人工智能基础与应用

“十四五”职业教育人工智能技术应用专业系列教材

人工智能基础与应用

周斌斌周苏◎主编

蓝忠华林志灿◎副主编

文前.indd12022/3/716:54:09

内容简介

人工智能（artificialintelligence，AI）是计算机科学与技术的一个重要分支与应用。人工

智能当前主要的研究与开发方向是模拟、延伸与扩展人类智能的理论、方法、技术及应用系

统，涉及的技术包括思考的工具、人工智能定义、模糊逻辑与大数据思维、机器学习、神经

网络与深度学习、大数据挖掘、智能代理、群体智能、机器视觉、智能图像处理、包容体系

结构与智能机器人、自动规划、自然语言处理和人工智能的发展等方面。

本书是针对各级各类学校学生的发展需要，为职业教育相关各专业“人工智能基础”

课程、通识课程而全新设计编写，是具有丰富知识性与应用特色的教材。本书知识内容较系

统和全面，可以帮助读者扎实地打好人工智能的知识基础。本书内容特色鲜明、内容易读易

学，既适合职业院校的学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。

图书在版编目（CIP）数据

人工智能基础与应用/周斌斌，周苏主编.—北京：

中国铁道出版社有限公司，2022.3

“十四五”职业教育人工智能技术应用专业系列教材

ISBN978-7-113-28724-5

Ⅰ.①人…Ⅱ.①周…②周…Ⅲ.①人工智能-职业

教育-教材Ⅳ.①TP18

中国版本图书馆CIP数据核字（2021）第263980号

书名：人工智能基础与应用

作者：周斌斌周苏

策划：汪敏编辑部电话：（010）51873628

责任编辑：汪敏

封面设计：郑春鹏

责任校对：焦桂荣

责任印制：樊启鹏

出版发行：中国铁道出版社有限公司（100054，北京市西城区右安门西街8号）

网址：/51eds/

印刷：三河市兴达印务有限公司

版次：2022年3月第1版2022年3月第1次印刷

开本：787mm×1092mm1/16印张：15.5字数：376千

书号：ISBN978-7-113-28724-5

定价：49.80元

版权所有 侵权必究

凡购买铁道版图书，如有印制质量问题，请与本社教材图书营销部联系调换。电话：（010）63550836

打击盗版举报电话：（010）63549461

文前.indd22022/3/717:17:59

前言

作为计算机科学与技术的一个重要的研究与应用分支，人工智能

（artificialintelligence，AI）的发展几经起落，终于迎来了蓬勃发展、

硕果累累的大好局面。毫无疑问，一如当年的计算机，之后的网络，

接着的因特网、物联网、云计算与大数据。今天，人工智能与这些主

题一样，是每个学生甚至社会人所必须关注、学习和重视的知识。

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、

方法、技术及应用系统的一门技术科学，它试图了解人类智能的实质，

并生产出新的能以人类智能相似的方式做出反应的智能机器，该领域

的研究包括基础概念、人工智能定义、模糊逻辑与大数据思维、机器

学习、神经网络与深度学习、大数据挖掘、智能代理、群体智能、机

器视觉、智能图像处理、包容体系结构与智能机器人、自动规划、自

然语言处理和人工智能的发展等。可以想象，未来人工智能带来的科

技产品，将会是人类智慧的“容器”。人工智能不是人的智能，但能像

人那样思考，甚至也可能超过人的智能。

人工智能是一门极富挑战性的科学，包括的知识内容十分广泛。

本书结构新颖、内容生动，较为系统、全面地介绍了人工智能的相关

概念与理论，可以帮助读者扎实地打好人工智能的知识与应用基础。

本书内容共分14课，每课都提供了课后作业和研究性学习环节。本书

最后的附录给出了各课作业的参考答案。

每课在编写时都做了以下安排：

（1）精选的导读案例，以深入浅出的方式，引发读者的自主学习

兴趣。

（2）解释基本原理，让读者切实理解和掌握人工智能相关知识与

应用。

（3）浅显易懂的案例，注重培养扎实的基本理论知识，重视培养

学习方法。

（4）思维与实践并进，为读者提供自我评量的作业，让学习者自

我构建人工智能的基本观念与相关技术。

I

文前.indd12022/3/716:54:09

人工智能基础与应用

（5）研究性学习（或课程实践）。依托互联网环境完成精心设计

的研究性小组活动或课程实践活动，以带来真切的实践体验。

■课程进度安排

本课程的教学进度设计见“课程教学进度表”，供教师授课和学

生学习参考。

■建议测评手段

本课程的教学测评可以从以下几个方面入手，即：

（1）每课课前的【导读案例】（14项）；

（2）结合每课的课后作业（四选一标准选择题，14组）；

（3）结合每课的课后【研究性学习】（13项）；

（4）【课程学习与实训总结】（大作业，第14课）。

（5）平时学习考勤记录；

（6）任课老师认为必要的其他测评方法。

最后，综合上述得分折算为本课程百分制成绩。

本书特色鲜明、易读易学，适合应用型高校与职业院校相关专业的

学生学习，也适合对人工智能相关领域感兴趣的读者阅读参考。

本书的编写得到了嘉兴技师学院、温州商学院、广州慧谷动力科技

有限公司、嘉兴市木星机器人科技有限公司、江苏汇博机器人技术股份

有限公司、天津汇博智联机器人技术有限公司、嘉兴市莱沃机器人科技

有限公司、浙江纺织服装职业技术学院、广州市工贸技师学院、浙江科

博达工业有限公司、杭州汇萃智能科技有限公司等多所院校师生和公司

的支持，在此一并表示感谢！本书由周斌斌、周苏任主编，蓝忠华、林

志灿任副主编，郭铠能、倪晨玮、沈金强、刘婷、胡勇杰、麦家明、原

瑞彬、周盼盼、吴炘翌、崔海、章安福、杨晓斐、徐建辉、王绅宇、王

文等参与了本书的部分编写工作。

欢迎教师索取为本书配套的教学资料并与编者交流。编者邮箱：

zhousu@，QQ：81505050。

周苏

2021年9月于嘉兴南湖

II

文前.indd22022/3/716:54:09

课程教学进度表

（20—20学年第学期）

课程号：课程名称：人工智能基础与应用学分：2周学时：2

总学时：32

主讲教师：

校历章节（或实训、习题课等）

序号学时教学方法课后作业布置

周次名称与内容

11引言

21第1课思考的工具2

32第2课人工智能定义2

43第3课模糊逻辑与大数据思维2

54第4课机器学习2

65第5课神经网络与深度学习2

76第6课大数据挖掘2

87第7课智能代理2导读案例作业

第课群体智能

9882课文研究性学习

109第9课机器视觉2

1110第9课机器视觉2

1211第10课智能图像处理2

1312第11课包容体系结构与智能机器人2

1413第12课自动规划2

1514第13课自然语言处理2

1615第14课人工智能的发展2

1716第14课人工智能的发展2课程学习总结

填表人（签字）：日期：

系（教研室）主任（签字）：日期：

III

文前.indd32022/3/716:54:09

文前.indd42022/3/716:54:09

目录

第1课思考的工具..............................................................................1

1.1计算的渊源.........................................................................3

1.1.1巨石阵............................................................................4

1.1.2安提基特拉机械..............................................................4

1.1.3皮格玛利翁.....................................................................5

1.1.4阿拉伯数字.....................................................................5

1.2巴贝奇与数学机器...............................................................6

1.2.1差分机............................................................................6

1.2.2分析机............................................................................7

1.2.3“机器人”的由来.............................................................8

1.3计算机的出现......................................................................8

1.3.1为战争而发展的计算机器.................................................8

1.3.2计算机无处不在..............................................................9

1.3.3通用计算机.....................................................................9

1.3.4计算机语言...................................................................10

1.3.5建模.............................................................................10

1.4人工智能大师.....................................................................12

第2课人工智能定义.........................................................................16

2.1人工智能概述.....................................................................20

2.1.1“人工”与“智能”.........................................................20

2.1.2人工智能定义................................................................20

2.1.3图灵测试......................................................................21

2.1.4人工智能的实现途径......................................................22

2.2人工智能发展历史..............................................................23

2.2.1从人工神经元开始.........................................................23

2.2.2人工智能发展的6个阶段...............................................26

2.3人工智能的研究..................................................................28

2.3.1人工智能的研究领域......................................................28

2.3.2超越图灵测试——家庭健康护理.....................................30

第3课模糊逻辑与大数据思维..........................................................34

3.1什么是模糊逻辑..................................................................36

3.1.1甲虫机器人规则.............................................................37

3.1.2模糊逻辑的发明............................................................37

3.1.3模糊逻辑的定义............................................................38

3.1.4模糊逻辑的规则............................................................39

3.1.5模糊理论的发展............................................................40

3.2大数据与人工智能..............................................................41

文前.indd12022/3/716:54:09

人工智能基础与应用

3.3大数据思维之一：样本=总体.............................................42

3.4大数据思维之二：接受数据混杂性........................................43

3.5大数据思维之三：数据相关关系...........................................43

第4课机器学习................................................................................48

4.1机器学习的发展与定义........................................................50

4.1.1机器学习的发展.............................................................51

4.1.2机器学习的定义............................................................52

4.2机器学习的学习类型...........................................................53

4.2.1监督学习......................................................................53

4.2.2无监督学习...................................................................54

4.2.3强化学习......................................................................54

4.3专注于学习能力..................................................................54

4.3.1算法的特征与要素.........................................................54

4.3.2算法的评定...................................................................55

4.4机器学习的算法..................................................................55

4.4.1回归算法......................................................................56

4.4.2基于实例的算法............................................................56

4.4.3决策树算法...................................................................56

4.4.4贝叶斯算法...................................................................56

4.4.5聚类算法......................................................................57

4.4.6神经网络算法................................................................57

4.5机器学习的基本结构...........................................................57

4.6机器学习的应用..................................................................59

4.6.1应用于物联网................................................................59

4.6.2应用于聊天机器人.........................................................59

4.6.3应用于自动驾驶.............................................................60

第5课神经网络与深度学习..............................................................63

5.1动物的中枢神经系统...........................................................66

5.2了解人工神经网络..............................................................68

5.2.1人工神经网络的研究......................................................68

5.2.2典型的人工神经网络......................................................69

5.2.3类脑计算机...................................................................69

5.2.4神经网络理解图片.........................................................70

5.2.5训练神经网络................................................................72

5.3基于神经网络的深度学习.....................................................72

5.3.1深度学习的意义.............................................................72

5.3.2深度学习的方法............................................................73

II

文前.indd22022/3/716:54:10

目录

5.3.3深度的概念...................................................................77

5.3.4深度学习的实现............................................................77

5.4机器学习与深度学习...........................................................79

第6课大数据挖掘............................................................................84

6.1从数据到知识.....................................................................88

6.1.1决策树分析...................................................................88

6.1.2购物车分析...................................................................89

6.1.3贝叶斯网络...................................................................90

6.2数据挖掘...........................................................................90

6.2.1数据挖掘的步骤............................................................91

6.2.2数据挖掘分析方法.........................................................92

6.3数据挖掘经典算法..............................................................93

6.3.1神经网络法...................................................................93

6.3.2决策树法......................................................................94

6.3.3遗传算法......................................................................94

6.3.4粗糙集法......................................................................94

6.3.5模糊集法......................................................................95

6.3.6关联规则法...................................................................95

6.4机器学习与数据挖掘...........................................................95

6.4.1典型的数据挖掘和机器学习过程......................................96

6.4.2机器学习与数据挖掘应用案例.........................................97

第7课智能代理..............................................................................102

7.1智能代理的定义................................................................107

7.2智能代理的特征................................................................108

7.3系统内的协同合作............................................................109

7.4智能代理的典型应用场景...................................................111

7.4.1股票/债券/期货交易..................................................111

7.4.2实体机器人.................................................................112

7.4.3计算机游戏.................................................................113

7.4.4医疗诊断....................................................................113

7.4.5搜索引擎....................................................................113

7.5与外部环境相关的重要术语................................................114

第8课群体智能..............................................................................118

8.1从蜜蜂身上学习群体智能...................................................121

8.2什么是群体智能................................................................123

8.2.1群体人工智能技术.......................................................123

8.2.2基本原则与特点..........................................................124

III

文前.indd32022/3/716:54:10

人工智能基础与应用

8.3典型算法模型...................................................................125

8.3.1蚁群算法....................................................................125

8.3.2搜索机器人.................................................................127

8.3.3微粒群（鸟群）优化算法.............................................128

8.3.4没有机器人的集群.......................................................130

8.4群体智能背后的故事.........................................................130

8.5群体智能的发展................................................................132

第9课机器视觉..............................................................................135

9.1机器视觉概述...................................................................139

9.1.1机器视觉的概念..........................................................140

9.1.2机器视觉的发展..........................................................140

9.2机器视觉工作原理............................................................141

9.2.1照明...........................................................................142

9.2.2镜头...........................................................................143

9.2.3高速照相机.................................................................143

9.2.4图像采集卡.................................................................144

9.3光源选择.........................................................................144

9.4机器视觉的行业应用.........................................................145

9.4.1半导体及电子行业.......................................................145

9.4.2汽车车身检测系统.......................................................146

9.4.3质量检测系统..............................................................147

第10课智能图像处理.......................................................................150

10.1模式识别.......................................................................153

10.2图像识别.......................................................................154

10.2.1图像识别的基础.........................................................154

10.2.2图形识别的模型.........................................................155

10.2.3图像识别的发展.........................................................156

10.2.4模式识别与图像识别..................................................157

10.3图像处理技术.................................................................157

10.3.1图像再认...................................................................157

10.3.2图像采集..................................................................158

10.3.3图像预处理...............................................................158

10.3.4图像分割...................................................................158

10.3.5目标识别和分类.........................................................159

10.3.6目标定位和测量.........................................................159

10.3.7目标检测和跟踪.........................................................159

10.4计算机视觉....................................................................159

10.4.1计算机视觉的定义.....................................................160

IV

文前.indd42022/3/716:54:10

目录

10.4.2计算机视觉的研究.....................................................161

10.4.3计算机视觉与图像识别...............................................161

10.4.4神经网络的图像识别技术............................................162

10.5图像识别技术的应用.......................................................162

10.5.1热成像......................................................................163

10.5.2传感器......................................................................163

10.5.3医学影像..................................................................164

10.5.4激光雷达/雷达.........................................................164

10.5.5大数据分析...............................................................164

第11课包容体系结构与智能机器人.................................................167

11.1包容体系结构的建立........................................................170

11.1.1所谓“中文房间”.......................................................170

11.1.2建立包容体系结构.....................................................171

11.2包容体系结构的实现........................................................172

11.2.1艾伦机器人...............................................................172

11.2.2赫伯特机器人............................................................172

11.2.3托托机器人...............................................................173

11.3划时代的阿波罗计划........................................................174

11.4机器感知.......................................................................176

11.4.1机器智能与智能机器..................................................176

11.4.2机器思维与思维机器..................................................177

11.4.3机器行为与行为机器..................................................177

11.5机器人的概念.................................................................177

11.5.1机器人的发展............................................................177

11.5.2机器人“三定律”.......................................................178

11.6机器人的技术问题...........................................................179

11.6.1机器人的组成............................................................179

11.6.2机器人的运动.........................................