人工智能(第2版)【全本
版权声明
内容提要
献词
译者序
第2版前言
第2版致谢
第1版前言
观点和需求
如何使用这本书
作为人工智能的第二门课程[2]
共同愿景
第1版致谢
资源与支持
配套资源
提交勘误
与我们联系
关于异步社区和异步图书
第一部分引言
第1章人工智能概述
1.0引言
1.0.1人工智能的定义
1.0.2思维是什么？智能是什么？
1.1图灵测试
1.1.1图灵测试的定义
1.1.2图灵测试的争议和批评
1.2强人工智能与弱人工智能
1.3启发法
1.3.1长方体的对角线：解决一个相对简单但相关的问题
1.3.2水壶问题：向后倒推
1.4识别适用人工智能来求解的问题
1.5应用和方法
1.5.1搜索算法和拼图
1.5.2二人博弈
1.5.3自动推理
1.5.4产生式规则和专家系统
1.5.5细胞自动机
1.5.6神经计算
1.5.7遗传算法
1.5.8知识表示
1.5.9不确定性推理
1.6人工智能的早期历史
逻辑学家与逻辑机器
1.7人工智能的近期历史到现在
1.7.1博弈
1.7.2专家系统
1.7.3神经计算
1.7.4进化计算
1.7.5自然语言处理
1.7.6生物信息学
1.8新千年人工智能的发展
1.9本章小结
第二部分基础知识
第2章盲目搜索
2.0简介：智能系统中的搜索
2.1状态空间图
假币问题
2.2生成与测试范式
2.2.1回溯
2.2.2贪婪算法
2.2.3旅行销售员问题
2.3盲目搜索算法
2.3.1深度优先搜索
2.3.2广度优先搜索
2.4盲目搜索算法的实现和比较
2.4.1实现深度优先搜索
2.4.2实现广度优先搜索
2.4.3问题求解性能的测量指标
2.4.4DFS和BFS的比较
2.5本章小结
第3章知情搜索
3.0引言
3.1启发法
3.2知情搜索（第一部分）——找到任何解
3.2.1爬山法
3.2.2最陡爬坡法
3.3最佳优先搜索
3.4集束搜索
3.5搜索算法的其他指标
3.6知情搜索（第二部分）——找到最佳解
3.6.1分支定界法
3.6.2使用低估值的分支定界法
3.6.3采用动态规划的分支定界法
3.6.4A*搜索
3.7知情搜索（第三部分）——高级搜索算法
3.7.1约束满足搜索
3.7.2与或树
3.7.3双向搜索
3.8本章小结
第4章博弈中的搜索
4.0引言
4.1博弈树和极小化极大评估
4.1.1启发式评估
4.1.2博弈树的极小化极大评估
4.2具有α-β剪枝的极小化极大算法
4.3极小化极大算法的变体和改进
4.3.1负极大值算法
4.3.2渐进深化法
4.3.3启发式续篇和地平线效应
4.4概率游戏和预期极小化极大值算法
4.5博弈理论
迭代的囚徒困境
4.6本章小结
第5章人工智能中的逻辑
5.0引言
5.1逻辑和表示
5.2命题逻辑
5.2.1命题逻辑——基础
5.2.2命题逻辑中的论证
5.2.3证明命题逻辑论证有效的第二种方法
5.3谓词逻辑——简要介绍
5.3.1谓词逻辑中的合一
5.3.2谓词逻辑中的反演
5.3.3将谓词表达式转换为子句形式
5.4其他一些逻辑
5.4.1二阶逻辑
5.4.2非单调逻辑
5.4.3模糊逻辑
5.4.4模态逻辑
5.5本章小结
第6章知识表示
6.0引言
6.1图形草图和人类视窗
6.2图和哥尼斯堡桥问题
6.3搜索树
决策树
6.4表示方法的选择
6.5产生式系统
6.6面向对象
6.7框架法
6.8脚本和概念依赖系统
6.9语义网络
6.10关联
6.11新近的方法
6.11.1概念地图
6.11.2概念图
6.11.3Baecker的工作
6.12智能体：智能或其他
6.12.1智能体的一些历史
6.12.2当代智能体
6.12.3语义网
6.12.4IBM眼中的未来世界
6.12.5作者的观点
6.13本章小结
第7章产生式系统
7.0引言
7.1背景
强方法与弱方法
7.2基本示例
7.3CARBUYER系统
产生式系统的优势
7.4产生式系统和推导方法
7.4.1冲突消解
7.4.2正向链接
7.4.3反向链接
7.5产生式系统和细胞自动机
7.6随机过程与马尔可夫链
7.7本章小结
第三部分基于知识的系统
第8章人工智能中的不确定性
8.0引言
8.1模糊集
8.2模糊逻辑
8.3模糊推理
8.4概率理论和不确定性
8.5本章小结
第9章专家系统
9.0引言
9.1背景
人类专家和机器专家
9.2专家系统的特点
9.3知识工程
9.4知识获取
9.5经典的专家系统
9.5.1DENDRAL
9.5.2MYCIN
9.5.3EMYCIN
9.5.4PROSPECTOR
9.5.5模糊知识和贝叶斯规则
9.6提高效率的方法
9.6.1守护规则
9.6.2Rete算法
9.7基于案例的推理
9.8更多最新的专家系统
9.8.1改善就业匹配系统
9.8.2振动故障诊断的专家系统
9.8.3自动牙科识别
9.8.4更多采用案例推理的专家系统
9.9本章小结
第10章机器学习第一部分
10.0引言
10.1机器学习：简要概述
10.2机器学习系统中反馈的作用
10.3归纳学习
10.4利用决策树进行学习
10.5适用于决策树的问题
10.6熵
10.7使用ID3构建决策树
10.8其余问题
10.9本章小结
第11章机器学习第二部分：神经网络
11.0引言
11.1人工神经网络的研究
11.2麦卡洛克-皮茨网络
11.3感知器学习规则
11.4增量规则
11.5反向传播
11.6实现关注点
11.6.1模式分析
11.6.2训练方法
11.7离散型霍普菲尔德网络
11.8应用领域
11.9本章小结
第12章受到自然启发的搜索
12.0引言
12.1模拟退火
12.2遗传算法
12.3遗传规划
12.4禁忌搜索
12.5蚂蚁聚居地优化
12.6本章小结
第四部分高级专题
第13章自然语言处理
13.0引言
13.1概述：语言的问题和可能性
13.2自然语言处理的历史
13.2.1基础期（20世纪40年代和50年代）
13.2.2符号与随机方法（1957—1970）
13.2.3４种范式（1970—1983）
13.2.4经验主义和有限状态模型（1983—1993）
13.2.5大融合（1994—1999）
13.2.6机器学习的兴起（2000—2008）
13.3句法和形式语法
13.3.1语法类型
13.3.2句法解析：CYK算法
13.4语义分析和扩展语法
13.4.1转换语法
13.4.2系统语法
13.4.3格语法
13.4.4语义语法
13.4.5Schank系统
13.5NLP中的统计方法
13.5.1统计解析
13.5.2机器翻译（回顾）和IBM的Candide系统
13.5.3词义消歧
13.6统计NLP的概率模型
13.6.1隐马尔可夫模型
13.6.2维特比算法
13.7统计NLP语言数据集
13.7.1宾夕法尼亚州树库项目
13.7.2WordNet
13.7.3NLP中的隐喻模型
13.8应用：信息提取和问答系统
13.8.1问答系统
13.8.2信息提取
13.9现在和未来的研究（基于CHARNIAK的工作）
13.10语音理解
语音理解技术
13.11语音理解技术的应用
Dragon自然语音系统（Dragon’sNaturallySpeakingSystem）和Windows
13.12本章小结
第14章自动规划
14.0引言
14.1规划问题
14.1.1规划术语
14.1.2规划应用示例
14.2一段简短的历史和一个著名的问题
框架问题
14.3规划方法
14.3.1规划即搜索
14.3.2部分有序规划
14.3.3分级规划
14.3.4基于案例的规划
14.3.5规划方法集锦
14.4早期规划系统
14.4.1STRIPS
14.4.2NOAH
14.4.3NONLIN
14.5更多现代规划系统
14.5.1O-PLAN
14.5.2Graphplan
14.5.3规划系统集锦
14.5.4学习系统的规划方法
14.5.5SCIBox自动规划器
14.6本章小结
第五部分现在和未来
第15章机器人技术
15.0引言
15.1历史：服务人类、仿效人类、增强人类和替代人类
15.1.1早期机械机器人
15.1.2电影与文学中的机器人
15.1.320世纪早期的机器人
15.2技术问题
15.2.1机器人的组件
15.2.2运动
15.2.3点机器人的路径规划
15.2.4移动机器人运动学
15.3应用：21世纪的机器人
15.4本章小结
第16章高级计算机博弈
16.0引言
16.1跳棋：从塞缪尔到舍弗尔
16.1.1在跳棋博弈中用于机器学习的启发式方法
16.1.2填鸭式学习与概括
16.1.3签名表评估和棋谱学习
16.1.4含有奇诺克程序的世界跳棋锦标赛
16.1.5彻底解决跳棋游戏
16.2国际象棋：人工智能的“果蝇”
16.2.1计算机国际象棋的历史背景
16.2.2编程方法
16.2.3超越地平线效应
16.2.4DeepThought和DeepBlue与特级大师的比赛（1988—1995）
16.3计算机国际象棋对人工智能的贡献
16.3.1在机器中的搜索
16.3.2在搜索方面，人与机器的对比
16.3.3启发式、知识和问题求解
16.3.4蛮力：知识vs.搜索，表现vs.能力
16.3.5残局数据库和并行计算
16.3.6本书作者的贡献
16.4其他博弈
16.4.1奥赛罗
16.4.2西洋双陆棋
16.4.3桥牌
16.4.4扑克
16.5围棋：人工智能的“新果蝇”？
高级计算机博弈之星
16.6本章小结
第17章大事记
17.0引言
17.1提纲挈领——概述
17.2普罗米修斯归来
17.3提纲挈领——介绍人工智能的成果
17.4IBM的沃森-危险边缘挑战赛
17.521世纪的人工智能
17.6本章小结
附录ACLIPS示例：专家系统外壳
第9章
附录B用于隐马尔可夫链的维特比算法的实现（由HarunIftikhar提供）
第12章
附录C对计算机国际象棋的贡献：令人惊叹的WalterShawnBrowne
第16章
附录D应用程序和数据
附录E部分练习的答案
第1章
第2章
第3章
第4章
第5章
第6章
第7章
第8章
第9章
第10章
第11章
第12章
第13章
第14章
第15章
第16章
第17章
人人都该懂的人工智能【全本
前言人工智能正在刷新未来
1重新认知人工智能
无处不在的人工智能
人工智能的3大误解
模拟思维vs.真实思维
共同的原则，人工智能的终极目标
图灵测试，测的到底是什么
不应一味地模仿人类
2人工智能的荣耀时刻
一些闪耀的成功
搜索，一切现实问题的解
“蓝巨人”的胜利
专家系统，源于知识的力量
机器学习，突破知识获取瓶颈
数据中的钻石
3生物学，人工智能的灵感源
来自大脑的灵感
人工神经网络，更精确的识别
无监督学习
人工神经网络是智能的关键吗
遗传算法，从进化中学习
为什么不去“创造”智能
4人工智能跃迁的7大难题
历史难题：研究领域的派系之争
环境难题：哪些是智能机器需要知道的
中文屋难题：理解而非遵照指令
算法化难题：机器不能模拟人的思维逻辑
信息处理难题：将机器人带入真实世界
整体观难题：功能分解行不通
人造生命可行性难题：简单行为背后是复杂逻辑
5通向真正的人工智能之路
“确实如此，但是……”
认知科学是什么
图灵测试是什么
意识是什么
智能是什么
6人工智能应有益于人类
像电力一样颠覆社会
人工智能的黄金时代
机器人将会统治世界？
下一个“莫扎特”会是人工智能吗
预测未来十分愚蠢
人工智能的最前沿
整合，将成功最大化
前景巨大的人造代理
虚拟女友和人造伴侣，下一个大机遇
补充资料
致谢