前言

当清晨的阳光透过实验室的玻璃窗，照在屏幕上跳动的数据与不断迭代的模型参数上时，我们总会想起第一次接触人工智能时的震撼——那时的课本还停留在“专家系统”的浅层介绍，而如今，大语言模型已能写出流畅的诗歌，具身智能机器人已能在复杂环境中完成精密操作，人工智能正以远超预期的速度重塑人类社会的生产与生活方式。作为在高校讲授人工智能课程十余年的教师，我们深切体会到，这门学科的快速发展与入门教材的滞后性之间具有鲜明的鸿沟。而面对庞杂的知识体系时，许多初学者常常深陷困境，要么被符号主义的数学公式劝退，要么被深度学习的代码实现难住，更遑论理解技术背后的哲学逻辑与社会影响。正是这样的现实需求，催生了本书的编写。

本书的诞生源于三个核心目标的驱动： 其一，为初学者搭建系统的知识框架。人工智能不是零散技术的堆砌，而是由基础理论、关键技术、前沿应用与伦理安全共同构成的有机整体。我们希望读者翻开第一页时，就能看到一条清晰的认知路径： 从“什么是智能”的本质追问出发，逐步掌握“如何表示知识”的技术工具，学会“如何处理不确定性”的推理方法，最终抵达“如何让机器自主学习与决策”的核心能力，同时在每一步都埋下“技术向善”的思考种子。其二，为实践者提供可落地的认知锚点。无论是计算机专业的学生，还是跨领域爱好者，都需要一本既能讲清“为什么”又能演示“怎么做”的教材。因此，我们在每章中都嵌入了大量贴近生活的案例，如利用决策树进行西瓜分类问题，使用八数码游戏拆解搜索策略的优化逻辑，依据人工神经网络进行苹果颜色判定，让抽象的理论在具体场景中“活”起来。其三，为技术发展注入人文温度。人工智能的终极目标不是超越人类，而是赋能人类。因此，我们将伦理与安全单独成章，结合欧盟《人工智能法案》、中国《生成式人工智能服务管理暂行办法》等政策，引导读者思考“什么样的人工智能值得信赖”“技术开发者需要承担哪些社会责任”等深层问题。

全书以“基础理论—关键技术—前沿应用—伦理安全”为主线，历经13章的层层递进，最终勾勒出人工智能学科的全景图。第1章“绪论”如同打开学科大门的钥匙，我们以“达特茅斯会议的起源”为起点，沿着“国外图灵测试、符号主义兴起、联结主义复兴以及行为主义突破”的历史脉络，梳理人工智能从哲学思辨到技术落地的发展轨迹； 同时对比“863计划”对中国人工智能研究的推动、日本“第五代计算机计划”的经验教训，揭示技术发展与社会需求的深层关联。这一章的关键不是罗列事件，而是帮助读者建立“技术演进有其内在逻辑”的认知。例如，符号主义的衰落并非因为数学模型的缺陷，而是因其难以处理现实世界的不确定性； 联结主义的崛起也不仅仅是因为算力的突破，更得益于大数据时代的馈赠。通过这种“历史+逻辑”的双重视角，读者能快速跳出“技术碎片”的陷阱，站在学科高度理解各技术模块的定位。

如果说绪论是“地图”，那么后续章节则是沿着地图展开的“旅程”。第2章“知识表示”聚焦信息处理的底层逻辑，这是人工智能的“语言”。我们用“状态空间表示法”来描述迷宫求解的路径，用“语义网络”模拟人类知识的关联存储，用“产生式规则”还原专家系统的推理过程。这些经典方法看似“古老”，却是理解现代知识图谱、大语言模型语义网络的基础。例如，知识图谱的实体关系结构本质上就是语义网络的扩展，而大模型的提示工程也隐含着产生式规则的逻辑。通过对比不同表示方法的适用场景，读者能学会根据问题需求选择合适的工具，这比单纯记忆公式更有价值。

第3章“不确定性推理”则是从“理想世界”走向“现实世界”的过渡。现实中的信息很少是绝对确定的，医疗诊断中的概率判断、金融风控中的模糊评估、自动驾驶中的环境感知都充斥着“可能”“大概”“或许”。我们以证据理论为核心，讲解如何用信任函数、似然函数量化不确定性，通过这些知识点，让读者深刻意识到： 不确定性推理不是“无奈之选”，而是应对复杂世界的必备技能，它为后续机器学习中的概率模型、深度学习中的正则化方法埋下了伏笔。

第4章“搜索技术”是人工智能解决问题的“通用引擎”。从路径规划到博弈决策，从机器人导航到游戏人工智能，几乎所有需要“寻找最优解”的问题都可以转换为搜索问题。我们区分了盲目搜索与启发式搜索的本质差异： 前者像“无头苍蝇”般遍历所有可能，后者则像“经验丰富的猎人”般利用先验知识缩小搜索范围。为了让读者更直观地理解，我们用“八数码游戏”的搜索树作对比： 广度优先搜索像“地毯式排查”，虽然能找到最短路径却效率低下； A算法则像“带着指南针探路”，通过估价函数优先探索更有希望的节点。这种“问题—方法—案例”的三位一体讲解，能让读者真正掌握“如何根据问题特性选择搜索策略”的核心能力。

第5章“机器学习”是本书的“心脏”，也是当前人工智能发展的核心驱动力。我们摒弃了“算法堆砌”的传统写法，而是从“为何用机器学习”切入——传统编程依赖人类编写的规则，而机器学习让机器从数据中自主总结规律，这种“数据驱动”的范式革命正是人工智能突破的关键。通过对比“手写数字识别”的传统特征工程和卷积神经网络实现方式，读者能清晰地看到： 当问题复杂度超过人类规则提取能力时，机器学习展现出不可替代的优势。在算法讲解部分，我们没有陷入复杂的数学推导，如SVM的对偶问题、神经网络的反向传播公式，而是聚焦“算法解决什么问题”“如何选择参数”“实际应用中的注意事项”。例如，决策树容易过拟合怎么办？k均值聚类的簇数如何确定？这些“实战问题”比公式本身更能帮助读者建立“用算法解决问题”的思维。

第6章“神经网络”与第7章“深度学习”是机器学习的“生物学灵感延伸”与“工程化升级”。我们从生物神经元的信号传递讲起，逐步讲解人工神经网络中的神经元与其学习方法，通过回归、分类、聚类任务，说明神经网络的的应用领域。在深度学习部分，我们以“图像目标识别”为典型案例，讲解卷积神经网络的卷积层、池化层、全连接层的分工协作； 针对文本、语音等序列数据，则用“机器翻译”演示循环神经网络的记忆机制与长短期记忆网络的改进逻辑。我们还介绍了卷积神经网络和循环神经网络的最新进展，并结合合成孔径雷达图像识别和WebShell攻击给出了如何利用深度学习方法解决实际问题的案例。

第8章“强化学习”则打开了“智能体与环境交互”的新维度。与传统机器学习的“给定答案学习”不同，强化学习的智能体通过“试错”与环境互动，目标是最大化长期累积奖励。我们基于多臂老虎机问题这个经典模型,重点分析了“探索—利用”困境及ε贪婪算法等解决策略; 在算法求解方面,基于价值的强化学习方法从贝尔曼方程出

发，介绍了动态规划法、蒙特卡洛法、时间差分法、深度Q网络等经典方法。

第9章“大语言模型”紧扣当前人工智能领域的最前沿。我们梳理了从Transformer架构到GPT系列模型的演进路径，并介绍了大模型的提示词工程原理，进而分析了大模型在教育、军事、金融等多个领域展现出广泛的应用前景。更重要的是，我们结合中国大模型中文语境下的优化、垂直领域的微调等发展现状，引导读者思考“如何在技术追赶中建立自主可控的创新体系”。

第10章“具身智能”突破了传统人工智能的“离身”局限，强调智能体与物理世界的交互能力。我们深入剖析了具身智能的核心构成要素，即具身感知、具身决策和具身执行。这三大要素相互依存、协同工作，构成了具身智能发挥作用的基石。我们用“机器人泡茶”的简单任务拆解技术框架： 首先通过摄像头、触觉传感器感知环境，然后根据“水温过高需等待”“茶叶需要浸泡3分钟”等经验规划动作，最后控制机械臂完成倒水、搅拌等操作。这一章的编写，我们特别邀请了机器人领域的专家参与，确保了技术细节的准确性与前沿性。

第11章“群智能”聚焦群体协作的仿生智慧。我们观察到，蚂蚁群体没有中央指挥却能高效觅食，鸟群迁徙时能自动规避障碍物，这些自然现象背后是“分布式、自组织、无中心”的群体智能机制。我们用“蚁群算法”模拟蚂蚁的信息素更新过程——蚂蚁走过的路径会释放信息素，其他蚂蚁倾向于选择信息素浓度高的路径，最终形成最优觅食路线； 用“粒子群优化算法”模拟鸟群的飞行策略——每个粒子记录自己的最优位置与群体的最优位置，通过相互学习不断逼近全局最优解。这些算法在物流调度、电力系统、金融交易等领域展现出独特优势，尤其是在“问题规模大、传统算法难以建模”的场景中，群智能的“集体智慧”往往能取得超出预期的效果。

第12章“人工智能伦理与安全”是对人工智能领域中伦理与安全问题的深入探讨。人工智能在带来诸多便利的同时，也引发了伦理困境和安全挑战。我们追溯了人工智能伦理问题的产生与演进，探寻了人工智能伦理的核心矛盾，如人权伦理中智能机器人是否威胁人类权利等。进一步，我们引导读者思考： 人工智能技术应该如何服务于人类福祉？在发展与治理、创新与安全中如何权衡？本章不仅介绍了人工智能伦理原则及伦理、技术、法律等治理方法，还阐述了人工智能在社会、经济、军事等方面引发的安全问题及技术安全自身存在的风险，如技术脆弱性、新型安全攻击行为等。

第13章“人工智能应用开发工具”立足实践，帮助读者将理论转换为工程能力。我们对比了PyTorch的动态图与TensorFlow的静态图的特性，解析了支持中文文档与本土化的PaddlePaddle（飞桨）模型、能够自动微分与并行训练优化的昇思MindSpore等国产框架的优势。通过对比主流框架，让读者根据需求和应用场景选择合适的框架进行人工智能应用的开发。这些内容打破了理论与实践脱节的痛点，让读者在学习过程中就能积累工程经验，缩短从课堂到职场的转换周期。

在编写本书的过程中，我们始终秉持“读者友好”的原则。每章开头设置了引入，帮助读者明确重点； 每章末尾的习题涵盖概念辨析、算法推导、案例分析，兼顾知识巩固与能力提升。此外，我们还邀请了行业专家、高校教师参与审稿，确保内容的准确性、前沿性与教学适用性。

最后，我们想对读者说： 人工智能是一门正在生长的学科，今天的前沿可能成为明天的基础，今天的热点也可能被未来的新技术取代。但这本书的核心价值，不在于覆盖所有最新技术，而在于帮助读者建立终身学习的能力——学会用基础理论理解技术本质，用关键技术解决实际问题，用前沿视野把握发展方向，用伦理思维引导技术向善。无论你是高校学生、从业者，还是单纯对人工智能感兴趣的爱好者，我们都希望这本书能成为你探索人工智能世界的良师益友。当你合上最后一页时，或许会发现自己不仅掌握了具体的知识与技能，更重要的是，拥有了一份对技术的敬畏之心、对创新的热情之情，以及对未来的期待之志，这正是我们编写本书的最大心愿。

编者于南京

2025年10月14日