人工智能课程内容介绍
课程简介
1、计算机操作技能
主要内容：通过本课程的学习可以使学生掌握计算机相关基本操作为后续的专业课程学习打下实践操作基础。基本内容有：硬件与操作系统，通过对计算机硬件的介绍、操作系统的安装等实践操作来了解计算机硬件，掌握操作系统的安装方面的基本操作；系统的基本操作，通过学习鼠标、键盘、输入法的操作、桌面操作、窗口操作、任务栏操作、常用设置、用户管理、磁盘操作、文件管理等实践操作来掌握Windows系统的相关基本操作；办公软件及入门的使用，通过对Word、Excel和PPT的基本使用来掌握办公软件的基本操作；Dos操作与网络基础，掌握Dos基本命令、网络基本操作和故障排除；常用工具软件的使用，熟悉电子邮箱等常用软件的操作。教学形式以学生在线学习为主，辅助教师指导。考核形式为在线打字考核与在线机考相结合的方式评定成绩。并且考核时间采用类似驾校考核模式，在若干考核时间点可以任意申请考核，直到通过为止。
2、计算机系统导论
主要内容：对现代电子计算机工作原理、设计过程有一个体系化认识，包含汇编语言数据逻辑、模拟电路、计算机组成原理、编译原理重要理论的地位与作用主要内容模型等介绍
3、计算思维I与应用（C）
主要内容：分成四大板块，第一部分主要讲解计算思维的概念、本质以及相关特征；第二部分针对计算机的一些微观知识点进行补充，包括计算机的组成等；第三部分通过对程序设计语言发展的描述，初步体会程序语言的特点；第四部分主要针对C语言，将抽象的计算思维实例化，培养学生的编程感觉。其中C语言包含内容：编程规范，数据类型与变量常量的定义，各类运算符的操作，输入与输出语句，函数思维建立，控制语句，循环语句，中断语句，函数的声明、实现与调用，无参函数，有参函数，函数的返回值，一维数组，一维指针，结构体的定义，文件读写基本操作等。
4、计算思维II与应用（Java）
主要内容：主要包括项目需求分析，面向对象概念与运用，类与对象的概念，类与对象的关系，UML类图绘制，UML时序图绘制，UML用例图绘制，UML综合项目设计，VS2010开发环境搭建，变量、常量的定义与赋值，运算符操作，控制语句，一维数组，函数的声明、实现与调用，一维指针，引用的概念与运用，类的声明与实现，对象实例化，new与delete关键字，对象间的协作实现，断点调试与BUG修复，成员函数，构造函数，析构函数，函数重载，封装机制，单继承的声明与实现，继承关系中构造函数和析构函数的调用规则，继承关系中的三种访问权限，多态的概念，静态多态的函数多态，动态多态的虚函数实现，纯虚函数的概念与实现，抽象类的概念与实现。
5、数据结构与算法（Java）
主要内容：主要介绍用计算机解决一系列问题，特别是非数值信息处理问题时所用的各种组织数据的方法、存储数据结构的方法以及在各种结构上执行操作
的算法。通过本课程的学习，要求学生掌握一些常用数据结构（线性表、栈、队列、树、图等）的特点、存储表示，理解一些常用算法（排序算法、查找算法等）的概念，并掌握度量算法效率的基本方法，培养学生综合运用数据结构与算法知识解决实际问题的能力。课程借助于主流语言（Java）的实现，培养学生上机操作能力，实验项目的设计围绕课程章节，通过项目需求分析、涉及知识点介绍、编码实现和调试的训练，达到理论与实践应用相结合，学以致用。
6、应用统计学与R语言建模
主要内容：主要包括数据的描述性分析、随机变量的概率分布、参数估计、假设检验、类别变量分析、方差分析、一元线性回归、多元线性回归、时间序列预测、聚类分析。
7、服务端技术原理与应用(Java)
8、软件工程
主要内容：主要包括软件工程的三要素、常用的软件开发方法、五个面向理论、过程管理、生产周期及开发模型、瀑布模型、增量模型、螺旋模型、迭代模型、原型模型、需求分析、UML建模（用例图、活动图、泳道图、类图）、软件设计、软件建模、软件测试、软件项目跟踪和控制、风险管理、软件质量保证、技术评估。
9、大数据技术原理与应用
主要内容：介绍目前业内常用的大数据处理工具及其国内知名互联网公司大数据的使用案例；介绍了Hadoop整体架构、 HDFS体系结构、HDFS shell及其API；重点介绍了并行计算MapReduce原理框架、MapReduce Shuffle调优、分
区以及合并；介绍了NoSQL数据库的原理、及其类型，其中重点介绍了HBase 原理架构、环境搭建、API接口以及企业编程实践；介绍了云数据库产品、系统架构以及实践应用；介绍了流式计算的流程、开源框架、应用场景以及开发应用实践；介绍了数据可视化常用工具、访问接口以及可视化典型案例；介绍了Hive 的系统架构、工作原理及其数据处理的应用实践；介绍了Spark的生态系统、运行架构、部署与应用方式、常见Spark开发应用实践；
10、数据预处理技术与应用
主要内容：介绍了数据预处理的基本原理与流程，其中包括数据清晰、数据集成、数据变换、数据规约以及应用场景；介绍了数据预处理框架ETL的原理、系统架构、安装部署、任务调度监控以及性能调优；介绍了数据收集框架Flume 的原理、环境搭建、个性化组建设计以及配置性能优化；介绍了基于Flume、Kettle的数据收集及预处理的应用开发实践。
11、数据挖掘与应用
主要内容：介绍了数据挖掘的基本原理与应用场景，理解数据挖掘的相关技术的含义和理论、数据挖掘的应用场景和应用分析；介绍数据挖掘产生的发展的相关概念；了解数据挖掘几种方法和储存类型、不同数据存储的数据挖掘原理、知识发现IM的任务与目标、聚类分析研究的概念和目标；介绍了知识挖掘的基本原理、快速数据挖掘工具RapidMiner使用；掌握关联规则来发现事务之间的关联规则、联系；理解FP-tree算法原理和生成过程、决策树相关概念和原理、信息增益算法的思想、朴素贝叶斯分类来解决分类问题掌握分类的基本概念和步骤；介绍了文本W内容挖掘方法、常见的几种Web内容挖掘方法；
12、大数据可视化技术与应用
主要内容：通过本课程的学习使学生掌握数据可视化的一般原理和处理方法，能够熟练使用数据可视化工具对数据进行可视化处理。针对实际应用中遇到的不同类型的数据介绍相应的可视化方法，熟练掌握常用的可视化工具，如Echarts、D3.js、Three.js的基本配置与应用并可结合后端进行可视化报表展示。
13、Spark与集群技术
主要内容：介绍了Spark生态系统、架构及容错机制，Spark集群部署及测试；介绍Spark在集群部署方面的三种方式： Standalone方式或者基于Mesos、基于YARN方式的异同。介绍了Mesos和Yarn两种方式架构原理，通过简单的编程实践实现对多种数据源（如Kdfka、Flume、Twitter、Zero和TCP 套接字）进行类似Map、Reduce和Join等复杂操作，并将结果保存到外部文件系统、数据库或应用到实时仪表盘；介绍了模拟复杂的批量处理、基于历史数据的交互式查询、基于实时数据流的数据处理使用场景；介绍了Spark框架。Spark基础解析、 SparkCore 、SparkSQL 和 SparkStreaming应用解析。介绍了使用 Kafka 和 Spark Streaming 构建实时数据处理系统以及Flume和SparkStreaming进行实时日志分析。
14、大数据实时处理技术
主要内容：介绍了实时计算技术框架与应用场景；介绍了Storm架构原理、Zookeeper集群搭建、Storm集群搭建及测试、StormAPI案例开发、容错机制、运维以及性能调优；介绍了Kafka架构原理、集群搭建以及KafkaAPI测试开发；
介绍了Storm完整项目开发思路和架构设计、StormTrident项目开发模式、Storm 集成Kafka开发及项目实战、HighCharts各类图表开发和实时无刷新加载数据；介绍了Storm+Kafka+HBase的经典组合，完整呈现企业实践项目。
15、Spark内存计算与应用
主要内容：介绍了Scala数据结构、模式匹配、高阶函数、类和对象、隐式转换、Akka实例实操；介绍Spark生态系统、架构及容错机制、Spark集群部署及测试。介绍RDD弹性分布式数据集、 RDD实现原理、Action和Transformation、窄依赖与宽依赖；介绍RDD 常用函数、Spark Job执行原理分析、shuffle操作解析、Spark广播变量与累加器、Cache与checkpoint问题；介绍Spark SQL 组件、架构、DataFrame、SparkSQL运行原理以及Spark SQL基础应用、SparkSQL 性能调优，并对复杂应用案例实战。介绍了Spark MLlib原理、框架及其应用。介绍了SparkStreaming与Kafka的集成应用，SparkStreaming与Flume、Redis 集成开发应用。
16、虚拟化与云计算技术
主要内容：介绍了云计算发展历程、分类、产品、私有云、公有云以及混有云的原理及应用场景；掌握Docker安装配置、常用命令、磁盘管理与备份、虚拟化、独立外网IP配置、使用PipeWork配置独立IP、Docker中构建服务环境（Nginx、LNAMP）、DockFile管理、Docker自动化管理和报表、Docker自动化管理工具、Linux操作系统原理；介绍了KVM虚拟化技术原理、KVM技术相关云计算基础；掌握OpenStack原理及架构、镜像服务、Dashboard界面以及cinder 快存储；介绍了基于云计算的Hadoop和Spark大数据实验平台环境搭建。
17、大数据仓库技术与应用
主要内容：介绍了Hive的基本概念、系统架构以及使用场景，掌握Hive 的架构体系组件作用与部署方式；介绍了Hive表操作、Hive与传统数据库的区别以及Hive的数据模型，掌握使用Sqoop迁移工具将数据仓库的数据迁移到关系型数据库MySQL；介绍了数据的导入，查询和丰富的内置函数，熟练使用Hive 对数据进行清洗处理与查询。介绍Java编程可以创建自定义函数来实现具体的业务逻辑，提升对复杂数据的分析处理能力。
18、大数据安全技术与应用
主要内容：本课程以大数据发展历史、特征、发展趋势为切入点，分析各领域面临的大数据安全威胁和需求，归纳总结大数据安全的科学内涵和技术研究方向。在此基础上，引出大数据安全的关键技术和应用实践。随后对大数据安全的产业动态、法律法规、标准研究进行系统梳理，预测大数据安全的发展趋势。通过本课程的学习，使得学生理解大数据安全的基本内容、核心技术、使用机制等。
19、数据挖掘与可视化综合实践
主要内容：本课程主要针对已具备大数据处理能力的学生讲授，以实践为主。本课程主要讲授数据挖掘的基本概念、原理、方法、技术，及数据可视化的原理方法与工具使用，具体包括：数据的预处理、分类预测、关联挖掘、聚类分析、Echarts、D3.js、Three.js等内容。通过学习，使学生理解数据挖掘及可视化的基本流程，掌握数据挖掘与可视化的基本理论和技术，熟悉数据挖掘成果的表达；掌握数据挖掘与可视化的基本方法，能熟练地应用数据挖掘技术对现实数据进行有效的分析与展现。
20、行业大数据领域分析综合实践
主要内容：本课程主要针对已具备大数据处理分析能力的学生讲授，以实践为主。课程主要结合移动互联网、物流、电商、金融、传媒、医疗、教育、政务等行业大数据分析任务，强化学生对包括：数据分析工具与实际问题转化思路、数据划分、数据预处理、特征工程、算法选择与优化等技术在不同业务场景下的熟练使用。
21、大数据处理综合实践
主要内容：本课程主要针对已具备大数据处理能力的学生讲授，以实践为主。通过本次课程的学习使学生能够完成Spark运行环境及开发环境搭建；并理解spark的运行架构；掌握Spark RDD、Spark Streaming、Spark SQL、Spark ML 等技术；并全面掌握 Storm技术开发、运维、调优；以及Storm完整项目开发思路和架构设计、StormTrident项目开发模式；并且掌握Storm+Kafka+HBase 的经典组合；能够对Flume+Kafka+Redis+Spark 进行整合，最终完成整个项目。
22、云计算应用综合实践
主要内容：本课程主要针对已具备云计算技术能力的学生讲授，以实践为主。通过本课程的学习使学生掌握云计算的概念，了解云计算理论架构及应用、了解常见的虚拟化技术；使学生可以熟练掌握docker容器的使用和封装、KVM、VMware等虚拟化技术的使用及维护、OpenStack云平台的搭建及日常运维、kubernetes+docker平台的搭建及日常运维等相关技术；最终可以完成一个私有云平台的搭建。
23、行业大数据系统开发综合实践
主要内容：本课程主要针对已具备大数据系统开发能力的学生讲授，以实践为主。课程涵盖了大数据系统综合开发应用的知识体系及热点领域，包括数十种开源大数据组件的部署、开发与使用，主流商业大数据平台的部署、开发与使用。针对专业学生特点和先修知识储备，力求使学生对该领域有比较全面清晰的掌握，并能够应用于项目实践和竞赛实践。通过对本门课程的学习，使学生初步获得大数据平台部署、开发和管理的能力，并引导学生利用大数据技术解决遇到的海量数据获取、分析与处理、可视化等实际问题。
24、Linux集群综合实践
主要内容：本课程主要针对已具备Linux系统管理能力的学生讲授，以实践为主。本课程主要包括CentOS的安装、网络管理、路由管理、文件共享服务、LAMP、LNMP、集群与双机热备等知识技能。通过本课程的学习，使学生具备独立搭建Linux高可用集群、LAMP、LNMP的能力。
25、信息系统开发综合实践
主要内容：本课程主要针对已具备JavaEE+MySQL开发能力的学生讲授，以实践为主。本课程主要包括数据库安装与使用、JavaEE开发环境搭建、JavaWeb、SSM、Tomcat、Redis等技能。通过本课程的学习，使学生具备JavaEE信息系统开发的技能。
26、数学建模
主要内容：主要包括规划论模型、微分方程模型、差分方程模型、组合优化模型、装箱问题、截断切割加工问题、图论模型、最小生成树与最短路问题、欧拉图与中国邮递员问题、哈密顿图与推销员问题、回归分析与事件序列方法、模
糊模式识别、模糊关系与模糊聚类分析、插值与拟合建模、插值方法与建模、最小二乘法拟合、最佳平面逼近、决策的概念、风险性决策、不确定决策、层次分析法、遗传算法、模拟退火算法、人工神经网络。
创新创业实践活动及素质拓展项目一览表。
人工智能课程体系及 项目实战
人工智能课程体系及项目实战1、机器学习课程大纲 第一课：Python基础与科学计算库numpy 1.Python语言基础
2.Python数据结构（列表,字典,元组） 3.科学计算库Numpy基础 4.Numpy数组操作 5.Numpy矩阵基本操作 6.Numpy矩阵初始化与创建 7.Numpy排序与索引 第二课：数据分析处理库与数据可视化库 1.Pandas数据读取与现实 2.Pandas样本数值计算与排序 3.Pandas数据预处理与透视表 4.Pandas自定义函数 5.Pandas核心数据结构Series详解 6.Pandas数据索引 7. Matplotlib绘制第一个折线图
8. Matplotlib条形图,直方图,四分图绘制 9. Matplotlib数据可视化分析 第三课：回归算法 1.机器学习要解决的任务 2.有监督与无监督问题 3.线性回归算法原理推导 4.实现简易回归算法 5.逻辑回归算法原题 6.实战梯度下降算法 第四课：案例实战信用卡欺诈检测 1.数据与算法简介 2.样本不平衡问题解决思路 3.下采样解决方案 4.正则化参数选择
5.逻辑回归建模 6.过采样与SMOTE算法 第五课：决策树与随机森林 1.熵原理，信息增益 2.决策树构造原理推导 3.ID3,C 4.5算法 4.决策树剪枝策略 5.随机森林算法原理 6.基于随机森林的特征重要性选择 第六课：Kaggle机器学习案例实战 1.泰坦尼克船员获救预测 2.使用pandas库进行数据读取与缺失值预处理 3.使用scikit-learn库对比回归模型与随机森林模型 4.GBDT构造原理
科技广场２００７．１２３０
１９８７年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。 第五阶段： ９０年代，人工智能出现新的研究高潮 由于网络技术特别是国际互连网技术的发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Ｈｏｐｆｉｅｌｄ多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。 ３研究热点 ＡＩ研究出现了新的高潮，这一方面是因为在人工智能理论方面有了新的进展，另一方面也是因为计算机硬件突飞猛进的发展。随着计算机速度的不断提高、存储容量的不断扩大、价格的不断降低以及网络技术的不断发展，许多原来无法完成的工作现在已经能够实现。目前人工智能研究的三个热点是： 智能接口、数据挖掘、主体及多主体系统。 （１） 智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。 （２） 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱： 数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。 （３）主体系统是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其 他主体通信，通过规划达到目标。多主体系统主要 研究在逻辑上或物理上分离的多个主体之间进行协 调智能行为，最终实现问题求解。多主体系统试图 用主体来模拟人的理性行为，主要应用在对现实世 界和社会的模拟、机器人以及智能机械等领域。目 前对主体和多主体系统的研究主要集中在主体和多 主体理论、主体的体系结构和组织、主体语言、主 体之间的协作和协调、通信和交互技术、多主体学 习以及多主体系统应用等方面。 ４实际应用 人工智能是在计算机科学、控制论、信息论、心 理学、语言学等多种学科相互渗透的基础发展起来 的一门新兴边缘学科，主要研究用机器（主要是计 算机）来模仿和实现人类的智能行为，经过几十年 的发展，人工智能应用在不少领域得到发展，在我 们的日常生活和学习当中也有许多地方得到应用。 本文就符号计算、模式识别、专家系统、机器翻译 等方面的应用作简单介绍，籍此使读者对我们身边 的人工智能应用有一个感性的认识。 （１）符号计算 计算机最主要的用途之一就是科学计算，科学计 算可分为两类： 一类是纯数值的计算，例如求函数的 值，方程的数值解，比如天气预报、油藏模拟、航天 等领域； 另一类是符号计算，又称代数运算，这是一 种智能化的计算，处理的是符号。符号可以代表整 数、有理数、实数和复数，也可以代表多项式，函数， 集合等。随着计算机的普及和人工智能的发展，相继 出现了多种功能齐全的计算机代数系统软件，其中 Ｍａｔｈｅｍａｔｉｃａ和Ｍａｐｌｅ是它们的代表，由于它们都是 用Ｃ语言写成的，所以可以在绝大多数计算机上使 用。 （２）模式识别 模式识别就是通过计算机用数学技术方法来研 究模式的自动处理和判读。这里，我们把环境与客体 统称为“模式”，随着计算机技术的发展，人类有可 能研究复杂的信息处理过程。用计算机实现模式 （文字、声音、人物、物体等）的自动识别，是开发 智能机器的一个最关键的突破口，也为人类认识自 身智能提供线索。计算机识别的显著特点是速度快、 准确性和效率高。识别过程与人类的学习过程相似。 以“语音识别”为例： 语音识别就是让计算机 能听懂人说的话，一个重要的例子就是七国语言（英、日、意、韩、法、德、中）口语自动翻译系统。 该系统实现后，人们出国预定旅馆、购买机票、在 人 工 智 能 发 展 综 述 ２３１
人工智能课程教学大纲 【课程编码】JSZX0300 【适用专业】计算机科学与技术 【课时】 72(理论)+28(实验) 【学分】 3 【课程性质、目标和要求】 人工智能是计算机科学的重要分支，是计算机科学与技术专业本科生的专业限选课之一。本课程介绍如何用计算机来模拟人类智能，即如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的"智能"，使得计算机更好得为人类服务． 作为本科生一个学期的课程，重点掌握人工智能的基础知识和基本技能，以及人工智能的一般应用．完成如下教学目标： （1）了解人工智能的概念和人工智能的发展，了解国际人工智能的主要流派和路线，了解国内人工智能研究的基本情况，熟悉人工智能的研究领域． （2）较详细地论述知识表示的各种主要方法。重点掌握状态空间法、问题归约法和谓词逻辑法，熟悉语义网络法，了解知识表示的其他方法，如框架法、剧本法、过程法等。 （3）掌握盲目搜索和启发式搜索的基本原理和算法，特别是宽度优先搜索、深度优先搜索、等代价搜索、启发式搜索、有序搜索、A*算法等．了解博弈树搜索、遗传算法和模拟退火算法的基本方法． (4) 掌握消解原理、规则演绎系统和产生式系统的技术、了解不确定性推理、非单调推理的概念． （5）概括性地介绍人工智能的主要应用领域，如专家系统、机器学习、规划系统、自然语言理解和智能控制等． （6）简介人工智能程序设计的语言和工具． (7) 掌握Visual Prolog编程环境，会使用Prolog语言编写简单的智能程序。 要求学生已修过《数据结构》、《离散数据》和《编译原理》。 【教学时间安排】 本课程计 3 学分，理论课时72 ,实验课时28。学时分配如下表所示：
人工智能课程体系及项目实战 1、机器学习课程大纲 第一课：Pｙtｈon基础与科学计算库numpy 1、Pythoｎ语言基础 2、Ｐython数据结构(列表,字典,元组) ３、科学计算库Numpy基础 4、Numpy数组操作 5、Ｎumpy矩阵基本操作 6、Numpy矩阵初始化与创建 7、Ｎｕmpy排序与索引 第二课:数据分析处理库与数据可视化库 1、Pandａs数据读取与现实 2、Ｐａndaｓ样本数值计算与排序
3、Ｐandas数据预处理与透视表 4、Paｎｄas自定义函数 ５、Pandas核心数据结构Ｓeries详解 6、Paｎｄas数据索引 7、Mａtpｌotｌｉb绘制第一个折线图 8、Maｔplｏtlib条形图，直方图,四分图绘制 9、Matplotliｂ数据可视化分析 第三课:回归算法 １、机器学习要解决得任务 2、有监督与无监督问题 3、线性回归算法原理推导 ４、实现简易回归算法 5、逻辑回归算法原题 ６、实战梯度下降算法
第四课:案例实战信用卡欺诈检测１、数据与算法简介 2、样本不平衡问题解决思路 3、下采样解决方案 4、正则化参数选择 5、逻辑回归建模 6、过采样与ＳＭOＴE算法 第五课:决策树与随机森林 1、熵原理,信息增益 2、决策树构造原理推导 ３、ID３，C4、5算法 4、决策树剪枝策略 5、随机森林算法原理 6、基于随机森林得特征重要性选择
第六课:Kaggｌe机器学习案例实战 1、泰坦尼克船员获救预测 2、使用ｐandas库进行数据读取与缺失值预处理 3、使用scikit-leaｒn库对比回归模型与随机森林模型 4、GBDＴ构造原理 ５、特征得选择与重要性衡量指标 6、机器学习中得级联模型 7、使用级联模型再战泰坦尼克 第七课:支持向量机算法 1、SVM要解决得问题 2、线性SＶM原理推导 3、SＶM对偶问题与核变换 4、soft支持向量机问题 ５、多类别分类问题解决方案
人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器 模拟的.这项发现对早期AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，用它来解决不定积分、三角函数、代数方程等11种不同类型的问题，并首次提出启发式搜索概念，从而使启发式程序具有较普遍的意义。
人工智能算法综述人工智能算法大概包括五大搜索技术，包括一些早期的搜索技术或用于解决比较简单问题的搜索原理和一些比较新的能够求解比较复杂问题的搜索原理，如遗传算法和模拟退火算法等。 1、盲目搜索 盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。包括图搜索策略，宽度优先搜索和深度优先搜素。 1、图搜索(GRAPH SERCH)策略是一种在图中寻找路径的方法。在有关图的表示方法中，节点对应于状态，而连线对应于操作符。 2、如果搜素是以接近其实节点的程度依次扩展节点的，那么这种搜素就叫做宽度优先搜素( breadth-first search。 3、深度优先搜索属于图算法的一种，英文缩写为DFS即Depth First Search其过程 简要来说是对每一个可能的分支路径深入到不能再深入为止,而且每个节点只能访问一次。 二、启发式搜索 盲目搜索的不足之处是效率低，耗费过多的时间和空间。启发信息是进行搜索技术所需要的一些有关具体问题的特性的信息。利用启发信息的搜索方法叫做启发式搜索方法。 启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提高了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。 3、博弈树搜索 诸如下棋、打牌、竞技、战争等一类竞争性智能活动称为博弈。博弈有很多种，我们讨论最简单的"二人零和、全信息、非偶然" 博弈，其特征如下： (1对垒的MAX MIN双方轮流采取行动，博弈的结果只有三种情况：MA)方胜，MIN方败；MIN方胜，MAX方败；和局。 (2 在对垒过程中，任何一方都了解当前的格局及过去的历史。 (3 任何一方在采取行动前都要根据当前的实际情况，进行得失分析，选取对自 已为最有利而对对方最为不利的对策，不存在掷骰子之类的"碰运气"因素即双方都是很理智地决定自己的行动。 在博弈过程中，任何一方都希望自己取得胜利。因此，当某一方当前有多个行
附件 《人工智能基础》（1级）课程标准 课程名称、代码：人工智能基础 总学时数：24 理实一体化课时：24 学分数：2 适用专业：信息类（中小学生） 一、课程的性质 1、任选课； 2、技能拓展课程； 3、理实一体化课； 二、课程定位 《人工智能基础》课程是信息类及相关专业有兴趣钻研人工智能及创客应用学生的技能拓展课程。主要学习人工智能与机器人、金属材料和非金属材料、力和运动、电器控制、计算机与数学及编程思维等内容。 三、课程设计思路 以培养基于人工智能应用人才为目标，以实际的小项目为主线，讲解从工程到计算、从计算机到深度学习、从传感到控制等多学科知识。注重对学生实际应用技能和动手能力的培养。课程按PBL的方式设计情境，符合学生的认知过程。 四、课程基本目标 1、知识目标 （1）了解人工智能与机器人。 （2）理解结构的稳定性。 （3）学习力和运动。 （4）学习电气控制。 （5）理解计算机与数学。 （6）学习数制及其转换。 （7）了解计算机系统的组成。 （8）了解计算机网络。 （9）理解杠杆结构。 （10）理解伸缩结构。 （11）理解齿轮传动。 （13）理解其他传动。 （14）综合应用。
2、技能目标 （1）能够较为熟练使用器材进行各种静态物体的搭建。 （2）能够简单完成各种实物的草图设计。 （3）能够解释现实生活中特定事物结构的基本原理。 （4）能够进行个性化的创意搭建。 3、学习素质养成目标 （1）通过课程小案例实践，激发学生的自学潜力，使学生具有一定的自学习惯，在学习中动手动脑的良好习惯； （2）通过以小组形式组织学生进行小创客实训和开发，为培养学生的团队意识、组织协调能力、创新思维能力，在小创客实施中要求对学生进行分组，并以小组完成实训（实验）效果来评定个人成绩。 （3）通过多个小创客的搭建，培养学生综合应用所学知识的能力。 （4）通过小创客的搭建，培养学生以工程和计算思想解决问题的能力。 五、先修课程 无 六、教学内容及学时安排 1、课程主要内容说明 该课程通过几个学习情境的设计，使学生学习人工智能基础相关技术和应用，培养学生的自学能力和团队协作能力，具备一定的工程和计算思维，来解决生活中的一些实际问题。 2、课程组织安排说明 采用“实例教学，问题引动”、“学生为主体，教师为主导”的教学组织形式。在教学过程中，采用以搭建器材作为知识的载体，追踪学生的兴趣和问题，由实例去操纵学生自己主动发现、分析和处理问题。注意通过小型作品的搭建、使用，来激发学生的学习主动性和加深对一些概念的理解。
人工智能的发展及未来畅想 最近看了电影《黑客帝国》系列，对其中的科幻生活有了很大的兴趣，不觉有了疑问：现在的世界是否会如电影中一样呢？人工智能的神话是否会发生在当前社会中的呢？ 在黑客帝国的世界里，程序员成为了耶稣，控制着整个世界，黑客帝国之所以成为经典，我认为，不是因为飞来飞去的超级人物，而是因为其暗自揭示了一个人与计算机世界的关系，一个发展趋势。谁知道200年以后会不会是智能机器统治了世界？ 人类正向信息化的时代迈进，信息化是当前时代的主旋律。信息抽象结晶为知识，知识构成智能的基础。因此，信息化到知识化再到智能化，必将成为人类社会发展的趋势。人工智能已经并且广泛而有深入的结合到科学技术的各门学科和社会的各个领域中，她的概念，方法和技术正在各行各业广泛渗透。 智能是一个宽泛的概念。智能是人类具有的特征之一。然而，对于什么是人类智能（或者说智力），科学界至今还没有给出令人满意的定义。有人从生物学角度定义为“中枢神经系统的功能”，有人从心理学角度定义为“进行抽象思维的能力”，甚至有人同义反复地把它定义为“获得能力的能力”，或者不求甚解地说它“就是智力测验所测量的那种东西”。这些都不能准确的说明人工智能的确切内涵。 虽然难于下定义，但人工智能的发展已经是当前信息化社会的迫切要求，同时研究人工智能也对探索人类自身智能的奥秘提供有益的帮助。所以每一次人工智能技术的进步都将带动计算机科学的大跨步前进。如果将现有的计算机技术、人工智能技术及自然科学的某些相关领域结合，并有一定的理论实践依据，计算机将拥有一个新的发展方向。 当前人工智能的发展方向可以分为两种：一种受控于人类的智能机器或智能程序，人类输入指令后让其达到预期的目的；另一类，能自主推理、逻辑、判断、学习、进步的智能，而后一种而有吸引力，更增加了人工智能无穷的魅力。 人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴，在不断的接近。她并不像很多人想象的是几个科学家的工作，而是随着社会各学科发展而默默发展的。在智能领域里，最关键的问题之一，就是机器学习的问题。一旦机器有了学习的能力，谁还（敢）预测未来呢？人类的社会发展其实也是在不断积累中发展而来，人的智能也就是事实依据库+推理机制所构成了的。当所有领域的定律都能用特定的公式推理出来，黑客帝国的实现就要到来了。 研究人工智能的目的，一方面是要创造出具有智能的机器，另一方面是要弄清人类智能的本质，因此，人工智能既属于工程的范畴，又属于科学的范畴。通过研究和开发人工智能，可以辅助，部分替代甚至拓宽人类的智能，使计算机更好的造福人类。 目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域。 一、专家系统：专家系统是依靠人类专家已有的知识建立起来的知识系统，目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域，广泛应用于医疗诊断、地质勘探、石油化工、军事、文化教育等各方面。它是在特定的领域内具有相应的知识和经验的程序系统，它应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平。 二、机器学习：机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；和机器学习的方法；以及建立针对具体任务的学习系统。机器学习的研究
人工智能发展史 人工智能学科诞生于20世纪50年代中期，当时由于计算机的产生与发展，人们开始了具有真正意义的人工智能的研究。（虽然计算机为AI提供了必要的技术基础,但直到50年代早期人们才注意到人类智能与机器之间的联系. Norbert Wiener是最早研究反馈理论的美国人之一.最熟悉的反馈控制的例子是自动调温器.它将收集到的房间温度与希望的温度比较,并做出反应将加热器开大或关小,从而控制环境温度.这项对反馈回路的研究重要性在于: Wiener从理论上指出,所有的智能活动都是反馈机制的结果.而反馈机制是有可能用机器模拟的.这项发现对早期AI的发展影响很大。） 1956年夏，美国达特莫斯大学助教麦卡锡、哈佛大学明斯基、贝尔实验室申龙、IBM公司信息研究中心罗彻斯特、卡内基——梅隆大学纽厄尔和赫伯特.西蒙、麻省理工学院塞夫里奇和索罗门夫，以及IBM公司塞缪尔和莫尔在美国达特莫斯大学举行了以此为其两个月的学术讨论会，从不同学科的角度探讨人类各种学习和其他职能特征的基础，并研究如何在远离上进行精确的描述，探讨用机器模拟人类智能等问题，并首次提出了人工智能的术语。从此，人工智能这门新兴的学科诞生了。这些青年的研究专业包括数学、心理学、神经生理学、信息论和电脑科学，分别从不同角度共同探讨人工智能的可能性。他们的名字人们并不陌生，例如申龙是《信息论》的创始人，塞缪尔编写了第一个电脑跳棋程序，麦卡锡、明斯基、纽厄尔和西蒙都是“图灵奖”的获奖者。 这次会议之后，在美国很快形成了3个从事人工智能研究的中心，即以西蒙和纽威尔为首的卡内基—梅隆大学研究组，以麦卡锡、明斯基为首的麻省理工学院研究组，以塞缪尔为首的IBM公司研究组。随后，这几个研究组相继在思维模型、数理逻辑和启发式程序方面取得了一批显著的成果： （1）1956年，纽威尔和西蒙研制了一个“逻辑理论家“（简称LT）程序，它将每个问题都表示成一个树形模型,然后选择最可能得到正确结论的那一枝来求解问题，证明了怀特黑德与罗素的数学名著《数学原理》的第2章中52个定理中的38个定理。1963年对程序进行了修改，证明了全部定理。这一工作受到了人们的高度评价，被认为是计算机模拟人的高级思维活动的一个重大成果，是人工智能的真正开端。 （2）1956年，塞缪尔利用对策论和启发式搜索技术编制出西洋跳棋程序Checkers。该程序具有自学习和自适应能力，能在下棋过程中不断积累所获得的经验，并能根据对方的走步，从许多可能的步数中选出一个较好的走法。这是模拟人类学习过程第一次卓有成效的探索。这台机器不仅在1959年击败了塞缪尔本人，而且在1962年击败了美国一个州的跳棋冠军，在世界上引起了大轰动。这是人工智能的一个重大突破。 （3）1958年，麦卡锡研制出表处理程序设计语言LISP，它不仅可以处理数据，而且可以方便的处理各种符号，成为了人工智能程序语言的重要里程碑。目前，LISP语言仍然是研究人工智能何开发智能系统的重要工具。 （4）1960年纽威尔、肖和西蒙等人通过心理学实验，发现人在解题时的思维过程大致可以分为3个阶段：1。首先想出大致的解题计划；2。根据记忆中的公理、定理和解题规划、按计划实施解题过程；3.在实施解题过程中，不断进行方法和目标分析，修改计划。这是一个具有普遍意义的思维活动过程，其中主要是方法和目的的分析。（也就是人们在求解数学问题通常使用试凑的办法进行的试凑是不一定列出所有的可能性，而是用逻辑推理来迅速缩小搜索范围的办法进行的），基于这一发现，他们研制了“通用问题求解程序GPS”，
龙源期刊网 https://www.doczj.com/doc/9614482233.html, 义务教育阶段人工智能课程开发的思考与探索 作者：范洁 来源：《中国信息技术教育》2018年第19期 2017年7月，国务院印发的《新一代人工智能发展规划》明确提出：实施全民智能教育 项目，在中小学阶段设置人工智能相关课程，逐步推广编程教育，鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广。《规划》的颁布为我国在基础教育领域布局“人工智能教育”提供了政策上的保障，并指明了发展方向。 人工智能是复杂的综合性学科。在中小学阶段设置人工智能相关课程，并不是要把大学阶段学科专业课程简单地下放到中小学，单独设立人工智能课程，而是通过探究式学习，充分调动学生对人工智能的兴趣，并积极地参与进来。在新颁布的《普通高中信息技术课程标准（2017年版）》中，“人工智能初步”作为选择性必修模块进入高中课程方案。新课标对高中阶段人工智能课程结构和内容作了明确规范，并给出教学实施意见。而在义务教育阶段，并没有类似的纲领性文件可供参考。因此，本文从分析国内外基础教育人工智能课程现状入手，探究义务教育阶段人工智能课程开发的定位与途径。 国内外基础教育人工智能课程现状的分析与思考 1.从国家层面上看教学规划 英国是较早开展人工智能基础教育的国家。现行英国基础教育的教学大纲中将“计算机科学”列为基础必修课程，内容分为“计算”和“信息系统”两部分。“计算”部分的选修课程中设置了人工智能基础类模块，介绍基础知识；“信息系统”部分的选修课程中设置了人工智能应用类模块，介绍技术应用。 美国认为人工智能是连接未来的教育，着重在K12（6～18岁青少年）阶段的学生中开展人工智能教育。美国的中学信息技术课程中，在高中階段开有人工智能概论，内容包含认识人工智能的意义及其应用，并介绍自动化系统、机器人、虚拟现实技术等。 我国人工智能教育的开展相对发达国家较迟。教育部在2003年4月颁布的《普通高中技术课程标准（实验）》中首次在信息技术课程中设立“人工智能初步”选修模块。2012年版的《中小学信息技术课程标准》中，首次将机器人科普和入门级开发作为选修内容纳入小学和初中信息技术教学。在《普通高中信息技术课程标准（2017年版）》中，“人工智能初步”作为选择性必修模块进入高中课程方案，包括人工智能基础、简单智能系统开发、AI技术的发展与应用三部分内容。
人工智能 “人工智能”(Artificial Intelligence)简称AI。它是研究、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新的技术科学，是计算机科学的一个分支。是计算机科学技术的前沿科技领域。 人工智能虽然是计算机科学的一个分支，但它的研究却不仅涉及到计算机科学，而且还涉及到脑科学、神经生理学、心理学、语言学、逻辑学、认知(思维)科学、行为科学和数学以及信息论、控制论和系统论等许多学科领域。因此，人工智能实际上是一门综合性的交叉学科和边缘学科。 在世界各地对人工智能的研究很早就开始了。但对人工智能的真正实现要从计算机的诞生开始算起，这时人类才有可能以机器实现人类的智能。AI这个英文单词最早是在1956年的一次会议上提出的，在此以后．因为一些科学家的努力使它得以发展。但人工智能的进展并不像我们期待的那样迅速，因为人工智能的基本理论还不完整．我们还不能从本质上解释我们的大脑为什么能够思考，这种思考来自于什么，这种思考为什么得以产生等一系列问题。但经过这几十年的发展，人工智能正在以它巨大的力量影响着人们的生活[1]。 一、人工智能涉及的技术或方法的基本功能、特点与适用对象 目前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域[2]： 1) 问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2) 逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需
人工智能实验室 2021年1月 武汉唯众智创科技有限公司
人工智能实验室建设方案 一、专业背景 人工智能（Artificial Intelligence），它是研究、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新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能的实际应用有：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。 如今处于风口上的人工智能产业界，受到了众多企业的追捧。截至2019年6月，中国人工智能企业超过1200家，位居全球第二。但我国人工智能行业并未摆脱人才稀缺的发展短板，专业人才稀缺严重。根据猎聘发布的《猎聘2019年中国AI&大数据人才就业趋势报告》，中国人工智能人才缺口超过500万。为了满足人工智能产业界对人才的迫切需求，国家相继出台了多项政策方针，引导高校尽快设置人工智能相关专业，加大人工智能人才培养力度。2019年3月，35所高校获批建设人工智能本科专业。2019年10月18日在教育部发布的《普通高等学校高等职业教育(专科)专业目录》2019年增补专业中，增补了人工智能技术服务专科专业。 根据教育部《普通高等学校高等职业教育（专科）专业设置管理办法》，在相关学校和行业提交增补专业建议的基础上，教育部组织研究确定了2019年度增补专业共9个，自2020年起执行。在高等职业教育行业目录中，正式宣布人工智能技术服务专业诞生，专业代码610217。 该专业建设以人工智能技术与应用素质培养为基础，以人工智能技术与应用能力为培养主线，将人工智能技术服务专业技能知识和职业资格认证相结合，构建专业的理论教学体系和实践能力培养体系。采取多种形式，通过实施“双证书”和“多证书”制，培养社会所需的实用型人才。2018年4月2日，教育部印发了《高等学校人工智能创新行动计划》，行动计划中要求各大高校加快人工智能科技创新基地。因此，在高职院校设立人工智能专业迫在眉睫。
人工智能发展综述 摘要:概要的阐述下人工智能的概念、发展历史、当前研究热点和实际应用以及未来的发展趋势。 关键词:人工智能; 前景; 发展综述 人工智能(Artificial Intelligence)自1956 年正式问世以来的五十年间已经取得了长足的进展,由于其应用的极其广泛性及存在的巨大研究开发潜力, 吸引了越来越多的科技工作者投入人工智能的研究中去。尤其是八十年代以来出现了世界范围的开发新技术的高潮，许多发达国家的高科技计划的重要内容是计算机技术,而尤以人工智能为其基本重要组成部分。人工智能成为国际公认的当代高技术的核心部分之一。 1什么是人工智能 美国斯坦福大学人工智能研究中心尼尔逊教授给人工智能下了这样一个定义:人工智能是关于知识的学科, 是怎样表示知识以及怎样获得知识并使用知识的科学。从人工智能所实现的功能来定义是智能机器所执行的通常与人类智能有关的功能,如判断、推理、证明、识别学习和问题求解等思维活动。这些反映了人工智能学科的基本思想和基本内容, 即人工智能是研究人类智能活动的规律。若是从实用观点来看,人工智能是一门知识工程学:以知识为对象,研究知识的获取、知识的表示方法和知识的使用。 从计算机应用系统的角度出发，人工智能是研究如何制造智能机器或智能系统，来模拟人类智能活动的能力，以延伸人们智能的科学。如果仅从技术的角度来看，人工智能要解决的问题是如何使电脑表现智能化，使电脑能更灵活方效地为人类服务。只要电脑能够表现出与人类相似的智能行为,就算是达到了目的，而不在乎在这过程中电脑是依靠某种算法还是真正理解了。人工智能就是计算机科学中涉及研究、设计和应用智能机器的—个分支，人工智能的目标就是研究怎样用电脑来模仿和执行人脑的某些智力功能，并开发相关的技术产品，建立有关的理论。 2 人工智能历史 当然，人工智能的发展也并不是一帆风顺的，人工智能的研究经历了以下几
人工智能技术课程综述 1 人工智能的定义与发展 1.1 人工智能的定义 40多年来，人工智能获得了很大的发展，已引起了众多学科和不同专业背景学者们的日益重视，成为一门广泛的交叉和前言学科。进十年来，现代计算机的发展已能够存储及其大量的信息，进行快速信息处理，软件功能和硬件实现军取得长足进步，使人工智能获得进一步的应用。 人工智能（Artificial Intelligence），英文缩写为AI。目前的“人工智能”一词是指用计算机模拟或实现的一种智能。同时人工智能又是一个学科名称，作为一个学科，人工智能研究的如何使机器（计算机）具有智能的科学和技术，特别是自然智能如何在计算机上实现或再现的科学技术。从科学的角度讲，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 “人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解
是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算，而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”，可见复杂工作的定义是随着时代的发展和技术的进步而变化的，人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机，人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 1.2 人工智能的研究发展 对于人工智能的发展来说，20世纪30年代和40年代的智能界，发现了两件最重要的事：数理逻辑和关于计算的新思想。而人工智能的总体发展阶段大致可以分为以下五大阶段： 第一阶段：50年代人工智能的兴起和冷落。人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
《人工智能》课程教学大纲 课程代码：H0404X 课程名称：人工智能 适用专业：计算机科学与技术专业及有关专业 课程性质：本科生专业基础课﹙学位课﹚ 主讲教师：中南大学信息科学与工程学院智能系统与智能软件研究所蔡自兴教授 总学时：40学时﹙课堂讲授36学时，实验教学4学时﹚ 课程学分：2学分 预修课程：离散数学，数据结构 一.教学目的和要求： 通过本课程学习，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。 人工智能涉及自主智能系统的设计和分析，与软件系统、物理机器、传感器和驱动器有关，常以机器人或自主飞行器作为例子加以介绍。一个智能系统必须感知它的环境，与其它Agent和人类交互作用，并作用于环境，以完成指定的任务。 人工智能的研究论题包括计算机视觉、规划与行动、多Agent系统、语音识别、自动语言理解、专家系统和机器学习等。这些研究论题的基础是通用和专用的知识表示和推理机制、问题求解和搜索算法，以及计算智能技术等。 此外，人工智能还提供一套工具以解决那些用其它方法难以解决甚至无法解决的问题。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学等。通过学习，学生能够知道什么时候需要某种合适的人工智能方法用于给定的问题，并能够选择适当的实现方法。 二.课程内容简介 人工智能的主要讲授内容如下： 1.叙述人工智能和智能系统的概况，列举出人工智能的研究与应用领域。 2.研究传统人工智能的知识表示方法和搜索推理技术，包括状态空间法、问题归约法谓词逻辑法、语义网络法、盲目搜索、启发式搜索、规则演绎算法和产生式系统等。 3.讨论高级知识推理，涉及非单调推理、时序推理、和各种不确定推理方法。 4.探讨人工智能的新研究领域，初步阐述计算智能的基本知识，包含神经计算、模糊计算、进化计算和人工生命诸内容。 5.比较详细地讨论了人工智能的主要应用，包括专家系统、机器学习、自动规划、Agent、自然语言理解、机器视觉和智能控制等。对于应用内容，根据学时，有选择地进行讲授。 6.评述近年来人工智能的争论，讨论人工智能对人类经济、社会和文化的影响，展望人工智能的发展。 以上内容反映了人工智能的最新进展，理论联系实际，具有很好的针对性。 三.教学内容和学时安排
职业院校人工智能专业建设解决方案广州万维图灵智能科技有限公司V1.0
目录 1.方案背景 (1) 1.1.科技发展趋势及国家政策导向 (1) 1.2人工智能技术服务专业建设状况 (2) 1.2.1“人工智能+”专业已成为各院校专业建设高地 (2) 1.2.2人工智能专业建设难点和面临问题 (2) 2.方案思路 (2) 2.1方案整体思路设计 (2) 2.2人工智能人才培养建设模式 (3) 2.3方案特色 (4) 3.建设内容 (4) 3.1人工智能技术服务专业整体架构 (4) 3.2人工智能技术服务专业课程体系 (5) 3.3人工智能全周期实训及算法校验系统 (5) 3.4人工智能实训室建设内容 (7) 3.1人工智能基础实训室 (7) 3.2人工智能专业应用实训室 (8) 3.3人工智能综合实践实训室 (8) 4.服务内容 (9) 4.1师资赋能培训 (9) 4.2测评认证服务 (9) 4.3赋能三创（创新创业创造） (10) 4.4产学研用支持 (10)
1.方案背景 1.1.科技发展趋势及国家政策导向 随着信息技术、大数据和5G的快速发展，人工智能已成为引领未来的战略性技术，是国际竞争的新焦点，世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。面对全球竞争格局，国家已把人工智能发展放在国家战略层面系统布局、主动谋划，牢牢把握人工智能发展新阶段国际竞争的战略主动，打造竞争新优势、开拓发展新空间，有效保障国家安全和国家创新竞争力。但当前科技的竞争核心在于人才的竞争，我国的人工智能相关人才与世界主要发达国家相比比例明显不足，且技术应用类人才也出现较大缺口，并为此国家相关政府部门先后出台多个相应的政策文件，对人工智能的发展做出了总体部署，全面加速人工智能在研发应用和人才培养的步伐，深化各梯度人才的培养。 ●其中2017年国务院发布《新一代人工智能发展规划》，文件指出要紧抓人工智能发 展的重大战略机遇，加快培养聚集人工智能人才，积极构建各级人工智能科技创新 体系和教育体系，加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人 工智能学科建设。 ●2018年教育部下发《高等学校人工智能创新行动计划》，该行动计划从扩大人才培 养规模、提高人才培养质量、优化人才培养结构等方面进行系统部署，重点提出“引 导高校通过增量支持和存量调整，加大人工智能领域人才培养力度”“深入论证并 确定人工智能学科内涵，完善人工智能的学科体系，推动人工智能领域一级学科建 设”“鼓励对照国家和区域产业需求布点人工智能相关专业；支持高校在计算机科 学与技术学科设置人工智能学科方向”等任务。 ●2019年教育部在专业发展调整规划中，教育部正式宣布在普通高等学校高等职业 教育（专业）院校中设置“人工智能技术服务专业”，并且从2019年开始实行。 ●2019年，教育部近日印发《关于实施卓越教师培养计划2.0的意见》：要求：该 计划中明确指出要推动人工智能、智慧学习环境等新技术与教师教育课程全方位融 合，充分利用人工智能、虚拟现实技术，建设开发一批交互性、情境化的教师教育 课程资源。
题目人工智能的争论与现状学院电子工程学院 专业智能科学与技术 学生姓名 教师姓名
摘要 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、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新的技术科学。但是在人工智能的发展过程中，它也引起了人们关于人工智能理论、方法以及技术路线等争论。尽管如此，人工智能对人类未来的发展，还是会有深远的的意义。 关键字：人工智能；发展现状；未来展望
1.引言 人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 2.人工智能的争论 随着人工智能的发展，计算机科学界以及外界对人工智能的发展持有不同的看法。但总体来说，对于人工智能的争论主要有以下几点： 2.1对人工智能理论的争论 2.1.1符号主义： 符号主义认为人的认知基元是符号，而且认知过程即符号操作过程。它认为人是一个物理符号系统，计算机也是一个物理符号系统，因此，我们就能够用计算机来模拟人的智能行为，即用计算机的符号操作来模拟人的认知过程。也就是