《人工智能基礎(chǔ)（原書第2版）》把近年來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)上對人工智能未來的發(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，用詞簡潔易懂，闡述深入淺出，科普性較強(qiáng)，可以說本書既是一本AI入門級閱讀資料，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)特茅斯會議
1.3.3 AI 的創(chuàng)始期
1.3.4 AI 的第一時代 — 智能時代
1.3.5 AI 的第二時代 — 知識時代
1.3.6 AI 的發(fā)展期
1.3.7 AI 的高峰期
1.3.8 AI 的第三時代 — 智能體時代
1.4 AI 的研究對象習(xí)題
參考文獻(xiàn)
第 2 章 問題的解決
2.1 問題解決的過程
2.2 AI 的對象問題
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 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 知識表示
4.1 知識庫系統(tǒng)
4.1.1 問題解決與知識庫系統(tǒng)
4.1.2 知識與知識庫
4.1.3 知識庫系統(tǒng)的特征
4.2 知識處理的三個階段
4.3 知識的分類
4.3.1 專業(yè)知識與常識 1
4.3.2 陳述性知識和程序性知識
4.3.3 經(jīng)驗(yàn)知識和理論知識
4.3.4 行業(yè)知識和任務(wù)知識
4.3.5 完整的知識和不完整的知識
4.4 知識表示概要
4.5 代表性知識表示法
4.5.1 生產(chǎn)規(guī)則
4.5.2 語義網(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
