人工智能超入门丛书–知识工程：人工智能如何学贯古今

1.技术型科普书，属于人工智能知识图谱、专家系统方向零基础入门读物； 2.全书语言文字简洁易懂，对初学者友好； 3.本书作者是清华大学人工智能方向老师，有非常强的专业能力； 4.本书理论与实践结合，但尽量避免了烦琐公式； 5.本书为“人工智能超入门丛书”中的一本，丛书整体营销。

“人工智能超入门丛书”致力于面向人工智能各技术方向零基础的读者，内容涉及数据素养、机器学习、视觉感知、情感分析、搜索算法、强化学习、知识图谱、专家系统等方向，体系完整、内容简洁、文字通俗，综合介绍人工智能相关知识，并辅以程序代码解决问题，使得零基础的读者快速入门。《知识工程：人工智能如何学贯古今》是“人工智能超入门丛书”中的分册，以科普的形式讲解了知识工程的相关知识，内容生动有趣，带领读者走进知识工程的世界。本书包含学习知识工程的相关知识，如逻辑运算、逻辑推理等均是重要的基础内容；书中也对专家系统进行了剖析，从构成、分类、推理到应用实例，由浅入深，层层递进。同时，本书对知识图谱也做了详细解读，包括本体、实现路径以及相应的实例。最后，本书通过两大章，对Neoj4做了介绍，从入门知识到实践案例，让初学者能学懂并应用到实际。本书还搭配了三个附录，分别是图数据库相关知识、花卉知识图谱以及腾讯扣叮Python实验室：Jupyter Lab使用说明。本书适合知识工程方向初学者阅读学习，可以作为人工智能及计算机相关工作岗位的技术人员的入门读物，也可以作为高等院校人工智能及计算机专业的师生阅读参考，对人工智能感兴趣的人群也可以阅读。

无

第1章　知识工程 001
1.1　知识工程与历史沿革 002
1.1.1　知识工程是什么 002
1.1.2　知识就是力量 003
1.1.3　知识工程的历程 008
1.2　知识表示与推理 013
1.2.1　知识表示 013
1.2.2　推理 018
1.3　专家系统与知识图谱 022
1.3.1　专家系统 022
1.3.2　知识图谱 026

第2章　知识工程的逻辑基础 032
2.1　命题与量词 033
2.2　逻辑联结词 036
2.2.1　“与”“或”“非”运算 036
2.2.2　逻辑联结词的复合运算 038
2.3　充分必要条件 044

第3章　知识工程的推理基础 054
3.1　演绎推理与合情推理 055
3.1.1　演绎推理 055
3.1.2　合情推理 058
3.2　计算机实现推理的过程 063
3.2.1　计算机实现演绎推理 064
3.2.2　计算机实现合情推理 072

第4章　专家系统 075
4.1　初识专家系统 076
4.1.1　什么是专家系统 076
4.1.2　专家系统的应用 078
4.1.3　专家系统的优势与不足 079
4.2　专家系统的机理 080
4.2.1　专家系统的构成 080
4.2.2　专家系统的分类 081
4.2.3　专家系统的推理 083
4.3　专家系统Python实例 087

第5章　知识图谱 092
5.1　本体知识与知识图谱 093
5.1.1　什么是本体知识 093
5.1.2　本体的构成 094
5.1.3　知识图谱与三元组 096
5.2　知识图谱的实现路径 098
5.2.1　知识图谱的构建 098
5.2.2　知识图谱的存储、查询与推理 101
5.2.3　知识图谱的应用 102
5.3　知识图谱的Python实例 104

第6章　Neo4j入门 109
6.1　Neo4j环境准备 112
6.1.1　创建数据库 112
6.1.2　运行数据库 113
6.2　常用语句格式 114
6.2.1　数据的创建 114
6.2.2　数据的修改 116
6.2.3　数据的删除 118
6.2.4　数据的查询 120
6.3　Neo4j的经典解决方案 128
6.3.1　金融风控应用：欺诈监测 129
6.3.2　社交网络应用：推荐系统 129
6.3.3　知识图谱应用：三国人物 132

第7章　Neo4j的实践案例 136
7.1　案例一：唐代人物社交网络 137
7.1.1　案例背景 137
7.1.2　创建 138
7.1.3　查询 144
7.1.4　批量导入数据 146
7.2　案例二：《家有儿女》人物关系图谱 152
7.2.1　案例背景 152
7.2.2　创建 154
7.2.3　查询 160
7.3　案例三：银行欺诈监测图谱 163
7.3.1　案例背景 163
7.3.2　创建 165
7.3.3　查询 168

附录  170
附录A　图数据库的发展脉络 171
附录B　花卉知识图谱 181
附录C　腾讯扣叮Python实验室：Jupyter Lab 使用说明 190

新一代人工智能的崛起深刻影响着国际竞争格局，人工智能已经成为推动国家与人类社会发展的重大引擎。2017年，国务院发布《新一代人工智能发展规划》，其中明确指出：支持开展形式多样的人工智能科普活动，鼓励广大科技工作者投身人工智能知识的普及与推广，全面提高全社会对人工智能的整体认知和应用水平。实施全民智能教育项目，在中小学阶段设置人工智能相关课程，逐步推广编程教育，鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广。
为了贯彻落实《新一代人工智能发展规划》，国家有关部委相继颁布出台了一系列政策。截至2022年2月，全国共有440所高校设置了人工智能本科专业，387所高等职业教育（专科）学校设置了人工智能技术服务专业，一些高校甚至已经在积极探索人工智能跨学科的建设。在高中阶段，“人工智能初步”已经成为信息技术课程的选择性必修内容之一。在2022年实现“从0到1”突破的义务教育阶段信息科技课程标准中，明确要求在7～9年级需要学习“人工智能与智慧社会”相关内容，实际上，1～6年级阶段信息技术课程的不少内容也与人工智能关系密切，是学习人工智能的基础。
人工智能是一门具有高度交叉属性的学科，笔者认为其交叉性至少体现在三个方面：行业交叉、学科交叉、学派交叉。在大数据、算法、算力三驾马车的推动下，新一代人工智能已经逐步开始赋能各个行业。人工智能也在助力各学科的研究，近几年，《自然》等顶级刊物不断刊发人工智能赋能学科的文章，如人工智能推动数学、化学、生物、考古、设计、音乐以及美术等。人工智能内部的学派也在不断交叉融合，像知名的AlphaGo，就是集三大主流学派优势，并且现在这种不同学派间取长补短的研究开展得如火如荼。总之，未来的学习、工作与生活中，人工智能赋能的身影将无处不在，因此掌握一定的人工智能知识与技能将大有裨益。
从笔者长期从事人工智能教学、研究经验来看，一些人对人工智能还存在一定的误区。比如将编程与人工智能直接画上了等号，又或是认为人工智能就只有深度学习等。实际上，人工智能的知识体系十分庞大，内容涵盖相当广泛，不但有逻辑推理、知识工程、搜索算法等相关内容，还涉及机器学习、深度学习以及强化学习等算法模型。当然，了解人工智能的起源与发展、人工智能的道德伦理对正确认识人工智能和树立正确的价值观也是十分必要的。
通过对人工智能及其相关知识的系统学习，可以培养数学思维（mathematical thinking）、逻辑思维（reasoning thinking）、计算思维（computational thinking）、艺术思维（artistic thinking）、创新思维（innovative thinking）与数据思维（data thinking），即MRCAID。然而遗憾的是，目前市场上既能较综合介绍人工智能相关知识，又能辅以程序代码解决问题，同时还能迅速入门的图书并不多见。因此笔者策划了本系列图书，以期实现体系内容较全、配合程序操练及上手简单方便等特点。
本书以知识工程为主线，按照如下内容进行组织：第1章介绍知识工程的概念、历史与发展；第2章介绍了知识工程所涉及的逻辑基础相关内容；第3章则介绍了知识工程的推理基础以及如何利用计算机实现推理过程；第4章深入介绍专家系统的概念和原理，读者将了解专家系统如何基于领域知识和推理机制提供智能的问题解决方案；第5章引领读者进入知识图谱的世界，介绍知识图谱的构建方法和应用场景，以及如何利用知识图谱来实现智能搜索和推荐等功能；第6章向读者介绍Neo4j这一知识图谱数据库的基本概念、数据模型和查询语言，并通过实例演示如何构建和查询知识图谱；第7章展示了一些使用Neo4j的真实应用案例。本书的附录部分回顾了图数据库的发展历程，对创建知识图谱做了补充说明，同时还介绍了Python实验室Jupyter Lab 的使用。
本书的出版要感谢曾提供热情指导与帮助的院士、教授、中小学教师等专家学者，也要感谢与笔者一起并肩参与写作的其他作者，同时还要感谢化学工业出版社编辑老师们的热情支持与一丝不苟的工作态度。
在本书的出版过程中，未来基因（北京）人工智能研究院、腾讯教育、阿里云、科大讯飞等机构给予了大力支持，在此一并表示感谢。
由于笔者水平有限，书中内容不可避免会存在疏漏，欢迎广大读者批评指正并提出宝贵的意见。

龚超
2023年8月于清华大学