人工智能导论

广东省《人工智能导论》大纲

（代码：07844）

目录

Ⅰ  性质与目标

Ⅱ  考核目标

Ⅲ  内容与考核

Ⅳ  关于大纲的说明与考核实施

附录 题型举例

Ⅰ  性质与目标

一、性质和特点

 “人工智能导论”是软件工程（）中的一门课，它是为满足软件工程领域及相关对软件人才的需要而开设的。通过本的，学生能够理解人工智能的基本原理，初步和掌握人工智能的基本，为进入人工智能各分支领域进行或从事人工智能行业工作奠定基础，指引方向。

“人工智能导论”旨在培养学生对人工智能研究领域的核心知识、最新进展和发展方向的认识和理解，建立起对人工智能的总体认识，了解人工智能各领域中主要涉及的问题以及人工智能的实现途径和采用的解决方法，掌握目前人工智能领域的主流研究方向。

二、目标

设置本的主要目的是使了解人工智能的基本概念、主要和，掌握人工智能的基本算法和模型，了解相关工具和，并发展人工智能思维和解决问题的能力，从而为将来从事软件工程相关领域的工作做好充分的准备。

通过本的，应达到以下目标。

1. 理解人工智能的基本概念和历史发展，对人工智能有一个全面的了解和认识。

2. 熟悉人工智能的主要和，包括知识表示、知识图谱、机器、自然语言处理、计算机视觉、多智能体等，能够在实际中掌握这些。

3. 掌握人工智能的基本算法和模型，包括搜索、神经网络、专家等，掌握这些算法和模型的基本原理和。

4. 发展人工智能思维和解决问题的能力。通过案例和，培养学生的人工智能思维和解决问题的能力，使他们能够在实际工作中运用人工智能解决实际问题。

三、与相关的联系与区别

人工智能导论是一门旨在为学生提供人工智能的基础知识和技能，使其能够理解和人工智能相关的。学生在本前需要掌握程序设计、数据结构、计算机网络等相关的基本知识。

四、的重点和难点   

本的重点人工智能的核心和算法，并探讨如何在实际中运用这些解决实际问题，具体包括人工智能基础概念、机器算法的基本概念和常见算法、深度算法的基本概念和常见算法、自然语言处理的基本概念和、计算机视觉的基本概念和等。难点方面，这门需要学生具备一定的数学和编程基础，对于一些较为复杂的算法，需要深入理解其数学原理和推导过程。此外，人工智能的非常广泛，需要学生具备跨学科的思维能力，能够将人工智能于实际问题解决中，因此需要学生具备一定的综合素养。

Ⅱ  考核目标

本大纲是“人工智能导论”的个人、和命题的依据，本的范围以本大纲所限定的内容为准。

本大纲在考核目标中，按照识记、领会、简单和综合四个层次其应达到的能力层次。四个能力层次是递进关系，各能力层次的含义是：

识记：学生需要掌握人工智能的基本概念、原理和算法，了解机器、深度、自然语言处理等常见人工智能领域的基本知识。

领会：学生需要理解人工智能领域的发展历程、趋势和未来发展方向，理解人工智能各个研究领域的典型方法和原理。

简单：学生需要具备一定的程序设计能力，能够使用图示或伪代码描述人工智能算法，如搜索算法、BP算法等，完成基本的人工智能。

综合：学生需要结合实际问题，选取适当的人工智能算法，对算法进行改进和优化，实现解决实际问题的。

Ⅲ  内容与考核

绪论

一、目的与

本章的目的是使学生掌握人工智能的基本概念，包括人工智能的起源和定义、人工智能的流派、人工智能的进展和发展趋势。

二、内容

1.1 人工智能的起源和定义

1.2 人工智能的流派

1.3 人工智能的进展和发展趋势

三、考核知识点与考核

（一）人工智能的起源和定义

领会：人工智能的起源和多样化的人工智能定义。

（二）人工智能的流派

识记：人工智能的三个流派，概念的定义。

领会：人工智能三个流派之间的关系，概念的三个功能。

（三）人工智能的进展和发展趋势

领会：人工智能的发展与三个流派的融合。

四、本章重点、难点

本章的重点：人工智能三个流派的思想。

本章的难点：人工智能三个流派的思想及其发展限制。

概念表示

一、目的与

本章的目的是使学生掌握概念的表达方法，了解这是人工智能研究的重要基础。

二、内容

2.1 经典概念

2.2 数理逻辑

2.3 集合论

三、考核知识点与考核

（一）经典概念

识记：经典概念的组成。

（二）数理逻辑

领会：什么是命题，及命题真假的判断。

简单：命题的谓词符号化。

（三）集合论

识记：集合的两种表示方法。

领会：集合各种关系的定义。

四、本章重点、难点

本章的重点：命题的概念、表示和判断，集合的表示和各种关系。

本章的难点：命题的谓词符号化和集合的关系定义。

知识表示

一、目的与

本章的目的是使学生了解知识的概念和知识的表示方法，为后续推理方法、搜索等奠定基础。

二、内容

3.1 知识与知识表示的概念

3.2 产生式表示法

3.3 框架表示法

3.4 状态空间表示法

三、考核知识点与考核

（一）知识与知识表示的概念

识记：知识和规则的概念、知识的特性、知识表示的概念。

（二）产生式表示法

识记：规则和事实的产生式表示方法。

领会：产生式的组成及其关系。

简单：用产生式表示规则或事实。

（三）框架表示法

识记：框架的概念和组成结构。

领会：框架的一般表示形式。

简单：用框架表示知识。

（四）状态空间表示法

识记：状态空间的概念和表示。

综合：状态空间的图描述。

四、本章重点、难点

本章的重点：知识表示的概念和产生式、框架、状态空间三种表示方法。

本章的难点：状态空间的图描述。

知识图谱

一、目的与

本章的目的是让学生了解知识图谱的概念，理解计算机世界如何组织和理解互联网海量的信息。

二、内容

4.1 引言：从语义搜索认识知识图谱

4.2 万维网知识表示

4.3 知识图谱的现状及发展

4.4 知识图谱的生命周期

三、考核知识点与考核

（一）引言：从语义搜索认识知识图谱

识记：知识图谱的概念和组成。

（二）万维网知识表示

识记：本体的定义和特性。

领会：语义网和万维网的区别，资源描述框架RDF。

简单：用可扩展标记语言XML组织互联网信息。

（三）知识图谱的现状及发展

领会：当前互联网几个常用的知识图谱。

（四）知识图谱的生命周期

识记：互联网时代知识在数据中的分布特点。

领会：知识图谱的生命周期。

四、本章重点、难点

本章的重点：本体和互联网环境下的知识表示方法，知识图谱的生命周期和典型。

本章的难点：本体和语义网知识表示。

搜索

一、目的与

本章的目的是让学生掌握常用的搜集，了解如何用这些搜索求解搜索问题。

二、内容

5.1 图搜索策略

5.2 盲目搜索

5.3 启发式搜索

三、考核知识点与考核

（一）图搜索策略

领会：图搜索和状态图的关系

（二）盲目搜索

识记：盲目搜索的概念和两种常用的盲目搜索方法：深度优先搜索和宽度优先搜索

领会：深度优先搜索和宽度优先搜索两种方法的原理及优缺点

简单：用盲目搜索的方法在状态图中求解。

（三）启发式搜索

识记：启发式搜索的概念和两种常用的盲目搜索方法：A算法和A*算法

综合：根据给定的启发函数，用启发式搜索的方法在状态图中求解。

四、本章重点、难点

本章的重点：盲目搜索和启发式搜索的特点及其各种搜索

本章的难点：运用各种搜索求解问题。

机器

一、目的与

本章的目的是让者了解机器的概念，机器和人工智能的关系，机器的研究现状及发展趋势。

二、内容

6.1 机器的发展

6.2 监督

6.3 无监督

6.4 弱监督

三、考核知识点与考核

（一）机器的发展

领会：机器发展的几个重要节点。

（二）监督

识记：监督的概念。

领会：K-近邻算法、决策树算法和支持向量机算法的原理。

简单：用决策树算法解决分类问题。

（三）无监督

识记：无监督的概念。

领会：无监督和监督的区别及其各自的使用场景，聚类和自编码器算法的原理。

（四）弱监督

识记：三种典型的弱监督算法：半监督、迁移和强化。

四、本章重点、难点

本章的重点：机器的各种方法及其原理。

本章的难点：运用监督和无监督方法解决问题。

人工神经网络与深度

一、目的与

本章的目的是帮生了解神经元和神经网络的基本概念，BP神经网络和卷积神经网络，对深度及其有初步的认识。

二、内容

7.1 神经网络的发展历史

7.2 神经元与神经网络

7.3 BP神经网络及其算法

7.4 卷积神经网络

三、考核知识点与考核

（一）神经网络的发展历史

领会：深度的特点。

（二）神经元与神经网络

识记：神经元数学模型，人工神经网络的分类。

领会：常用的激励函数及特点。

（三）BP神经网络及其算法

领会：BP神经网络结构。

简单：BP算法的实现。

综合：BP神经网络在模式识别中的。

（四）卷积神经网络

领会：卷积神经网络结构。

简单：卷积神经网络的卷积运算。

四、本章重点、难点

本章的重点：神经元数据模型和经典的人工神经网络结构

本章的难点：BP神经网络和卷积神经网络的实现及其

专家

一、目的与

本章的目的是让学生了解如何将专家的知识总结出来以计算机可以使用的形式加以表达，掌握专家的推理方法。

二、内容

8.1 专家概述

8.2 推理方法

8.3 一个简单的专家

8.4 非确定性推理

三、考核知识点与考核

（一）专家概述

识记：专家的定义。

领会：专家的基本结构。

（二）推理方法

识记：推理方法的分类。

简单：用正向推理或逆向推理的方法基于专家进行推理。

（三）一个简单的专家

综合：根据已知的知识构建基于规则的专家知识库，并完成问题的推理。

（四）非确定性推理

领会：在非确定性推理中的事实表示、规则表示、逻辑运算、规则运算和规则的合成。

四、本章重点、难点

本章的重点：专家的概念、结构和基本的推理方法。

本章的难点：专家的知识库构建和知识推理。

计算机视觉

一、目的与

本章的目的是让者掌握计算机视觉的研究内容和完成任务，了解如何对数字图像或视频进行高层理解。

二、内容

9.1 计算机视觉概述

9.2 数字图像的类型及机内表示

9.3 常用计算机视觉模型和关键

9.4 实例：人脸识别

三、考核知识点与考核

（一）计算机视觉概述

领会：计算机视觉包含的各种任务。

（二）数字图像的类型及机内表示

领会：图像在计算机中的表示方法，像素点数值的意义。

（三）常用计算机视觉模型和关键

领会：浅层视觉模型的处理流程、经典的全局特征提取GIST特征和局部特征提取LBP、基于深度模型实现的视觉任务。

简单：局部二值模式LBP算子的计算原理。

（四）实例：人脸识别

简单：人脸识别的典型流程及每个步骤要达到的目标。

四、本章重点、难点

本章的重点：图像的计算机表示及计算机对图像的处理原理和一般化流程。

本章的难点：特征提取的作用及其计算实现。

自然语言处理

一、目的与

本章的目的是让者了解各种网络安全协议的原理、功能、场景及其优缺点，并能够这些协议解决实际网络安全问题。

二、内容

10.1 自然语言处理概述

10.2 机器翻译

10.3 自然语言人机交互

10.4 智能问答

三、考核知识点与考核

（一）自然语言处理概述

领会：自然语言处理的基本任务和自然语言处理发展的三个阶段。

（二）机器翻译

识记：完全基于注意力网络的神经翻译模型Transformer。

领会：机器翻译发展的四个阶段及其核心思想，注意力机制在机器翻译中的作用。

（三）自然语言人机交互

领会：对话和聊天机器人的共性和区别，对话的三个模块及其功能。聊天机器人基于的分类。

简单：检索式聊天机器人的架构，生成式聊天机器人的模型架构。

（四）智能问答

领会：智能问答任务的分类。

简单：基于知识图谱的问答设计。

四、本章重点、难点

本章的重点：自然语言处理的发展，自然语言处理的三个典型任务：机器翻译、自然语言人机交互和智能问答。

本章的难点：自然语言处理任务的核心算法理解。

多智能体

一、目的与

本章的目的是让者了解智能体和多智能体的概念，了解多智能体的内部协商策略实现。

二、内容

11.1 智能体

11.2 智能体的具体结构

11.3 多智能体协商

三、考核知识点与考核

（一）智能体

领会：智能体的定义和性质，智能体和其他软件实体的区别。

（二）智能体的具体结构

识记：智能体的5种实现方式。

领会：智能体的包孕结构和基于BDI逻辑的结构。

（三）多智能体协商

领会：纳什均衡和帕里托优策略思想，多智能体协商三种工具：投票、拍卖和谈判。

简单：智能体用计分投票决策。

四、本章重点、难点

本章的重点：多智能体的概念、实现及其协商方式。

本章的难点：投票策略的计算机实现。

Ⅳ  关于大纲的说明与考核实施

一、大纲的目的和作用

大纲是根据的，结合的特点而确定。其目的是对个人、和命题进行指导和。

大纲明确了的内容以及深广度，了的范围和标准。因此，它是编写和辅导书的依据，是组织进行辅导的依据，是者、掌握内容知识范围和程度的依据，也是进行命题的依据。

二、大纲与的关系

大纲是进行和考核的依据，给出了掌握知识的基本内容与范围，的内容还包括大纲所的知识的扩展与发挥。内容在中可以体现一定的深度或难度，但在大纲中对考核的一定要适当。

大纲与所体现的内容基本一致；大纲里面的内容和考核知识点，里一般也要有。反过来里有的内容，大纲里就不一定体现。

三、关于

《人工智能导论》，李德毅主编，中国科学出版社出版，2018年版。

本第二章2.4节，第五章5.4节，第六章，第七章7.5节，第八章8.5、8.6节，第九章9.5、9.6、9.7节，第十一章11.5节，第十二章，第十三章，第十四章14.4节，第十五章内容，可根据个人能力兴趣，不纳入考核范围。

四、关于和方法的指导

本大纲的基本是依据和培养目标而确定的。基本还明确了的基本内容，以及对基本内容掌握的程度。基本中的知识点构成了内容的主体部分。因此，基本内容掌握程度、考核知识点是考核的主要内容。

为有效地指导个人和，本大纲已指明了的重点和难点，在章节的基本中一般也指明了章节内容的重点和难点。

由于的个性化特点，建议业余不低于48个学时。

建议本时注意以下几点：

1.在本之前，应先仔细阅读本大纲，了解本的性质和特点，熟知本的基本，在本时，能紧紧围绕本的基本。

2.在每一章的之前，先阅读本大纲中对应章节的目的与、考核知识点与考核，以使在时做到心中有数。

3.把基本、基本知识与分析、解决实际问题结合起来。首先，要弄懂基本、基本原理、基本知识和基本方法；其次，要运用这些知识联系实际解决有关实际问题。重点是要深刻领会内容，将知识转化为能力，提高运用知识分析问题和解决问题的能力。

4.人工智能导论的目的是深入了解人工智能领域的基本概念、和方法，增强对人工智能的认识和理解，掌握人工智能算法的基本原理，了解各种人工智能的场景，提高与人工智能相关的职业素养和综合素质，为以后进一步和研究人工智能打下坚实的基础，增强在未来人工智能时代的竞争力。

五、对的

对担任本的任课教师和单位提出以下几条基本。

1.熟知本大纲的各项，熟悉各章节的考核知识点。

2.辅导教学以大纲为依据，不要随意删减内容，以免偏离大纲。

3.辅导还要注意突出重点，要帮生对内容建立一个整体的概念。

4. 者在辅导时应帮助者梳理重点内容和一般内容之间的关系，在他们全面掌握全部内容的基础上，深入搜集、人工神经网络与深度、计算机视觉、自然语言处理等重点内容，注意本概念表示、知识表示和各种研究领域核心内容的性。

本考纲内容学时建议如下：