人工智能经典教材 国家级精品课程;人工智能配套教材、国家级双语示范课程;人工智能配套教材、国家级精品资源共享课程;人工智能配套教材、曾获普通高等学校;十一五国家级规划教材和;十二五国家级规划教材，第2版曾获国家 科技进步奖一等奖。以作者提出的人工智能核心要素和学科体系为指导，构建本书的基本架构，突出基于知识的人工智能和基于数据的人工智能，加强人工智能算法与编程，新增人工智能的算力，彰显人工智能新内容和新水平。提供全面修订的课程电子课件（PPT）便于教师备课和授课，拥有丰富的人工智能课程网络教学资源有利于课后复习和提升。

《人工智能及其应用（第7版）》全面系统介绍了人工智能的基本原理及其应用，涉及人工智能概述、基于知识的人工智能、基于数据的人工智能、人工智能的算法与编程、人工智能的计算能力、人工智能发展展望及人工智能的应用。第1章叙述人工智能的定义与发展，提出人工智能的核心要素、学科体系和系统分类。第2章～第4章介绍知识表示、知识搜索与推理、基于知识的机器学习。第5章～第7章介绍群体智能与进化计算、数据处理和人工神经网络、基于数据的机器学习。第8章～第9章介绍逻辑型人工智能编程语言、解释型语言和深度学习开源框架。第10 章介绍人工智能的算力及架构。第11章～第13章介绍专家系统、智能规划、机器感知。第14章～第15章内容涉及人工智能伦理与安全及人工智能的发展趋势。书中每章均配备习题并对要点进行总结，加深读者对原理及算法的理解，为进一步深入学习人工智能打下坚实的基础。《人工智能及其应用（第7版）》可作为高等院校本科生和研究生的人工智能课程教材，也可供从事人工智能研究与开发的相关人员阅读参考。

蔡自兴，IEEE院士和IEEE终身院士（Fellow）、国际导航与运动控制科学院院士、纽约科学院院士、CAAI Fellow、AAIA Feloow、CFF Fellow、CAA Fellow，联合国专家，中南大学教授、博士生导师，湖南省自兴人工智能研究院首席科学家。首届全国高校国家级教学名师奖、吴文俊人工智能科技奖成就奖、徐特立教育奖、宝钢全国优秀教师奖特等奖获得者。历任第八届湖南省政协副主席和全国政协第九届和第十届委员会委员，兼任中国人工智能学会副理事长及智能机器人专业委员会创会主任、中国自动化学会理事、中国计算机学会人工智能与模式识别专业委员会委员、IEEE计算智能学会评奖委员会委员和IEEE CIS进化计算技术委员会委员等。已在国内外编著出版专著和教材60多部（版），发表论文1000多篇，他引数万次。主持国家级精品课程、国家级精品资源共享课程、国家级教学团队等国家 质量工程项目8项。是我国人工智能、智能控制、机器人学诸学科的学术带头人之一，被誉为;中国人工智能教育第一人;中国智能机器人学科创始人和;中国智能控制奠基者。刘丽珏， 中南大学自动化学院副教授，2008年获中南大学计算机应用技术博士学位。广西人工智能学会常务理事、CAAI会员、湖南省人工智能学会会员，国家级精品课程;人工智能主讲教师和国家级视频公开课;人工智能PK人类智能讲座教授及;智能科学基础系列课程国家级教学团队成员。研究兴趣为智慧医疗、人工智能和机器学习等。陈白帆， 中南大学自动化学院副教授。2009年获中南大学计算机应用技术博士学位，2015年美国德州农工大学访问学者。湖南省人工智能学会副秘书长，IEEE会员和CAAI会员。 ;智能科学系列课程 国家级教学团队成员，国家精品课程和国家精品资源共享课程《人工智能》主讲教师。研究方向为人工智能、移动机器人环境感知与定位、机器视觉等。蔡昱峰， 高级工程师，高级经济师。湖南自兴人工智能科技集团董事长，中南大学工业电气自动化学士，香港科技大学工商管理硕士。湖南省工商联执委、湖南省人工智能学会副理事长。带领公司荣获国家高新技术企业、小巨人企业等称号及工信部人工智能与实体经济深度融合创新项目及未来医疗100强中国数字医疗榜等。研究方向为智慧医疗。

第1章绪论1.1人工智能的定义与发展1.1.1人工智能的定义1.1.2人工智能的起源与发展1.1.3中国人工智能的发展1.2人工智能的核心要素、学科体系和系统分类1.2.1人工智能的核心要素1.2.2人工智能的学科体系1.2.3人工智能系统的分类1.3人工智能的研究目标和内容1.3.1人工智能的研究目标1.3.2人工智能研究的基本内容1.4人工智能的研究与应用领域1.5本书概要1.6小结习题1

第1篇基于知识的人工智能第2章知识表示方法2.1状态空间表示2.1.1问题状态描述2.1.2状态图示法2.2问题归约表示2.2.1问题归约描述2.2.2与或图表示2.3谓词逻辑表示2.3.1谓词演算2.3.2谓词公式2.3.3置换与合一2.4语义网络表示2.4.1二元语义网络的表示2.4.2多元语义网络的表示2.4.3语义网络的推理过程2.5本体技术2.5.1本体的概念2.5.2本体的组成与分类2.5.3本体的建模2.6知识图谱2.6.1知识图谱的定义与架构2.6.2知识图谱的关键技术2.6.3知识图谱的应用领域2.7小结习题2

第3章知识搜索与推理3.1图搜索策略3.2盲目搜索3.2.1宽度优先搜索3.2.2深度优先搜索3.2.3等代价搜索3.3启发式搜索3.3.1启发式搜索策略和估价函数3.3.2有序搜索3.3.3A*算法3.4消解原理3.4.1子句集的求取3.4.2消解推理规则3.4.3含有变量的消解式3.4.4消解反演求解过程3.5规则演绎系统3.5.1正向规则演绎系统3.5.2逆向规则演绎系统3.5.3双向规则演绎系统3.6不确定性推理3.6.1不确定性的表示与度量3.6.2不确定性的算法3.7概率推理3.7.1概率的基本性质和计算公式3.7.2概率推理方法3.8主观贝叶斯方法3.8.1知识不确定性的表示3.8.2证据不确定性的表示3.8.3主观贝叶斯方法的推理过程3.9小结习题3

第4章基于知识的机器学习4.1机器学习的定义和发展历史4.1.1机器学习的定义4.1.2机器学习的发展史4.2机器学习的主要策略与基本结构4.2.1机器学习的主要策略4.2.2机器学习系统的基本结构4.3归纳学习4.3.1归纳学习的模式和规则4.3.2归纳学习方法4.4类比学习4.4.1类比推理和类比学习形式4.4.2类比学习过程与研究类型4.5解释学习4.5.1解释学习过程和算法4.5.2解释学习举例4.6强化学习4.6.1强化学习概述4.6.2Q学习4.7小结习题4

第2篇基于数据的人工智能第5章群体智能与进化计算5.1粒群优化算法5.1.1群体智能和粒群优化概述5.1.2粒群优化算法5.2蚁群算法5.2.1蚁群算法理论5.2.2蚁群算法的研究与应用5.3进化算法与遗传算法5.3.1进化算法原理5.3.2进化算法框架5.3.3遗传算法的编码与解码5.3.4遗传算法的遗传算子5.3.5遗传算法的执行过程5.3.6遗传算法的执行实例5.4小结习题5

第6章数据处理和人工神经网络6.1数据处理概述6.1.1数据类型6.1.2数据预处理6.1.3特征工程6.2人工神经网络6.2.1人工神经网络研究的进展6.2.2人工神经网络的基本结构6.3神经网络学习6.3.1基于反向传播网络的学习6.3.2基于Hopfield网络的学习6.4小结习题6

第7章基于数据的机器学习7.1线性回归7.2决策树7.2.1决策树的模型与学习7.2.2特征选择7.2.3决策树的生成算法7.2.4决策树的剪枝7.3支持向量机7.3.1间隔与支持向量7.3.2对偶问题7.3.3软间隔与正则化7.3.4核函数7.4集成学习7.4.1随机森林7.4.2Adaboost算法7.5聚类7.5.1距离计算7.5.2k均值聚类7.5.3样例说明7.6深度学习7.6.1深度学习的定义与特点7.6.2深度学习的常用模型7.6.3深度学习的总结与展望7.7小结习题7

第3篇人工智能的算法与编程第8章逻辑型人工智能编程语言8.1逻辑型编程语言概述8.2LISP语言8.2.1LISP的特点和数据结构8.2.2LISP的基本函数8.2.3递归和迭代8.3PROLOG语言8.3.1PROLOG语法与数据结构8.3.2PROLOG程序设计原理8.4小结习题8

第9章解释型语言和深度学习开源框架9.1Python语言9.1.1Python 简介9.1.2Python的基本语法9.1.3Python第三方开源工具包9.2深度学习框架9.2.1深度学习框架的发展9.2.2深度学习开源框架比较9.2.3深度学习框架基本功能9.3小结习题9

第4篇人工智能的计算能力第10章人工智能的算力及架构10.1人工智能算力的定义、分类和评估10.1.1人工智能算力的定义10.1.2人工智能算力和芯片的分类10.1.3人工智能算力的评估10.2人工智能芯片的发展10.2.1人工智能芯片的发展历史10.2.2人工智能芯片的发展态势10.3人工智能算力网络10.3.1人工智能算力网络的定义和特征10.3.2人工智能算力网络的基本架构和工作机制10.3.3人工智能算力网络的关键技术10.3.4人工智能算力网络应用示例10.4普适人工智能算力网络10.4.1普适人工智能算力网络的基本架构10.4.2普适人工智能算力网络的应用示例10.5小结习题10

第5篇人工智能的研究与应用领域第11章专家系统11.1专家系统概述11.1.1专家系统的定义与特点11.1.2专家系统的结构和建造步骤11.2基于规则的专家系统11.2.1基于规则的专家系统的工作模型和结构11.2.2基于规则的专家系统的特点11.3基于模型的专家系统11.3.1基于模型的专家系统的提出11.3.2基于神经网络的专家系统11.4基于Web的专家系统11.4.1基于Web的专家系统的结构11.4.2基于Web的专家系统的实例11.5智慧医疗诊断系统11.5.1智慧医疗诊断系统与专家系统11.5.2智慧医疗诊断系统的一般架构和流程11.5.3智慧医疗诊断系统示例11.6小结习题11

第12章智能规划12.1智能规划概述12.1.1规划的概念和作用12.1.2规划的分类12.2任务规划12.2.1积木世界的机器人规划12.2.2基于消解原理的规划12.2.3分层规划12.2.4基于专家系统的规划12.3路径规划12.3.1机器人路径规划的主要方法和发展趋势12.3.2基于免疫进化和示例学习的机器人路径规划12.3.3基于蚁群算法的机器人路径规划12.4移动机器人导航12.4.1移动机器人导航的主要方法12.4.2移动机器人导航的发展趋势12.4.3基于机器学习的机器人导航12.5轨迹规划简介12.6小结习题12

第13章机器感知13.1计算机视觉13.1.1图像工程概述13.1.2图像采集和处理13.1.3图像分类13.1.4目标检测与跟踪13.1.5图像分割13.1.6图像理解13.2自然语言理解13.2.1自然语言理解概述13.2.2自然语言理解研究的基本方法和进展13.2.3词法分析13.2.4句法分析13.2.5语义分析13.2.6文本的自动翻译机器翻译13.2.7自然语言理解系统的主要模型13.2.8自然语言理解应用实例ChatGPT13.3语音识别13.3.1语音识别技术的发展过程13.3.2语音识别基本原理13.3.3语音识别关键技术和方法13.3.4语音识别技术展望13.4基于深度学习的自然语言处理13.4.1基于深度学习的语音处理技术13.4.2基于深度学习的其他自然语言处理技术13.4.3基于深度学习的自然语言处理示例13.5小结习题13

第6篇人工智能展望第14章人工智能的效益与安全14.1人工智能的巨大效益14.1.1人工智能对经济、科技和文教的影响14.1.2人工智能对社会、生态和健康的影响14.2人工智能的安全问题14.3小结习题14

第15章人工智能的发展趋势15.1快速发展的人工智能产业化15.1.1人工智能产业化的主要领域15.1.2人工智能产业化的现状15.1.3人工智能产业化的发展趋势15.2人工智能技术的深度融合15.2.1人工智能知识和数据的深度融合15.2.2机器学习中人工智能技术的融合15.2.3深度强化学习中人工智能技术的融合15.2.4深度学习与传统人工智能技术的融合15.3小结习题15

结束语

参考文献

索引

人类的进化归根结底是智能的进化，而智能反过来又为人类的进一步进化服务。我们学习与研究人工智能、智能系统和智能机器等，其目的就在于创造和应用智能技术和智能系统为人类进步服务。因此，可以说，对人工智能科技的钟情、期待、开发和应用，是科技发展和人类进步的必然。

国际上人工智能研究作为一门前沿和交叉学科，伴随着世界社会进步和科技发展的步伐，与时俱进，在过去60多年中已取得长足进展。在国内，人工智能已得到迅速传播与发展，并促进其他学科的发展。2016年3月AlphaGo与李世石的国际象棋人机大战将人工智能的关注度推至前所未有的高度，引发一轮新的人工智能研究和创业高潮。许多国家竞相制订人工智能发展战略，极大地推动了人工智能的发展。2022年11月30日OpenAI公司发布了一种基于深度学习的自然语言处理技术，一款聊天机器人程序ChatGPT。它是在大型语料库上训练出来的一个深度学习模型，可以模拟人类的自然语言交流，具有十分广泛的应用前景和潜力。ChatGPT催生了又一轮人工智能研究和创业热潮，为各个领域的数字化和智能化进程提供强大的支持和帮助，将人们对人工智能的关注度推向一个新的高度。

经过一年多的修订和编辑，本书第7版终于和读者见面了。

与第6版相比，本书第7版进行了较大的更新。第一，以作者新近提出的人工智能学科体系思想为指导，构建全书崭新的人工智能架构和内容，反映国内外人工智能的最新发展趋势和科技内涵，体现出作者对人工智能学科的独特见解。第二，注重创新，用较大篇幅介绍了人工智能的先进研究方法，特别是一些新技术和交叉技术的应用。例如，知识图谱、深度学习算法、语音识别、智慧医疗和自然语言处理等。其中，用两章讨论人工智能的算法与编程，人工智能的算力架构也是首次设立专章讨论。此外还深入探讨人工智能的伦理道德和安全、人工智能技术的深度融合和人工智能产业化的发展趋势等。第三，内容系统全面，既包括传统人工智能的基础理论与技术，又涉及数据智能的基本原理与方法，全面反映人工智能的发展历史和科技精髓，能够较好地满足不同层次读者的学习需求。第四，理论与实践高度融合，既有理论、技术和方法的阐述，又有许多应用实例的介绍，有助于读者对人工智能理论方法的深入理解及其应用开发。

本书第7版介绍了人工智能的基本原理及其应用，涉及人工智能概述、基于知识的人工智能、基于数据的人工智能、人工智能的算法与编程、人工智能的算力架构、人工智能的应用及人工智能展望等内容。全书共15章。第1章叙述人工智能的定义与发展，提出人工智能的核心要素、学科体系和系统分类，阐明人工智能的研究目标和研究内容，概括人工智能的研究与应用领域。第1篇为基于知识的人工智能，含知识表示方法、知识推理技术和基于知识的机器学习3章。第2篇为基于数据的人工智能，含数据处理概述、群体智能和进化计算、基于数据的机器学习3章。第3篇为人工智能的算法与编程，含逻辑型人工智能编程语言、解释型语言和深度学习开源框架2章。第4篇为人工智能的计算能力，含人工智能的算力及架构1章。第5篇为人工智能的研究和应用领域，含专家系统、智能规划和机器感知3章，机器感知又包括计算机视觉、自然语言理解和语音识别3部分。第6篇为人工智能展望，含人工智能伦理与安全、人工智能的发展趋势2章。

本书第7版修订任务的分工如下： 蔡自兴负责第1章至第5章、第6章(除6.1节外)、第8章、第11章(除11.6节外)、第12章、第13章(除13.1节外)、第14章和第15章，以及7.6节和13.2节等，并承担全书统稿、审阅、修改、校对和通信等任务。刘丽珏负责第7章(除7.6节外)和6.1节。陈白帆负责第13章(除13.2节外)和9.2节。蔡昱峰负责第10章和11.6节。

承蒙广大读者厚爱，本书被1000多所院校用作教材或教学参考书。我国科技教育界的许多领导和专家以及一些外国教授，长期以来对本书一直给予充分肯定。时任国务委员兼国家科委主任、中国科学院院士和中国工程院院士宋健教授，在极其繁忙的国务活动中，曾于1988年2月亲笔致函蔡自兴同志，对本书给予高度评价，体现出他对发展我国人工智能的高度关注和对作者的热诚鼓励。在本书修订过程中，得到许多专家和读者的热情支持。 ;人民科学家国家荣誉称号获得者吴文俊院士为本书提供了长篇代序，赞许本书的贡献。中国科学院院士、清华大学李衍达教授在百忙中分别为本书第2版、第3版和第4版作序，为本书增添光彩。谨向诸位领导、专家和广大读者表示诚挚的感谢。

我特别感激和怀念我的导师、国际模式识别之父、美国国家工程科学院院士傅京孙先生和我们的老师、指导者、中国科学院院士常迵先生。他们不但为本书的编著提供了悉心指导和有力帮助，而且为本书获得公开出版做出了巨大贡献。

我们还要衷心感谢中南大学、清华大学、湖南自兴智慧医疗有限公司和清华大学出版社有关领导、专家和编辑。本书责任编辑孙亚楠老师也为本书第7版的编辑付出了辛勤劳动，贡献出智慧。如果没有他们的智慧、辛勤和合作，本书就不可能高质量和迅速地与读者见面。

我们要特别感谢 ;十一五和;十二五国家级教材规划、国家级精品课程、国家级双语教学示范课程、国家级教学团队、国家级精品视频公开课和国家级精品资源共享课等 ;质量工程的大力支持。

诚挚感谢国内外人工智能专著、教材和许多高水平论文报告的作者们。他们的作品及与他们的研讨为我们修订本书提供了丰富营养，使我们受益匪浅。我们在本书中引用了他们的部分材料，使本书能够取各家之长，较全面地反映人工智能各领域的最新进展。

希望本书新版能为广大师生奉献一部崭新的和适用的人工智能教科书，也为从事人工智能研究与开发的人员提供人工智能项目研究的实用参考书。

本课程的网址： 国家级精品课程《人工智能》https://www.icourses.cn/sCourse/course_6696.html和国家级视频公开课《人工智能PK人类智能》https://www.icourses.cn/web/sword/portal/videoDetail?courseId=9feeeee31327100091e34876d02411f6井/?resId=d119afd81334100090421d109e90c3cf等相关视频资源均已上网服务，可与本书配套参考使用。

蔡自兴

2023年10月17日

于长沙德怡园