2025-02-17至2025-06-15

第14次开课

课程由浙江大学本科生院院长、浙江大学人工智能研究所所长吴飞教授开设。按照“厚基础、强交叉、养品行、促应用”的理念，从逻辑推理、搜索求解、监督学习、无监督学习、深度学习、强化学习和博弈对抗介绍人工智能基本概念和模型算法，帮助学习者了解、使用和创新人工智能，恪守人与人造物关系。本课程是国家级首批线上一流课程，对应教材为教育部计算机领域本科教育教学改革试点工作计划（即计算机101计划）核心课程《人工智能引论》教材，实训教学平台为智海-Mo(momodel.cn)”，赋能教育创新垂直领域教育大模型为“智海-三乐”（sanle.hep.com.cn）。

                                                                                                                                                              —— 课程团队

授课教师：

吴飞，浙江大学求是特聘教授，博士生导师。主要研究领域为人工智能、跨媒体计算、多媒体分析与检索和统计学习理论。浙江大学人工智能研究所所长。

课程概述：

人工智能(Artificial Intelligence，简称AI)是以机器为载体所展示出来的人类智能，因此人工智能也被称为机器智能(Machine Intelligence)。对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。

本课程成体系介绍人工智能的基本概念和基础算法，可帮助学习者掌握人工智能脉络体系，体会具能、使能和赋能，从算法层面对人工智能技术“知其意，悟其理，守其则，践其行”。课程内容包括如下：人工智能概述、搜索求解、逻辑与推理、监督学习、无监督学习、深度学习、强化学习、博弈对抗。

课时：搜索求解

知识点一：启发式搜索

启发式搜索通过评估函数（如A*算法）引导搜索方向，优先探索最有希望的路径，兼顾效率与最优性。核心是设计合理启发函数，估计到目标的代价，加速求解。适用复杂问题寻优。

（人工智能，图源中国慕课网MOOC）

知识点二：对抗搜索

对抗搜索用于双方博弈（如棋类），通过Minimax算法模拟对手最优策略，结合评估函数和Alpha-Beta剪枝优化决策效率，适用于竞争性场景的智能决策。

（AI算法，图源中国慕课网MOOC）

知识点三：蒙特卡洛树搜索

蒙特卡洛树搜索（MCTS）通过随机模拟评估决策节点，以“选择-扩展-模拟-回溯”四步循环逼近最优解，适用于高分支、不确定性场景（如围棋），兼顾效率与决策深度。

（人工智能算法，图源中国慕课网MOOC）

课后习题一：

对抗搜索中，用于减少搜索空间、提升决策效率的技术是？ 

A. Minimax算法 

B. Alpha-Beta剪枝 

C. 蒙特卡洛模拟 

D. 启发函数 

正确答案：B

课后习题二：

“ 对抗搜索中，用于减少搜索空间、提升决策效率的技术是？ 

A. Minimax算法 

B. Alpha-Beta剪枝 

C. 蒙特卡洛模拟 

D. 启发函数 

正确答案：A

课堂感悟：1. 方法核心：搜索策略需结合问题特性——启发式函数引导方向（A*），对抗搜索模拟对手博弈（Minimax+剪枝），蒙特卡洛树随机探索均衡效率与深度（MCTS）。 

2. 实践启发：算法设计需权衡效率与准确性，如Alpha-Beta剪枝牺牲部分计算换速度，MCTS用随机模拟降低复杂度，适用场景决定技术选型。