本书基于大学各专业新生的基础，深入浅出地介绍人工智能三大学派的主要内容，重点介绍目前掀起人工智能高潮的连接学派的深度学习大模型。全书共9章，主要内容包括：人工智能技术的概况与人工智能学科的发展；符号主义的知识表示与知识图谱、搜索策略；连接主义的人工神经网络、深度学习与大语言模型、生成式人工智能与应用；行为主义的智能机器人；人工智能伦理；最后介绍电子游戏中的人工智能技术。本书强调人工智能通识课程知识的基础性、整体性、综合性和广博性，为后续专业课程与人工智能知识融合奠定基础，培养学生的人工智能思维，拓宽科学视野，培养创新精神。

本书的适用对象广泛，可作为高等学校各专业新生“人工智能”通识课程教材，也可供对人工智能感兴趣的广大读者阅读。

前辅文
第1章 人工智能概述
  1.1 生物智能的概念与特征
  1.2 人工智能的孕育与诞生
   1.2.1 人工智能的孕育期
   1.2.2 人工智能的诞生——达特茅斯会议
   1.2.3 人工智能的定义与图灵测试
  1.3 人工智能的曲折历程与发展趋势
   1.3.1 人工智能的形成期
   1.3.2 几起几落的曲折发展期
   1.3.3 大数据驱动的飞速发展期
   1.3.4 现代人工智能的发展趋势
  1.4 人工智能的三大学派
   1.4.1 符号主义
   1.4.2 连接主义
   1.4.3 行为主义
  1.5 人工智能研究的基本内容
  1.6 机器学习的概念
   1.6.1 学习与机器学习
   1.6.2 监督学习
   1.6.3 无监督学习
   1.6.4 弱监督学习
  1.7 人工智能学科与专业
   1.7.1 智能科学与技术学科与研究生专业
   1.7.2 人工智能类与人工智能+ 类本科专业
  1.8 本章小结
  拓展阅读
   人工智能之父——艾伦·图灵
   人工智能之父——约翰·麦卡锡
  习题
第2章 符号主义：知识表示与知识图谱
  2.1 你了解人类知识吗
   2.1.1 什么是知识
   2.1.2 知识的相对正确性
   2.1.3 知识的不确定性
  2.2 计算机表示知识的方法
  2.3 产生式表示法
   2.3.1 产生式
   2.3.2 产生式系统
   2.3.3 产生式表示法的特点
  2.4 专家系统
   2.4.1 专家系统的概念
   2.4.2 专家系统的工作原理
   2.4.3 简单的动物识别专家系统
  2.5 知识图谱
   2.5.1 知识图谱的提出
   2.5.2 知识图谱的定义
   2.5.3 知识图谱的表示
   2.5.4 知识图谱的典型应用
  2.6 本章小结
  拓展阅读
   国家最高科技奖得主——吴文俊
   专家系统之父——爱德华·费根鲍姆
  习题
第3章 符号主义：搜索策略
  3.1 搜索的概念
  3.2 如何将搜索对象用状态空间表示
   3.2.1 状态空间知识表示方法
   3.2.2 状态空间的图描述
  3.3 回溯策略
  3.4 盲目的图搜索策略
   3.4.1 宽度优先搜索策略
   3.4.2 深度优先搜索策略
  3.5 启发式图搜索策略
   3.5.1 启发式策略
   3.5.2 启发信息和估价函数
   3.5.3 A搜索算法
   3.5.4 A*搜索算法
   3.5.5 蒙特卡洛树搜索算法
  3.6 小结
  拓展阅读
   人工智能之父——马文·明斯基
   模糊理论之父——拉特飞·扎德
  习题
第4章 连接主义：人工神经网络
  4.1 人工神经元与人工神经网络
   4.1.1 生物神经元结构
   4.1.2 生物神经元的数学模型
   4.1.3 人工神经网络的结构与学习
  4.2 机器学习的先驱——赫布学习规则
  4.3 掀起人工神经网络第一次高潮的感知器
   4.3.1 感知器的结构
   4.3.2 线性分类器
   4.3.3 感知器的不足与发展方向
   4.3.4 人工智能冬天
  4.4 掀起人工神经网络第二次高潮的BP学习算法
   4.4.1 BP学习算法的提出
   4.4.2 BP神经网络结构与学习算法
   4.4.3 BP学习算法的设计
  4.5 BP学习算法的应用
  4.6 Hopfield神经网络与玻尔兹曼机
   4.6.1 离散型Hopfield神经网络
   4.6.2 连续型Hopfield神经网络及其VLSI实现
   4.6.3 玻尔兹曼机随机神经网络
  4.7 Hopfield神经网络在联想记忆中的应用
   4.7.1 联想记忆的概念
   4.7.2 基于Hopfield神经网络的联想记忆
   4.7.3 基于Hopfield神经网络的分类器
  4.8 Hopfield神经网络优化方法
   4.8.1 基本思想
   4.8.2 基本方法
   4.8.3 求解TSP实例
  4.9 本章小结
  拓展阅读
   人工神经网络创立者——麦克洛奇、皮兹和罗森布拉特
   诺贝尔物理学奖得主——约翰·霍普菲尔德
  习题
第5章 连接主义：深度学习与大语言模型
  5.1 动物视觉机理与深度学习的提出
   5.1.1 浅层学习的局限性
   5.1.2 动物视觉机理
   5.1.3 深度学习的提出
   5.1.4 深度学习的典型应用
  5.2 卷积神经网络及其应用
   5.2.1 卷积神经网络的结构
   5.2.2 卷积的物理、生物与生态学等意义
   5.2.3 卷积神经网络的卷积运算
   5.2.4 卷积神经网络中的关键技术
   5.2.5 卷积神经网络的应用
  5.3 大语言模型及其应用
   5.3.1 大语言模型的发展
   5.3.2 大语言模型的应用
   5.3.3 国内外主要大模型平台
   5.3.4 大语言模型提示工程
  5.4 计算机视觉
   5.4.1 计算机视觉概述
   5.4.2 计算机视觉中的数字图像
   5.4.3 基于深度学习的计算机视觉
   5.4.4 计算机视觉的典型应用领域
   5.4.5 人脸识别
   5.4.6 虹膜识别
  5.5 机器翻译
   5.5.1 自然语言理解的概念
   5.5.2 机器翻译方法
  5.6 语音识别
   5.6.1 语音识别的概念
   5.6.2 语音识别的深度学习方法
  5.7 本章小结
  拓展阅读
   诺贝尔物理学奖得主、深度学习教父——杰弗里·辛顿
  习题
第6章 连接主义：生成式人工智能与应用
  6.1 生成对抗网络的基本原理
   6.1.1 生成对抗网络的提出
   6.1.2 生成对抗网络的结构
   6.1.3 生成对抗网络的训练
   6.1.4 生成对抗网络的改进
  6.2 生成式人工智能在图像处理中的应用
  6.3 生成式人工智能在语言生成中的应用
  6.4 生成式人工智能在视频生成中的应用
  6.5 本章小结
  拓展阅读
   生成对抗网络之父——伊恩·古德费罗
   诺贝尔化学奖得主、AI预测蛋白质结构三巨头——贝克、哈萨比斯和詹伯
  习题
第7章 行为主义：智能机器人
  7.1 机器人的产生与发展
  7.2 机器人中的人工智能技术
   7.2.1 机器人智能感知
   7.2.2 机器人智能导航
   7.2.3 机器人智能路径规划
   7.2.4 机器人智能运动控制
   7.2.5 机器人智能交互
  7.3 智能机器人的应用
   7.3.1 工业机器人
   7.3.2 农业机器人
   7.3.3 服务机器人
   7.3.4 医用机器人
   7.3.5 军用机器人
   7.3.6 无人机
  7.4 智能机器人技术展望
   7.4.1 基于物联网、人工智能、大数据、云计算的智能机器人技术
   7.4.2 具有高级智能的智能机器人技术
   7.4.3 智能机器人的广泛应用
  7.5 智能机器人伦理问题
  7.6 本章小结
  拓展阅读
   深度学习三巨头之一、卷积神经网络之父——Yann LeCun（杨立昆）
   BP算法的杰出贡献者——戴维·鲁梅尔哈特
  习题
第8章 人工智能伦理
  8.1 人工智能伦理的提出与发展
  8.2 人工智能伦理的典型案例与成因分析
   8.2.1 人工智能伦理的典型案例
   8.2.2 人工智能伦理问题成因分析
  8.3 人工智能伦理的治理原则
   8.3.1 人类根本利益原则
   8.3.2 责任原则
  8.4 人工智能伦理的治理措施
   8.4.1 技术改进
   8.4.2 道德规范
   8.4.3 政策指引
   8.4.4 法律法规
   8.4.5 人工智能伦理教育
  8.5 人工智能会使许多人失业吗
  8.6 本章小结
  拓展阅读
   图灵奖得主、深度学习三巨头之一——约书亚·本吉奥
   深度学习专家——吴恩达
  习题
第9章 电子游戏中的人工智能
  9.1 史上最著名的人机游戏大战
   9.1.1 深蓝战胜国际象棋棋王卡斯帕罗夫
   9.1.2 AlphaGo无师自通横扫世界围棋大师
   9.1.3 人工智能研究中的“果蝇”
  9.2 人工智能游戏
  9.3 游戏人工智能
   9.3.1 游戏人工智能的概念
   9.3.2 游戏人工智能的分类
   9.3.3 基本的游戏人工智能技术
  9.4 扫雷机智能游戏开发
  9.5 人工智能游戏的现状与未来
  9.6 本章小结
  拓展阅读
   GPT大模型专家——伊利亚·苏特斯科夫
   中国人工智能学会
  习题