下载掌阅APP，畅读海量书库
立即打开
课程名称：人工智能简史
英文名称：A Brief History of Artificial Intelligence
学分/学时：1/16
课程性质：选修
适用专业：智能科学与技术
建议开设学期：第1学期
先修课程：无
开课单位：人工智能学院
“人工智能简史”是智能科学与技术专业的选修课程。本课程从总体上介绍人工智能技术的发展状况及最新进展，并选择多个人工智能领域的具体技术与方法作为专题，分别介绍这些技术方法的基本原理、研究进展及应用情况。目标是使学生初步了解人工智能技术的总体发展情况及发展趋势，了解人工智能领域中的具体技术方法的发展历程、原理及应用情况，从而激发学生对人工智能及相关课程的学习兴趣，为后续课程的学习奠定良好的心理基础。任务是使学生在学习本课程的过程中，能够掌握基本的科技文献检索能力和一定的文献阅读及整理归纳的能力。
1）人工智能技术发展历史及进展（2学时）
内容：从总体上介绍人工智能技术发展的历史及最新进展；介绍科技文献检索的方法、资源以及本课程的安排。
基本要求：了解人工智能技术发展的历史；了解人工智能技术的最新进展；掌握科技文献检索的方法。
重点：科技文献检索方法。
难点：人工智能技术的未来发展趋势及伦理问题。
作业及课外学习要求：根据老师给出的关键词，检索并阅读与下次专题相关的科技文献。
2）图像聚类（2学时）
内容：介绍图像聚类的基本原理及研究进展，介绍主要的图像聚类方法及应用实例。
基本要求：熟悉图像聚类的基本原理；了解图像聚类方法的研究进展。
重点：图像聚类的基本原理。
难点：图像聚类的基本原理。
作业及课外学习要求：根据老师留的关键词，检索并阅读与下次专题相关的科技文献。
3）图像分类（2学时）
内容：介绍图像分类的基本原理及研究进展，介绍主要的图像分类方法及应用实例。
基本要求：熟悉图像分类的基本原理；了解图像分类方法的研究进展。
重点：图像分类的基本原理。
难点：图像分类的基本原理。
作业及课外学习要求：根据老师留的关键词，检索并阅读与下次专题相关的科技文献。
4）图像检索（2学时）
内容：介绍图像检索的基本原理及研究进展，介绍主要的图像检索方法及应用实例。
基本要求：熟悉图像检索的基本原理；了解图像检索方法的研究进展。
重点：图像检索的基本原理。
难点：图像检索的基本原理。
作业及课外学习要求：根据老师留的关键词，检索并阅读与下次专题相关的科技文献。
5）机器学习（2学时）
内容：介绍机器学习的基本原理，研究进展及深度学习的研究状况，介绍主要的机器学习方法及应用实例。
基本要求：了解机器学习的基本原理；了解机器学习的研究进展。
重点：机器学习的基本原理。
难点：机器学习的基本原理。
作业及课外学习要求：根据老师给出的关键词，检索并阅读与下次专题相关的科技文献。
6）进化算法（2学时）
内容：介绍进化算法的基本原理及研究进展，介绍多目标进化算法方法及应用实例。
基本要求：熟悉进化算法的基本原理；了解进化算法的研究进展。
重点：进化算法的基本原理。
难点：多目标进化算法。
作业及课外学习要求：根据老师留的关键词，检索并阅读与下次专题相关的科技文献。
7）量子计算及量子智能优化算法（2学时）
内容：介绍量子计算原理及研究进展，介绍量子智能优化算法及应用实例。
基本要求：了解量子计算的基本原理；了解量子智能优化算法。
重点：量子智能优化算法。
难点：量子计算的基本原理。
作业及课外学习要求：根据老师留的关键词，检索并阅读与下次专题相关的科技文献。
8）数据挖掘（2学时）
内容：介绍数据挖掘的基本原理、研究进展及大数据研究状况，介绍主要的数据挖掘算法及应用实例。
基本要求：了解数据挖掘的基本原理；了解数据挖掘的研究进展。
重点：数据挖掘的基本原理。
难点：数据挖掘的基本原理。
作业及课外学习要求：选择一个专题，检索并阅读与该专题相关的科技文献，完成课程论文。
教学安排及方式见表1-23，总学时16学时，其中讲授16学时。
表1-23 教学安排及方式
注：教学方式包括面授和线上，其中面授包括讲授、实验、上机、实践、研讨5种。
最终成绩由课堂成绩和课程论文成绩组合而成。各部分所占比例如下。
课堂成绩：30%。主要考核对每堂课知识点的预习、理解和掌握程度。
课程论文成绩：70%。主要考核文献检索、阅读和综合归纳的能力，以及文字表达能力。学生可自拟题目或根据任课教师提出的题目撰写课程论文。
过程成绩提交时间和总评成绩计算说明见表1-24。
表1-24 过程成绩提交时间和总评成绩计算说明表
注：上表用于说明授课过程中分项成绩提交时间，教师应在规定的时间内提交对应成绩，提前或逾期无法提交，一旦提交无法修改。大纲可以根据需要自行定义提交成绩的次数、时间和名称或说明，总评成绩计算必须与考核和成绩评定方式中描述的一致。
教材：《人工智能简史》课件
参考书目：
［1］Stuart J Russell, Peter Norvig. Artificial Intelligence : A Modern Approach. 3rd ed. Upper Saddle River: Prentice Hall, 2009.
［2］蔡自兴，徐光祐．人工智能及其应用．3版．北京：清华大学出版社，2003.
［3］王万良．人工智能导论．北京：高等教育出版社，2011.
［4］焦李成，李阳阳，刘芳，等．量子计算、优化与学习．北京：科学出版社，2017.
［5］焦李成，公茂果，王爽，等．自然计算、机器学习与图像理解前沿．西安：西安电子科技大学出版社，2008.
［6］焦李成，杜海峰，刘芳，等．免疫优化计算、学习与识别．北京：科学出版社，2006.
1）与相关课程的分工衔接
本课程仅就人工智能领域的总体发展情况及该领域内部分技术方法的发展情况进行概述，更全面及更详细的技术细节会在“人工智能概论”及后续的专业课程中体现。
2）其他说明
人工智能技术发展迅速，本课程中所选择的专题可根据人工智能技术的发展情况进行调整。
