本书由四篇共１７ 章组成 第一篇是基础理论篇 共九章(第１ ~ ９ 章)从整
体角度介绍人工智能的基本概念与基础理论 第二篇是应用技术篇 共四章(第
１０ ~１３ 章)介绍人工智能基础理论与相关分支领域相融合所产生的新技术 第
三篇是应用篇 共三章(第１４ ~１６ 章)介绍智能产品的开发及目前广为流行的四
种应用实例 第四篇是展望篇 共一章(第１７ 章)对人工智能学科今后发展提出
建议和看法。
在本书的编写中坚持三项原则:教材的现代性，即新的技术路线与新的体系，
并形成新一代人工智能技术，教材的应用性，即更加关注人工智能与其他学科、领
域的融合，将人工智能应用到多个行业中去，教材的引导性，即坚持教材的入门与
引导作用 本书的出版在一定程度上填补了新一代人工智能教材的空白
本书适合作为人工智能、计算机类专业及相关专业“人工智能”课程教材及培
训教材，也可作为人工智能应用、开发人员的基础读物。

伴随着ＡｌｐｈａＧｏ 的出现，人工智能得到了空前的关注， 特别是在大数据、“互联
网＋ ”等技术驱动之下，人工智能已成为推动新一轮产业和科技革新的动力，占据着国
家战略制高点的地位， 目前人工智能已列入我国战略性发展学科中，并在众多学科发
展中起到了“头雁”的作用。
从另一个角度看，如果要评选当前热门的学科，人工智能肯定榜上有名， 国内
众多知名高校纷纷开设人工智能专业，预计２０１９ 年还会有更多学校投入人工智能专业
建设中，一个人工智能研究、开发、应用及人工智能人才培养的百花齐放局面正在形成，
面对这种形势，迫切需要编写适应当前发展要求的人工智能基础性读物，它可以
作为人工智能人才培养的基础性教材，也可作为人工智能研究、开发、应用人员从事实
际工作的辅导性读物， 这种读物就是«人工智能导论»
为编好教材，我们在编写中坚持以下三项原则：
１. 教材的现代性
实际上从目前市场上看有关人工智能导论、人工智能原理之类的教材还是很多
的，但仔细探究就会发现适应当前人工智能发展需求的教材并不多，现在人工智能
已进入第三个发展时期，并已形成“新一代人工智能”，这个时期人工智能的技术发展
特点体现在以下两方面：
(１)新的技术路线
新一代人工智能的技术路线包含:
● 新的技术内容
以深度学习(特别是其中的卷积神经网络)为代表的机器学习方法，以知识图谱为
知识表示(特别是由它所组成的知识库)的现代推理方法是当前人工智能技术发展新
的特色。
● 新的数据平台
以大数据技术作为发展人工智能新的数据平台，以支撑深度学习与现代推理方法
的发展。
１
● 新的计算平台
以超级计算机、５Ｇ 通信、互联网、物联网、云计算、移动终端、人工智能芯片、传感
技术以及多种人工智能专用软件工具等所组成的高性能计算平台。
(２)新的体系
新一代人工智能正在成为一门独立、完整的一级学科，这需要一种新的体系，它应
是有别于传统的、老的体系，能适应人工智能新发展的体系。
凡符合以上两个特色的教材可称为“新一代人工智能教材”， 可喜的是这种教材
已在我国出现，但可惜的是还比较少， 本书正是向此目标努力的新一代人工智能
教材。
２. 教材的应用性
从人工智能发展的经验与教训看，应用的受限一直是人工智能发展的瓶颈，每当
人工智能应用受到阻碍时就出现了人工智能发展的低潮，要保持人工智能的发展必须
不断开拓应用与多种领域、行业实现“跨界融合”发展，特别是与“实体经济融合”发
展，同时通过应用倒逼人工智能理论的发展并为其发展指明方向与目标。
特别需要知道的是，正是由于人工智能在经济发展及社会发展中的重大应用性，
才使人工智能学科上升成为国家级战略层次学科。
本书必须体现人工智能应用性，它表示书中的内容除了全面介绍人工智能内容
外，更加要关注于人工智能与其他学科、领域的融合，将人工智能广泛应用到多个行业
与领域中去，同时还要更加关注将人工智能与计算机相结合，开发出更多的产品来，
这也是本书所努力追求的另一个目标。
３. 教材的引导性
人工智能导论是人工智能的基础性读物，它具有“入门性”与“引导性”作用ꎮ 由
于人工智能是一门学科，其内容涉及从理论、开发到应用，从上游、中游到下游等多方
面，但它不是一本百科全书，在编写中坚持其“引导性”与“入门性”原则，具体体现为:
(１)从整体角度对人工智能学科有一个完整、系统的介绍，使读者对此学科有一个
全面、整体、系统的了解与认识。
(２)对人工智能学科中的整个体系、基础概念、基本理论、主要方法、融合思路、开
发原则以及应用实例等做全面介绍，但在介绍中并不着重于细节化描述而注重于概念
性与关联性。
(３)在全面介绍的基础上，重点突出:突出介绍那些具有整体性、基础性的内容，突
出介绍那些具有新一代技术发展特点的内容ꎻ突出介绍内容之间的关联性以及突出介
绍那些有开发、应用价值的内容。
根据以上三个编写原则，本书的内容由四篇共１７ 章组成：
第一篇是基础理论篇，共九章(第１ ~９ 章)， 该篇从整体角度介绍人工智能的基
本概念与基础理论。
第二篇是应用技术篇，共四章(第１０ ~１３ 章) 该篇介绍人工智能基础理论与相
关分支领域融合所产生的新技术，在人工智能直接应用中有重要理论指导作用的技
术， 它们分别模拟人类视觉、听觉、语言等能力以及包括大脑、五官、四肢等器官综合
处理能力。
第三篇是应用篇，共三章(第１４ ~１６ 章)，该篇介绍智能产品的开发及目前广为
流行的四种应用实例。
第四篇是展望篇，共一章(第１７ 章)，对人工智能学科今后的发展提出建议与
看法。
本书突出新技术、新体系及新应用，适合作为人工智能、计算机类专业及相关专业
“人工智能”课程教材及培训教材，也可作为人工智能应用、开发人员的基础读物，
本书由徐洁磐编著，由南京大学陈世福教授审稿，本书还得到南京大学计算机软
件新技术国家重点实验室的支持，在此特表示感谢，同时为简化阅读ꎬ凡书中标有
“★”标志的内容为选学内容。
由于作者水平所限，不足之处望读者不吝赐教，联系方式: ｘｕｊｉｅｐａｎ＠ ｎｊｕ. ｅｄｕ. ｃｎ，
徐洁磐
于南京大学计算机科学与技术系
南京大学计算机软件新技术国家重点实验室
２０１９ 年５ 月

第一篇　基础理论篇
第１ 章　 总论 ………………………………………………………………… ２
　 　 １. １　 人工智能发展历史………………………………………………………… ２
　 　 １. ２　 人工智能概念介绍………………………………………………………… ７
　 　 １. ３　 人工智能发展三大学派 ………………………………………………… １０
　 　 １. ４　 人工智能的学科体系 …………………………………………………… １１
　 　 小结 ……………………………………………………………………………… １６
　 　 习题１ …………………………………………………………………………… １７
第２ 章　 知识及知识表示 ………………………………………………… １８
　 　 ２. １　 概述 ……………………………………………………………………… １８
　 　 ２. ２　 产生式表示法 …………………………………………………………… ２０
　 　 ２. ３　 状态空间表示法 ………………………………………………………… ２３
　 　 ２. ４　 谓词逻辑表示法 ………………………………………………………… ２６
　 　 ２. ５　 知识图谱表示法 ………………………………………………………… ３２
　 　 小结 ……………………………………………………………………………… ３５
　 　 习题２ …………………………………………………………………………… ３６
第３ 章　 知识组织与管理———知识库介绍 …………………………… ３７
　 　 ３. １　 知识库概述 ……………………………………………………………… ３７
　 　 ３. ２　 知识库发展历史 ………………………………………………………… ４０
　 　 ３. ３　 典型知识库系统介绍 …………………………………………………… ４１
　 　 小结 ……………………………………………………………………………… ４８
　 　 习题３ …………………………………………………………………………… ５０
第４ 章　 知识获取之搜索策略方法 …………………………………… ５１
　 　 ４. １　 概述 ……………………………………………………………………… ５１
　 　 ４. ２　 盲目搜索 ………………………………………………………………… ５２
　 　 ４. ３　 启发式搜索 ……………………………………………………………… ５３
　 　 ４. ４　 博弈树的启发式搜索 …………………………………………………… ５６
　 　 小结 ……………………………………………………………………………… ５９
　 　 习题４ …………………………………………………………………………… ５９
Ⅰ
第５ 章　 知识获取之推理方法 …………………………………………… ６０
　 　 ５. １　 知识推理基本理论 ……………………………………………………… ６０
　 　 ５. ２　 谓词逻辑自然推理 ……………………………………………………… ６１
　 　 ５. ３　 谓词逻辑的自动定理证明 ……………………………………………… ６５
　 　 ５. ４　 知识推理方法之评价 …………………………………………………… ７３
　 　 小结 ……………………………………………………………………………… ７４
　 　 习题５ …………………………………………………………………………… ７４
第６ 章　 知识获取之机器学习方法 …………………………………… ７６
　 　 ６. １　 机器学习概述 …………………………………………………………… ７６
　 　 ６. ２　 人工神经网络 …………………………………………………………… ７９
　 　 ６. ３　 决策树 …………………………………………………………………… ８６
　 　 ６. ４　 贝叶斯方法 ……………………………………………………………… ９２
　 　 ６. ５　 支持向量机方法 ………………………………………………………… ９５
　 　 ６. ６　 关联规则方法 …………………………………………………………… ９７
　 　 ６. ７　 聚类方法 ………………………………………………………………… １０３
　 　 ６. ８　 迁移学习 ………………………………………………………………… １０６
　 　 ６. ９　 强化学习方法…………………………………………………………… １０８
　 　 小结 …………………………………………………………………………… １０９
　 　 习题６ ………………………………………………………………………… １１０
第７ 章　 深度学习与卷积神经网络 …………………………………… １１１
　 　 ７. １　 浅层学习与深度学习…………………………………………………… １１１
　 　 ７. ２　 深度学习概述…………………………………………………………… １１２
　 　 ７. ３　 卷积神经网络…………………………………………………………… １１４
　 　 小结 …………………………………………………………………………… １２１
　 　 习题７ ………………………………………………………………………… １２３
第８ 章　 知识获取之知识图谱方法 …………………………………… １２４
　 　 ８. １　 知识图谱中的知识获取概述 ………………………………………… １２４
　 　 ８. ２　 知识图谱中的知识获取方法 ………………………………………… １２４
　 　 ８. ３　 著名的知识图谱介绍…………………………………………………… １２７
　 　 ８. ４　 知识图谱中的知识存储………………………………………………… １２９
　 　 ８. ５　 知识图谱的应用………………………………………………………… １３０
　 　 小结 …………………………………………………………………………… １３０
　 　 习题８ ………………………………………………………………………… １３１
第９ 章　 知识获取之 Ａｇｅｎｔ 方法 ……………………………………… １３３
　 　 ９. １　 Ａｇｅｎｔ 介绍 ……………………………………………………………… １３３
Ⅱ
　 　 ９. ２　 多 Ａｇｅｎｔ ………………………………………………………………… １３７
　 　 ９. ３　 移动 Ａｇｅｎｔ ……………………………………………………………… １３９
　 　 ９. ４　 智能 Ａｇｅｎｔ ……………………………………………………………… １４０
　 　 小结 …………………………………………………………………………… １４１
　 　 习题９ ………………………………………………………………………… １４２
第二篇　应用技术篇
第１０ 章　 知识工程与专家系统 ………………………………………… １４４
　 　 １０. １　 知识工程与专家系统概述 …………………………………………… １４４
　 　 １０. ２　 专家系统组成 ………………………………………………………… １４６
　 　 １０. ３　 专家系统分类 ………………………………………………………… １４８
　 　 １０. ４　 专家系统开发 ………………………………………………………… １４８
　 　 １０. ５　 传统专家系统与新一代专家系统 …………………………………… １５１
　 　 小结 …………………………………………………………………………… １５２
　 　 习题１０ ………………………………………………………………………… １５３
第１１ 章　 计算机视觉 …………………………………………………… １５５
　 　 １１. １　 计算机视觉概述 ……………………………………………………… １５５
　 　 １１. ２　 计算机视觉中的图像分析和理解 …………………………………… １５８
　 　 １１. ３　 计算机视觉应用 ……………………………………………………… １６０
　 　 小结 …………………………………………………………………………… １６３
　 　 习题１１ ………………………………………………………………………… １６５
第１２ 章　 自然语言处理 ………………………………………………… １６６
　 　 １２. １　 自然语言处理之自然语言理解 ……………………………………… １６７
　 　 １２. ２　 自然语言处理之自然语言生成 ……………………………………… １７３
　 　 １２. ３　 语音处理 ……………………………………………………………… １７４
　 　 １２. ４　 自然语言处理应用实例 ……………………………………………… １８１
　 　 小结 …………………………………………………………………………… １８３
　 　 习题１２ ………………………………………………………………………… １８５
第１３ 章　 机器人 …………………………………………………………… １８７
　 　 １３. １　 机器人概述 …………………………………………………………… １８７
　 　 １３. ２　 机器人组织结构 ……………………………………………………… １９０
　 　 １３. ３　 机器人工作原理 ……………………………………………………… １９１
　 　 １３. ４　 机器人的应用 ………………………………………………………… １９２
　 　 小结 …………………………………………………………………………… １９６
　 　 习题１３ ………………………………………………………………………… １９８
Ⅲ
第三篇　应　用　篇
第１４ 章　 大数据技术 …………………………………………………… ２０１
　 　 １４. １　 大数据技术概述 ……………………………………………………… ２０１
　 　 １４. ２　 大数据基础平台 ……………………………………………………… ２０４
　 　 １４. ３　 大数据软件平台—Ｈａｄｏｏｐ …………………………………………… ２０４
　 　 １４. ４　 大数据管理系统标准 ＮｏＳＱＬ ………………………………………… ２０７
　 　 １４. ５　 大数据计算 …………………………………………………………… ２０８
　 　 １４. ６　 大数据用户接口与可视化 …………………………………………… ２１２
　 　 小结 …………………………………………………………………………… ２１２
　 　 习题１４ ………………………………………………………………………… ２１４
第１５ 章　 人工智能应用系统开发 ……………………………………… ２１６
　 　 １５. １　 概述 …………………………………………………………………… ２１６
　 　 １５. ２　 人工智能应用开发的三大要素 ……………………………………… ２１７
　 　 １５. ３　 人工智能应用开发系统结构 ………………………………………… ２２０
　 　 １５. ４　 人工智能应用系统开发流程 ………………………………………… ２２３
　 　 １５. ５　 人工智能应用的三种典型方法 ……………………………………… ２２５
　 　 小结 …………………………………………………………………………… ２２６
　 　 习题１５ ………………………………………………………………………… ２２７
第１６ 章　 人工智能的应用系统 ………………………………………… ２２８
　 　 １６. １　 自动驾驶与网联车 …………………………………………………… ２２８
　 　 １６. ２　 人脸识别 ……………………………………………………………… ２３４
　 　 １６. ３　 机器翻译 ……………………………………………………………… ２３９
　 　 １６. ４　 智能医学图像处理 …………………………………………………… ２４２
　 　 小结 …………………………………………………………………………… ２４７
　 　 习题１６ ………………………………………………………………………… ２４９
第四篇　展　望　篇
第１７ 章　 人工智能发展展望 …………………………………………… ２５２
　 　 １７. １　 人工智能学科发展 …………………………………………………… ２５２
　 　 １７. ２　 人工智能所引发的社会问题及其解决 ……………………………… ２５４
　 　 小结 …………………………………………………………………………… ２５７
　 　 习题１７ ………………………………………………………………………… ２５８
参考文献 ……………………………………………………………………… ２５９

徐洁磐：南京大学计算机科学与技术系教授，博导。主要研究计算机理论与数据库技术，曾任中国人工智能学会理事，离散数学学会理事长，中国计算机学会计算机理论专业委员会副主任，数据库专委会委员。教育部计算机教学指导委员会第一、二届委员。1957年南京大学数学系毕业，1963年苏联莫斯科大学数理逻辑副博士研究生毕业，1957年至今南京大学数学系、计算机系讲师，副教授、教授。

教材的现代性，即新的技术路线与新的体系，
并形成新一代人工智能技术，教材的应用性，即更加关注人工智能与其他学科、领
域的融合，将人工智能应用到多个行业中去，教材的引导性，即坚持教材的入门与
引导作用 本书的出版在一定程度上填补了新一代人工智能教材的空白