人工智慧與信息社會課程是華中科技大學於2018年11月29日首次在中國大學MOOC開設的慕課課程、國家精品線上開放課程。該課程授課教師為陳斌。據2021年3月中國大學MOOC官網顯示，該課程已開課6次。
人工智慧與信息社會課程共8個模組，包括新聞熱點與身邊的人工智慧、人工智慧發展簡史、基於決策樹和搜尋的智慧型系統、基於仿生算法的智慧型系統、基於神經網路的智慧型系統、人工智慧套用、人工智慧與人類社會未來等內容。
基本介紹
- 中文名：人工智慧與信息社會
- 授課教師：陳斌
- 提供院校：北京大學
- 類別：慕課、國家精品線上開放課程
- 開課時間：2018年11月29日（首次）
- 授課平台：中國大學MOOC
課程性質,課程定位,適應對象,開課信息,課程簡介,課程大綱,課前預備,授課目標,課程特色,所獲榮譽,教師簡介,
課程性質
課程定位
人工智慧與信息社會課程是教育部和微軟產學合作協同育人項目成果，課程面向大學生和社會公眾，結合社會熱點和算法實踐項目，介紹人工智慧技術的基本概念、發展歷史、經典算法、套用領域和對人類社會的深遠影響，展示信息社會各領域中人工智慧的套用發展前景，為大學生和社會公眾提供一個深入理解人工智慧的入門基礎。
適應對象
人工智慧與信息社會課程適合大學生和社會公眾學習。
開課信息
開課次數 | 開課時間 | 授課教師 | 學時安排 | 參與人數 |
|---|---|---|---|---|
第1次開課 | 2018年11月29日~2019年02月14日 | 陳斌 | 2小時左右每周 | 18154人 |
第2次開課 | 2019年03月14日~2019年05月23日 | 2~3小時每周 | 9511人 | |
第3次開課 | 2019年07月04日~2019年08月25日 | 15756人 | ||
第4次開課 | 2019年09月03日 2019年11月21日 | 15879人 | ||
第5次開課 | 2020年02月20日~2020年04月30日 | 26547人 | ||
第6次開課 | 2020年10月08日~2020年12月24日 | 6233人 |
（註：表格內容參考資料）
課程簡介
人工智慧與信息社會課程介紹了人工智慧的發展及其在生活中的套用，講解了以決策樹和搜尋以及仿生算法和神經網路為基礎的智慧型系統，最後介紹了人工智慧未來的發展前景。
課程大綱
1新聞熱點與身邊的人工智慧 1.1家裡的AI：掃地機器人/智慧型音箱/智慧型家居/教育/個人助手 1.2語音識別/自動翻譯：法庭速記/同聲傳譯 1.3圖像識別：手機中的照片整理/美顏處理/安防 1.4會下棋的人工智慧：AlphaGo 1.5自動駕駛/工業機器人：汽車/公車/卡車 1.6醫療健康：監測診斷 1.7金融：智慧型投顧、智慧型客服、安防監控、金融監管 1.8 微軟亞洲研究院院長洪小文博士寄語計算機教育 2人工智慧發展簡史 2.1什麼是人工智慧？ 2.2人工智慧發展歷史 2.3人工智慧經典問題（圖靈測試，中文屋） 2.4人工智慧第一次浪潮：最早的神經元 2.5人工智慧第二次浪潮：專家系統 2.6人工智慧第三次浪潮：深度神經網路 2.7訪談2-1（微軟亞洲研究院劉鐵岩副院長：歷史） 2.8訪談2-2（微軟亞洲研究院劉鐵岩副院長：熱潮） 2.9訪談2-3（微軟亞洲研究院劉鐵岩副院長：未來） 3基於決策樹和搜尋的智慧型系統 3.1實例1：讀心術（建立二分查找的規則） 3.2和人類一樣的判斷方式：專家系統 3.3專家系統套用與發展 3.4實例2：井字棋（決策樹介紹） 3.5雙方零和完全信息博弈的搜尋樹 3.6基於搜尋樹對局面進行估值決策 3.7最大最小值法（Minimax） 3.8Alpha-Beta剪枝 3.9啟發式搜尋 3.10從西洋棋到圍棋 3.11實際代碼與運行結果 4基於仿生算法的智慧型系統I 4.1仿生算法簡介 4.2基因遺傳算法（初始種群、遺傳變異、評估淘汰） 4.3實例3：拼圖遊戲 4.4拼圖的基因 4.5遺傳和變異 4.6自然選擇 4.7實際代碼與運行結果 5基於神經網路的智慧型系統 5.1神經元與神經網路 5.2實例4：手寫數字識別 5.3構建網路參數 | 5.4計算損失函式 5.5通過最佳化器最佳化參數 5.6反向傳播 5.7實際代碼與運行結果 6基於神經網路的智慧型系統II 6.1監督學習和非監督學習 6.2實例5：Flappybird（讓人工智慧學會玩遊戲） 6.3試錯式學習 6.4State-action-reward 6.5價值判斷：Q函式 6.6遍嘗百草：e-greedy 6.7熟能生巧：持續更新Q函式 6.8實際代碼與運行結果 7人工智慧套用 7.1圖像識別與分類 7.2醫學影像分析 7.3訪談7-1（微軟亞洲研究院張益肇副院長：醫療+AI綜述） 7.4訪談7-2（微軟亞洲研究院張益肇副院長：當前成就） 7.5訪談7-3（微軟亞洲研究院張益肇副院長：未來展望） 7.6語音識別——個人助理（siri/google assistant/微軟小冰小娜） 7.7人臉識別和情感計算 7.8訪談7-4（微軟亞洲研究院周明副院長：自然語言處理綜述） 7.9訪談7-5（微軟亞洲研究院周明副院長：當前成就） 7.10訪談7-6（微軟亞洲研究院周明副院長：未來展望） 7.11自動駕駛 8人工智慧與人類社會未來 8.1挑戰：技術視角 8.2挑戰：人文視角 8.3訪談8-1（微軟亞洲研究院潘天佑副院長：AI各個領域發展） 8.4倫理規範：社會層面 8.5倫理規範：公共政策層面 8.6訪談8-2（微軟亞洲研究院潘天佑副院長：倫理規範的影響） 8.7訪談8-3（微軟亞洲研究院潘天佑副院長：人工智慧人才培養） 8.8科幻作品中的人工智慧（影視作品：AI，Her，攻殼機動隊，黑客帝國） 8.9奇點理論：暢想未來 |
（註：課程大綱排版從左到右列）
1新聞熱點與身邊的人工智慧 109人工智慧改變世界：微軟新視界Center One（3min） 103圖像識別 108微軟亞洲研究院院長洪小文博士寄語計算機教育(2min) 101家庭助手 104下棋高手 107金融與商業 105自動駕駛 106醫療健康 102機器翻譯 單元測驗1 2人工智慧發展簡史 202人工智慧經典問題 204第二次熱潮 205第三次熱潮 201什麼是人工智慧 微軟亞研院劉鐵岩副院長訪談：人工智慧發展簡史 203第一次熱潮 206人工智慧發展狀況 單元測驗2 3基於決策樹和搜尋的智慧型系統（上） 302和人類一樣的判斷方式 305博弈樹 303專家系統套用與發展 304實例2井字棋 301實例1讀心術 實例1讀心術代碼運行及說明 單元測驗3（上） 3基於決策樹和搜尋的智慧型系統（下） 實例2井字棋代碼運行及說明 310從西洋棋到圍棋 307最大最小值法 308AlphaBeta剪枝 單元測驗3（下） 306估值決策 309啟發式算法 4基於仿生算法的智慧型系統 405遺傳和變異 406自然選擇 404拼圖的基因 401仿生算法簡介 | 單元測驗4 實例3基因遺傳算法代碼運行及說明 402基因遺傳算法 403實例3拼圖遊戲 5基於神經網路的智慧型系統I 實例4手寫數字識別代碼運行及說明 501神經元與神經網路 503網路構建 504計算損失函式 單元測驗5 502實例4手寫數字識別 505最佳化器最佳化函式 506反向傳播 6基於神經網路的智慧型系統II 602讓人工智慧學會玩遊戲 607熟能生巧 601監督學習和非監督學習 605價值判斷Q函式 606嘗遍百草 實例5FlappyBird代碼運行及說明 603試錯式學習 604狀態動作回報 單元測驗6 7人工智慧套用 702醫學影像分析 707人臉識別和情感計算 706語音識別 703-5 微軟亞研院張益肇副院長訪談：人工智慧套用 醫療+AI 708-10微軟亞研院周明副院長訪談：人工智慧套用 自然語言處理 701圖像識別與分類 711自動駕駛 單元測驗7 8人工智慧與人類社會未來 微軟亞研院潘天佑副院長訪談：人工智慧與人類關係 803倫理規範-社會層面 802挑戰-人文視角 804倫理規範-公共政策 809奇點理論-暢想未來 801挑戰-技術視角 808科幻作品中的人工智慧 單元測驗8 |
（註：課程大綱排版從左到右列）
1新聞熱點與身邊的人工智慧 101家庭助手 102機器翻譯 103圖像識別 104下棋高手 105自動駕駛 106醫療健康 107金融與商業 108微軟亞洲研究院院長洪小文博士寄語計算機教育 109人工智慧改變世界：微軟新視界Center One 單元測驗1 2人工智慧發展簡史 201什麼是人工智慧 202人工智慧經典問題 203第一次熱潮 204第二次熱潮 205第三次熱潮 206人工智慧發展狀況 微軟亞研院劉鐵岩副院長訪談：人工智慧發展簡史 單元測驗2 3基於決策樹和搜尋的智慧型系統（上） 301實例1讀心術 302和人類一樣的判斷方式 303專家系統套用與發展 304實例2井字棋 305博弈樹 實例1讀心術代碼運行及說明 單元測驗3（上） 3基於決策樹和搜尋的智慧型系統（下） 306估值決策 307最大最小值法 308AlphaBeta剪枝 309啟發式算法 310從西洋棋到圍棋 實例2井字棋代碼運行及說明 單元測驗3（下） 4基於仿生算法的智慧型系統 401仿生算法簡介 402基因遺傳算法 403實例3拼圖遊戲 404拼圖的基因 405遺傳和變異 | 406自然選擇 實例3基因遺傳算法代碼運行及說明 單元測驗4 5基於神經網路的智慧型系統I 501神經元與神經網路 502實例4手寫數字識別 503網路構建 504計算損失函式 505最佳化器最佳化函式 506反向傳播 實例4手寫數字識別代碼運行及說明 單元測驗5 6基於神經網路的智慧型系統II 601監督學習和非監督學習 602讓人工智慧學會玩遊戲 603試錯式學習 604狀態動作回報 605價值判斷Q函式 606嘗遍百草 607熟能生巧 實例5FlappyBird代碼運行及說明 單元測驗6 7人工智慧套用 701圖像識別與分類 702醫學影像分析 703-5 微軟亞研院張益肇副院長訪談：人工智慧套用 醫療+AI 706語音識別 707人臉識別和情感計算 708-10微軟亞研院周明副院長訪談：人工智慧套用 自然語言處理 711自動駕駛 單元測驗7 8人工智慧與人類社會未來 801挑戰-技術視角 802挑戰-人文視角 803倫理規範-社會層面 804倫理規範-公共政策 微軟亞研院潘天佑副院長訪談：人工智慧與人類關係 808科幻作品中的人工智慧 809奇點理論-暢想未來 單元測驗8 |
（註：課程大綱排版從左到右列）
課前預備
學習資料：
書名 | 作者 | ISBN | 出版時間 | 出版社 |
|---|---|---|---|---|
《人工智慧》 | 李開復，王詠剛 | 978-7-5142-1715-5 | 2017年 | 文化發展出版社 |
《人工智慧基礎（高中版）》 | 陳玉琨，湯曉鷗 | 978-7-5675-7561-5 | 2018年 | 華東師範大學出版社 |
《人工智慧導論》 | 李德毅 | 978-7-5046-8119-5 | 2018年 | 中國科學技術出版社 |
Artificial Intelligence | Russell等 | 7302128294 | 2006年 | Tsinghua University Press |
（註：表格內容參考資料）
授課目標
該課程的授課目標是為大學生和社會公眾提供一個深入理解人工智慧的入門基礎，使學生初步了解人工智慧技術的基本概念、發展歷史、經典算法、套用領域和對人類社會的深遠影響，從而打開學習人工智慧的大門，為學生在人工智慧相關領域進行深入研究奠定基礎。
課程特色
慕課課程的講解部分還邀請了微軟亞洲研究院的洪小文、劉鐵岩、張益肇、周明、潘天佑等人工智慧研究專家。通過訪談形式，展現科學、技術、工程和商業等各個領域的專家對人工智慧的理解和體會。課程注重算法實踐，通過5個相對獨立的人工智慧典型套用項目，採用微軟和其他開源項目提供的人工智慧開發基礎設施，結合一定數量的套用數據，讓學生能經過一段時間的學習，學習人工智慧算法套用。
