一、课程介绍
《人工智能导论》是面向汽车学院车辆工程专业本科生开设的学科基础课程选修课。人工智能是当前科学技术中正在迅速发展，新思想、新观点、新技术不断涌现的一个学科，也是一门涉及数学、计算机科学、控制论、信息论、心理学、哲学等学科的交叉和边缘学科。通过本课程的开设，使学生对人工智能的发展概况、基本原理和应用领域有初步了解，对主要技术及应用有一定掌握，启发学生对人工智能的兴趣，培养知识创新和技术创新能力。
Introduction
The 《Introduction to Artificial Intelligence》 course is a subject-based elective course for undergraduates majoring in vehicle engineering at the Automotive College.
Artificial intelligence is a subject which is developing rapidly in current science and technology. New ideas and new technologies are emerging constantly. It is also an interdisciplinary and marginal subject involving mathematics, computer science, cybernetics, information theory, psychology, philosophy and other disciplines. Through the opening of this course, students will have a preliminary understanding of the general situation, basic principles and application fields of AI, have a certain grasp of the main technologies and applications, inspire students' interest in AI, and cultivate their ability of knowledge innovation and technological innovation.
课程基本信息
课程名称 |
人工智能导论 |
课程编码 |
421095 |
英文名称 |
An introduction to Artificial Intelligence |
||
课程学时 |
24 |
课程学分 |
1.5 |
课程类别 |
学科基础课程 |
课程性质 |
选修课 |
开课学期 |
第6学期 |
课内实验学时 |
0 |
适用专业 |
车辆工程 |
||
开课单位 |
汽车系教研室 |
||
选用教材 |
人工智能导论，机械工业出版社，李伯虎、李兵主编 |
||
主要参考书 |
1王万森，《人工智能原理及其应用》，电子工业出版社，2000年9月第一版。 2林尧瑞、马少平，《人工智能导论》，清华大学出版社，1989年5月第一版。 3陈世福、陈兆乾等编，《人工智能与知识工程》，南大出版社，1997年12月第一版。 4何华灿，《人工智能导论》，西北工业大学出版社，1988。 5陈汝铃，《人工智能》，科学出版社，1989。 |
||
制定人 |
张素民 |
制定时间 |
2018年9月 |
二、教学大纲
1、教学目标
1.1 教学目标
本课程的目标是使学生通过课程的学习，使学生掌握人工智能的基本原理、方法及研究应用领域。了解人工智能中常用的知识表示技术，启发式搜索策略，了解原理以及非确定性推理技术。通过对典型专家系统的分析、解剖、进一步深入掌握人工智能的主要技术，去解决人工智能的一些实际问题。增强学生的逻辑思维与实验能力，为人今后处理各门学科的智能奠定基础。
本课程达成如下业务能力培养要求：
1.掌握人工智能技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。
2.掌握利用人工智能相关的重要工具解决给定问题的基本方法。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学习等。
1.2 教学目标与毕业要求指标点对应关系
表1 教学目标与毕业要求指标点对应关系
教学目标 |
毕业要求指标点（二级） |
教学目标1：掌握人工智能技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。 |
5.1能够理解、掌握、选择、使用现代计算机软硬件等工具选择与使用技术，并进行基于仿真计算的预测与模拟。 |
教学目标2：掌握利用人工智能相关的重要工具解决给定问题的基本方法。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学习等。 |
12.2具有不断学习和适应发展的能力。 |
2、教学要求
教师要积极备课，认真准备实验，对课程内容要融会贯通，切忌照本（幕）宣科。注重知识的拓展，并在课堂上加强思政教育。
通过理论知识教学，结合典型实例分析，充分利用多媒体动画教学使学生掌握理论知识，具备分析问题解决问题的能力。
成绩评价体系标准真实、严谨、公平、公正、公开，能促使学生学习的积极性。
3、预备知识或先修课程要求
《大学计算机基础》
4、教学方式
表2 教学方法（与教学目标对应）
教学方法 |
教学目标 |
教学方法包括：理论部分以课堂讲授为主，配以适当的讨论，采用多媒体授课。教学过程中注意各个知识点的关联性，以使学生更好地理解课程内容。 |
教学目标1掌握人工智能技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。 |
教学目标2掌握利用人工智能相关的重要工具解决给定问题的基本方法。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学习等。 |
5、课程教学内容及学时分配
5.1 课程内容
第一章 绪论（2学时）
本章重点、难点：了解人类智能与人工智能的含义，人工智能的发展和应用领域；理解人工智能的内涵。
第一节 人工智能的定义和发展（0.5学时）
第二节 人类智能和人工智能（0.5学时）
第三节 人工智能的学派及其争论（0.5学时）
第四节 人工智能的研究与应用领域（0.5学时）
第二章 知识表示（4学时）
本章重点、难点：了解实现知识表示的语义网络法、框架表示法、剧本表示法及过程表示法；理解状态空间法、问题规约法；掌握谓词逻辑法。
第一节 状态空间法（0.5学时）
第二节 问题规约法（0.5学时）
第三节 谓词逻辑法（0.5学时）
第四节 语义网络法（0.5学时）
第五节 框架表示（0.5学时）
第六节 剧本表示（0.5学时）
第七节 过程的表示（1学时）
第三章 搜索原理（4学时）
本章重点、难点：了解遗传算法、模拟退火算法；理解盲目搜索、启发式搜索；掌握启发式搜索与其它搜索的关系的有关知识。
第一节 盲目搜索（1学时）
第二节 启发式搜索（1学时）
第三节 遗传算法（1学时）
第四节 模拟退火算法（1学时）
第四章 推理技术（4学时）
本章重点、难点：了解规则演绎系统、不确定性推理的知识；理解消解原理；掌握利用消解原理解决问题的方法。
第一节 消解原理（1学时）
第二节 规则演绎系统简介（1学时）
第三节 产生式系统（1学时）
第四节 不确定性推理（1学时）
第五章 专家系统 （2学时）
本章重点、难点：了解专家系统的一般特点，类型，结构和建造步骤。
第一节 专家系统概述（0.5学时）
第二节 专家系统的一般特点（0.5学时）
第三节 专家系统的类型（0.5学时）
第四节 专家系统的结构和建造步骤（0.5学时）
第六章 机器学习（4学时）
本章重点、难点：了解机器学习的研究意义，常用的机器学习方法；理解人工神经网络的原理；掌握基于反向传播网络的学习算法。
第一节 机器学习的研究意义与发展史（0.5学时）
第二节 机器学习的基本结构（0.5学时）
第三节 几种常用的学习方法（1学时）
第四节 人工神经网络（1学时）
第五节 深度学习（1学时）
第七章 Agent （2学时）
本章重点、难点：了解分布式人工智能特点，以及Agent在分布式人工智能方面的作用；理解Agent的要素与结构。
第一节 分布式人工智能0.5学时）
第二节 Agent及其要素0.5学时）
第三节 Agent的结构0.5学时）
第四节 Agent通信0.5学时）
第八章 总结与展望 （2学时）
本章重点、难点：人工智能产业应用，人工智能在汽车上的应用前景。
第一节 无人驾驶汽车（0.5学时）
第二节 智能交通（0.5学时）
第三节 展望（1学时）
5.1 教学内容与教学目标对应关系
表3 教学内容与教学目标对应关系
教学内容 |
教学目标 |
理论课程内容 |
教学目标1掌握人工智能技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。 |
教学目标2熟悉人工智能系统的体系架构，了解人工智能系统的使能技术、管理与服务、安全，了解人工智能的发展趋势和前沿问题，使学生具有不断学习和适应信息技术发展变革的能力，奠定应用基础。 |
6、考核要求、考核方式及成绩评定标准
6.1考核方法
表4 考核方法（与教学目标对应）
考核方法 |
教学目标 |
1、针对学习效果进行考核。 2、考核方式：课程作业。 3、考核依据：课程作业。 |
教学目标1掌握人工智能技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。 |
教学目标2掌握利用人工智能相关的重要工具解决给定问题的基本方法。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学习等。 |
6.2考核标准
表5 考核标准
考核方式 |
教学目标 |
评价标准 |
||||
0~59 |
60~69 |
70~79 |
80-89 |
90~100 |
||
课程作业 |
掌握人工智能技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。 |
未掌握人工智能技术的基本概念及基础知识，分析问题的思路和方法不清晰，不具备解决领域应用的基础能力。 |
掌握部分人工智能技术的基本概念及基础知识，分析问题的部分思路和方法清晰，具备部分解决领域应用的基础能力。 |
基本掌握人工智能技术的基本概念及基础知识，分析问题的思路和方法基本清晰，具备部分解决领域应用的基础能力。 |
掌握人工智能技术的基本概念及基础知识，分析问题的思路和方法清晰，具备解决领域应用的基础能力。 |
熟练掌握人工智能技术的基本概念及基础知识，分析问题的思路和方法清晰得当，具备解决领域应用的基础能力。 |
掌握利用人工智能相关的重要工具解决给定问题的基本方法。这些工具包括启发式搜索和规划算法，知识表示和推理形式，机器学习技术，语音和语言理解方法，计算机视觉和机器人学习等。 |
不熟悉人工智能系统的体系架构，不了解人工智能系统的使能技术、管理与服务、安全，不了解人工智能的发展趋势和前沿问题，不具有不断学习和适应信息技术发展变革的能力。 |
对人工智能系统的体系架构概念模糊，了解部分人工智能系统的使能技术、管理与服务、安全，了解部分人工智能的发展趋势和前沿问题，具有部分不断学习和适应信息技术发展变革的能力。 |
基本熟悉人工智能系统的体系架构概念，基本了解人工智能系统的使能技术、管理与服务、安全，基本了解人工智能的发展趋势和前沿问题，基本具有不断学习和适应信息技术发展变革的能力。 |
熟悉人工智能系统的体系架构概念，了解人工智能系统的使能技术、管理与服务、安全，了解人工智能的发展趋势和前沿问题，具有不断学习和适应信息技术发展变革的能力。 |
熟悉人工智能系统的体系架构概念，掌握人工智能系统的使能技术、管理与服务、安全，明确人工智能的发展趋势和前沿问题，具有较强的不断学习和适应信息技术发展变革的能力。 |
|
6.3成绩评定
（1）课程作业
采用百分制。由教师根据两次作业的实际完成情况，给出成绩。
（2）成绩评定
本课程考核性质为考查，综合考虑两次课程作业表现及理论课出勤率确定总成绩，其中课程作业1（40%），课程作业2（50%），出勤（10%）。成绩分为优秀、良好、中等、合格和不合格五个等级，计算公式如下：
总成绩=课程作业1（40%）+课程作业2（60%）+出勤（10%）。
考核方式及成绩占比为：
序号 |
成绩构成 |
考核方式 |
占比 |
1 |
总成绩 |
课后作业1 |
40 % |
2 |
课后作业2 |
50 % |
|
3 |
出勤 |
10 % |
|
|
合计 |
100 % |
|
上一篇：赛车动力学理论与设计
下一篇：嵌入式系统原理
