內容實用：全書內容層次清晰，由淺入深，方便不同基礎、不同專業的學生學習。

理實一體：引入人工智能領域的經典案例，通過實操加深學生對理論知識的理解。

資源豐富：配套易用的立體化融媒體資源，方便教師課上教學與學生課下自學。

人工智能技術從發展到普及，經過了幾個不同的階段，如今已應用到了各個行業當中，使得產品技術與行業需求建立了有效的對接。國內外人工智能廠商也都推出了符合市場需求的解決方案，并以各自的技術優勢迅速占領市場。智慧城市、智慧農業、智能制造、智慧財會等的應用都結合了人工智能技術來提高工作效率。

智能語音、人機交互、機器視覺等技術在醫療、教育、交通、金融等領域的應用突顯出了人工智能的高效性和智能化。無人駕駛、人臉識別、智能機器人等應用與5G技術融合，新一代信息技術正在逐漸推動著產業的發展，促使我們的工作、生活等進入一個新的階段。

在人工智能技術推動產業發展的同時，高校在人才培養方面也緊緊跟隨市場的需求量，結合崗位的要求，進行人才培養的定位。因此，我國多所本科及高職院校近幾年來先后開設了人工智能專業，并啟動了“人工智能+傳統專業”的跨學科人才培養模式，很多學校將人工智能作為全校的通識基礎課。

本書主要結合了目前高校的專業建設及人才培養的狀況，面向高職高專院校，在產教融合模式的合作下，由多所高校及企業共同參與編寫。本書可以作為全校的通識基礎課或專業群通識基礎課的教材選用。

本書通過理論到實踐的形式，由淺入深地講解了人工智能的起源、發展及應用。本書特色如下：

（1）內容實用，循序漸進。本書采取模塊化的課程設計，總共分為三個部分：初識人工智能－體驗人工智能－實現人工智能。本書采用循序漸進的學習思維理念，方便初學者的入門學習。

（2）統籌兼顧，按需選取。本書的知識結構由易到難，適合于不同層次、不同專業的學生學習，非計算機專業的學生學習到本書的第8章即可，而計算機專業的學生則可以完成全書內容的學習。

（3）資源豐富，方便學習。本書配套了微課視頻、電子課件、習題答案等立體化融媒體資源，可以通過掃二維碼的方式獲取微課視頻，電子課件和習題答案可以訪問出版社網站（www.waterpub.com.cn）或萬水書苑網站（www.dgboyong.cn）獲取。

本書由周永福、韓玉琪、王巧巧任主編，陳永松、徐偉、何達齊、曾文英任副主編，其中第1章、第10章由韓玉琪編寫，第2章由王巧巧、徐偉、何達齊、曾文英編寫，第3章、第6章、第7章、第8章由周永福編寫，第4章由曾文英編寫，第5章、第11章由陳永松編寫，第9章由何達齊編寫。

本書得到了廣東恒電信息科技股份有限公司“恒電菁英智能教學系統平臺”的支持，并獲得廣州市重點領域研發計劃項目“人工智能驅動智慧教育關鍵技術與應用示范”（202007040006）的支持，以及藍盾信息安全技術股份有限公司、廣東中人世紀網絡技術有限公司、廣州龍創天地科技有限公司的大力支持，在此向各位同行和相關作者表示誠摯的感謝。同時感謝中國水利水電出版社給予的協助和支持。

由于編者水平有限，書中難免存在欠妥之處，由衷希望廣大讀者朋友和專家學者能夠撥冗提出寶貴的改進意見。

編者

2022年5月

第1章 人工智能的前世今生 1
1.1 人工智能的定義 1
1.1.1 智能 1
1.1.2 人工智能 3
1.2 人工智能的起源 3
1.2.1 人工智能之父 4
1.2.2 圖靈測試 4
1.2.3 達特茅斯會議 5
1.3 人工智能的興衰往事 6
1.3.1 人工智能的第一次興衰 6
1.3.2 人工智能的第二次興衰 7
1.3.3 人工智能的第三次浪潮 7
1.4 人工智能的發展 8
1.4.1 人工智能教父 8
1.4.2 從“深藍”到“AlphaGo” 9
1.4.3 人工智能的黃金時代 10
本章小結 11
練習1 12
第2章 人工智能的應用領域 13
2.1 人工智能的分類 13
2.1.1 弱人工智能 14
2.1.2 強人工智能 14
2.2 人工智能的三個階段 15
2.2.1 人工智能的“計算智能”階段 15
2.2.2 人工智能的“感知智能”階段 16
2.2.3 人工智能的“認知智能”階段 16
2.3 人工智能的技術領域 17
2.3.1 人工智能的“看”—計算機視覺 17
2.3.2 人工智能的“聽”—語音處理 19
2.3.3 人工智能的“想”—自然語言處理 21
2.4 人工智能的技術領域 24
2.4.1 數據服務 24
2.4.2 數據智能 26
2.4.3 智能控制 28
2.4.4 智能芯片 31
2.5 人工智能行業應用場景 37
2.5.1 智能安防 37
2.5.2 智能駕駛 38
2.5.3 智能醫療 40
2.5.4 智能服務 41
2.5.5 智能家居 42
2.5.6 智慧農業 44
2.5.7 智慧交通 45
2.5.8 智慧城市 47
2.5.9 數字孿生 49
2.6 人工智能的展望 51
2.6.1 更易用的人工智能開發框架 51
2.6.2 更完善的人工智能數據服務 52
2.6.3 更安全的人工智能數據共享 54
2.6.4 更優化的人工智能算法模型 56
2.6.5 “端—邊—云”全面發展的人工智能算力 58
2.6.6 更廣泛的人工智能服務 60
本章小結 60
練習2 60
第3章 人工智能中的應用和方法 62
3.1 搜索算法 62
3.1.1 智能系統中的搜索 62
3.1.2 搜索算法介紹 65
3.1.3 盲目檢索 65
3.1.4 知情搜索 68
3.1.5 博弈中的搜索 69
3.2 博弈 70
3.2.1 二人博弈 71
3.2.2 囚徒困境 71
3.2.3 高級計算機博弈 72
3.3 邏輯 73
3.3.1 人工智能中的邏輯 73
3.3.2 邏輯和表示 74
3.3.3 模糊邏輯 75
3.4 產生式系統和專家系統 77
3.4.1 人工智能中的知識表示 77
3.4.2 產生式系統 78
3.4.3 專家系統 79
3.5 神經網絡 81
3.5.1 神經元 81
3.5.2 人工神經網絡 82
3.5.3 梯度消失與梯度爆炸 84
3.5.4 損失函數 85
3.5.5 激活函數 86
3.6 進化計算 87
3.6.1 模擬退火 87
3.6.2 遺傳算法 88
3.6.3 遺傳規劃 89
3.7 自然語言處理 90
3.7.1 自然語言處理的概述 90
3.7.2 自然語言處理的常用技術 92
3.7.3 自然語言處理的統計方法與概率模型 93
本章小結 95
練習3 95
第4章 人臉識別 97
4.1 案例描述 97
4.2 案例解析 98
4.3 知識鏈接 98
4.4 案例學習 100
4.4.1 人臉識別應用案例 100
4.4.2 百度AI平臺人臉檢測 102
4.5 案例實現 103
4.6 人臉識別案例實戰 104
本章小結 107
練習4 107
第5章 圖像分類 109
5.1 案例描述 109
5.2 案例解析 110
5.2.1 圖像分類方法概述 110
5.2.2 實現方法選擇 110
5.2.3 案例實現過程 111
5.3 知識鏈接 112
5.3.1 圖像分類與檢測概述 112
5.3.2 圖像分類與檢測的難點與挑戰 113
5.3.3 圖像分類類型 114
5.4 圖像分類案例實踐 115
5.4.1 任務1 基于Anaconda安裝
TensorFlow 115
5.4.2 任務2 加載貓狗數據集 116
5.4.3 任務3 編譯模型 119
5.4.4 任務4 訓練模型 120
5.4.5 任務5 使用模型進行預測 121
本章小結 123
練習5 123
第6章 語音識別 125
6.1 語音識別綜述 125
6.1.1 語音識別技術概述 125
6.1.2 語音識別技術發展歷史 126
6.2 語音識別知識介紹 128
6.2.1 語音識別原理 128
6.2.2 語音識別系統的分類 131
6.2.3 語音識別的幾種基本方法 132
6.3 語音識別應用案例 133
本章小結 137
練習6 137
第7章 語音交互 138
7.1 語音交互的概念 138
7.2 語音交互的優缺點 139
7.3 語音交互的原則 140
7.4 語音交互產品主要應用場景 141
7.5 語音交互框架 144
7.6 語音交互案例 148
本章小結 152
練習7 152
第8章 機器翻譯 154
8.1 機器翻譯概述 154
8.1.1 機器翻譯的起源與發展 154
8.1.2 機器翻譯的基本原理 155
8.1.3 在線機譯 156
8.2 機器翻譯的核心技術 156
8.2.1 基于規則的機器翻譯 157
8.2.2 基于統計的機器翻譯 157
8.2.3 基于端到端的神經機器翻譯 157
8.3 機器翻譯的基本應用 159
8.4 文本與圖片翻譯案例 159
8.4.1 案例描述 159
8.4.2 知識準備 159
8.4.3 任務1 文本的單語言翻譯 161
8.4.4 任務2 文本的多語言翻譯 163
8.4.5 任務3 圖片中文字的識別與翻譯 164
本章小結 169
練習8 169
第9章 人工智能的開發環境 170
9.1 Python基礎 170
9.1.1 變量 170
9.1.2 字符串 172
9.1.3 流程控制—分支結構 174
9.1.4 流程控制—循環結構 178
9.1.5 函數 183
9.1.6 組合數據類型 185
9.1.7 文件操作 192
9.1.8 Python數據分析 197
9.2 Anaconda安裝與使用 199
9.3 TensorFlow的安裝與使用 205
9.4 人工智能的其他開發框架 208
本章小結 211
練習9 211
第10章 實現機器學習 213
10.1 機器學習 213
10.1.1 機器學習概述 213
10.1.2 機器學習問題的描述 214
10.1.3 機器學習算法分類 215
10.2 機器學習的一般流程 217
10.2.1 Scikit-learn的使用 217
10.2.2 數據集的準備和劃分 220
10.2.3 數據預處理與特征工程 221
10.2.4 模型參數與調參 222
10.2.5 模型評估 224
10.3 利用Scikit-learn實現“波士頓房價預測” 225
10.3.1 案例描述 225
10.3.2 案例解析 226
10.3.3 代碼實現 226
本章小結 231
練習10 232
第11章 實現深度學習 233
11.1 深度學習 233
11.1.1 深度學習概述 233
11.1.2 卷積神經網絡 235
11.1.3 循環神經網絡 237
11.1.4 生成對抗網絡 239
11.1.5 強化學習 240
11.2 深度學習的一般流程 242
11.2.1 數據預處理 242
11.2.2 定義網絡結構 242
11.2.3 編譯模型 242
11.2.4 擬合模型 245
11.2.5 評估模型 246
11.2.6 部署模型 246
11.3 利用TensorFlow實現“MNIST
手寫數字識別” 246
11.3.1 案例描述 246
11.3.2 案例解析 247
11.3.3 代碼實現 247
本章小結 254
練習11 254

1. 輸水管線工程風險管理 [張勇 黨亥生 著]
2. 民用航空飛機標準線路施工 [主編　王志敏　陳明]
3. 不息的水脈—大運河講談錄 [趙珩　著]
4. 實用運籌學 [主編　邢育紅　于晉臣]
5. 三峽梯級電站水資源決策支持系統研究與開發 [姚華明 潘紅忠 湯正]
6. 海南黎族民俗文化鑒賞 [龐國華　著]
7. 石墨烯在太赫茲及中紅外頻段電磁器件設計中的應用 [李艷秀 莊華偉 著]
8. 電子技術（第二版） [主編 覃愛娜 李飛]
9. 辦公自動化高級應用 [陳萍 朱曉玉]
10. 信息處理技術員考試32小時通關 [薛大龍]
11. 電子產品設計案例教程（微課版）—基于嘉立創EDA（專業版） [王靜 莫志宏 陳學昌 丁紅]
12. C程序設計實踐教程 [劉衛國]
13. C程序設計（慕課版） [劉衛國]
14. Web技術開發教程（基于.NET開源MVC框架） [王合闖 韓紅玲 王青正 陳海蕊]
15. 商務英語翻譯教程（筆譯）（第四版） [主編 王軍平]
16. 智慧零售技術與應用 [洪旭 著]
17. 建設工程法規實務 [主編 余瀅]
18. 商務秘書理論與實務（第三版） [主編 張同欽]
19. 程序設計基礎實踐教程（C/C++語言版） [張桂芬 葛麗娜]
20. C++案例項目精講 [主編 楊國興]
21. 勞動爭議處理實務 [主編 王秀卿 羅靜]
22. 工程數學 [主編 郭立娟 王海]
23. 語音識別理論與實踐 [主編　莫宏偉]
24. 信息系統項目管理師章節習題與考點特訓（第二版） [主編 薛大龍]
25. 武術基礎教程 [主編 李代勇 謝志民]
26. 計算機網絡實訓教程 [主編 張浩軍 趙玉娟]
27. 畫法幾何與機械制圖習題集（多學時） [主編 趙軍]
28. HCIA-Datacom認證題庫分類精講 [主 編 韓立剛]
29. SwiftUI完全開發 [李智威 著]
30. 網絡規劃設計師備考一本通 [夏杰 編著]