本书较全面地介绍了目前人工智能的主流概念、理论、方法、技术及应用等内容。全书共 12 章，可以分四个部分。第一部分人工智能基础，首先介绍了智能的定义以及人工智能的定义、历史、实现方法、研究内容、发展趋势，然后介绍了人工智能与哲学、脑科学有关的概念和知识基础；第二部分，人工智能方法与技术基础，主要介绍了人工神经网络、机器学习的基本方法与原理。第三部分机器智能，从感知智能、认知智能、语言智能、机器人（行为智能）、混合智能、类脑智能六个方面分别介绍了机器智能有关的传统与前沿理论、方法及技术；第四部分伦理与法律，介绍了人工智能伦理与法律的相关概念和知识。本书以18个附录拓展了正文部分内容，其中包括4个arm嵌入式系统AI技术实训案例，通过练习和操作实践，帮助读者巩固和理解所学人工智能技术。

本书可作为高等院校人工智能、大数据、机器人工程等新工科专业以及计算机科学与技术、电子科学与技术、控制工程与科学、智能科学与技术、机械、数学等各个传统理工科专业的本科生与研究生的课程教材，也可供哲学、经贸、管理、金融、财会、法律、人文社科等非理工科专业的学生学习使用，还可作为从事自然科学、社会科学、科学普及以及人工智能交叉学科研究的科研人员、学者及爱好者的参考用书。

目录

第1章 绪论

1.0 学习导言

1.1 生命与智能

1.1.1 什么是智能

1.1.2 图灵测试与人工智能

1.1.3 人工智能图谱

1.2 人工智能的历史

1.2.1 第一阶段：初创时期（1936 年—1956 年）

1.2.2 第二阶段：形成时期（1956 年—1969 年）

1.2.3 第三阶段：发展时期（1970 年—1992 年）

1.2.4 第四阶段：大突破时期（1993 年至今）

1.3 人工智能学科交叉与融合

1.4 人工智能实现方法

1.4.1 传统实现方法

1.4.2 数据驱动方法

1.5 人工智能主要研究内容

1.5.1 计算智能

1.5.2 感知智能

1.5.3 认知智能

1.5.4 行为智能

1.5.5 群体智能

1.5.6 混合智能

1.5.7 情感智能

1.5.8 类脑智能

1.5.9 人工智能伦理与法律

1.6 人工智能发展趋势

1.7 本书主要学习内容

1.8 本章小结

1.9 习题

第2章 人工智能的哲学观

2.1 从哲学角度理解人工智能

2.1.1 与人工智能有关的哲学概念

2.1.2 与人工智能有关的主要哲学分支

2.1.3 大历史观——智能进化

2.1.4 人工智能的本质

2.2 人工智能局限性的认识

2.2.1 弱人工智能与人类心智的差距

2.2.2 影响强人工智能实现的主要因素

2.3 科幻影视作品中的人工智能

2.3.1 早期科幻影视作品中的人工智能

2.3.2 现代科幻影视作品中的人工智能

2.4 本章小结

2.5 习题

第3章 脑科学基础

3.0 学习导言

3.1 大脑的初步认识

3.2 脑神经系统

3.2.1 脑神经组织

3.2.2 神经元与信息传递

3.2.3 大脑皮层

3.3 脑的视觉与信息处理机制

3.3.1 脑的视觉结构

3.3.2 视觉皮层区域

3.4 脑的记忆与信息处理机制

3.5 脑的学习机制

3.6 脑功能新发现

3.6.1 大脑导航功能

3.6.2 大脑孕周发育

3.7 本章小结

3.8 习题

第4章 人工神经网络

4.0 学习导言

4.1 如何构建人工神经网络

4.1.1 神经元模型

4.1.2 感知器模型

4.2 神经网络的训练—反向传播算法

4.3 生成深度神经网络

4.3.1 生成模型——受限玻尔兹曼机

4.3.2 深度生成模型—深度置信网络

4.4 卷积神经网络原理

4.4.1 稀疏连接与全连接

4.4.2 权值共享与特征提取

4.4.3 卷积层

4.4.4 池化层

4.4.5 全连接层

4.4.6 CNN 算法

4.5 循环神经网络

4.6 长短时记忆网络

4.7 本章小结

4.8 习题

第5章 机器学习

5.0 学习导言

5.1 机器学习能否实现机器智能

5.2 机器学习的类型和应用

5.3 监督学习与无监督学习

5.3.1 支持向量机

5.3.2 k-最近邻分类

5.3.3 朴素贝叶斯分类器

5.3.4 集成分类——Bagging 算法、随机森林算法与 Boosting算法

5.3.5 k-均值聚类算法

5.4 深度学习

5.4.1 浅层学习与深度学习

5.4.2 深度学习框架

5.4.3 深度学习的应用——图像描述

5.5 强化学习

5.5.1 能够自适应学习的 BRETT机器人

5.5.2 强化学习的应用

5.6 迁移学习

5.7 机器创造

5.8 本章小结

5.9 习题

第6章 感知智能

6.0 学习导言

6.1 数字图像处理技术

6.1.1 灰度直方图校正

6.1.2 图像的平滑处理

6.1.3 图像的边缘检测

6.1.4 图像的锐化

6.1.5 图像的分割

6.1.6 图像的特征提取与Haar 算法

6.1.7 图像分析

6.2 计算机视觉与机器视觉

6.3 模式识别与图像分类

6.3.1 模式识别方法

6.3.2 模式识别过程

6.3.3 图像分类

6.4 人脸识别

6.4.1 人脸识别技术的发展

6.4.2 人脸识别系统及其实现方法

6.5 深度学习在目标检测与识别中的应用

6.6 无人驾驶汽车的环境感知

6.7 本章小结

6.8 习题

第7章 认知智能

7.0 学习导言

7.1 逻辑推理

7.1.1 命题与推理

7.1.2 推理的类型

7.1.3 模糊推理

7.2 知识表示

7.2.1 谓词逻辑表示法

7.2.2 语义网络表示法

7.3 搜索技术

7.3.1 盲目搜索

7.3.2 启发式搜索

7.3.3 蒙特卡罗树搜索算法

7.4 知识图谱

7.4.1 知识图谱与认知智能

7.4.2 知识图谱基本技术

7.4.3 知识图谱架构

7.5 认知计算

7.6 本章小结

7.7 习题

第8章 语言智能

8.0 学习导言

8.1 语言与认知

8.2 自然语言处理

8.2.1 自然语言理解的源起

8.2.2 自然语言处理的功能应用

8.2.3 自然语言处理技术

8.3 智能问答系统

8.4 聊天机器人

8.4.1 聊天机器人的分类

8.4.2 聊天机器人的自然语言理解

8.5 语音识别

8.5.1 语音识别系统

8.5.2 语音识别的过程

8.6 机器翻译

8.6.1 机器翻译原理与过程

8.6.2 通用翻译模型

8.7 本章小结

8.8 习题

第9章 机器人

9.0 学习导言

9.1 机器人与行为智能

9.1.1 行为主义载体——机器人

9.1.2 机器人的基本组成

9.1.3 智能机器人

9.2 工业机器人

9.3 移动机器人

9.4 无人飞行器

9.5 水下机器人

9.6 太空机器人

9.7 人形机器人

9.8 机器动物

9.9 软体机器人

9.10 微型机器人

9.11 群体机器人

9.12 认知发展机器人

9.13 本章小结

9.14 习题

第10章 混合智能

10.0 学习导言

10.1 混合智能的基本形态与实现

10.2 脑机接口

10.2.1 脑机接口工作原理

10.2.2 可探测识别的脑电波信号

10.2.3 侵入式脑机接口

10.2.4 非侵入式脑机接口

10.2.5 脑机接口应用

10.3 可穿戴混合智能

10.3.1 可穿戴传感器与电子文身

10.3.2 可穿戴神经刺激混合智能

10.4 可植入混合智能

10.4.1 电子识别芯片

10.4.2 人造感觉神经

10.5 外骨骼混合智能

10.6 动物混合智能

10.7 人体增强

10.8 本章小结

10.9 习题

第11章 类脑计算

11.0 学习导言

11.1 类脑计算基础

11.1.1 冯·诺依曼结构计算机的局限

11.1.2 类脑计算机

11.1.3 类脑计算研究内容与方法

11.2 类脑计算基础

11.2.1 神经形态计算

11.2.2 神经形态类脑芯片

11.2.3 神经形态类脑计算机

11.3 基于忆阻器的类脑计算

11.3.1 忆阻器原理

11.3.2 忆阻器芯片

11.4 人工大脑

11.4.1 人工大脑的基本单元

11.4.2 仿脑模型

11.4.3 虚拟大脑

11.4.4 深度学习脑功能模拟

11.5 非神经形态智能芯片

11.6 本章小结

11.7 习题

第12章 人工智能伦理与法律

12.0 学习导言

12.1 电车难题引发的人工智能道德困境

12.2 人工智能技术引发的社会问题

12.3 人工智能伦理的定义

12.4 弱人工智能伦理与强人工智能伦理

12.4.1 弱人工智能伦理问题

12.4.2 强人工智能伦理问题

12.5 机器人伦理问题与基本原则

12.5.1 机器人伦理问题

12.5.2 机器人伦理的基本原则

12.6 军事人工智能伦理问题

12.7 人工智能伦理规范

12.8 人工智能法律问题

12.8.1 人工智能引发的法律问题

12.8.2 人工智能的法律主体和法律人格问题

12.9 本章小结

12.10 习题

附录：

附录1 大历史观人工智能大事年表

附录2数学基础

附录3计算机的发展历史

附录4计算机的存储单位

附录5 Python语言下的机器学习库

附录6 OpenCV

附录7图像描述程序

附录8 CV 图像分类常见的 36 个模型汇总

附录9人脸特征提取案例

附录10 嵌入式目标检测案例

附录11 知识图谱资源

附录12知识图谱构建方法

附录13会有那么一天

附录14机器人分类图

附录15类脑芯片历史

附录16日本千叶大学《机器人宪章》

附录17 IEEE人工智能伦理等新标准

附录18人工智能编程语言

人邮教育社区《人工智能导论》配套资源

https://www.ryjiaoyu.com/book/details/9182 (二维码自动识别)

智慧树平台《人工智能导论》配套慕课

https://coursehome.zhihuishu.com/courseHome/2053394#teachTeam (二维码自动识别)

移动端链接二维码

电脑端可登录智慧树平台搜索哈尔滨工程大学《人工智能导论》慕课。