本書內容共分為10章，從學科基礎、技術基礎、重點方向與領域、行業應用、倫理法律5方面系統、整體介紹人工智能的定義、方法、體系、應用及其內涵。第1章介紹人工智能定義及新知識體系。第2章介紹人工智能孕育史、機械論、計算歷史、控制論、聯結主義起源、計算機器的歷史，以及當代人工智能歷史。第3章介紹與人工智能有關的哲學概念、分支，人工智能本體論、認識論、方法論。第4章介紹人工智能倫理概念及倫理體系。第5章介紹人工智能多學科交叉基礎。第6章介紹人工智能技術基礎，包括傳感器、大數據、小數據、并行計算、數字圖像處理、人工神經網絡、機器學習與深度學習。第7章介紹機器感知智能、機器認知智能、機器行為智能、機器語言智能、機器類腦智能、機器混合智能的基本概念與內容。第8章介紹人工智能在博弈、創作、創造以及物理和數學方面的科學發現能力。第9章介紹人工智能在制造、醫療、農業、教育、軍事等行業的應用。第10章介紹科幻小說、影視作品中的超現實人工智能及其意義。 本書可供所有新工科、新文科、傳統理工科以及管理、醫學、農業、經濟、社會、人文、法律等專業學生，人工智能愛好者學習使用，也可供人工智能初級研究人員及從業人員學習和研究參考。
前 言
20世紀初，英國心理學家查爾斯·斯皮爾曼（Charles Spearman）首次觀察到，當人們在完成一些看似毫無關聯的心智任務時，比如判斷一個物體是否比另一個重，或者在燈亮后迅速按下按鈕，其平均表現可以預測人在執行完全不同的任務時的平均表現。斯皮爾曼提出，可以用一般智能的單一衡量標準表征這種共性。斯皮爾曼之后的心理學領域產生了許多人類智能理論。從20世紀初到20世紀80年代，心理學對智能的研究大概經歷了三個發展階段：“功能主義式”，從智能的外在功能表現界定智能的標準；“結構決定式”，試圖說明智能的內在結構；“信息處理式”，將信息處理嫁接到大腦的生理學過程中。總的來看，在心理學中，對智能進行的科學探究大致經歷了“從外到內”的認知過程。不同研究方式與取向的選擇使得人們對“智能”的定義和界定始終懸而未決。這個問題在哲學尤其是心靈哲學領域有不同程度的表現。
正因為智能沒有確定的標準或定義，人工智能的發展也經歷了曲折、漫長的過程。“人工智能”這個科學概念已經流傳了65年，由于科學家們對智能在哲學意義上的理解差異，早期的人工智能發展出了“符號主義”“聯結主義”“行為主義”等多個流派。符號主義認為人腦是物理符號系統（一種關于智能產生的哲學假設），人的認知基元是符號，符號表征著外部世界，而心智活動的本質是計算，計算就是符號的操作，認知過程即符號操作過程。聯結主義認為人的思維單元是神經元而不是符號，認知過程是由神經網絡構成的，認知是從大量單一處理單元的相互作用中產生或涌現的，身體運動以及認知過程表現為信息在神經元中的并行分布和特定的聯結方式。行為主義認為智能就是“模式?動作”關系，無須知識表達與推理，主張通過模仿人類或動物的行為實現智能。
歷史上人工智能經歷的三次浪潮也是從符號主義到聯結主義的，高潮與低谷都與聯結主義的成功與失敗密切相關。20世紀60年代末70年代初，聯結主義的早期代表性方法——“感知機”，一種簡單的人工神經網絡模型，由于不能解決相對復雜的分類問題而導致人工智能整體陷入低潮。到了20世紀90年代初，符號主義人工智能已經衰落，聯結主義人工神經網絡方法則在20世紀80年代和90年代回歸和興起。20世紀90年代，人工神經網絡取得了商業上的成功，它們被應用于光字符識別和語音識別軟件。2006年，加拿大學者杰夫·辛頓在深度神經網絡機器學習方面取得突破。2016年12月，一家名為DeepMind的公司開發的圍棋程序AlphaGo戰勝世界冠軍李世石，引爆了以深度學習技術為基礎的商業革命。眾多互聯網巨頭、初創科技公司紛紛加入人工智能戰場，掀起人工智能歷史上第三輪高潮（前兩次分別發生于20世紀60年代和20世紀80年代）。
今天，在產業發展及行業應用方面，人工智能與制造業、醫療、農業、教育、金融等各行業結合，出現了智能制造、智能醫療、智能農業、智能教育、智能金融等多種新興行業業態。從應用方向上來看，制造業、農業、城市治理、金融、醫療、汽車、零售等數據基礎較好的行業方向應用場景目前相對成熟。無人駕駛和智能機器人正在成為產業研發熱點。
60多年來，人工智能并未達到最初的目標——實現具有類人智能的機器，但在實際應用中不斷進步。最有代表性的兩大類成果是模仿人類推理能力的計算方法和模仿大腦神經網絡結構的模型訓練法，它們都是“模仿”人類智能的產物。模仿人類推理能力的計算方法又分為推理法、概率法、規劃法和因果法，它們的工作原理都有嚴格的數學定義，所以是可解釋的。模仿大腦神經網絡結構的模型訓練法主要包括學習對象、訓練目標、數據標注、訓練方法和網絡表示等內容，這種方法通過所謂學習訓練，得到一個參數被調節好的神經網絡。這類方法的工作原理尚未得到嚴格的數學定義，因而不具有可解釋性。
除了深度學習等算法技術，驅動這一輪高潮的因素還有很多，包括數據、算法、算力，它們使得人工智能技術真正為商業應用創造了價值；另一方面，大數據、物聯網、云計算等技術為人工智能的發展打下了良好基礎。在計算能力方面，以并行計算圖形圖像處理器（GPU）為代表的新一代計算芯片提供了更強大的計算能力，使得深度學習能夠在圖像識別等感知智能方面取得飛躍。
當今時代，以深度學習為主的人工智能技術結合大數據和超級計算機的高性能計算技術，一定程度上解決了許多傳統或經典人工智能技術難以解決的大規模數據分析和處理問題，因此能夠得到前所未有的大規模商業化。
但是，正如歷史上的淺層人工神經網絡技術一樣，聯結主義深度學習技術存在諸多局限性，比如需要大量標注數據訓練、處理數據過程無法解釋、對算力和能耗要求過高、億級參數的深度學習大模型訓練成本高昂、缺少邏輯推理因果學習能力等，導致其在面對諸多實際應用場景時存在瓶頸，并導致其在很多商業化應用方面失敗。
卡內基梅隆大學（CMU）計算機科學學院教授、MBZUAI校長邢波教授（Eric P. Xing）指出，機器學習和人工智能過去這十幾年的飛速發展，產生了很多大大小小的成果，但是它們基本上都停留在一個學術探索、試錯、積累的階段，還沒有形成完備的體系；甚至還沒有歸納出嚴格的形式規范、理論基礎和評估方法；沒有涌現像物理、數學里面類似哥廷根學派、哥本哈根學派那種立足于某種核心理論、方法論、思考邏輯甚至科研風格的學派。
企業界、商業界、媒體界對于深度學習技術的樂觀，恰如歷史上人們對于專家系統的樂觀一樣，使得人們對于人工智能的認識局限于此類階段性技術，進而也影響到技術研發、高等院校的教育教學，大家都熱衷于追逐熱點，而忽略了對人工智能技術背后的智能本質的追問，忘卻了人工智能發展的終極目標，以及如果將人工智能作為一個新興學科來看待，是否應重視其整體性、系統性、全面性的問題。從教育的角度，這樣的發展模式將無法激發更新的思想和方法產生。
因此，人工智能要繼續向前發展，就不能停留在深度學習等少數技術上。我們對于人工智能的認識，也不能限于機器學習、深度學習等典型技術上。
恰如張鈸院士在一次采訪中所言，新一代人工智能有大數據智能、群體智能、跨媒體智能、人機混合增強智能、自主智能系統（其實就是無人機）5個支柱，上面是應用，下面是基礎支撐。這個輪廓和布局看起來很圓滿，但遠遠不夠。如果看整個人工智能學科的輪廓，包括計算機視覺、語言識別、自然語言、人機交互、機器人學習等方向，目前大的布局是沉浸到應用這個方面。涉及人的9類智能，我們在邏輯語言文字和圖形圖像方面現在已經做得相當不錯，中間7類還是有相當的距離需要探索。
從學科及研究角度來說，人工智能是多學科交叉的領域，這一點毫無疑問。但是，對于機器學習、深度學習技術和算法的集中關注說明人們對這一點的認識和理解是不夠的。從技術到技術、從算法到算法的研究和應用模式不可能催生更具顛覆性、更接近人工智能終極目標的技術。當前，深度學習所遇到的一些瓶頸問題根本上還是因為對智能機制認識不清。在現象層模仿人類智能，通過深度神經網絡規模和參數調整逼近人類某些智能特征，尤其是在視覺感知智能方面，確實有一定成效，但這并不意味著深度學習就是制勝法寶。2021年，人工智能的應用遇到了諸多場景局限，其背后的根源依然是智能機制不清，因而造成所應用的模型達不到人類智能適應復雜、開放場景的程度。
智能機制的研究需要神經科學、腦科學、心理學、哲學、數學等多個基礎學科的支撐。因此，這也就決定了人工智能技術的再次突破一定是多學科交叉合作的結果。事實上，聯結主義深度學習的鼻祖——最初的人工神經元數學模型，就是數學、心理學、神經學等多學科交叉的產物。從教育和學習角度來說，人工智能已經成為中小學生、大學生的學習內容。長遠來看，人工智能基本知識素養和技能是每個人都必須具備的，就像數學、語文、計算機一樣成為一個受教育者的基本知識體系的核心內容。目前階段，所謂人工智能教育，依然以熱門技術為主。無論對于中小學生還是大學生而言，理解基本概念、技術和方法，甚至用算法編程解決問題，憑借現有的豐富的學習資源和開源平臺，都不是很困難的事情。但是，從根本上啟發學生去思考人工智能的本質和內涵，不是件很容易的事情。人工智能沒有像物理學一樣的優雅、統一、可信、堅實的理論基礎，人工智能在長期發展過程中也沒有形成全面的、公認的知識體系，而完全是靠長期的積累、疊加形成的碎片化、流程化、程式化的知識內容。而這些內容通過教材、課程等形式展示給學生，常常使學生無所適從，甚至覺得什么都可以說成和看作人工智能。因此，我們有必要從思想源頭上厘清人工智能的知識，從學科、技術和應用等多角度梳理人工智能理論和知識，呈現給受教育者尤其是高等院校學生一個相對系統、全面的人工智能知識體系。這正是本書的寫作初衷。
本書是作者提出的人工智能新知識體系的總綱，是在2020年作者出版的新知識體系《人工智能導論》教材基礎上，進一步將人工智能知識體系一般化，從哲學思想、歷史起源、學科基礎、基礎技術、倫理法律、行業應用等幾方面來總結梳理人工智能知識體系，可以看作之前出版的《人工智能導論》的“前傳”。本書的目的是在啟發和鼓勵學生學習人工智能的同時，更重視從思想源頭認識和理解人工智能的本質，鼓勵所有專業學生都重視和學習人工智能，而不僅僅是理工科學生。通過本書的學習，使各專業、各領域、各層次學習者在了解基本定義基礎上，從哲學思想到工程技術，從行業應用到倫理道德等各方面，系統、整體、深入地理解和認識人工智能。
“橫看成嶺側成峰，遠近高低各不同，不識廬山真面目，只緣身在此山中。” 宋代著名詩人蘇軾的這首《題西林壁》描述的是廬山變化多姿的面貌，借景說理，指出觀察問題應客觀全面，如果主觀片面，就得不出正確的結論。借用這首詩的內涵，也可以說明人類對智能本質的認識，從不同角度得出不同的結論，猶如盲人摸象一般。
“亂花漸欲迷人眼，淺草才能沒馬蹄”，唐代著名詩人白居易的這兩句詩，其實也可以用于形容現階段人們對于人工智能的認識。我們不要讓眼花繚亂、層出不窮的算法迷惑了雙眼，人工智能技術從誕生之初到今天也僅是剛能沒馬蹄的淺草而已。
我們希望，人們對于人工智能的發展，懷有一顆敬畏、謙卑之心，未來創造出真正成為人類伴侶的智能機器。
感謝碩士研究生邵鵬、胡澤強、周紅亮為本書繪制部分插圖。由于本人水平有限，本書難免存在疏漏之處，歡迎批評指正，不當之處，敬請原諒。
作 者
2022年6月 于哈爾濱
目 錄
第1章 緒論 1
1.1 人工智能定義及其理解 1
1.1.1 人類智能的理解 1
1.1.2 人工智能的理解 2
1.1.3 強弱人工智能、專用人工智能和通用人工智能 5
1.2 認識人工智能的五個層次 7
1.3 人工智能重點方向及研究領域 9
1.3.1 傳統方向與研究領域 9
1.3.2 重點方向與研究領域 10
1.4 人工智能技術基礎 14
1.5 人工智能技術應用 17
1.6 人工智能新知識體系 18
1.7 本書主要內容和學習路線 19
1.8 本章小結 22
習題1 22
第2章 人工智能歷史基礎 23
2.1 人工智能的孕育史 23
2.1.1 大歷史觀下的智能進化 23
2.1.2 理性主義 26
2.2 機械論 30
2.3 “計算”的歷史 30
2.4 控制論 33
2.5 聯結主義的起源 35
2.6 計算機器 35
2.6.1 機械計算機 36
2.6.2 電子計算機 37
2.7 關于人工智能的原初思想 38
2.8 人工智能當代史 41
2.8.1 形成期 41
2.8.2 發展時（1970年—20世紀90年代初） 42
2.8.3 飛躍期 46
2.9 我國人工智能的發展 49
2.10 本章小結 51
習題2 51
第3章 人工智能哲學基礎 52
3.1 人工智能的哲學概念基礎 52
3.1.1 計算、算法與心靈、智能的可計算 53
3.1.2 意識 53
3.1.3 理性與非理性 54
3.1.4 智能 54
3.2 與人工智能有關的哲學分支 55
3.2.1 心靈哲學 55
3.2.2 心智哲學 57
3.2.3 計算主義哲學 58
3.3 人工智能本體論 61
3.3.1 唯物主義一元論與人工智能一元論 61
3.3.2 人工智能本體論的核心問題 61
3.4 人工智能認識論 62
3.4.1 功能主義 62
3.4.2 心智計算理論 63
3.4.3 心機類比與心智隱喻 64
3.4.4 信息處理 65
3.4.5 具身智能 65
3.4.6 理性人工智能 67
3.4.7 強人工智能是否能實現 69
3.4.8 人工智能與人性 71
3.5 人工智能方法論 73
3.5.1 傳統人工智能研究范式 73
3.5.2 現代人工智能研究范式 75
3.5.3 人工智能的突破 79
3.5.4 新圖靈測試 79
3.5.5 通用人工智能 80
3.6 本章小結 81
習題3 81
第4章 人工智能倫理基礎 82
4.1 道德倫理與倫理學 82
4.1.1 道德與倫理 82
4.1.2 倫理學概念 83
4.2 人工智能倫理 84
4.2.1 人工智能倫理概念 84
4.2.2 人工智能倫理學概念與含義 85
4.2.3 人工智能倫理發展簡史 86
4.3 人工智能技術引發的倫理問題 89
4.4 人工智能倫理體系及主要內容 91
4.4.1 人工智能倫理體系 91
4.4.2 人工智能倫理主要內容 92
4.5 人工智能倫理發展原則 99
4.6 人工智能法律 100
4.7 本章小結 101
習題4 101
第5章 人工智能學科基礎 103
5.1 人工智能多學科交叉的含義 103
5.2 人工智能的多學科交叉層次 104
5.2.1 第一層次：哲學 104
5.2.2 第二層次：基礎學科 105
5.2.3 第三層次：生命相關學科 109
5.2.4 第四層次：工程技術學科 112
5.2.5 第五層次與第六層次：與人工智能交叉融合的社會學科、新興學科 113
5.3 本章小結 114
習題 115
第6章 人工智能技術基礎 116
6.1 傳感器技術 116
6.1.1 傳感器概念及其作用 116
6.1.2 主要傳感器及其功能 119
6.2 大數據技術 121
6.2.1 大數據技術及其產生 121
6.2.2 大數據與云計算機、物聯網的關系 122
6.2.3 大數據核心技術基礎 123
6.3 小數據技術 124
6.3.1 小數據的含義 125
6.3.2 小數據處理方法 125
6.3.3 小數據方法的重要性 126
6.4 并行計算技術 127
6.4.1 并行計算概念 127
6.4.2 并行計算與人工智能 128
6.5 數字圖像處理技術 129
6.5.1 數字圖像處理基本概念及技術應用 129
6.5.2 一個完整的車牌識別系統 131
6.6 人工神經網絡技術 132
6.6.1 人工神經網絡基本原理 132
6.6.2 人工神經網絡研究內容 132
6.6.3 人工神經網絡聯結方式 133
6.7 機器學習技術 134
6.7.1 機器學習定義及各主流方法 134
6.7.2 機器學習與機器智能 136
6.7.3 機器學習類型 136
6.7.4 大數據機器學習 138
6.8 深度學習技術 139
6.8.1 深度學習概念與含義 139
6.8.2 深度學習與淺層學習 140
6.8.3 深度學習的實質及其應用 142
6.8.4 深度學習的局限 143
6.9 本章小結 144
習題6 144
第7章 機器智能 145
7.1 感知智能 145
7.1.1 視覺感知智能原理 145
7.1.2 機器感知智能與視覺智能 146
7.1.3 卷積神經網絡及其原理 147
7.1.4 典型的機器感知智能應用 149
7.2 認知智能 151
7.2.1 人類心智與機器認知 151
7.2.2 傳統機器認知智能方法 152
7.2.3 機器認知新方法——知識圖譜 155
7.2.4 機器認知智能存在的問題 157
7.3 行為智能與機器人 158
7.3.1 機器人概念 158
7.3.2 機器人學 159
7.3.3 機器人的基本構成 161
7.3.4 工業機器人 162
7.3.5 智能機器人 164
7.4 語言智能 166
7.4.1 人類語言與機器語言 166
7.4.2 自然語言理解基本概念 166
7.4.3 自然語言處理技術 167
7.4.4 自然語言處理應用 168
7.5 類腦智能 170
7.5.1 類腦智能定義 170
7.5.2 類腦計算機與類腦智能 170
7.6 混合智能 172
7.6.1 混合智能技術 172
7.6.2 可穿戴計算 174
7.6.3 外骨骼 175
7.6.4 腦機接口 176
7.6.5 混合智能的作用 178
7.7 本章小結 179
習題 180
第8章 機器博弈與機器創造 181
8.1 人類創造與機器創造 181
8.1.1 人類創造力 181
8.1.2 機器創造力 182
8.2 機器博弈 182
8.2.1 完整信息博弈 182
8.2.2 非完整信息博弈 184
8.2.3 會打電子游戲的人工智能 185
8.3 機器創作 187
8.3.1 機器音樂創作 187
8.3.2 機器美術創作 189
8.3.3 機器文學創作 190
8.4 機器創造 192
8.4.1 機器智能材料設計 192
8.4.2 機器智能化學合成 194
8.4.3 機器智能藥物設計 195
8.4.4 機器智能生物學 196
8.5 機器科學發現 198
8.5.1 數學定理證明 198
8.5.2 物理定律發現 199
8.6 本章小結 201
習題8 201
第9章 人工智能行業應用 202
9.1 人工智能行業應用概述 202
9.2 智能制造 204
9.2.1 智能制造定義及含義 204
9.2.2 智能制造與數字制造的區別 205
9.2.3 智能制造產業核心內容 206
9.2.4 智能工廠 208
9.3 智能醫療 211
9.3.1 智能醫療定義 211
9.3.2 智能醫療組成部分 212
9.3.3 智能醫療核心技術 213
9.3.4 智能醫療應用場景 215
9.4 智能農業 220
9.4.1 智能農業定義與技術應用 220
9.4.2 農業機器人 221
9.5 智能教育 223
9.5.1 智能教育定義與含義 223
9.5.2 人工智能技術在教育領域的應用 223
9.5.3 智能學習模式 225
9.6 智慧城市 226
9.6.1 智慧城市定義 226
9.6.2 智慧城市架構 226
9.7 智能軍事 229
9.7.1 智能軍事定義 229
9.7.2 智能武器裝備 229
9.7.3 智能戰爭與軍事變革 232
9.8 本章小結 233
習題9 233
第10章 超現實人工智能 234
10.1 超現實人工智能含義 234
10.2 從神話故事中的“人造人”到科幻小說中的人工智能 235
10.2.1 神話故事中的“人造人” 235
10.2.2 科幻小說中的人工智能 235
10.3 科幻電影中的機器人與人工智能 238
10.3.1 科幻電影中的機器人與人工智能的發展歷程 238
10.3.2 科幻電影中的經典人工智能形象 241
10.4 超現實人工智能對人類的啟發 246
10.5 本章小結 247
習題10 247
參考文獻 248
新書資訊