《人工智慧導論——面向人文社科專業》，北京語言大學提供的慕課課程，授課教師是於東、馮艷賓。
基本介紹
- 中文名：人工智慧導論——面向人文社科專業
- 外文名：Introduction to artificial intelligence -- for Humanities and Social Sciences
- 類別：中國大學MOOC
- 授課教師：於東 、 馮艷賓
- 提供院校：北京語言大學
- 開課時長：3-4個月
- 學時安排：2-3小時每周
- 成績組成：單元測驗（50%）、課程討論（10%）和期末考試（40%）
- 課程評價：4.8星/5星
課程概述,課程大綱,預備知識,
課程概述
人類在經過工業化、信息化之後，將進入智慧型化社會，各國政府也都紛紛出台人工智慧相關的政策和國家戰略。可以預見，在未來，人工智慧方法不再是專業知識，而是通識知識、必備知識。
北京語言大學信息科學學院立足文科院校，在國內較早為文科專業學生開設《人工智慧概論》，旨在講授一門能聽懂、跨學科、有廣度的引導課程。在此基礎上，我們傾力打造了《人工智慧導論——面向人文社科專業》課程，希望有更多的同學從中收益，了解、掌握人工智慧的基本方法和發展動態，為今後跨學科結合、轉學科深造打下基礎。
本課程有以下特點：
首先，從內容設計上，主要考慮內容的廣度。課程以專題形式介紹知識表示、知識圖譜、自動推理、搜尋技術、群智慧型算法、機器學習、深度學習，基本涵蓋了人工智慧學科誕生以來各個時期主流的研究方法。在課程的最後，我們簡要介紹了人工智慧方法在計算機視覺、自然語言處理、語音技術、機器人技術領域的套用，讓同學們對學科發展態勢有更直觀的理解。
其次，從授課方式上，主要以科普常識、介紹方法論為主。課程面向文科專業學生，以擴展知識面、培養跨學科思維為主旨，儘量避免使用公式、代碼講解。課程中，我們通過簡單、常見的例子來講解核心思想，如：在“自動推理”中我們介紹“紅樓夢人物關係推理”；在搜尋技術中介紹“農夫過河”、“遊戲追逐”問題，在機器學習中我們介紹“性別分類”、“手寫數字識別”、“地名識別”等例子。在深度學習部分，結合最新的科研進展，介紹近期人工智慧方法的前沿。使得課程具有較強的可聽性。
課程大綱
01
緒論
從達特茅斯會議確定人工智慧開始，詳細了解人工智慧的概念。了解從圖靈機時代開始，從主流方法、主要流派等幾個方面向的人工智慧的發展簡史。從“人工智慧的現狀”，“人工智慧帶來的社會影響”，以及“人工智慧的重要性”這三方面來了解人工智慧的發展現狀和趨勢。幫助同學們更好地規劃本課程的學習
課時
第一節 人工智慧的概念
第二節 人工智慧發展簡史
第三節 人工智慧發展現狀和趨勢
第四節 課程內容概述
02
知識表示
介紹知識表示的概念、形式，以及三種主要方式。了解關於命題邏輯，一階謂詞邏輯的概念、形式，以及如何用謂詞來表示知識、組成語句等。了解什麼是產生式，產生式如何描述確定性規則知識、不確定性規則知識以及事實性知識，以及進一步了解產生式系統概念。通過幾個例子來了解關於框架的概念、結構，如何建立框架知識，以及經典的框架知識庫。
課時
第一節 知識表示概述
第二節 一階謂詞邏輯知識表示
第三節 產生式知識表示
第四節 框架知識表示
03
自動推理與專家系統
了解推理的概念、類型、方向以及如何將推理實現自動化，為接下來自動推理的典型方法做出鋪墊。聚焦于歸結原理的概念、歸結原理如何用於自動推理、歸結原理的自動化問題，以及了解特殊的標準謂詞子句——Horn子句及其推理過程。了解不確定性推理的種類，可信度指標，如何計算可信度，以及多規則情況下使用規則合成來進行不確定性推理的過程。圍繞專家系統的概念、一般結構、發展歷史、局限性以及一些典型的專家系統進行了解。
課時
第一節 引言
第二節 確定性推理
第三節 不確定性推理
第四節 專家系統簡介
04
知識圖譜
介紹知識圖譜的提出和概念、表現形式、發展歷史。了解人工構建的知識圖譜，以及自動從網際網路和線上百科中構建的知識圖譜。介紹知識圖譜技術概況、知識圖譜構建技術、知識圖譜推理技術、知識圖譜套用這四個方面。
課時
第一節 知識圖譜概述
第二節 典型知識圖譜
第三節 知識圖譜技術與套用
05
搜尋技術
介紹搜尋的概念、狀態圖搜尋，以及搜尋的三種方式——盲目搜尋、啟發式搜尋、博弈搜尋的概念。了解狀態空間圖的基本概念，以及通過農夫過河問題、八個拼圖遊戲等例子來了解如何根據實際問題來建立狀態空間圖。介紹盲目搜尋技術，主要內容包括盲目搜尋的基本概念、深度優先搜尋、寬度優先搜尋、貪婪搜尋，以及通過八格遊戲和0-1背包問題來對這三種方法進行具體了解。介紹盲目搜尋技術，主要內容包括盲目搜尋的基本概念、深度優先搜尋、寬度優先搜尋、貪婪搜尋。對“博弈搜尋”技術進行講解，內容包括博弈搜尋的概念，極大極小博弈、固定深度博弈、α-β剪枝以及博弈搜尋技術的進展。
課時
第一節 引言
第二節 狀態空間圖模型
第三節 盲目搜尋策略
第四節 啟發式搜尋策略
第五節 博弈搜尋策略
06
進化智慧型與群體智慧型
了解進化智慧型與群體智慧型的概念。講解進化智慧型的典型方法：遺傳算法。講解群體智慧型的典型算法，蟻群算法。
課時
第一節 引言
第二節 進化智慧型：遺傳算法
第三節 群體智慧型：蟻群算法
07
附章：人工智慧中的數學思想
為了方便大家理解機器學習和深度學習方法，我們本期增加了數學基礎這一章。在本章中，將從最簡單的函式講起，以機器學習中的最佳化理論為線索，把高等數學和線性代數中相關的基本內容串起來，以梯度下降算法為例子進行講解。
課時
第一節 基本知識
第二節 向量與矩陣
第三節 微分基礎
第四節 詳解梯度下降
08
機器學習
了解機器學習的基本概況。分別從監督學習、無監督學習、弱監督學習、強化學習幾個角度來闡述其基本原理。
課時
第一節 引言
第二節 有監督學習
第三節 無監督學習
第四節 弱監督學習
第五節 強化學習
09
深度學習
介紹Hebb學習規則、感知機。從一個神經元開始，了解單一神經元的信息處理和學習方法。介紹最典型的前饋神經網路的基本方法，包括模型思想，訓練過程，優缺點，以及套用。進一步，講解卷積神經網路、循環神經網路、注意力機制、記憶機制的基本思想和基本方法，介紹生成對抗思想。
課時
第一節 引言
第二節 感知機算法
第三節 前饋神經網路與BP算法
第四節 卷積神經網路
第五節 循環神經網路
第六節 注意力與記憶機制
第七節 生成對抗網路
10
人工智慧典型套用
我們從人工智慧具體套用問題的視角出發，講解同一個領域中的研究問題在不同時期的解決方法。我們逐一介紹：（1） 計算機視覺（2） 語音處理技術（3） 語言智慧型技術（4） 智慧型競技技術
課時
第一節 引言
第二節 計算機視覺
第三節 語音處理技術
第四節 語言智慧型技術
第五節 智慧型競技
預備知識
如果以了解學科概況為目標——零門檻
如果以理解基本思想為目標——計算機科學導論
如果想在聽課基礎上進一步理解和掌握核心知識——計算機科學導論、微積分、離散數學、數據結構
