山东大学软件学院人工智能导论

### 山东大学软件学院《人工智能导论》课程概述

#### 一、课程目标
本课程旨在使学生掌握人工智能的基本概念、理论和技术，培养学生解决实际问题的能力。通过该课程的学习，学生能够理解并应用经典的人工智能算法来处理现实世界中的复杂情况[^1]。

#### 二、教学大纲概览
- **绪论**
- 讲解什么是AI及其历史发展过程。
- 探讨当前研究热点和发展趋势。

- **基础知识**
- 数理逻辑基础：命题逻辑与谓词逻辑简介。
- 数据结构和算法分析复习。

- **搜索技术**
- 不知情搜索方法（广度优先搜索、深度优先搜索等）。
- 启发式搜索策略（A*算法等）。

- **机器学习初步**
- 学习范式的分类介绍；监督/无监督学习的概念区分。
- 基于实例的学习模型讲解。

- **自然语言处理入门**
- 文字编码方式的理解以及简单的分词操作实践。
- 对话系统的构建思路探讨。

- **专家系统**
- 定义及组成要素解析。
- 实际案例分享——医疗诊断辅助工具的设计原理说明。

- **神经网络与深度学习浅析**
- 生物启发下的计算模型建立原则阐述。
- 卷积层、池化层等功能单元的作用机制解释。

- **伦理道德和社会影响讨论**
- AI可能带来的社会变革思考。
- 如何负责任地开发部署智能化解决方案建议[^2].

#### 三、部分推荐参考书目列表
- Russell, S., & Norvig, P. (2016). *Artificial Intelligence: A Modern Approach*. Pearson.
- Poole, D.L., Mackworth, A.K..(2017).* Artificial Intelligence: Foundations of Computational Agents*, Cambridge University Press.

# 示例代码片段用于展示如何实现一个简单版本的宽度优先搜索(BFS)
from collections import deque 

def bfs(graph,start,end): 
    queue = deque([(start,[start])])
    visited = set()
    
    while queue:
        node,path=queue.popleft()

        if node==end:
            return path
        
        elif node not in visited:
            visited.add(node)

            for neighbor in graph[node]:
                queue.append((neighbor,path+[neighbor]))
                
    return "No Path Found"