第1章 绪论
1.1 人工智能的起源
1.2 可计算载体：形式化与机械化
1.3 智能计算方法
1.4 新一代人工智能
1.5 本书知识点脉络与教学内容安排
1.6 小结
延伸阅读：当前是从过去拔萃出来的投影
本章PPT
本章习题
本章参考文献
第2章 知识表达与推理
2.1 知识表示方法
2.2 命题逻辑
2.3 谓词逻辑
2.4 知识图谱推理
2.5 概率推理
2.6 因果推理
2.7 小结
延伸阅读：推理即计算
本章PPT
本章习题
本章参考文献
第3章 搜索探寻与问题求解
3.1 搜索基本概念
3.2 贪婪最佳优先搜索
3.3 A*搜索
3.4 最小最大搜索
3.5 alpha-beta剪枝搜索
3.6 蒙特卡洛树搜索
3.7 小结
延伸阅读：突破组合爆炸之难与陷入地平线问题之困
本章PPT
本章习题
本章参考文献
第4章 机器学习
4.1 机器学习基本概念
4.2 模型评估与参数估计
4.3 回归分析
4.4 决策树
4.5 k均值聚类
4.6 监督学习：特征降维
4.7 无监督学习：特征降维
4.8 演化学习
4.9 小结
延伸阅读：“二战中”德军每个月生产多少坦克？
本章PPT
本章习题
本章参考文献
第5章 神经网络与深度学习
5.1 人工神经网络概述
5.2 前馈神经网络
5.3 神经网络参数优化
5.4 卷积神经网络
5.5 循环神经网络
5.6 注意力机制
5.7 神经网络正则化
5.8 深度学习在自然语言和计算机视觉中的应用
5.9 小结
延伸阅读：爬上树梢与攀登月球
本章PPT
本章习题
本章参考文献
第6章 强化学习
6.1 强化学习问题定义
6.2 基于价值的强化学习
6.3 基于策略的强化学习
6.4 深度强化学习应用
6.5 小结
延伸阅读：最优化之策与试错术之谏的姻缘结合
本章PPT
本章习题
本章参考文献
第7章 人工智能博弈
7.1 博弈论的相关概念
7.2 博弈策略求解
7.3 博弈规则设计
7.4 非完全信息博弈的实际应用
7.5 小结
延伸阅读：规避随机性与命运——骰子占卜到算法博弈
本章PPT
本章习题
本章参考文献
第8章 人工智能伦理与安全
8.1 人工智能伦理
8.2 人工智能模型安全
8.3 人工智能可解释性
8.4 小结
延伸阅读：人有人的用处
本章PPT
本章习题
本章参考文献
第9章 人工智能架构与系统
9.1 人工智能基础软硬件框架
9.2 人工智能芯片
9.3 人工智能系统
9.4 小结
延伸阅读：咸与维新——计算机体系架构的黄金时代
本章PPT
本章习题
本章参考文献
第10章 人工智能应用
10.1 语言基础模型（大模型）
10.2 自然语言中的机器翻译
10.3 图像分类与视觉对象定位
10.4 语音识别与合成
10.5 科学计算
10.6 跨媒体智能
10.7 机器人控制
10.8 小结
延伸阅读：人工智能效应之奇怪悖论
本章PPT
本章参考文献
课程实训案例
1. 文言文翻译为白话文（机器翻译）
2. 无牌车的自动识别（图像分类）
3. 机器人避障寻径（机器人）
4. 知识图谱搭建（知识发现）
5. 古诗转水墨画（大模型）
附录A 进阶知识点
附录A.1 Ada Boosting算法
附录A.2 非负矩阵分解
附录A.3 主题建模
附录A.4 隐马尔可夫模型
附录A.5 朴素贝叶斯概率图模型
附录A.6 生成式对抗学习
附录A.7 图神经网络
附录A.8 多智能体博弈
附录A.9 人工智能体
附录B 人工智能知识点演变
附录B.1 计算机课程体系
附录B.2 计算机课程体系中人工智能知识点
附录B.3 ACM和IEEE-CS制定的新版人工智能知识点
附录B.4 “101计划”中人工智能课程知识点体系
