(1)培养目标

《人工智能导论》是关于人工智能领域的引导性课程，介绍人工智能的历史、研究现状以及新技术，目的是使学生了解和认识人工智能的各个研究领域包括最新的研究进展，激发学生学习人工智能及今后的更高级课程的学习兴趣、为将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。

通过本课程的学习，使得学生了解人工智能的历史、各个不同分支以及应用领域的研究进展及其新突破，新成果，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。

(2)内容设置

[1] 人工智能概述

可计算理论、图灵机模型、人工智能主流模型；

[2] 知识表示与推理

知识与知识表示、谓词逻辑表示法、产生式表示法、框架表示法、知识图谱、确定性推理与不确定推理；

[3] 搜索探寻与问题求解

搜索问题基本概念、贪婪最佳优先搜索算法、启发式搜索-A*搜索、搜索算法的性能分析、Minimax搜索、Alpha-Beta剪枝搜索、蒙特卡洛树搜索；

[4] 机器学习

机器学习基本概念、模型评估与参数设计、线性回归模型、决策树、聚类、特征降维、演化学习、进阶机器学习方法；

[5] 神经网络与深度学习

基本概念、感知器模型、神经网络参数优化、卷积神经网络、循环神经网络、注意力机制、网络优化与正则化、进阶深度学习算法；

[6] 强化学习

基本概念、马尔可夫决策过程、贝尔曼方程、强化学习中探索与利用的平衡、基于近似求解法的决策评估与优化、基于策略的强化学习；

[7] 人工智能博弈

博弈论概念与纳什均衡、虚拟遗憾最小化算法、Gale-Shanely算法、多智能体博弈算法；

[8] 人工智能伦理与安全

可信人工智能、可解释性、人工智能安全；

[9] 人工智能架构与系统

人工智能计算架构、人工智能芯片、分布式训练算法与系统；

[10] 人工智能应用

自然语言中的机器翻译、视觉理解中的图像分类、机器人中的行为控制、科学计算等；

(3)主要教学方式

本课程教学采用课堂教学和线下编程相结合、辅以小组讨论和综述报告的教学方式，加强图示和实例教学，以增强学生的学习兴趣，培养学生发现问题并解决问题的能力。

(4)先修课要求

微积分，线性代数