人工智能与信息社会_北京大学_中国大学MOOC(慕课)

admin · 发表于 2020-3-8 12:27:42

课程大纲

本课程分为8周，每周包括10个左右10分钟以内的视频课程。

1 新闻热点与身边的人工智能

1.1 家里的AI：扫地机器人/智能音箱/智能家居/教育/个人助手

1.2 语音识别/自动翻译：法庭速记/同声传译

1.3 图像识别：手机中的照片整理/美颜处理/安防

1.4 会下棋的人工智能：AlphaGo

1.5 自动驾驶/工业机器人：汽车/公交车/卡车

1.6 医疗健康：监测诊断

1.7 金融：智能投顾、智能客服、安防监控、金融监管

1.8 微软亚洲研究院院长洪小文博士寄语计算机教育

2 人工智能发展简史

2.1 什么是人工智能？

2.2 人工智能发展历史

2.3 人工智能经典问题（图灵测试，中文屋）

2.4 人工智能第一次浪潮：最早的神经元

2.5 人工智能第二次浪潮：专家系统

2.6 人工智能第三次浪潮：深度神经网络

2.7 访谈2-1（微软亚洲研究院刘铁岩副院长：历史）

2.8 访谈2-2（微软亚洲研究院刘铁岩副院长：热潮）

2.9 访谈2-3（微软亚洲研究院刘铁岩副院长：未来）

3 基于决策树和搜索的智能系统

3.1 实例1：读心术（建立二分查找的规则）

3.2 和人类一样的判断方式：专家系统

3.3 专家系统应用与发展

3.4 实例2：井字棋（决策树介绍）

3.5 双方零和完全信息博弈的搜索树

3.6 基于搜索树对局面进行估值决策

3.7 最大最小值法（Minimax）

3.8 Alpha-Beta剪枝

3.9 启发式搜索

3.10 从国际象棋到围棋

3.11 实际代码与运行结果

4 基于仿生算法的智能系统I

4.1 仿生算法简介

4.2 基因遗传算法（初始种群、遗传变异、评估淘汰）

4.3 实例3：拼图游戏

4.4 拼图的基因

4.5 遗传和变异

4.6 自然选择

4.7 实际代码与运行结果

5 基于神经网络的智能系统

5.1 神经元与神经网络

5.2 实例4：手写数字识别

5.3 构建网络参数

5.4 计算损失函数

5.5 通过优化器优化参数

5.6 反向传播

5.7 实际代码与运行结果

6 基于神经网络的智能系统II

6.1 监督学习和非监督学习

6.2 实例5：Flappybird（让人工智能学会玩游戏）

6.3 试错式学习

6.4 State-action-reward

6.5 价值判断：Q函数

6.6 遍尝百草：e-greedy

6.7 熟能生巧：持续更新Q函数

6.8 实际代码与运行结果

7 人工智能应用

7.1 图像识别与分类

7.2 医学影像分析

7.3 访谈7-1（微软亚洲研究院张益肇副院长：医疗+AI综述）

7.4 访谈7-2（微软亚洲研究院张益肇副院长：当前成就）

7.5 访谈7-3（微软亚洲研究院张益肇副院长：未来展望）

7.6 语音识别——个人助理（siri/google assistant/微软小冰小娜）

7.7 人脸识别和情感计算

7.8 访谈7-4（微软亚洲研究院周明副院长：自然语言处理综述）

7.9 访谈7-5（微软亚洲研究院周明副院长：当前成就）

7.10 访谈7-6（微软亚洲研究院周明副院长：未来展望）

7.11 自动驾驶

8 人工智能与人类社会未来

8.1 挑战：技术视角

8.2 挑战：人文视角

8.3 访谈8-1（微软亚洲研究院潘天佑副院长：AI各个领域发展）

8.4 伦理规范：社会层面

8.5 伦理规范：公共政策层面

8.6 访谈8-2（微软亚洲研究院潘天佑副院长：伦理规范的影响）

8.7 访谈8-3（微软亚洲研究院潘天佑副院长：人工智能人才培养）

8.8 科幻作品中的人工智能（影视作品：AI，Her，攻壳机动队，黑客帝国）

8.9 奇点理论：畅想未来

游客，如果您要查看本帖隐藏内容请回复