人类在经过工业化、信息化之后，将进入智能化社会，各国政府也都纷纷出台人工智能相关的政策和国家战略。可以预见未来，人工智能方法不再是专业知识，而是通识知识、必备知识。开设《人工智能导论》课程，旨在讲授一门能听懂、跨学科、有广度的引导课程。在此基础上，我们倾力打造了《人工智能导论》课程，希望有更多的同学从中收益，了解、掌握人工智能的基本方法和发展动态，为今后跨学科结合、转学科深造打下基础。

      本课程有以下特点：

      首先，从内容设计上，主要考虑内容的广度。课程以专题形式介绍知识表示、知识图谱、自动推理、搜索技术、群智能算法、机器学习、深度学习，基本涵盖了人工智能学科诞生以来各个时期主流的研究方法。在课程的最后，我们简要介绍了人工智能方法在计算机视觉、自然语言处理、语音技术、机器人技术领域的应用，让同学们对学科发展态势有更直观的理解。

       其次，从授课方式上，主要以科普常识、介绍方法论为主。课程面向理工为主，多学科专业学生，以扩展知识面、培养跨学科思维为主旨，尽量避免公式推导讲解。课程中，我们通过简单、常见的例子来讲解核心思想，如：在“自动推理”中我们介绍“红楼梦人物关系推理”；在搜索技术中介绍“农夫过河”问题，在机器学习中我们介绍“性别分类”、“手写数字识别”等例子。使得课程具有较强的可听性，具有较多的兴趣点。

课程为百分制，总成绩是由单元测验（40%）、课堂表现（30%）和期末考试（30%）组成，课程总成绩分为“不合格”、“合格”2个档次，其中总成绩小于60分为“不合格”，大于等于60分为“合格”。

了解学科概况——零门槛

理解基本思想——计算机科学导论

掌握核心知识——计算机科学导论、微积分、离散数学、数据结构

第一章 绪论

1.1 人工智能的概念

1.2 人工智能发展简史

1.3 人工智能发展现状和趋势

1.4 课程内容概述

第一章 课件

第一章测试

第二章 知识表示

2.1 知识表示概述

2.2 一阶谓词逻辑知识表示

2.3 产生式知识表示

2.4 框架知识表示

第二章 课件

第二章 单元测验

第三章 自动推理与专家系统

3.1 引言

3.2 确定性推理

3.3 不确定性推理

3.4 专家系统简介

第三章 课件

第三章 单元测试

第四章 知识图谱

4.1 知识图谱概述

4.2 典型知识图谱

4.3 知识图谱技术与应用

第四章课件

第四章 单元测试

第五章 搜索技术

5.1 引言

5.2 状态空间图模型

5.3 盲目搜索策略

5.4 启发式搜索策略

5.5 博弈搜索策略

第五章 课件

第五章 单元测试

第六章 进化智能与群体智能

6.1 引言

6.2 进化智能：遗传算法

6.3 群体智能：蚁群算法

第六章课件

第六章单元测试

第七章 机器学习

7.1 引言

7.2 有监督学习

7.3 无监督学习

7.4 弱监督学习

7.5 强化学习

第七章 课件

第七章单元测验

第八章 深度学习（上）

8.1 引言

8.2 感知机算法

8.3 前馈神经网络与BP算法

8.4 卷积神经网络

第八章（上）课件

第八章（上）测试

第八章 深度学习（下）

8.5 循环神经网络

8.6 注意力与记忆机制

8.7 生成对抗网络

第八章（下）课件

第八章（下）测试

第九章 人工智能典型应用

9.1 引言

9.2 计算机视觉

9.3 语音处理技术

9.4 语言智能技术

9.5 智能竞技

第九章课件

[1]李德毅. 人工智能导论，中国科学技术出版社，2018.

[2]王万良. 人工智能导论（第4版），高等教育出版社，2017年7月.

[3]徐洁磐. 人工智能导论，中国铁道出版社，2019年7月

[4]尼克. 人工智能简史，人民邮电出版社, 2017年12月. 

[5]松尾丰 著，赵函宏，高华彬 译. 人工智能狂潮，机械工业出版社, 2016年1月.