目錄
序
前言
第1章 人工智能概述 1
1.1 人工智能的基本概念 1
1.1.1 人工智能的定義 1
1.1.2 人工智能的研究目標(biāo) 2
1.2 人工智能的發(fā)展歷程 3
1.2.1 孕育期 3
1.2.2 推理期 4
1.2.3 知識(shí)期 5
1.2.4 學(xué)習(xí)期 6
1.3 人工智能的主要學(xué)派 7
1.3.1 符號(hào)主義 7
1.3.2 連接主義 8
1.3.3 行為主義 9
1.3.4 不同學(xué)派的交叉與融合 10
1.4 人工智能的應(yīng)用領(lǐng)域 10
1.4.1 機(jī)器視覺(jué) 11
1.4.2 自然語(yǔ)言處理 11
1.4.3 智能規(guī)劃與決策 12
1.4.4 機(jī)器人 13
1.4.5 計(jì)算機(jī)博弈 14
1.4.6 專家系統(tǒng) 15
1.4.7 其他 15
1.5 人工智能的研究現(xiàn)狀 16
1.5.1 人工智能擅長(zhǎng)處理的問(wèn)題 16
1.5.2 現(xiàn)階段人工智能的局限性 17
1.6 本章小結(jié) 18
思考題 19
第2章 狀態(tài)空間搜索 21
2.1 狀態(tài)空間搜索概述 21
2.1.1 狀態(tài)空間的基本概念 21
2.1.2 通用圖搜索框架 24
2.1.3 狀態(tài)空間的形式化表示 29
2.2 盲目搜索 32
2.2.1 寬度優(yōu)先搜索 33
2.2.2 深度優(yōu)先搜索 34
2.2.3 代價(jià)優(yōu)先搜索 35
2.3 啟發(fā)式搜索 38
2.3.1 A算法 38
2.3.2 A*算法 42
2.4 本章小結(jié) 51
思考題 52
練習(xí)題 53
第3章 人工智能博弈 58
3.1 博弈問(wèn)題概述 58
3.1.1 博弈問(wèn)題的描述 58
3.1.2 博弈問(wèn)題的分類 59
3.1.3 博弈問(wèn)題求解的特點(diǎn) 60
3.2 完美信息博弈 61
3.2.1 雙人零和完美信息博弈問(wèn)題描述 61
3.2.2 極小極大搜索 63
3.2.3 α-β剪枝 69
3.2.4 蒙特卡羅樹(shù)搜索 73
3.3 不完美信息博弈 78
3.3.1 納什均衡 78
3.3.2 遺憾最小化 79
3.4 隨機(jī)博弈 83
3.4.1 隨機(jī)博弈問(wèn)題描述 83
3.4.2 期望極小極大搜索 84
3.5 本章小結(jié) 85
思考題 86
練習(xí)題 86
第4章 智能優(yōu)化算法 89
4.1 遺傳算法 89
4.1.1 遺傳算法的基本原理 90
4.1.2 基于遺傳算法的旅行商問(wèn)題求解 96
4.1.3 遺傳算法的特點(diǎn)和應(yīng)用 98
4.2 蟻群優(yōu)化算法 98
4.2.1 蟻群優(yōu)化算法的基本原理 99
4.2.2 基于蟻群優(yōu)化算法的旅行商問(wèn)題求解 101
4.2.3 蟻群優(yōu)化算法的特點(diǎn)和應(yīng)用 103
4.3 粒子群優(yōu)化算法 103
4.3.1 粒子群優(yōu)化算法的基本原理 104
4.3.2 基于粒子群優(yōu)化算法的旅行商問(wèn)題求解 106
4.3.3 粒子群優(yōu)化算法的特點(diǎn)和應(yīng)用 107
4.4 模擬退火算法 107
4.4.1 模擬退火算法的基本原理 108
4.4.2 基于模擬退火算法的旅行商問(wèn)題求解 110
4.4.3 模擬退火算法的特點(diǎn)和應(yīng)用 111
4.5 本章小結(jié) 112
思考題 112
練習(xí)題 113
第5章 經(jīng)典邏輯推理 115
5.1 經(jīng)典邏輯推理概述 115
5.1.1 經(jīng)典邏輯推理的基本概念 115
5.1.2 典型邏輯推理問(wèn)題 116
5.2 命題邏輯推理 116
5.2.1 命題邏輯的基本概念 116
5.2.2 命題演算的推理方法 119
5.2.3 基于命題歸結(jié)的自動(dòng)定理證明 123
5.3 謂詞邏輯推理 125
5.3.1 謂詞邏輯的基本概念 125
5.3.2 基于謂詞歸結(jié)的自動(dòng)定理證明 126
5.3.3 基于謂詞歸結(jié)的問(wèn)題求解 133
5.4 本章小結(jié) 135
思考題 136
練習(xí)題 136
第6章 確定性知識(shí)表示與推理 139
6.1 確定性知識(shí)表示與推理概述 139
6.1.1 知識(shí)和知識(shí)表示的基本概念 139
6.1.2 典型的知識(shí)表示方法 141
6.1.3 推理的基本概念和方法 143
6.2 產(chǎn)生式 147
6.2.1 產(chǎn)生式的基本概念 147
6.2.2 產(chǎn)生式系統(tǒng)的組成 148
6.2.3 產(chǎn)生式系統(tǒng)的推理 149
6.2.4 產(chǎn)生式系統(tǒng)的特點(diǎn) 151
6.3 語(yǔ)義網(wǎng)絡(luò) 152
6.3.1 語(yǔ)義網(wǎng)絡(luò)的基本概念 152
6.3.2 語(yǔ)義網(wǎng)絡(luò)的表示 154
6.3.3 語(yǔ)義網(wǎng)絡(luò)的推理 155
6.3.4 語(yǔ)義網(wǎng)絡(luò)的特點(diǎn) 158
6.4 框架 158
6.4.1 框架的基本概念 158
6.4.2 框架的表示 159
6.4.3 框架的推理 160
6.4.4 框架的特點(diǎn) 161
6.5 知識(shí)圖譜 161
6.5.1 知識(shí)圖譜的基本概念 162
6.5.2 知識(shí)圖譜的分類 163
6.5.3 知識(shí)圖譜的構(gòu)建 164
6.5.4 知識(shí)圖譜的特點(diǎn) 168
6.5.5 知識(shí)圖譜的應(yīng)用 171
6.6 本章小結(jié) 172
思考題 172
練習(xí)題 173
第7章 不確定性知識(shí)表示與推理 174
7.1 不確定性知識(shí)表示與推理概述 174
7.1.1 知識(shí)的不確定性及其表示方法 174
7.1.2 不確定性推理的基本問(wèn)題 175
7.1.3 不確定性推理方法的分類 177
7.2 概率推理及其擴(kuò)展方法 178
7.2.1 貝葉斯網(wǎng)絡(luò)推理方法 179
7.2.2 主觀貝葉斯方法 185
7.2.3 可信度方法 190
7.2.4 證據(jù)理論 195
7.3 模糊推理 201
7.3.1 模糊集合理論 201
7.3.2 模糊推理方法 207
7.4 本章小結(jié) 214
思考題 215
練習(xí)題 215
第8章 機(jī)器學(xué)習(xí) 218
8.1 機(jī)器學(xué)習(xí)概述 218
8.1.1 機(jī)器學(xué)習(xí)的基本概念 218
8.1.2 機(jī)器學(xué)習(xí)的常見(jiàn)術(shù)語(yǔ) 219
8.1.3 機(jī)器學(xué)習(xí)的分類 222
8.1.4 機(jī)器學(xué)習(xí)的三要素 224
8.1.5 機(jī)器學(xué)習(xí)的相關(guān)理論 229
8.1.6 機(jī)器學(xué)習(xí)的主要特點(diǎn) 231
8.2 有監(jiān)督學(xué)習(xí) 232
8.2.1 回歸問(wèn)題和分類問(wèn)題 232
8.2.2 回歸問(wèn)題求解方法 238
8.2.3 回歸性能評(píng)估 244
8.2.4 分類問(wèn)題求解方法 247
8.2.5 分類性能評(píng)估 273
8.3 無(wú)監(jiān)督學(xué)習(xí) 276
8.3.1 聚類的基本思想 276
8.3.2 相似性的度量 277
8.3.3 聚類的主要方法 280
8.3.4 聚類性能的評(píng)估 293
8.4 半監(jiān)督學(xué)習(xí) 296
8.4.1 半監(jiān)督學(xué)習(xí)的基本思想 296
8.4.2 半監(jiān)督學(xué)習(xí)的主要方法 297
8.4.3 半監(jiān)督學(xué)習(xí)的應(yīng)用 302
8.5 強(qiáng)化學(xué)習(xí) 303
8.5.1 強(qiáng)化學(xué)習(xí)的基本思想 303
8.5.2 強(qiáng)化學(xué)習(xí)的主要方法 307
8.5.3 強(qiáng)化學(xué)習(xí)的應(yīng)用 318
8.6 本章小結(jié) 320
思考題 321
練習(xí)題 322
第9章 人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí) 325
9.1 人工神經(jīng)網(wǎng)絡(luò)概述 325
9.1.1 生物神經(jīng)元和生物神經(jīng)網(wǎng)絡(luò) 325
9.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本要素 327
9.1.3 人工神經(jīng)元模型 328
9.1.4 人工神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) 333
9.1.5 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則 335
9.2 淺層神經(jīng)網(wǎng)絡(luò) 340
9.2.1 感知器 340
9.2.2 BP網(wǎng)絡(luò) 347
9.2.3 Hopfield網(wǎng)絡(luò) 356
9.2.4 自組織特征映射網(wǎng)絡(luò) 363
9.3 深度神經(jīng)網(wǎng)絡(luò) 368
9.3.1 深度神經(jīng)網(wǎng)絡(luò)概述 368
9.3.2 卷積神經(jīng)網(wǎng)絡(luò) 377
9.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 395
9.3.4 生成對(duì)抗網(wǎng)絡(luò) 405
9.4 深度學(xué)習(xí)大模型 409
9.4.1 大模型的基本原理 409
9.4.2 預(yù)訓(xùn)練大模型的典型架構(gòu) 415
9.4.3 大模型的核心技術(shù) 426
9.4.4 大模型的應(yīng)用與挑戰(zhàn) 432
9.5 本章小結(jié) 435
思考題 435
練習(xí)題 437
第10章 Agent 439
10.1 Agent基本概念 439
10.1.1 Agent定義 439
10.1.2 Agent函數(shù)和Agent程序 440
10.1.3 理性Agent 441
10.1.4 研究Agent的意義 442
10.2 Agent任務(wù)環(huán)境 443
10.2.1 任務(wù)環(huán)境描述方法 443
10.2.2 任務(wù)環(huán)境屬性 444
10.3 Agent程序類型 446
10.3.1 簡(jiǎn)單反射Agent 446
10.3.2 基于模型的反射Agent 447
10.3.3 基于目標(biāo)的Agent 449
10.3.4 基于效用的Agent 449
10.3.5 學(xué)習(xí)Agent 450
10.4 多Agent系統(tǒng) 451
10.4.1 多Agent系統(tǒng)的概念 451
10.4.2 多Agent系統(tǒng)的組織結(jié)構(gòu) 452
10.4.3 多Agent系統(tǒng)的通信 456
10.4.4 多Agent系統(tǒng)的協(xié)作 457
10.4.5 多Agent系統(tǒng)的特點(diǎn) 461
10.5 本章小結(jié) 462
思考題 463
練習(xí)題 463
第11章 人工智能發(fā)展展望 465
11.1 人工智能發(fā)展的趨勢(shì) 465
11.1.1 人工智能發(fā)展特點(diǎn) 465
11.1.2 人工智能發(fā)展預(yù)期 466
11.1.3 人工智能發(fā)展方向 467
11.2 人工智能發(fā)展的風(fēng)險(xiǎn)與挑戰(zhàn) 471
11.2.1 人工智能發(fā)展的潛在風(fēng)險(xiǎn) 471
11.2.2 超人工智能出現(xiàn)的潛在威脅 473
11.2.3 應(yīng)對(duì)風(fēng)險(xiǎn)挑戰(zhàn)的防范舉措 475
11.3 本章小結(jié) 477
思考題 477
參考文獻(xiàn) 479