前言
1978年3月,作为恢复高考后首届七七级大学生,我来到了清华大学计算机系学习,当时系里每个班级对应一个教研组,与我们班对应的是“人工智能与智能控制”教研组。记得刚入校不久,班主任老师带领我们参观实验室,观看了几个演示,包括语音识别、汉字识别、计算机控制等,对于首次见到计算机的我来说,留下了极其深刻的印象,尤其是语音识别的演示,至今不能忘怀。
在一个房间里,老师对着麦克风说: “芝麻芝麻快开灯”,一盏台灯就打开了。老师再说: “芝麻芝麻关上灯”,台灯就又被关闭了。同学们纷纷上去测试,感觉非常神奇。当时虽然还不知道什么是人工智能,但在我的心里埋下了一颗人工智能的种子。
1979年大二时,我们班开设了“人工智能导论”课,由林尧瑞老师主讲,教材是一本油印的小册子,记得内容有A算法、αβ剪枝算法、规划、用于定理证明的归结法等,这很可能是国内本科生最早的人工智能课。这是我第一次正式接触人工智能,后来又学习了LISP语言,记得期末作业我选做的是用αβ剪枝算法实现五子棋下棋程序,因受各种条件的限制,做得还非常初级,但如果不认真跟它下的话,还不一定能战胜它。
1984年我硕士毕业后留校工作,跟随林尧瑞老师从事专家系统方面的研究工作,同时辅助林尧瑞老师开始准备《人工智能导论》一书的编写工作。林尧瑞老师已经在我们系讲授多年的人工智能课程,积攒了很多资料,我主要是辅助整理,只参与书写了少部分内容。该书曾经在国内很多高校作为研究生教材使用,后来还被中国台湾一家出版社选中,出版了繁体版。直到现在,遇到一些年龄稍大的朋友还会提到当年是读这本书入门的。
2004年,我又与朱小燕老师合作编写了《人工智能》一书,该书也被很多高校当作本科或者研究生教材使用。
随着人工智能热潮的到来,应用也逐渐渗透到各行各业、各个领域,希望学习人工智能相关技术的人越来越多。市面上出现了很多非常出色的书籍,清华大学出版社多次联系我,希望出版两本书的第2版。我也多次提起笔来进行写作,但每次都半途而废,浪费了不少时间。主要原因是有关人工智能的书越来越多,如何写出新意,一直困扰着我。我也一直在思考如何写出一本通俗易懂、适合初学者的书,真正起到“导论”的作用。
大约在2020年,我在线上做了一次人工智能科普讲座,梳理了人工智能的发展历史,介绍了人工智能在不同的发展阶段所采用的主要方法等。这次科普讲座很受欢迎,会后组织者整理出讲座的文字版发布在网上,得到不少朋友的称赞。看到整理的讲座文字版,我突然受到启发,有了一些灵感。从1993年起我接替林尧瑞老师主讲“人工智能导论”课,至今有30年了,积攒了不少资料,很多讲课内容也有我自己的理解,何不就以讲课的方式写一本书呢?就如同讲课一样,课上怎么讲的就怎么写,让读者感到真的如同在听我讲课一样,是不是一种很好的方法?
有了这个想法之后,我就决定如同教师在给学生授课一样,用通俗易懂的语言,由浅入深地讲述人工智能的基本原理。
很快我就着手动笔写了起来。开始写得还算顺利,但是越写越觉得没有上课那种感觉。毕竟在上课的过程中,面对的是学生,和学生之间的交流有助于激发我的讲课热情,也能发现讲课中问题所在,重点解释一些不容易理解或者容易错误理解的问题。经过反复思考之后,我在书中设计了一位博学的艾博士(“艾”即AI)和一位聪明好学的小明同学,以师徒二人“一问一答”的形式,讲授课程内容。
艾博士: 深入浅出人工智能前言由于都是自己非常熟悉的内容,很快我就完成了第1篇“神经网络是如何实现的”,发给一些朋友征求意见后,收到了很多好的反馈意见和建议,其中不少朋友提到先发到微信公众号上,看看读者的反应,也算是一次在线测试。
在公众号以“跟我学AI”连载几次之后,收到不少反馈信息,普遍反映良好,尤其是受到多家出版社编辑老师的青睐,纷纷表示要出版这本书。编辑老师的肯定,给了我继续写下去的勇气,无论如何,这是一本与众不同的介绍人工智能的书。
本书共由7篇内容构成,除了第2篇部分内容需要第1篇作为基础知识外,其余各篇独立成章,可以单独阅读。各篇内容简介如下。
第0篇: 什么是人工智能。
主要通过回顾人工智能的简要发展历史,介绍不同时期人工智能研究的主要问题,了解实现人工智能的基本方法、当前面临的问题和发展方向。
第1篇: 神经网络是如何实现的。
结合实例引入神经元和神经网络的概念,讲解深度学习及其基本原理,以及主要实现方法。
第2篇: 计算机是如何学会下棋的。
从分析人下棋的基本过程入手,介绍计算机下棋的基本模型极小极大方法,为改进搜索效率提出的αβ剪枝算法,以及为解决局面评估问题提出的蒙特卡洛树搜索方法。介绍AlphaGo和AlphaGo Zero的基本实现原理。
第3篇: 计算机是如何找到最优路径的。
最优路径问题是人工智能的基本问题之一,首先介绍宽度优先搜索算法,进而通过不断引入新的信息,给出迪杰斯特拉算法、A算法、A算法等,以及利用深度优先搜索算法实现的迭代加深式搜索算法。
第4篇: 如何用随机算法求解组合优化问题。
首先介绍什么是组合优化问题以及求解这类问题的困难,在局部搜索算法的基础上,重点介绍模拟退火算法和遗传算法,以及如何用这两种随机算法求解组合优化问题。
第5篇: 统计机器学习方法是如何实现分类与聚类的。
分类与聚类是人工智能面临的重要问题,机器学习是求解这类问题的主要手段。本篇详细讲解常用的几种统计机器学习方法,如决策树、支持向量机、k均值聚类算法等。
第6篇: 专家系统是如何实现的。
专家系统在人工智能历史上起到过举足轻重的作用,本篇主要介绍专家系统的基本结构,讲解专家系统的基本实现方法。介绍非确定性推理方法、知识表示方法,以及实现对数据和知识进行层次管理的黑板模型。
本书的读者对象主要定位为以下3类人群。
(1) 对人工智能感兴趣的初学者。书中对很多基本概念、算法和实例做了非常详细的讲解,几乎每种算法都给出了具体实例,对初学者掌握这些概念和算法非常友好,容易理解和掌握。同时本书还配有详细的讲解视频,供感兴趣的读者免费使用。
(2) 正在或者准备讲授人工智能课程的教师。“跟我学AI”在公众号连载过程中,收到不少高校老师的热情反馈,对一些例子和讲解方法深表赞同,认为对以后讲授相关内容的课程很有启发和帮助,不少朋友希望我整理成书,出版发行。
(3) 从事人工智能开发的工程人员。这个人群大多对人工智能比较熟悉,精通各种算法,但在部分工程人员中也存在“只知其然,不知其所以然”的问题。从公众号连载过程中收到的反馈信息也能体现出这一点,不少朋友表示看了“跟我学AI”公众号以后,加深了对概念和算法的深入理解,了解了算法实现背后所蕴含的原理和物理意义,从“知其然”向“知其所以然”前进了一步,有“原来是这样啊”茅塞顿开的感觉。
本书在微信公众号“跟我学AI”和B站(在B站搜“马少平”)还配有详细讲解视频,可以通过扫描下面的二维码获取全部的讲解PPT和讲解视频(视频内容逐步更新中)。
PPT和讲解视频
在本书写作过程中,大型语言模型(LLM)研究迅猛,特别是ChatGPT的问世,给人工智能的发展带来了新的活力。ChatGPT在诸多方面均表现优异,尤其是在自然语言理解、语言生成能力以及对话上下文处理方面,更是上了一个新的台阶。本书虽然没有介绍这方面的相关内容,但是通过本书的学习,可以为进一步学习人工智能、了解人工智能的最新发展,打下良好基础。
下面引用的内容是ChatGPT根据我给的提示信息,并经几次“调教”之后自动生成的,我以此作为前言的结束语,既是对人工智能的一种敬意,也是我此时的真情表达。“2023年春节期间,我很高兴地完成了本书的写作,赶在开学前将其交给了出版社。虽然我知道自己的水平有限,但我心中充满了希望。我深知,没有读者朋友们的支持和关注,我是无法不断进步的。
因此,我诚挚地请求各位读者朋友们不吝赐教,指出本书的错误和不妥之处。我将努力不懈,不断完善,使本书更加完美。
在此,我向读者朋友们表示最诚挚的感谢,感谢您一直以来的关注和支持。我希望本书能够带给您更多的收获和欢乐,并期待您的宝贵意见。”最后,让我们跟随艾博士一起进入人工智能世界,开启奇妙的人工智能之旅吧。
谢谢!
马少平2023年9月10日