人工智能初步

人工智能初步信息技术选修课程简介课程的意义教材的特点不同栏目的介绍任务提示板学习指引体验活动后续活动评价参考资料内容简介（1）第1章初识人工智能：让学生通过实际操作，体验具有一定智能的软件，通过与计算机聊天、下棋等活动感受人工智能与人类智能之间的关系和区别，了解人工智能的概念和基本特点，了解人工智能的基本领域，帮助学生建立起对人工智能这门学科的初步认识。第2章知识的表示：让学生通过活动充分感受到知识表示是人工智能首先要解决的问题，即如何让知识以适合机器系统的方式进行表示，学生将学习框架表示法、产生式表示法、状态空间表示法、与/或图表示法、谓词逻辑表示法等人工智能中知识表示的方法内容简介（2）第3章人工智能语言：让学生通过实践，学习一种人工智能语言-Prolog,并能够使用该语言设计简单的智能程序。第4章推理与专家系统：让学生通过使用简单的产生式专家系统软件，了解专家系统的基本结构，掌握专家系统正向、反向推理的基本原理，认识常用的不精确推理的基本过程，学会利用一个简易的专家系统外壳开发简单的专家系统。内容简介（3）第5章通过搜索求解问题：让学生从迷宫入手，了解状态空间的概念与方法以及用盲目搜索技术进行状态空间搜索的基本过程，掌握基于状态空间问题的求解过程和进行状态空间搜索的基本思想，知道博弈问题的基本知识以及搜索技术在博弈中的应用。课时安排第1章初识人工智能课标要求：1能描述人工智能的概念与基本特点；知道人工智能技术随着计算机硬、软技术的进步和应用需求而发展的事实和客观规律。2列举人工智能的重要应用领域；通过演示或实际操作，体验人工智能的若干典型应用，知道其发展现状。建议：通过体验智能软件，感受人工智能与人类智能的区别，对人工智能有初步认识主要内容什么是人工智能人工智能常见的研究与应用领域什么是人工智能（1）活动意图：建立起对人工智能的感性认识，比较人类智能与人工智能的差异。重点难点：重点：人工智能的概念与基本特点难点：让学生在实际操作中体会，建立起对人工智能的初步认识课学准备：可以让学生预先收集一些资料，教师也可预先收集一些关于智能、人类智能、人工智能定义的资料。对聊天网站，一定要预先检查是否能正常链接。什么是人工智能（2）建议教学过程：导入新课开始活动教师介绍学习指引中的内容体验活动人工智能常见的研究与应用领域（1）活动意图：通过人工智能的典型成果，即计算机棋手，文字识别，机器翻译和机器人，对人工智能的研究与应用领域有感性认识。重点难点：重点：让学生通过体验，了解人工智能的研究与应用领域。难点：让学生在实际操作中对软件的智能程度进行分析、比较和总结。课学准备：教师一定要预先收集相关软件（可以自己准备，也可让学生准备）并安装在机房的电脑上面。扫描的材料可由教师预先准备好。收集资料要提醒学生不要仅限于网络。有些操作教师甚至考虑要自己预先演示。人工智能常见的研究与应用领域（2）建议教学过程：与计算机下棋，完成活动1，了解人工智能学科中的问题求解识别英语短文，完成文章翻译，完成活动2,了解模式识别和自然语言理解了解各种各样机器人，了解机器人学的发展介绍“学习指引”中的自动定理证明、智能代理、专家系统、自动程序设计和人工神经网络，总结体验活动人工智能常见的研究与应用领域（3）下棋（跳棋，五子棋，相同棋类的同学分成一组）文字识别和机器翻译。识别的材料教师先准备好，可以准备一些“好”的材料和“不好”的材料。翻译可单独进行，用翻译软件，或用google翻译对于各类机器人的讨论，可结合一些影视作品学习指引中的内容要给合前面的活动后续活动与评价活动目标：通过调查和资料收集，让学生感性地了解人工智能对人类生活的影响、全面地了解人工智能学科的发展过程。后续活动可在课余时间完成，如有时间也可一部分在课外，一部分在课内完成。评价举例：认识人类智能的特征：*在教师的提示下能够辩别人类智能的特征；**能够知道人类智能的特点，并在日常生活中找到其表现的实例***能够主动地分析人类日常的活动，并归纳总结出人类智能的特征。第2章知识的表示课标要求：1掌握知识的概念2学会知识表达的基本方法建议本章是后面几章的基础，知识表示是把人的知识转换成计算机可以接受的形式，知识表示有多种形式，各有特点。主要内容知识及知识的表示框架表示法产生式表示法状态空间表示法与/或图表示法谓词逻辑表示法知识及知识的表示（1）活动意图：通过描述计算机硬件构造的知识，从使用三种不同的方法-“自然语言”，“图”，“框架结构”描述计算机硬件构造开始，让学生体会同一个知识可以用不同的方法来描述，不同的描述方法各有特点。重点难点：重点：让学生使用不同的方法描述同一种知识，通过学生自己参与描述的过程体验知识与知识表示的概念。难点：抽象概念较多，尤其是让学生区分知识、信息与数据三者的概念。课学准备：教师一定要预先准备一个计算机主机的实物，并贴好相应的标签，如果实物有困难，可采用预先介绍一下计算机主机的知识（带一些图片），然后让学生进行活动。知识及知识的表示（2）建议教学过程：导入新课：交流什么是知识，我们是如何进行知识的表示与交流的执行活动中的第一个任务：用三种不同的方法描述计算机执行第二个任务：分析以上三种方法的特点执行第三个任务：比较不同的知识描述方法各有什么特点教师讲解“学习指引”中的内容小结体验活动（可在课堂上做）强化上述内容框架表示法（１）活动意图：以名片为描述对象，通过收集名片上的信息，并加以归纳整理，逐渐引入框架表示法表示知识．通过活动，学生可以体会到框架的四个组成部分是如何从现实事物中被提取出来的．重点难点：重点：让学生通过观察、搜集信息，归纳整理信息和描述知识等过程，学会使用框架描述知识。难点：如何通过归纳整理获得框架的四个组成部分。教学准备：教师要让学生预先收集一些名片，鼓励学生互相进行名片交流。另外需要一些表示的知识（文本），要求这些知识应该内容相对复杂一些，帮助学生更好地理解框架。框架表示法（２）教学过程安排：导入新课：复习第一节中用框架结构表示计算机构造的知识执行活动的步骤１：从收集到的名片中提取关键性项目执行活动的步骤２：对收集到的信息进行归纳整理执行活动的步骤３：完成框架的表述用学习指引中的内容进行小结应用：利用框架表示法表示一些其它的知识体验活动（可在课堂上做）强化上述内容框架表示法（３）一个框架可以由框架名、槽、侧和值四部分组成。框架一般可表示成如下格式：框架名<槽名1><侧面11><值111><值11２><侧面1２><值1２1><值1２２><槽名2><侧面２１><值21１><值21２><侧面２2><值２21>…<值22２>…框架虽然由四部分组成，但是有的时候可以缺损其中的一些结构，比如Ｐ２６地震的框架产生式表示法（１）活动意图：活动要求学生从一个产生式表示法表示的知识中找到规则和事实的对应关系。学生通过寻找规则和答案的对应关系，可以体验到产生式表示法是如何推导出答案来的。重点难点：重点：掌握产生式的基本结构难点：正确地描述规则和事实之间的因果关系教学准备：有可能的话，教师制作一个小课件，模拟一个小小动物园里进行动物识别的场景，对每个小动物都做一个介绍。产生式表示法（２）建议教学过程：导入新课：通过模拟一个小小动物园，介绍七种动物，引入本课以其中一个动物为例，介绍如何通过产生式表示法中描述的规则找出事实完成27页上的表格阅读学习指引小结体验活动（可在课堂上做）强化上述内容产生式表示法（３）在本节活动前，应对学生说明活动中设置的场景和条件，即并不是对全体动物进行识别，而是对预先设定的有限的几个动物进行识别，也不是严格地遵照动物学分类进行识别，所以这些识别在科学上存在一定的缺陷，要求学生把注意力放在寻找规则和事实的关联上。状态空间表示法（１）活动意图：状态空间表示法是用来表示问题及其搜索过程的一种知识表示方法，而迷宫问题就是典型的没有固定解题步骤，但是状态空间会随着解题过程发生变化的实例．通过该活动引出了两个问题：如何描述问题中可能存在的各种状态？如何用状态空间图描述搜索过程。重点难点：重点：用状态空间表示法的术语描述机器人走迷宫的过程难点：如何找到所有的移动可能，并准确地在状态空间图上描述出来。教学准备：教师既可让学生在纸上画迷宫，也可找相应的计算机软件代替。状态空间表示法（２）建议教学过程：导入新课：从迷宫游戏引入新课执行活动的步骤１：描述问题中所有可能的状态执行活动的步骤２：定义算符执行活动的步骤３：完成状态空间图执行活动的步骤４：寻找最短通路阅读“学习指引”中的内容拓展思考：生活中还有哪些问题可以使用状态空间表示法表示体验活动（可在课堂上做）强化上述内容状态空间表示法（３）任何问题的求解本质都是一个搜索过程为了让计算机能够有效的搜索，需要对所求解的问题用适当的形式表现出来状态空间的一些术语状态空间表示法表示问题的步骤与／或图表示法（１）活动意图：通过解三层汉诺塔问题让学生体会到与／或图表示法求解问题的过程，学会把比较复杂的原始问题转换成等价的比较容易解决的几个问题的方法。重点难点：重点：使用与／或图把复杂问题分解转换成若干个问题并加以解答，从而实现最终问题的解决。难点：如何理解与图与或图。教学准备：教师既可让学生在纸上，也可找相应的计算机软件代替。与／或图表示法（２）建议教学过程创设情境：讲述汉诺塔的传说，为学生创设解题环境解汉诺塔问题，记录解题过程，即每个盘的搬运过程交流讨论，如何正确解答三层汉诺塔问题利用学习引导深入学习与／或图拓展与／图的应用体验活动，强化学习与／或图表示法（３）虽然与图和或图存在差异，但是在解决实际问题时不能只用一种方法简单地描述问题，需要兼用分解和转换的方法，才能成功地解决问题在总结与／或图表示法解题的关键时候，学生讨论可能有许多种，此时教师有必有适时引导。谓词逻辑表示法（１）活动意图：通过活动比较谓词逻辑表示语句与自然语言之间的关系，强调谓词逻辑表示法的优越性－与人类的自然语言接近，且可方便地存储到计算机内，让计算机作精确处理。活动通过对比谓逻辑表示法语句和人类自然语言，寻找出谓词逻辑表示法中关键的组成部分－谓词。重点难点：重点：了解谓词逻辑表示法的基本概念、术语，教师要指导学生充分理解和掌握谓词、符号、量词等术语及其使用。难点：寻找知识中的谓词，谓词不一定指动词，能够表现知识中的对象之间的关系的词语都可以作为谓词。谓词逻辑表示法（２）建议教学过程通过活动引出自然语言的表示和谓词逻辑的表示，比较两者差异讲授学习指引中的谓词逻辑表示法的组成讲授学习指引的用谓词表示知识的步骤对本章内容进行总结体验活动，强化上述内容谓词逻辑表示法（３）挑选各种各样的知识，包含不同种类的对象之间的关系，让学生充分认识到谓词所能表示的范围后续活动与评价后续活动让学生从整体上对知识表示法有更深入的认识，不仅能够学会使用不同的表示法表示知识，还需用根据不同的表示法的特点选择合适的使用场合。第3章人工智能语言课标要求：1了解一种人工智能语言的基本数据结构和程序结构，掌握相关概念2知道人工智能语言的主要特征3初步学会使用人工智能语言求解简单问题4能够上机调试，执行相应的程序建议：从“读”程序开始，引导学生逐步适应人工智能语言的开发环境，并提供实例帮助学生克服学习中的障碍，在理解prolog语言的基本概念之后，通过调试，改写，填充程序等活动，学会开发简单的程序．主要内容认识Ｐrolog语言Ｐrolog程序的编写认识Ｐrolog语言（１）活动意图：以运行一个范例程序并观察运行结果的方式，让学生直接接触Ｐrolog程序语言及相关程序，用直观的形式让学生建立起感性认识，然后通过对照范例程序源文件中的语句和运行结果，让学生了解Ｐrolog语言的基本数据结构和程序结构，知道人工智能语言的主要特征．重点难点：重点：让学生通过观察，调试，比较和分析，了解Ｐrolog语言的程序结构和基本数据结构．难点：理解事实，规则，目标之间的关系，这些内容分散在程序的各个地方，教师应该在帮助学生正确划分程序结构的基础上，通过对比程序和运行结果，找到它们之间的关系．课学准备：教师一定要预先在计算机上安装ＶisualProlog软件，并将范例程序存放在指定的位置．（注意Ｐrolog版本差异大）认识Ｐrolog语言（２）建议教学过程导入新课，复习谓词逻辑表示法启动ＶisualProlog,认识开发环境运行范例程序，了解程序的结构阅读程序语句，了解Ｐrolog的数据结构小结体验活动认识Ｐrolog语言（３）Ｐrolog是一种以逻辑推理为基础的逻辑型程序设计语言，计算被看作是对逻辑式的证明．Ｐrolog语言解决问题时只要求描述给定问题中的对象和反映它们之间关系的已知事实，强调各对象之间的关系，而且不需要告诉计算机运算执行的先后次序．Ｐrolog语言的三种基本语句：事实，规则和目标Ｐrolog程序的基本结构：论域段，谓词段，子句段和目标段．Ｐrolog提供一个一致的数据结构－项，所有的数据和Ｐrolog程序都是由项构造而成，Ｐrolog通过对项进行模式匹配来求解．项包括简单项（常量，变量），复合项（结构），表等．Ｐrolog程序的编写（１）活动意图：由于独立进行Ｐrolog编程工作比较困难，所以活动中从一个范例程序入手，通过输入程序，调试，运行程序，让学生逐渐进入角色，通过添加目标语句，修改原有语句等活动，通过实践加深对语法和程序运行机制的理解．重点难点：重点：指导学生掌握Ｐrolog程序解决简单问题的方法．难点：让学生理解Ｐrolog程序的运行机制．课学准备：需要通过回答，小练习等方式对学生上一节的学习情况作一个了解，教师一定要预先准备一些范例程序，以便于是在教学中举一反三．Ｐrolog程序的编写（２）建议教学过程调试，运行范例程序按照活动要求修改程序中的语句，记录运行结果通过以上一系列的尝试，结合学习指引，寻找Ｐrolog的执行机制根据学习指引第61页的程序，辅导学生理解回溯机制学习“学习指引”中“用Ｐrolog解决递归问题”的内容总结通过体验活动独立编写一段程序Ｐrolog程序的编写（３）Ｐrolog的运行机制匹配合一回溯用Ｐrolog解决递归问题什么是递归Ｐrolog中的递归后续活动和评价活动分小组进行，通过输入程序，调试获得运行结果，然后可以根据运行结果试着搬运汉诺塔，体验解题过程．最后分析程序源代码，思考活动中的问题．后续活动一方面可以强化对于递归的认识，另一方面则通过分析程序中的语句，巩固对Ｐrolog语言的认识．教学评价举例评价内容：信息技术能力：能够编制简单的人工智能程序★能够在教师的指导下模仿教师的步骤和方法完成程序的编制★★能够独立完成大部分的程序编制，存在一些错误★★★能够完全独立地完成程序的编制，有创意第４章推理与专家系统课标要求：1演示或使用简单的产生式专家系统软件，感受用专家系统解决问题的基本过程2了解专家系统的基本结构3知道专家系统正向、反向推理的基本原理4会描述一种常用的不精确推理的基本过程5了解专家系统解释机制的基本概念及其在专家系统中的重要作用6了解专家系统外壳的概念7学会使用一个简易的专家系统外壳，并能用它开发简单的专家系统建议：这部分内容可操作性强，趣味性也较强，很容易激发学生的学习兴趣，教师应充分利用这个优势，让学生充分发挥自主学习的能力，在实践中不断地去获取新知识。主要内容了解专家系统专家系统中的推理简单专家系统的开发了解专家系统（1）活动意图：从请教人类专家的活动着手，让学生了解专家是如何帮助人们解决疑难问题的，然后让学生使用一个能够判别笔类文具种类的专家系统，从专家系统软件的构造、运行结果等方面了解专家系统的基本结构和解释机制。重点难点：重点：了解专家系统的基本结构和解释机制难点：学生会发现通过专家系统获得知识和事实会存在一定的出入，教师应提示学生发生这种现象的原因和解决的方法。课前准备：教师需了解一下学生对专家系统的了解程度，以便于在教学中纠正；预先下载好intermodeller软件，供学生课上使用；提供笔规则文具种类的专家系统的规则，存储在学生计算机内。了解专家系统（2）建议教学过程以活动导入新课模仿人类专家的解题过程指导学生阅读“学习指引”中的“什么是专家系统”执行活动2中的步骤1-6，使用识别笔类文具种类的专家系统指导学生阅读“学习指引”中的专家系统基本结构执行活动2中的步骤7，了解专家系统的识别结论的由来指导学生完成阅读“学习指引”中的专家系统与传统程序的区别，专家系统的解释，知识的获取小结并完成体验活动了解专家系统（3）专家系统一般都是总结某个领域某些专家的经验，而这些专家的经验并不一定足够识别某个领域中的所有知识，所以就会造成专家系统在识别上的偏差，教师要提示学生充分认识到这一点，这也说明了知识库的重要性。专家系统中的推理（1）活动意图：本节设计的活动是“动物识别的正向推理”，通过把己知的动物体貌特征与专家系统中的规则集合进行比较、匹配，最终完成推理，识别符合该特征的动物的种类或名称，让学生初步了解推理的过程。重点难点：重点：了解专家系统中推理机的控制策略难点：两种控制策略实施过程中事实库，规则库的变化课前准备：提供识别动物的专家系统的规则，并以文本文件的形式存储在学生的计算机内；准备一个用演示“动物识别的正向推理”的大表格，便于教师和学生一起完成推导过程。专家系统中的推理（2）建议教学过程用活动导入新课指导学生阅读“学习指引”中的“正向推理”指导学生运用正向推理方法，完成活动中“讨论”部分指向学生阅读“学习指引”中的“逆向推理”讨论正向推理与逆向推理的差异与适用场合指导学生阅读“学习指引”中的“不确定推理”小结通过体验活动强化学到的知识专家系统中的推理（3）正向推理的流程逆向推理的流程不确定推理学生在学习可信度方法时，对可信度因子这一概念的理解可能存在困难，教师可以结合生活中的实例进行讲解，同时需要强调，可信度推理方法只是不确定推理方法中的一种．课程介绍的是一种非常简化的方法，只能起说明作用．简单专家系统的开发（1）活动意图：通过创建动物识别系统这个范例，让学生学习专家系统外壳的概念，掌握利用专家系统外壳开发专家系统的一般步骤，学会使用一个简易的专家系统外壳，并能用它独立开发简单的专家系统。重点难点：重点：让学生了解使用外家系统外壳-intermodeller软件创建一个简单的专家系统的步骤，并让学生亲身体验这个开发过程。难点：理解使用专家系统外壳开发专家系统的过程中的策略课前准备：提供识别动物的专家系统的规则，并以文本文件的形式存储在学生的计算机内；预先了解一下学生对于专家系统的构造、解释机制等方面的了解程度，针对实际情况在新课中进行适当复习和补充。简单专家系统的开发（2）建议教学过程导入新课（以第二节动物识别规则集为依据）使用intermodeller软件创建动物识别专家系统指导学生阅读“学习指引”中的“专家系统的开发工具”，了解专家系统外壳的概念要求学生学习“学习指引”中的“用专家系统外壳开发专家系统的步骤”指导学生阅读“学习指引”中的“适于专家系统的求解问题”，结合动物识别专家系统和选择运输工具专家系统了解专家系统的适用情况教师小结后续活动简单专家系统的开发（3）“学习指引”中的“用专家系统外壳开发专家系统步骤”，只适合于小型、简单的专家系统的开发，它的核心思想是软件工程。后续活动和评价宾馆选择专家系统（通过观察一个现成的知识库，建立一个自己的知识库）植物分类顾问专家系统的设计，帮助学生回顾利用专家系统外壳开发专家系统的具体步骤，以小组合作形式完成专家系统的开发。评价：信息技术能力-能够开发简单的专家系统★在教师的指导下参与简单的专家系统的开发，体验开发的过程★★能够独立完成专家系统的开发，但存在比较多的错误和缺陷★★★能够独立完成专家系统的开发，基本不存在错误和缺陷。第5章通过搜索求解问题课标要求：1了解状态空间的概念与方法2学会用状态空间法描述待求解的问题3了解用盲目搜索技术进行状态空间搜索的基本过程4知道启发式搜索的基本思想及优点建议：本章虽然介绍的是最基本的搜索知识，但学生在理解上仍会存在一定的困难，具体教学可以在活动中穿插知识，让学生从第2章学习过的迷宫问题入手，初步体验搜索的策略，指导学生由易至难，最后分析简单的博弈问题，了解搜索技术在博弈中的应用。主要内容状态空间搜索求解博弈问题状态空间搜索（1）活动意图：从第2章迷宫问题的入手，通过迷宫问题的求解过程，了解用盲目搜索技术进行状态空间搜索的基本过程，通过实验体会各种搜索策略，比较各种方法的差异重点难点：重点：了解用盲目搜索技术进行状态空间搜索的基本过程难点：搜索过程中closed表和open表的应用课前准备：需要准备相应的课件，特别是对于搜索的演示过程，便于学生更加形象地观察搜索的过程，理解其中的含义状态空间搜索（2）建议教学过程通过复习第二章的状态空间的概念，导入新课执行活动中的任务一执行活动中的任务二执行活动中的任务三执行活动中的任务四、五教师小结两种搜索策略，引出盲目搜索的概念要求学生阅读“学习指引”中的“搜索种类”与“启发式搜索策略”教师小结体验活动状态空间搜索（3）空间状态搜索中所涉及的术语应该结合空间状态图进行介绍，避免理论知识与学习的实践操作脱节。使用盲目搜索方法可以找到解决问题的方法，而启发式算法的引入则可以帮助人们更快地找到更优的解题方法随机搜索，深度优先搜索，宽度优先搜索的过程需要详细讲解，尤其是CLOSED表，OPEN表的引入及其应用状态空间搜索（４）状态空间搜索（５）状态空间搜索（６）状态空间搜索（７）求解博弈问题（1）活动意图：通过井字棋游戏，体验简单的博弈问题，了解博弈的基本知识，博弈在生活中的应用重点难点：重点：指导学生学会分析简单的博弈问题，并以各种状态评估值为基础，选择最佳的走法难点：如何利用极大极小值法判断最佳路径课前准备：教师在黑板上绘出井字棋的棋盘或制作井字棋盘的多媒体演示文档，也可以下载井字棋游戏，或者要求学生在自备的纸张上画出井字棋棋盘以备使用。求解博弈问题（2）建议教学过程导入新课，玩“井字棋游戏”，记录下棋的步骤指导学生阅读学习指引中的“博弈问题实例分析”指导学生阅读学习指引中的极大极小值法。利用所学知识，重新考虑井字棋的下法指导学生阅读计算机博弈程序总结体验活动求解博弈问题（3）井字棋博弈程序主要分为两步：产生博弈树，状态评估，对于较为复杂的国际象棋等其它棋类游戏，还需要考虑棋局在计算机中的表示方法，在计算机中产生合法的下法规则等问题，教师需要从这些问题入手帮助学生认识计算机博弈程序后续活动和评价通过分钱币游戏，加深理解本章的知识，培养学生综合应用知识的能力评价：信息技术能力-能够在游戏中运用盲目搜索法。★在教师的指导下在游戏中运用盲目搜索法★★在实验活动中，尝试运用盲目搜索法，一旦遇到困难则以向他人求助为主★★★能够独立在游戏中运用盲目搜索法，遇困难能独立解决演讲完毕，谢谢观看！附录资料：人工智能简介​AboutTeachingPlan基本要求：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支，是目前迅速发展的一门新兴学科，新思想新方法层出不穷。其基本思想是利用机器来模仿和执行人脑的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。对于培养学生计算机技术的应用能力，开阔思路和视野，有重要意义。

​AboutTeachingPlan因此，要求学生掌握知识表示和问题求解的几种常用方法，尤其是不确定性推理；掌握机器学习基本概念，了解几种机器学习方法尤其是神经网络学习方法；掌握专家系统的概念，了解专家系统设计方法，掌握一些智能控制方法，了解国内外人工智能研究尤其是机器人的最新进展；具有一定的人工智能编程设计能力（利用Lisp或Prolog语言）。​AboutTeachingPlan课程内容以及学时分配人工智能引论(1) 人工智能概念及与计算机的关系，研究途径、内容和应用领域概况介绍，其他最新材料。符号主义、连接主义、行为主义三大流派人工智能数学基础(1)知识表示方法（2） 状态空间法、问题归约法，谓词逻辑法、产生式表示法（动物识别系统）；CLIPS语言；语义网络法、框架法（这是结构化表示）；剧本、过程、Petri网、面向对象的表示。​AboutTeachingPlan 搜索技术和策略（3-4）状态空间法，盲目搜索和启发式搜索，A*算法；海伯伦理论、消解原理和策略；与\或形推理和搜索策略；其他求解技术。 不确定推理技术（3-4）主观Bayes理论；可信度方法和证据理论；系统组织技术；非单调推理；Rete快速算法；模糊推理技术；基于语义网络和框架不确定推理； 专家系统（2）专家系统概念、结构和知识获取；黑板模型、知识组织、管理及系统建造和开发工具；专家系统举例及编程。

人工智能程序设计（1）人工智能语言基本机制：LISP和PROLOG。​AboutTeachingPlan 模式识别导论（3）模式识别专题：概率模式识别。模式识别专题：结构模式识别 机器学习（1）：机械,解释经验,事例,归纳,概念,类比学习等；统计,结构,模糊模式识别。 专题讲座（3次） 1)神经网络基本理论和应用 (史奎凡课程：安排于人工智能理论与应用课程内)； 2)智能体（Agent）； 3)自然语言处理； 4)智能控制和机器人科学 智能控制的结构理论和研究领域，智能控制系统及应用示例；机器人规划、机器视觉和自然语言理解等。​AboutTeachingPlan 实践：1) 搜索技术和策略2) 不确定推理技术3) 专家系统：动物识别系统4) 模式识别技术5) 调研： 搜索技术和策略、不确定推理技术、统计模式识别、机器学习等四个领域进展报告。​ChapterOne:BriefIntroductiontoArtificialIntelligence1.WhatisAI?人工智能（ArtificialIntelligence,AI）是当前科学技发展的一门前沿学科，同时也是一门新思想，新观念，新理论，新技术不断出现的新兴学科以及正在发展的学科。它是在计算机科学，控制论，信息论，神经心理学，哲学，语言学等多种学科研究的基础发展起来的，因此又可把它看作是一门综合性的边缘学科。它的出现及所取得的成就引起了人们的高度重视,并取得了很高的评价。有的人把它与空间技术，原子能技术一起并誉为20世纪的三大科学技术成就。​Intelligence智能是知识与智力的总合。 知识——智能行为的基础； 智力——获取知识并运用知识求解问题的能力。智能具有以下特征：(1)具有感知能力——指人们通过视觉、听觉、触觉、味觉、嗅觉等感觉器官感知外部世界的能力；(2)具有记忆与思维的能力——这是人脑最重要的功能，亦是人之所以有智能的根本原因；(3)具有学习能力及自适应能力；(4)具有行为能力。ArtificialIntelligence人工智能——计算机科学的一个分支，是智能计算机系统，即人类智慧在机器上的模拟，或者说是人们使机器具有类似于人的智慧（对语言能理解、能学习、能推理）。​2.BriefHistoryofAI (1) 孕育（1956年前）古希腊的Aristotle（亚里士多德）（前384-322），给出了形式逻辑的基本规律。英国的哲学家、自然科学家Bacon（培根）（1561-1626），系统地给出了归纳法。“知识就是力量”德国数学家、哲学家Leibnitz（布莱尼茨）（1646-1716）。提出了关于数理逻辑的思想，把形式逻辑符号化，从而能对人的思维进行运算和推理。做出了能做四则运算的手摇计算机英国数学家、逻辑学家Boole（布尔）（1815-1864）实现了布莱尼茨的思维符号化和数学化的思想，提出了一种崭新的代数系统——布尔代数。​美籍奥地利数理逻辑学家Godel（哥德尔）（1906-1978），证明了一阶谓词的完备性定；任何包含初等数论的形式系统，如果它是无矛盾的，那么一定是不完备的。意义在于，人的思维形式化和机械化的某种极限，在理论上证明了有些事是做不到的。英国数学家Turing(图灵)（1912-1954）,1936年提出了一种理想计算机的数学模型（图灵机），1950年提出了图灵试验，发表了“计算机与智能”的论文。图灵奖。美国数学家Mauchly，1946发明了电子数字计算机ENIAC美国神经生理学家McCulloch，建立了第一个神经网络数学模型。美国数学家Shannon（香农）,1948年发表了《通讯的数学理论》，代表了“信息论”的诞生。​ (2) 形成（1956-1969）1956年提出了“ArtificialIntelligence（人工智能）”1956年夏由麻省理工学院的J.McCarthy、M.L.Minsky,IBM公司信息研究中心的N.Rochester,贝尔实验室的C.E.Shannon共同发起，邀请了Moore,Samuel,Selfridge,Solomonff,Simon,Newell等人，10位数学家、信息学家、心理学家、神经生理学家、计算机科学家，在Dartmouth大学召开了一次关于机器智能的研讨会，会上McCarthy提议正式采用了ArtificialIntelligence（人工智能）这一术语。这次会议，标志着人工智能作为一门新兴学科正式诞生了。 McCarthy（麦卡锡）——人工智能之父。这次会议之后的10年间，人工智能的研究取得了许多引人瞩目的成就.机器学习方面：塞缪尔于1956年研制出了跳棋程序，该程序能从棋谱中学习，也能从下棋实践中提高棋艺；​在定理证明方面：王浩于1958年在IBM机上证明了《数学原理》中有关命题演算的全部定理（220条），还证明了谓词演算中150条定理85%；1965年，鲁宾逊（Robinson）提出了消解原理；在模式识别方面：1959年塞尔夫里奇推出了一个模式识别程序；1965年罗伯特（Robert）编制出可辨别积木构造的程序；在问题求解方面：1960年纽厄尔等人通过心理学试验总结出了人们求解问题的思维规律，编制了通用问题求解程序GPS,可以用来求解11种不同类型的问题；在专家系统方面：斯坦福大学的费根鲍姆（E.A.Feigenbaum）自1965年开始进行专家系统DENDRAL（化学分析专家系统），1968年完成并投入使用；在人工智能语言方面：1960年McCarthy等人建立了人工智能程序设计语言Lisp，该语言至今仍是建造智能系统的重要工具；1969年成立了国际人工智能联合会议（InternationalJointConferencesOnArtificialIntelligence）​ (3) 发展（1970年以后）70年代，开始从理论走向实践，解决一些实际问题。同时很快就发现问题：归结法费时、下棋赢不了全国冠军、机器翻译一团糟。以Feigenbaum为首的一批年轻科学家改变了战略思想，1977年提出知识工程的概念，以知识为基础的专家咨询系统开始广泛的应用。著名专家系统的有：DENDRAL化学分析专家系统（斯坦福大学1968）MACSYMA符号数学专家系统（麻省理工1971）MYCIN诊断和治疗细菌感染性血液病的专家咨询系统（斯坦福大学1973）CASNET(CausalASsciationalNetwork)诊断和治疗青光眼的专家咨询系统（拉特格尔斯（Rutgers）大学70年代中）CADUCEUS(原名INTERNIST)医疗咨询系统（匹兹堡大学）；HEARSAYI和II语音理解系统（卡内基-梅隆大学）PROSPECTOR地质勘探专家系统（斯坦福大学1976）XCON计算机配置专家系统（卡内基-梅隆大学1978）​•80年代，人工智能发展达到阶段性的顶峰。•87,89年世界大会有６－７千人参加。硬件公司有上千个。并进行Lisp硬件、Lisp机的研究。•在专家系统及其工具越来越商品化的过程中,国际软件市场上形成了一门旨在生产和加工知识的新产业——知识产业。应该说，知识工程和专家系统是近十余年来人工智能研究中最有成就的分支之一。•同年代，1986年Rumlhart领导的并行分布处理研究小组提出了神经元网络的反向传播学习算法，解决了神经网络的根本问题之一。从此，神经网络的研究进入新的高潮。•90年代，计算机发展趋势为小型化、并行化、网络化、智能化。•人工智能技术逐渐与数据库、多媒体等主流技术相结合，并融合在主流技术之中，旨在使计算机更聪明、更有效、与人更接近。•日本政府于1992年结束了为期十年的称为“知识信息处理体统”的第五代计算机系统研究开发计划。并开始了为期十年的实况计算（RealWordComputing）计划。​3.ResearchObjectsandMainContents

(1)人工智能的研究目标

人工智能的长期研究目标：构造智能计算机。

人工智能的近期研究目标：使现有的电子计算机更聪明，更有用，使它不仅能做一般的数值计算及非数值信息的数据处理，而且能运用知识处理问题，能模拟人类的部分智能行为。​(2)人工智能研究的基本内容

1.机器感知以机器视觉与机器听觉为主。机器感知是机器获取外部信息的基本途径，是使机器具有智能不可或缺的组成部分，对此人工智能中已形成两个专门的研究领域——

模式识别和自然语言理解。2.机器思维指通过感知的外部信息及机器内部的各种工作信息进行有目的的处理。主要开展以下几方面的研究：(1)知识表示(2)知识的组织，累计，管理技术(3)知识的推理(4)各种启发式搜索及控制策略(5)神经网络，人脑的结构及其工作原理​3.机器学习

使计算能自动获取知识，能直接向书本学习，能通过与人谈话学习，能通过对环境的观察学习，并能在实践中自我完善。4.机器行为机器行为主要指计算机的表达能力，即“说”、“写”、“画”等，对智能机器人，还应该有人的四肢功能，即能走路，能取物，能操作等。5.智能系统及智能计算机的构造技术​4.ResearchObjectsandMainContents人工智能面世以来，其研究途径存在两种不同的观点：以符号处理为核心的方法——主张通过运用计算机科学的方法进行研究，实现人工智能在计算机的模拟。以网络连接为主的连接机制方法——主张用生物学的方法进行研究，搞清楚人类智能的本质。(1)以符号处理为核心的方法该方法起源于纽厄尔等人的通用问题求解系统（GPS），用于模拟人类求解问题的心理过程，逐渐形成为物理符号系统，这种方法认为： 人类研究的目标是实现机器智能，而计算机自身具有符号处理能力，这种能力本身就蕴含着演绎推理的内涵，因而可通过运行相应的程序来体现某种基于逻辑思维的智能行为，达到模拟人类智能活动的效果。目前人工智能的大部分研究成果都是基于这种方法实现的。​

该方法的主要特征是：

•立足于逻辑运算和符号操作，适合于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂问题；

•知识可用显式的符号表示；

•便于模块化；•能与传统的符号数据库链接；•可对推理结论做出解释，便于对各种可能性进行选择。

但该方法不适合于形象思维；而且在用符号表示概念时其有效性在很大程度上取决于符号表示的正确性，且对带噪声的信息及不完整的信息难以处理。(2)以网络连接为主的连接机制方法该方法是在人脑神经元及其相互连接而成网络的启示下，试图通过多人工神经元间的并行协同作用来实现对人类智能的模拟。该方法认为：大脑是人类一切智能活动的基础，因而从大脑神经元及其连接机制着手进行研究，搞清楚大脑的结构及它进行信息处理的过程及机理，可望揭示人类智能的奥秘，从而真正实现人类智慧在机器上的模拟。​该方法的主要特征：•通过神经元之间的并行协同作用实现信息处理，处理过程具有并行性、动