《人工智能》课程简介与教学大纲-以“三寓三式”教学模式为例

《人工智能》课程简介和教学大纲—“三寓三式”范式的运用

（Introduction to Artificial Intelligence）

上海电力大学计算机科学与技术学院

软件工程系讲师 李东阳

课程代码：2505032 课程名称：人工智能

学分：2 周学时: 4.0

面向对象：计算机学院

预修课程要求：具备程序设计语言编程能力、熟悉线性代数和概率论等内容

一、课程介绍

人工智能是引领科技革命和产业变革的战略性技术和重要驱动力量，具有多学科交叉综合、渗透力和支撑性强、高度复杂等特点，呈现技术属性和社会属性高度融合特色。

本课程内容主要包括人工智能历史和发展、知识表达与推理、搜索探寻与问题求解、机器学习、神经网络与深度学习、强化学习、人工智能博弈、人工智能伦理与安全、人工智能架构与系统、人工智能应用。通过这门课程的学习，学生应该掌握人工智能的基本内涵、建模机制、优化方法、伦理安全和赋能应用等知识，并能够从跨学科交叉的角度理解其所蕴含的核心要素。此外，本课程以教学内容为载体，将科学思维、传统文化、工程伦理等相关的思政元素融入课程，培养学生科研探索和创新意识、精益求精的工匠精神，并激发学生科技报国的家国情怀和使命担当。

二、教学目标

课程定位：

本课程以“厚基础、强交叉、养品行、促应用”为理念，培养扎实掌握人工智能基础理论、基本方法、架构系统和应用工程技术，熟悉人工智能相关交叉学科知识和培育学科交叉意识，具备科学素养、伦理涵养、实践能力、创新能力、系统能力与国际视野，能在我国人工智能学科与产业技术发展中发挥重要作用，并有潜力跻身一流的人工智能领域或相关领域人才。

教学目标：

了解符号主义人工智能、连接主义人工智能和行为主义人工智能以及人工智能融合交叉等历史发展脉络，掌握知识表达与推理、搜索探寻与问题求解、统计机器学习、神经网络与深度学习、强化学习、人工智能博弈等基本算法，树立人工智能伦理与安全意识，理解保障人工智能安全、可信和公平的技术方法，会应用人工智能工具、芯片和平台等手段，搭建具体场景所需人工智能架构与系统，完成自然语言中机器翻译、视觉理解中图像分类、机器人中行为控制或科学计算等应用案例。

通过对图灵测试、逻辑推理、概率建模、数据拟合、参数优化、博弈对抗和智能演化等算法原理的领会，知晓当前人工智能发展的瓶颈问题，同时对人机共融所形成的社会形态中应遵守道德准则和法律法规有清晰认识。

可测量结果

1) 理解A*搜索、剪枝搜索和蒙特卡洛搜索之间的异同

2) 掌握代表性有监督学习和无监督学习方法及其异同

3) 掌握深度神经网络的基本概念和模型以及相关学习算法

4) 掌握强化学习的基本概念和策略函数学习算法

5) 掌握纳什均衡概念以及博弈策略学习算法

6) 掌握提高人工智能模型安全基本算法

7) 掌握大语言模型基本概念和核心算法

8) 掌握人工智能与基础科学结合的基本概念和手段

注：以上结果可以通过课程编程作业和笔试等环节测量。

三、课程要求

（一）授课方式与要求

授课方式：

a.教师讲授（讲授核心内容、引导讨论、总结、按顺序提示今后内容、答疑、点评课程编程作业与报告等）

b.期末大作业。

课程要求：知晓人工智能的基本概念，重点了解人工智能基本理论方法和关键算法，具备利用上述方法求解实际问题的基本应用能力。

（二）考试评分与建议

a. 平时作业占35%；

b. 平时考勤占5%；

c. 期末大作业60%；

四、教学安排

第一周：介绍人工智能发展历史和发展，包括人工智能起源与计算载体、主流智能计算方法和人工智能知识点脉络。

第二周：介绍知识表达与推理，主要介绍知识表示方法、命题逻辑和谓词逻辑及其推理方法、知识图谱推理（一阶归纳学习算法， First Order Inductive Learner）。

第三周：介绍贝叶斯网络与概率推理、因果推理等内容。

第四周：介绍搜索探寻与问题求解，包括贪婪最佳优先搜索、启发式搜索、A*搜索和Minimax搜索。

第五周：介绍Alpha-Beta剪枝搜索和蒙特卡洛树搜索等内容。

第六周：介绍机器学习模型评估与参数估计、线性回归模型、决策树等内容。

第七周：介绍聚类、特征降维和演化学习等内容。

第八周：介绍神经网络与深度学习，包括感知器模型、梯度下降和误差反向传播算法。

第九周：介绍卷积神经网络、循环神经网络、注意力机制、网络优化与正则化等内容。

第十周：介绍强化学习内容，包括马尔科夫决策过程、贝尔曼方程、基于表格求解法的策略评估与优化。

第十一周：介绍强化学习中探索与利用的平衡、基于近似求解法的策略评估与优化以及基于策略的强化学习等内容。

第十二周：介绍人工智能博弈，包括博弈论概念与纳什均衡、虚拟遗憾最小化算法、Gale- Shapely算法等内容。

第十三周：介绍人工智能伦理与安全内容，包括可信公平人工智能、人工智能可解释性和算法攻击与防守等内容。

第十四周：介绍人工智能架构与系统内容，包括人工智能算法支撑技术链、人工智能芯片（GPU、XPU和类脑芯片等）和分布式深度学习优化等。

第十五周：介绍人工智能应用，选讲基础模型（大模型）构造、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以及科学计算等内容。

第十六周：课程复习和答疑。

*本文内容来自网络，仅用于分享，如有侵权，请联系删除。