【正文】 質(zhì)要求：結(jié)合實(shí)戰(zhàn)，初步理解和掌握人工智能的相關(guān)技術(shù)。何華燦，《人工智能導(dǎo)論》，西北工業(yè)大學(xué)出版社，1988?？己艘罅私鈱＜蚁到y(tǒng)的概念、基本結(jié)構(gòu)及其開發(fā)工具與環(huán)境；掌握非自動知識獲取和自動知識獲取。考核要求了解自然語言理解的概念，會用語法分析和語義的分析，了解自然語言理解系統(tǒng)的層次模型。考核要求了解人工神經(jīng)網(wǎng)絡(luò)及其結(jié)構(gòu)和學(xué)習(xí)機(jī)理；理解感知器、BP網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)及其BP網(wǎng)絡(luò)；掌握Hopfield網(wǎng)絡(luò)的算法。 基于解釋的學(xué)習(xí)（）了解解釋學(xué)習(xí)的空間描述及學(xué)習(xí)模型； 理解解釋學(xué)習(xí)的概念；掌握解釋學(xué)習(xí)的基本原理及基本過程。 博弈樹的啟發(fā)式搜索（）了解極大極小過程，αβ剪枝。 非單調(diào)推理（）了解非單調(diào)推理的概念及起具有代表性的理論?？己艘罄斫獯_定性推理的思維過程，會應(yīng)用謂詞邏輯歸結(jié)去求證問題，會應(yīng)用規(guī)則正向演繹推理和規(guī)則逆向演繹推理?？己艘笳莆者壿嬙~謂表示法及其應(yīng)用，會用框架去描述一些具體問題，能用腳本來描述特定范圍內(nèi)的一些事件的發(fā)生順序。教學(xué)時數(shù)6學(xué)時 教學(xué)內(nèi)容 知識與知識表示概念（）了解知識表示的概念和表示形式； 理解知識的定義。教學(xué)時數(shù)3學(xué)時 教學(xué)內(nèi)容 人工智能及其研究目標(biāo)（）了解人工智能的定義及其研究目標(biāo)?！度斯ぶ悄軐?dǎo)論》是計算機(jī)科學(xué)與技術(shù)專業(yè)本科生的一門限選課程。二、課程內(nèi)容及其學(xué)時分配、教學(xué)要求（一）課程內(nèi)容及學(xué)時分配：章次 1 2 3 4 5 總計（二）教學(xué)要求：課程的教學(xué)要求大體上分為三個層次：了解、理解和認(rèn)識。專家系統(tǒng)和機(jī)器學(xué)習(xí)。2．掌握狀態(tài)空間法、問題歸約法和謂詞邏輯法，熟悉語義網(wǎng)絡(luò)法，了解知識表示的其他方法，如框架法、劇本法、過程法等。3．掌握盲目搜索和啟發(fā)式搜索的基本原理和算法，特別是寬度優(yōu)先搜索、深度優(yōu)先搜索、等代價搜索、啟發(fā)式搜索、有序搜索、A*算法等．了解博弈樹搜索、遺傳算法和模擬退火算法的基本方法。教學(xué)手段及教學(xué)方法: 采用課堂講授，課后自學(xué)，課堂討論等教學(xué)手段和方法。了解是能正確判別有關(guān)概念和方法；理解是能正確表達(dá)有關(guān)概念和方法的含義；認(rèn)識是在理解的基礎(chǔ)上加以靈活應(yīng)用。（二）教學(xué)目的使學(xué)生掌握人工智能的基本原理、方法及研究應(yīng)用領(lǐng)域。 人工智能的產(chǎn)生與發(fā)展（）了解人工智能產(chǎn)生與發(fā)展的四個階段。 一階謂詞邏輯表示法（）理解一階謂詞邏輯表示的邏輯基礎(chǔ)； 掌握謂詞邏輯表示方法及其應(yīng)用。第3章 確定性推理教學(xué)要點(diǎn)推理的基本概念及歸結(jié)、演繹等確定性推理方法。第4章 不確定與非單調(diào)推理教學(xué)要點(diǎn)不確定性推理的有關(guān)概念及各種不確定性的表示和推理方法?？己艘罄斫獠淮_定性推理的含義、非單調(diào)推理的概念、確定性理論，掌握主觀Bayes方法，能用DS理論從不同角度刻劃命題的不確定性，能在模糊集的基礎(chǔ)上，實(shí)現(xiàn)對模糊命題和模糊知識的表示?？己艘罅私馑阉鞲拍?，博弈樹的啟發(fā)式搜索；掌握狀態(tài)空間的盲目搜索和與/或樹的盲目搜索。考核要求了解機(jī)器學(xué)習(xí)的概念，機(jī)械式學(xué)習(xí)，指導(dǎo)式學(xué)習(xí)，歸納學(xué)習(xí)；掌握基于解釋學(xué)習(xí)的基本原理及其基本過程。第8章 自然語言理解教學(xué)要點(diǎn)自然語言理解的基本概念和分析方法。第9章 專家系統(tǒng)教學(xué)要點(diǎn)專家系統(tǒng)是人工智能的一個重要應(yīng)用領(lǐng)域,它目前正在從集中、封閉模式向分布、開放模式發(fā)展。第10章 智能決策支持系統(tǒng)教學(xué)要點(diǎn)智能決策支持系統(tǒng)是人工智能的另一重要應(yīng)用領(lǐng)域,它是目前迅速興起的網(wǎng)絡(luò)商務(wù)中的一項(xiàng)重要技術(shù),有著廣闊的應(yīng)用前景 教學(xué)時數(shù)2學(xué)時 教學(xué)內(nèi)容 智能決策支持系統(tǒng)的基本概念（）了解智能決策支持系統(tǒng)；理解決策與決策過程，決策支持系統(tǒng)。陳汝鈴，《人工智能》，科學(xué)出版社，1989。二、教學(xué)內(nèi)容、重（難）點(diǎn)、教學(xué)要求及學(xué)時分配 第一章：人工智能概述（2學(xué)時）講授內(nèi)容：（1）人工智能的概念（2）人工智能的研究途徑和方法（3）人工智能的分之領(lǐng)域（4）人工智能的基本技術(shù)（5）人工智能的發(fā)展概況教學(xué)要求：了解：研究途徑和方法、人工智能的分之領(lǐng)域、基本技術(shù)和發(fā)展概況。先行課程：《離散數(shù)學(xué)》、《高等數(shù)學(xué)》、《概率論》、《線性代數(shù)》、《C語言程序設(shè)計》、《數(shù)據(jù)結(jié)構(gòu)》五、建議教材及教學(xué)參考書（一）建議教材《人工智能及其應(yīng)用》，蔡自興，徐光祐。伴隨人工智能研究的逐步深入，科學(xué)哲學(xué)、人工智能和歸納邏輯研究相互影響，出現(xiàn)了新的研究方向?！泵绹槭±砉W(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計算機(jī)去做過去只有人才能做的智能工作。人工智能幾乎涉及自然科學(xué)和社會科學(xué)的所有學(xué)科，其研究范圍非常廣闊，包括問題求解、定理證明、專家系統(tǒng)、機(jī)器學(xué)習(xí)、智能控制、智能檢索等。在人工智能的發(fā)展進(jìn)程中，對歸納的模擬研究已占據(jù)前所未有的重要地位，歸納學(xué)習(xí)已經(jīng)成為機(jī)器學(xué)習(xí)的核心內(nèi)容。這就是費(fèi)根鮑姆所謂的關(guān)于專業(yè)知識獲取的“瓶頸問題”[6]。同時，建立學(xué)習(xí)的計算理論，構(gòu)造各種學(xué)習(xí)系統(tǒng)并將之應(yīng)用到各個領(lǐng)域中去。所以說，在不同程度上運(yùn)用歸納邏輯，有助于促使人工智能的成功應(yīng)用。在這一階段，哲學(xué)家與邏輯學(xué)家、科學(xué)家（如牛頓等人）探討過有關(guān)歸納的很多理論問題，強(qiáng)調(diào)了歸納方法在實(shí)驗(yàn)科學(xué)中的發(fā)現(xiàn)作用，明確提出了兩種基本的歸納方法，即枚舉法與排除法。80 年代中期到90 年代中期，對現(xiàn)代歸納邏輯的研究是邏輯學(xué)界的熱點(diǎn)之一。正如王雨田教授所說，在未來的計算機(jī)歸納學(xué)習(xí)或發(fā)現(xiàn)的研究中，將歸納邏輯的某些理論、方法或系統(tǒng)與機(jī)器學(xué)習(xí)、不確定性推理、神經(jīng)網(wǎng)絡(luò)中對歸納邏輯的研究適當(dāng)“嫁接”起來，以改進(jìn)并逐步革新現(xiàn)有的歸納學(xué)習(xí)系統(tǒng)，促使機(jī)器學(xué)習(xí)中歸納學(xué)習(xí)的基礎(chǔ)理論形成，并進(jìn)一步從事歸納發(fā)現(xiàn)與歸納學(xué)習(xí)的基礎(chǔ)理論與系統(tǒng)的研究和開發(fā)，這是人工智能科學(xué)研究中的一項(xiàng)重大任務(wù)?？荚噷ο鬄閳罂嘉倚ＤＪ阶R別與智能系統(tǒng)專業(yè)各方向的研究生入學(xué)考試考生。但歸納邏輯發(fā)展到現(xiàn)階段還很不成熟，還需要進(jìn)一步研究和發(fā)展。在現(xiàn)實(shí)生活環(huán)境中，歸納邏輯有著廣泛的應(yīng)用領(lǐng)域。歸納邏輯研究或然性推理，即當(dāng)其前提為真時，結(jié)論很可能為真但不必然為真。人工智能誕生以來，研究者們一直試圖理解學(xué)習(xí)的過程和創(chuàng)造能夠?qū)W習(xí)的計算機(jī)程序。計算機(jī)獲取知識的途徑還主要依靠人類操作，以機(jī)器可利用的形式將知識輸入到機(jī)器中。人們逐步認(rèn)識到，專家系統(tǒng)是人工智能從學(xué)科發(fā)展研究逐漸趨向?qū)嶋H應(yīng)用，從一般的思維方式方法發(fā)展到專門知識運(yùn)用的重大突破。機(jī)器學(xué)習(xí)的核心是歸納學(xué)習(xí)問題，人工智能在處理不確定性推理的手段時，無論是數(shù)值型或非數(shù)值型的，特別是其中的非單調(diào)推理，都是與歸納學(xué)習(xí)密切相關(guān)的。赫伯德（Jacg