《人工智能基礎(chǔ)（原書第2版）》把近年來(lái)AI發(fā)展歷程中的重要事件一一進(jìn)行了梳理，不僅回顧了AI的誕生、發(fā)展，還詳細(xì)歸納整理了當(dāng)前AI研究的核心問題 — 規(guī)劃、推理、機(jī)器學(xué)習(xí)等，又在此基礎(chǔ)上對(duì)人工智能未來(lái)的發(fā)展方向給出了一定的預(yù)期，包括分布式AI及進(jìn)化計(jì)算等方面，很好地回答了所謂“人工智能的基礎(chǔ)究竟是什么”這一問題。本書內(nèi)容直觀全面，用詞簡(jiǎn)潔易懂，闡述深入淺出，科普性較強(qiáng)，可以說(shuō)本書既是一本AI入門級(jí)閱讀資料，又是一本適合各大高校開設(shè)人工智能專業(yè)非常具有可選性和實(shí)用性的基礎(chǔ)教材。
目 錄
譯者序
第 2 版前言
第 1 版前言
第 1 章 何謂人工智能
1.1 何謂智能
1.1.1 智能的相關(guān)詞匯
1.1.2 人類智能與機(jī)器智能
1.1.3 能否測(cè)定機(jī)器智能
1.2 人工智能的定義
1.3 人工智能的歷史
1.3.1 萌芽期
1.3.2 AI 的起點(diǎn) — 達(dá)特茅斯會(huì)議
1.3.3 AI 的創(chuàng)始期
1.3.4 AI 的第一時(shí)代 — 智能時(shí)代
1.3.5 AI 的第二時(shí)代 — 知識(shí)時(shí)代
1.3.6 AI 的發(fā)展期
1.3.7 AI 的高峰期
1.3.8 AI 的第三時(shí)代 — 智能體時(shí)代
1.4 AI 的研究對(duì)象習(xí)題
參考文獻(xiàn)
第 2 章 問題的解決
2.1 問題解決的過(guò)程
2.2 AI 的對(duì)象問題
2.3 問題的定型化方法
2.3.1 狀態(tài)空間法
2.3.2 問題分割法
2.3.3 手段 - 目的分析
習(xí)題
參考文獻(xiàn)
第 3 章 搜索
3.1 盲目搜索法
3.1.1 縱向搜索
3.1.2 橫向搜索
3.1.3 縱向搜索與橫向搜索的比較
3.1.4 迭代加深搜索
3.2 啟發(fā)式搜索
3.2.1 爬山算法
3.2.2 最佳優(yōu)先搜索
3.2.3 A * 算法
3.2.4 實(shí)時(shí) A * 算法
3.2.5 啟發(fā)式函數(shù)的具體實(shí)例
3.3 博弈樹的搜索
3.3.1 極小極大算法
3.3.2 α-β 算法
3.3.3 游戲編程現(xiàn)狀
習(xí)題
參考文獻(xiàn)
第 4 章 知識(shí)表示
4.1 知識(shí)庫(kù)系統(tǒng)
4.1.1 問題解決與知識(shí)庫(kù)系統(tǒng)
4.1.2 知識(shí)與知識(shí)庫(kù)
4.1.3 知識(shí)庫(kù)系統(tǒng)的特征
4.2 知識(shí)處理的三個(gè)階段
4.3 知識(shí)的分類
4.3.1 專業(yè)知識(shí)與常識(shí) 1
4.3.2 陳述性知識(shí)和程序性知識(shí)
4.3.3 經(jīng)驗(yàn)知識(shí)和理論知識(shí)
4.3.4 行業(yè)知識(shí)和任務(wù)知識(shí)
4.3.5 完整的知識(shí)和不完整的知識(shí)
4.4 知識(shí)表示概要
4.5 代表性知識(shí)表示法
4.5.1 生產(chǎn)規(guī)則
4.5.2 語(yǔ)義網(wǎng)
4.5.3 框架系統(tǒng)
4.5.4 邏輯
4.5.5 邏輯編程
4.6 本體論
4.6.1 本體論的定義及構(gòu)成要素
4.6.2 本體論的分類
4.7 語(yǔ)義網(wǎng)和關(guān)聯(lián)開放數(shù)據(jù)
習(xí)題
參考文獻(xiàn)
第 5 章 規(guī)劃
5.1 STRIPS 規(guī)劃 5.2 偏序規(guī)劃
5.3 反應(yīng)式規(guī)劃
5.3.1 反應(yīng)式規(guī)劃的具體事例
5.3.2 包容體系結(jié)構(gòu)
習(xí)題
參考文獻(xiàn)
第 6 章 推理
6.1 演繹、歸納、溯因
6.2 常識(shí)推理
6.2.1 缺省邏輯
6.2.2 限界
6.2.3 自認(rèn)知邏輯
6.2.4 封閉世界假設(shè)
6.3 假設(shè)推理
6.4 類推
6.5 貝葉斯網(wǎng)絡(luò)
習(xí)題
參考文獻(xiàn)
第 7 章 機(jī)器學(xué)習(xí)
7.1 歸納學(xué)習(xí)
7.1.1 假設(shè)空間的探索
7.1.2 變形空間法 7.1.3 偏置
7.2 基于解釋的學(xué)習(xí)（EBL）
7.2.1 基于解釋的泛化（EBG）
7.2.2 宏操作符學(xué)習(xí)系統(tǒng)
7.3 決策樹的歸納學(xué)習(xí)
7.4 強(qiáng)化學(xué)習(xí)
7.4.1 Q 學(xué)習(xí)
7.4.2 桶隊(duì)和利益共享
7.5 最鄰近法
7.6 支持向量機(jī)
7.7 關(guān)聯(lián)規(guī)則的學(xué)習(xí)
7.7.1 關(guān)聯(lián)規(guī)則
7.7.2 Apriori 算法
7.8 聚類
7.8.1 k-means 法
7.8.2 層次聚類
習(xí)題
參考文獻(xiàn)
第 8 章 分布式人工智能和進(jìn)化計(jì)算
8.1 分布式人工智能
8.1.1 黑板模型 8.1.2 合同網(wǎng)協(xié)議
8.2 進(jìn)化計(jì)算
8.2.1 遺傳算法
8.2.2 遺傳編程
8.2.3 進(jìn)化學(xué)習(xí)
習(xí)題
參考文獻(xiàn)
第 9 章 智能體和智能交互系統(tǒng)
9.1 智能體框架
9.1.1 智能體的抽象模型
9.1.2 智能體的分類
9.1.3 環(huán)境
9.1.4 智能體的程序
9.1.5 智能體的學(xué)習(xí)
9.2 人機(jī)交互
9.2.1 HAI 中智能體定義的延伸
9.2.2 HAI 中的交互設(shè)計(jì)
9.2.3 適應(yīng)差距
9.3 智能交互系統(tǒng)
9.3.1 交互式機(jī)器學(xué)習(xí)
9.3.2 用戶適應(yīng)系統(tǒng)
習(xí)題
參考文獻(xiàn)
書單推薦
