人工智能概论：从基础到大模型

·中信科产业学院《人工智能导论》课程教材。中信科产业学院是中信科移动通信技术股份有限公司与多所高校合作建立的产教融合型学院，每年开班数量为4~6，每班人数为150~180，年用书量预计为1000+。
2.中信科具备强大的技术功底和一定的客户资源，在图书内容质量保障和宣传推广方面有很大的优势。
3.本书全面覆盖理论知识，结合实际讲解算法，帮助读者将理论知识应用于实际工作。同时，本书有丰富的配套资源，如PPT、习题及答案等，便于教师教学和企业培训。
从技术流派到核心主题，科学实用兼顾，帮你系统吃透 AI 硬知识。

·信息类专业核心教材，理工入门、从业者培训都能用，一本顶多样。
·9 章串起 AI 核心，从基础到热门应用，跟着学透 AI 方方面面。
·理论结合创新案例，从认知到具身智能，学完 get 实用技能。

本书按照人工智能各技术流派分别进行讲述，强调科学性、系统性、综合性和实用性的统一。本书共分为9章，每章围绕一个人工智能核心主题展开，逐步引导读者深入了解AI的各个方面。首先概述人工智能研究内容和各技术学派思想；然后介绍知识表示与推理方法，如知识图谱关键技术；再对人工智能中的搜索技术原理进行讲解；接着介绍机器学习的相关概念和技术原理，并重点讲解深度学习与大模型相关技术；还介绍强化学习，即基于价值和基于策略的强化学习；最后介绍人工智能综合应用实践，分别为自然语言处理与认知智能、计算机视觉与感知智能、自动驾驶与具身智能的基础知识、创新案例以及行业应用。
本书可作为普通本科或职业教育信息类专业的专业核心课教材，也可以作为其他理工类专业学习人工智能技术创新应用的参考教材，还可作为从事智能化工作相关人员的培训用书或入门读本。

孙中亮，中信科移动通信技术股份有限公司教育业务总监、高级工程师。全国工业和信息化职业教育教学指导委员会通信职业教育教学指导分委员会专业建设专门工作委员会委员。一直致力于通信技术研究、移动通信产品开发测试及通信网络运维工作，具有通信工程项目全交付周期管理经验。完成教育部协同育人项目申报立项100余项，主持完成3G/4G/5G移动通信工程关键技术验证项目11项。申请发明专利26篇。开发教材7部。

第 1章 绪论 1
11　人工智能概述　1
111　人工智能的起源1
112　人工智能的定义3
113　人工智能发展的3要素5
12　人工智能各学派的认知观　6
121　符号主义与逻辑推理6
122　问题求解与探寻搜索7
123　连接主义与数据驱动8
124　行为主义与强化学习9
13　人工智能的研究内容与应用领域　10
131　人工智能的研究内容10
132　人工智能的应用领域13
14　人工智能的数学基础　16
15　人工智能路在何方　19
16　本章小结　21
第　2章 知识表示与推理　22
21　知识表示与知识推理概述　22
211　知识概念　22
212　知识表示　23
213　知识推理　23
22　知识图谱概述　25
221　知识图谱的概念25
222　知识图谱的分类26
223　知识图谱的逻辑架构27
224　知识图谱的应用价值28
23　知识图谱构建方法　31
24　知识图谱关键技术　34
241　本体构建　34
242　知识抽取　37
243　知识融合　41
244　知识存储　42
245　知识推理　44
246　知识更新　46
25　本章小结　47
第3章　搜索技术　49
31　搜索算法基础　49
311　搜索基本问题定义49
312　搜索问题的类型和求解50
313　搜索算法的评价指标51
32　盲目搜索　51
321　广度优先搜索51
322　深度优先搜索52
323　迭代加深　54
33　启发式搜索　54
331贪婪最佳优先搜索　55
332　A*搜索　58
333　IDA 搜索　60
34　最优化问题中的搜索　62
341　优化问题概述62
342　线性规划　64
343　单纯形法　65
35　本章小结　67
第4章　机器学习　69
41　机器学习基本概念　69
42　线性回归　71
43　决策树　76
44　人工神经网络　82
441　神经元与感知机82
442　BP神经网络及其学习方法88
45　本章小结　98
第5章　深度学习与大模型　100
51　深度学习　100
511　从神经网络到深度学习100
512　卷积神经网络101
513　卷积神经网络的实例LeNet-5111
52　大模型（LLM）　113
521　大模型概述　113
522　大模型的分类120
523　大模型的关键技术121
524　开源大模型LLaMA140
53　本章小结　143
第6章　强化学习　145
61　强化学习问题定义　145
611　强化学习基本概念145
612　马尔可夫决策过程146
613　强化学习问题定义149
614　贝尔曼方程　151
62　基于价值的强化学习　153
621　Q-Learning154
622　DQN（Deep Q Network）156
63　基于策略的强化学习　160
631　策略梯度（Policy gradient）161
632　PPO （Proximal Policy Optimization）163
64　深度强化学习的应用　164
641　深度强化学习在游戏AI中的应用164
642　强化学习技术在应用落地中存在的问题166
65　本章小结　167
第7章　自然语言处理与认知智能　168
71　自然语言处理概述　168
711　研究内容　168
712　应用领域　169
713　算法介绍　171
72　对话系统　173
721　对话理解　174
722　对话管理　177
723　回复生成　179
73　文本生成180
731　文本生成概述180
732　transformer181
74　本章小结　203
第8章　计算机视觉与感知智能　205
81　计算机视觉概述　205
811　研究内容　206
812　应用领域　209
813算法介绍　　212
82　目标检测　212
821　目标检测基本概念212
822　目标检测模型214
83　图像分割　227
831　图像分割基本概念227
832　全卷积 络（FCN）228
84　本章小结　232
第9章　自动驾驶与具身智能　234
91　自动驾驶概述　234
92　同步建图与定位　236
921　高精度地图　236
922　汽车定位技术237
923　同步建图与定位SLAM239
93　运动规划与控制　241
931　路径规划　241
932　车用地图与导航技术244
933　自动驾驶汽车控制245
94　环境感知与识别　247
941　车载传感器介绍248
942　目标检测与跟踪249
943　障碍物检测与避障250
944　车道线识别　251
945　环境建模与场景理解252
946　多传感器融合253
95　本章小结　256