 47
3.2 学习方法 48
3.2.1 学习方法养成 48
3.2.2 基础知识学习 51
3.2.3 专业知识进阶 52
3.3 能力培养 56
3.3.1 能力结构 56
3.3.2 创新能力 57
3.3.3 实践能力 61
3.4 就业岗位 68
3.4.1 智能算法研发类岗位 69
3.4.2 智能系统研发类岗位 70
3.4.3 智能应用开发类岗位 72
3.4.4 在校生就业前岗前准备 73
本章小结 75
课后习题 75
第4章 智能的基础问题 76
4.1 概述 76
4.2 智能探源 77
4.2.1 智能从哪里来 77
4.2.2 脑与认知 78
4.2.3 相关课程 80
4.3 感知识别 81
4.3.1 雾里看花水中望月 81
4.3.2 模式识别 82
4.3.3 相关课程 83
4.4 知识推理 83
4.4.1 知识就是智能 83
4.4.2 知识表示 85
4.4.3 知识推理 88
4.4.4 相关课程 91
4.5 搜索求解 91
4.5.1 众里寻他千百度 91
4.5.2 搜索实现 92
4.5.3 相关课程 93
4.6 学习发现 94
4.6.1 思而不学则殆 94
4.6.2 机器学习 96
4.6.3 知识发现 99
4.6.4 相关课程 100
本章小结 100
课后习题 101
第5章 智能的高级问题 102
5.1 概述 102
5.2 视觉图像 103
5.2.1 视觉系统概述 103
5.2.2 智能图像处理 106
5.2.3 相关课程 109
5.3 语音技术 110
5.3.1 语音系统概述 110
5.3.2 智能语音处理 112
5.3.3 相关课程 114
5.4 自然语言 114
5.4.1 自然语言概述 114
5.4.2 自然语言处理 115
5.4.3 相关课程 118
5.5 机器人 119
5.5.1 机器人概述 119
5.5.2 机器人关键技术 121
5.5.3 相关课程 123
本章小结 123
课后习题 123
第6章 人工智能要素及其发展历程 124
6.1 人类智能的分析 124
6.1.1 智慧的描述 124
6.1.2 智能的分析 125
6.2 人工智能的提出 128
6.2.1 人工智能的诞生 128
6.2.2 人工智能的学派 130
6.2.3 相关课程 132
6.3 人工智能的发展 133
6.3.1 第一次浪潮 133
6.3.2 第二次浪潮 133
6.3.3 第三次浪潮 134
6.4 人工智能的要素 135
6.4.1 算力 135
6.4.2 算法 138
6.4.3 数据 139
本章小结 140
课后习题 141
第7章 算法数学基础 142
7.1 概述 142
7.1.1 数学分类 142
7.1.2 智能数学 143
7.2 数理逻辑 145
7.2.1 数理逻辑的概念 145
7.2.2 数理逻辑的应用 146
7.2.3 相关课程 148
7.3 微积分 148
7.3.1 微积分的概念 148
7.3.2 微积分智能应用 149
7.3.3 相关课程 151
7.4 概率论与统计学 152
7.4.1 概率论与统计学的概念 152
7.4.2 概率论与统计学智能应用 153
7.4.3 相关课程 154
7.5 线性代数 155
7.5.1 线性代数的概念 155
7.5.2 线性代数智能应用 156
7.5.3 相关课程 157
7.6 最优化理论 158
7.6.1 最优化理论的概念 158
7.6.2 最优化算法的应用 160
7.6.3 相关课程 161
本章小结 162
课后习题 163
第8章 算力资源初探 164
8.1 概述 164
8.1.1 计算机的产生 164
8.1.2 计算机的未来 167
8.1.3 无算力不智能 168
8.2 算力类型 168
8.2.1 算力进化过程 168
8.2.2 算力提升之路 171
8.3 算力利用相关技术 175
8.3.1 计算机系统与网络 175
8.3.2 计算机软件开发 179
8.3.3 嵌入式系统开发 182
8.3.4 相关课程 183
本章小结 184
课后习题 185
第9章 数据工程初步 186
9.1 概述 186
9.1.1 数据再认识 186
9.1.2 数据的力量 188
9.1.3 数据的分类 190
9.2 数据工程 191
9.2.1 数据工程的概念 191
9.2.2 数据工程的意义 191
9.2.3 数据工程的研究内容 192
9.2.4 相关课程 195
9.3 大数据 195
9.3.1 大数据的概念 195
9.3.2 大数据的研究内容 196
9.3.3 相关课程 198
本章小结 198
课后习题 199
第10章 智能科学挑战与展望 200
10.1 概述 200
10.1.1 人工智能的国家战略 200
10.1.2 智能研究的深入探索 203
10.2 道德伦理责任归属 205
10.2.1 人工智能对人权发起挑战 205
10.2.2 人工智能体道德地位认定 207
10.2.3 人工智能导致事故的追责 209
10.3 人工智能安全风险 210
10.3.1 技术安全风险 211
10.3.2 应用安全风险 211
10.3.3 信息安全风险 212
10.3.4 其他风险 214
10.4 人工智能可解释性 214
10.4.1 可解释性的含义 214
10.4.2 可解释性的价值 215
10.4.3 可解释性的方法 216
10.5 相关到因果的进化 218
10.5.1 人类智能的因果认知 218
10.5.2 机器学习的相关分析 220
10.5.3 从相关到因果的飞跃 222
10.6 智能科学技术展望 224
10.6.1 大模型之ABC 225
10.6.2 脑机接口探秘 226
10.6.3 类脑计算管窥 228
10.6.4 量子人工智能 231
10.6.5 具身智能初探 233
10.6.6 人机混合智能 236
本章小结 237
课后习题 238
参考文献 239