定 價(jià)：108 元
叢書名：國外著名高等院校信息科學(xué)與技術(shù)優(yōu)秀教材
- 作者：[美]史蒂芬·盧奇（Stephen Lucci），丹尼·科佩克（Danny Ko
- 出版時(shí)間：2018/10/1
- ISBN：9787115488435
- 出 版 社：人民郵電出版社
- 中圖法分類：TP18
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：16開
作為計(jì)算機(jī)科學(xué)的一個(gè)分支，人工智能主要研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，涉及機(jī)器人、語音識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等方向。
本書包括引言、基礎(chǔ)知識(shí)、基于知識(shí)的系統(tǒng)、高級(jí)專題以及現(xiàn)在和未來五部分內(nèi)容。*部分從人工智能的定義講起，就人工智能的早期歷史、思維和智能的內(nèi)涵、圖靈測(cè)試、啟發(fā)法、新千年人工智能的發(fā)展進(jìn)行了簡(jiǎn)要論述。第二部分詳細(xì)講述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的邏輯、知識(shí)表示和產(chǎn)生式系統(tǒng)等基礎(chǔ)知識(shí)。第三部分介紹并探究了人工智能領(lǐng)域的成功案例，如DENDRAL、MYCIN、EMYCIN等經(jīng)典的專家系統(tǒng)，振動(dòng)故障診斷、自動(dòng)牙科識(shí)別等新的專家系統(tǒng)，以及受到自然啟發(fā)的搜索等。第四部分介紹了自然語言處理和自動(dòng)規(guī)劃等高級(jí)專題。第五部分對(duì)人工智能的歷史和現(xiàn)狀進(jìn)行了梳理，回顧了幾十年來人工智能所取得的諸多成就，并對(duì)其未來進(jìn)行了展望。
本書系統(tǒng)、全面地涵蓋了人工智能的相關(guān)知識(shí)，既簡(jiǎn)明扼要地介紹了這一學(xué)科的基礎(chǔ)知識(shí)，也對(duì)自然語言處理、自動(dòng)規(guī)劃、神經(jīng)網(wǎng)絡(luò)等內(nèi)容進(jìn)行了拓展，更輔以實(shí)例，可以幫助讀者扎扎實(shí)實(shí)打好基礎(chǔ)。本書特色鮮明、內(nèi)容易讀易學(xué)，適合人工智能相關(guān)領(lǐng)域和對(duì)該領(lǐng)域感興趣的讀者閱讀，也適合高校計(jì)算機(jī)專業(yè)的教師和學(xué)生參考。
圖文詳細(xì)、示例豐富，同時(shí)配備諸多附加資源，非常適合作為自學(xué)和教學(xué)指南。
美國經(jīng)典教材，在Amazon上，被評(píng)價(jià)為自Russell & Norvig的《人工智能：一種現(xiàn)代方法》之后更好的教材，更加適合本科生使用。
當(dāng)前，人工智能的發(fā)展進(jìn)入了新的歷史階段，成為科研、教學(xué)和創(chuàng)業(yè)等領(lǐng)域關(guān)注的熱點(diǎn)。我國正在大力培養(yǎng)人工智能領(lǐng)域的專業(yè)人才，一些高校成立了人工智能學(xué)院，還有許多高校開設(shè)了人工智能相關(guān)專業(yè)。
本書是作者結(jié)合多年教學(xué)經(jīng)驗(yàn)、精心撰寫的一本人工智能教科書，堪稱人工智能的百科全書。全書涵蓋了人工智能簡(jiǎn)史、搜索方法、知情搜索、博弈中的搜索、人工智能中的邏輯、知識(shí)表示、產(chǎn)生式系統(tǒng)、專家系統(tǒng)、機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)、遺傳算法、自然語言處理、自動(dòng)規(guī)劃、機(jī)器人技術(shù)、高級(jí)計(jì)算機(jī)博弈、人工智能的歷史和未來等主題。
本書提供了豐富的教學(xué)配套資源，適合作為高等院校人工智能相關(guān)專業(yè)的教材，也適合對(duì)人工智能相關(guān)領(lǐng)域感興趣的讀者閱讀和參考。
● 基于人工智能的理論基礎(chǔ)，展示全面、新穎、豐富多彩且易于理解的人工智能知識(shí)體系。
● 加入關(guān)于機(jī)器人和機(jī)器學(xué)習(xí)的新章節(jié)，并在自然語言處理在自然語言處理部分包括了關(guān)于語音理解和隱喻的小節(jié)。
● 給出諸多的示例、應(yīng)用程序、全彩圖片和人物軼事，以激發(fā)讀者的學(xué)習(xí)興趣。
● 通過實(shí)際應(yīng)用引入重 要的人工智能概念，例如機(jī)器人技術(shù)、人工智能在視頻游戲中的應(yīng)用、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等。
● 包含300多幅圖，詳細(xì)描述了人工智能方法在實(shí)際工作中的問題，并給出了部分習(xí)題的解答。
● 提供本書所涉及的資源、仿真和書中的圖。
● 為采用本書作為教材的教師提供豐富的教學(xué)支持資源，包括習(xí)題解答、教學(xué)PPT等。
配套資源
● 本書附錄D應(yīng)用程序和數(shù)據(jù)提到的應(yīng)用程序示例、用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練的練習(xí)數(shù)據(jù)和若干高級(jí)計(jì)算問題概覽。
● 本書附錄E部分練習(xí)的答案的英文版PDF和圖解。
● 本書中的全部彩圖文件。
● 本書的Prolog示例源代碼。
● 供教師使用的教學(xué)PPT。
以上資源請(qǐng)到異步社區(qū)（www.epubit.com）下載。
為使用本書作為教材的教師提供的教學(xué)資源：
● 教學(xué)PPT。
● 教師指導(dǎo)手冊(cè)（電子版，包括本書配套習(xí)題的完整解答）。
請(qǐng)通過contact@epubit.com.cn聯(lián)系申請(qǐng)。
作者簡(jiǎn)介
史蒂芬·盧奇（Stephen Lucci）
擁有紐約市立大學(xué)的博士學(xué)位，目前在紐約市立大學(xué)教授計(jì)算機(jī)科學(xué)課程。他曾在高性能計(jì)算領(lǐng)域發(fā)表了多篇論文，并且是NASA 發(fā)起的MU-SPIN 項(xiàng)目的學(xué)術(shù)帶頭人。MU-SPIN 項(xiàng)目旨在為NASA 培養(yǎng)下一代*尖的科學(xué)家和工程師。
丹尼·科佩克（Danny Kopec）
擁有愛丁堡大學(xué)博士學(xué)位，目前在紐約市立大學(xué)布魯克林學(xué)院和紐約市立大學(xué)研究生中心任教。他發(fā)表過多篇論文，并出版過幾本書，還是一位國際象棋大師。
譯者簡(jiǎn)介
林賜
軟件設(shè)計(jì)師、網(wǎng)絡(luò)工程師，畢業(yè)于渥太華大學(xué)系統(tǒng)科學(xué)碩士專業(yè)，已翻譯出版《Python神經(jīng)網(wǎng)絡(luò)編程》等多本技術(shù)圖書。
第 一部分 引 言
第 1章 人工智能概述 2
1.0 引言 2
1.0.1 人工智能的定義 3
1.0.2 思維是什么？智能是什么？ 3
1.1 圖靈測(cè)試 5
1.1.1 圖靈測(cè)試的定義 6
1.1.2 圖靈測(cè)試的爭(zhēng)議和批評(píng) 8
1.2 強(qiáng)人工智能與弱人工智能 9
1.3 啟發(fā)法 11
1.3.1 長方體的對(duì)角線：解決一個(gè)相對(duì)簡(jiǎn)單但相關(guān)的
問題 11
1.3.2 水壺問題：向后倒推 12
1.4 識(shí)別適用人工智能來求解的問題 13
1.5 應(yīng)用和方法 15
1.5.1 搜索算法和拼圖 16
1.5.2 二人博弈 18
1.5.3 自動(dòng)推理 18
1.5.4 產(chǎn)生式規(guī)則和專家系統(tǒng) 19
1.5.5 細(xì)胞自動(dòng)機(jī) 20
1.5.6 神經(jīng)計(jì)算 21
1.5.7 遺傳算法 23
1.5.8 知識(shí)表示 23
1.5.9 不確定性推理 24
1.6 人工智能的早期歷史 25
1.7 人工智能的近期歷史到現(xiàn)在 29
1.7.1 博弈 29
1.7.2 專家系統(tǒng) 30
1.7.3 神經(jīng)計(jì)算 31
1.7.4 進(jìn)化計(jì)算 31
1.7.5 自然語言處理 32
1.7.6 生物信息學(xué) 34
1.8 新千年人工智能的發(fā)展 34
1.9 本章小結(jié) 36
第二部分 基 礎(chǔ) 知 識(shí)
第 2章 盲目搜索 46
2.0 簡(jiǎn)介：智能系統(tǒng)中的搜索 46
2.1 狀態(tài)空間圖 47
2.2 生成與測(cè)試范式 49
2.2.1 回溯 50
2.2.2 貪婪算法 54
2.2.3 旅行銷售員問題 56
2.3 盲目搜索算法 58
2.3.1 深度優(yōu)先搜索 58
2.3.2 廣度優(yōu)先搜索 60
2.4 盲目搜索算法的實(shí)現(xiàn)和比較 63
2.4.1 實(shí)現(xiàn)深度優(yōu)先搜索 63
2.4.2 實(shí)現(xiàn)廣度優(yōu)先搜索 65
2.4.3 問題求解性能的測(cè)量指標(biāo) 65
2.4.4 DFS和BFS的比較 66
2.5 本章小結(jié) 68
第3章 知情搜索 74
3.0 引言 74
3.1 啟發(fā)法 76
3.2 知情搜索（第 一部分）找到任何解 81
3.2.1 爬山法 81
3.2.2 最陡爬坡法 82
3.3 最佳優(yōu)先搜索 84
3.4 集束搜索 87
3.5 搜索算法的其他指標(biāo) 89
3.6 知情搜索（第二部分）找到最佳解 90
3.6.1 分支定界法 90
3.6.2 使用低估值的分支定界法 95
3.6.3 采用動(dòng)態(tài)規(guī)劃的分支定界法 98
3.6.4 A *搜索 99
3.7 知情搜索（第三部分）高級(jí)搜索算法 100
3.7.1 約束滿足搜索 100
3.7.2 與或樹 101
3.7.3 雙向搜索 102
3.8 本章小結(jié) 104
第4章 博弈中的搜索 109
4.0 引言 109
4.1 博弈樹和極小化極大評(píng)估 110
4.1.1 啟發(fā)式評(píng)估 112
4.1.2 博弈樹的極小化極大評(píng)估 112
4.2 具有- 剪枝的極小化極大算法 115
4.3 極小化極大算法的變體和改進(jìn) 120
4.3.1 負(fù)極大值算法 120
4.3.2 漸進(jìn)深化法 122
4.3.3 啟發(fā)式續(xù)篇和地平線效應(yīng) 122
4.4 概率游戲和預(yù)期極小化極大值算法 123
4.5 博弈理論 125
迭代的囚徒困境 126
4.6 本章小結(jié) 127
第5章 人工智能中的邏輯 133
5.0 引言 133
5.1 邏輯和表示 134
5.2 命題邏輯 135
5.2.1 命題邏輯基礎(chǔ) 136
5.2.2 命題邏輯中的論證 140
5.2.3 證明命題邏輯論證有效的第二種方法 141
5.3 謂詞邏輯簡(jiǎn)要介紹 143
5.3.1 謂詞邏輯中的合一 144
5.3.2 謂詞邏輯中的反演 146
5.3.3 將謂詞表達(dá)式轉(zhuǎn)換為子句形式 148
5.4 其他一些邏輯 151
5.4.1 二階邏輯 151
5.4.2 非單調(diào)邏輯 152
5.4.3 模糊邏輯 152
5.4.4 模態(tài)邏輯 153
5.5 本章小結(jié) 153
第6章 知識(shí)表示 160
6.0 引言 160
6.1 圖形草圖和人類視窗 163
6.2 圖和哥尼斯堡橋問題 166
6.3 搜索樹 167
6.4 表示方法的選擇 169
6.5 產(chǎn)生式系統(tǒng) 172
6.6 面向?qū)ο蟆?72
6.7 框架法 173
6.8 腳本和概念依賴系統(tǒng) 176
6.9 語義網(wǎng)絡(luò) 179
6.10 關(guān)聯(lián) 181
6.11 新近的方法 182
6.11.1 概念地圖 182
6.11.2 概念圖 184
6.11.3 Baecker的工作 184
6.12 智能體：智能或其他 185
6.12.1 智能體的一些歷史 188
6.12.2 當(dāng)代智能體 189
6.12.3 語義網(wǎng) 191
6.12.4 IBM眼中的未來世界 191
6.12.5 作者的觀點(diǎn) 192
6.13 本章小結(jié) 192
第7章 產(chǎn)生式系統(tǒng) 199
7.0 引言 199
7.1 背景 199
7.2 基本示例 202
7.3 CARBUYER系統(tǒng) 204
7.4 產(chǎn)生式系統(tǒng)和推導(dǎo)方法 208
7.4.1 沖突消解 211
7.4.2 正向鏈接 213
7.4.3 反向鏈接 214
7.5 產(chǎn)生式系統(tǒng)和細(xì)胞自動(dòng)機(jī) 219
7.6 隨機(jī)過程與馬爾可夫鏈 221
7.7 本章小結(jié) 222
第三部分 基于知識(shí)的系統(tǒng)
第8章 人工智能中的不確定性 228
8.0 引言 228
8.1 模糊集 229
8.2 模糊邏輯 231
8.3 模糊推理 232
8.4 概率理論和不確定性 235
8.5 本章小結(jié) 239
第9章 專家系統(tǒng) 242
9.0 引言 242
9.1 背景 242
9.2 專家系統(tǒng)的特點(diǎn) 249
9.3 知識(shí)工程 250
9.4 知識(shí)獲取 252
9.5 經(jīng)典的專家系統(tǒng) 254
9.5.1 DENDRAL 254
9.5.2 MYCIN 255
9.5.3 EMYCIN 258
9.5.4 PROSPECTOR 259
9.5.5 模糊知識(shí)和貝葉斯規(guī)則 261
9.6 提高效率的方法 262
9.6.1 守護(hù)規(guī)則 262
9.6.2 Rete算法 263
9.7 基于案例的推理 264
9.8 更多最新的專家系統(tǒng) 269
9.8.1 改善就業(yè)匹配系統(tǒng) 269
9.8.2 振動(dòng)故障診斷的專家系統(tǒng) 270
9.8.3 自動(dòng)牙科識(shí)別 270
9.8.4 更多采用案例推理的專家系統(tǒng) 271
9.9 本章小結(jié) 271
第 10章 機(jī)器學(xué)習(xí)第 一部分 277
10.0 引言 277
10.1 機(jī)器學(xué)習(xí)：簡(jiǎn)要概述 277
10.2 機(jī)器學(xué)習(xí)系統(tǒng)中反饋的作用 279
10.3 歸納學(xué)習(xí) 280
10.4 利用決策樹進(jìn)行學(xué)習(xí) 282
10.5 適用于決策樹的問題 283
10.6 熵 284
10.7 使用ID3構(gòu)建決策樹 285
10.8 其余問題 287
10.9 本章小結(jié) 288
第 11章 機(jī)器學(xué)習(xí)第二部分：神經(jīng)網(wǎng)絡(luò) 291
11.0 引言 291
11.1 人工神經(jīng)網(wǎng)絡(luò)的研究 292
11.2 麥卡洛克-皮茨網(wǎng)絡(luò) 294
11.3 感知器學(xué)習(xí)規(guī)則 295
11.4 增量規(guī)則 303
11.5 反向傳播 308
11.6 實(shí)現(xiàn)關(guān)注點(diǎn) 313
11.6.1 模式分析 316
11.6.2 訓(xùn)練方法 317
11.7 離散型霍普菲爾德網(wǎng)絡(luò) 318
11.8 應(yīng)用領(lǐng)域 323
11.9 本章小結(jié) 330
第 12章 受到自然啟發(fā)的搜索 337
12.0 引言 337
12.1 模擬退火 338
12.2 遺傳算法 341
12.3 遺傳規(guī)劃 349
12.4 禁忌搜索 353
12.5 螞蟻聚居地優(yōu)化 356
12.6 本章小結(jié) 359
第四部分 高 級(jí) 專 題
第 13章 自然語言處理 368
13.0 引言 368
13.1 概述：語言的問題和可能性 368
13.2 自然語言處理的歷史 371
13.2.1 基礎(chǔ)期（20世紀(jì)40年代和50年代） 371
13.2.2 符號(hào)與隨機(jī)方法（19571970） 372
13.2.3�。捶N范式（19701983） 372
13.2.4 經(jīng)驗(yàn)主義和有限狀態(tài)模型（19831993） 373
13.2.5 大融合（19941999） 373
13.2.6 機(jī)器學(xué)習(xí)的興起（20002008） 374
13.3 句法和形式語法 374
13.3.1 語法類型 374
13.3.2 句法解析：CYK算法 379
13.4 語義分析和擴(kuò)展語法 380
13.4.1 轉(zhuǎn)換語法 381
13.4.2 系統(tǒng)語法 381
13.4.3 格語法 382
13.4.4 語義語法 383
13.4.5 Schank系統(tǒng) 383
13.5 NLP中的統(tǒng)計(jì)方法 387
13.5.1 統(tǒng)計(jì)解析 387
13.5.2 機(jī)器翻譯（回顧）和IBM的Candide系統(tǒng) 388
13.5.3 詞義消歧 389
13.6 統(tǒng)計(jì)NLP的概率模型 390
13.6.1 隱馬爾可夫模型 390
13.6.2 維特比算法 391
13.7 統(tǒng)計(jì)NLP語言數(shù)據(jù)集 392
13.7.1 賓夕法尼亞州樹庫項(xiàng)目 392
13.7.2 WordNet 394
13.7.3 NLP中的隱喻模型 394
13.8 應(yīng)用：信息提取和問答系統(tǒng) 396
13.8.1 問答系統(tǒng) 396
13.8.2 信息提取 401
13.9 現(xiàn)在和未來的研究（基于CHARNIAK的工作） 401
13.10 語音理解 402
13.11 語音理解技術(shù)的應(yīng)用 405
13.12 本章小結(jié) 410
第 14章 自動(dòng)規(guī)劃 417
14.0 引言 417
14.1 規(guī)劃問題 418
14.1.1 規(guī)劃術(shù)語 418
14.1.2 規(guī)劃應(yīng)用示例 419
14.2 一段簡(jiǎn)短的歷史和一個(gè)著名的問題 424
14.3 規(guī)劃方法 426
14.3.1 規(guī)劃即搜索 426
14.3.2 部分有序規(guī)劃 430
14.3.3 分級(jí)規(guī)劃 432
14.3.4 基于案例的規(guī)劃 433
14.3.5 規(guī)劃方法集錦 434
14.4 早期規(guī)劃系統(tǒng) 435
14.4.1 STRIPS 435
14.4.2 NOAH 436
14.4.3 NONLIN 436
14.5 更多現(xiàn)代規(guī)劃系統(tǒng) 437
14.5.1 O-PLAN 438
14.5.2 Graphplan 439
14.5.3 規(guī)劃系統(tǒng)集錦 441
14.5.4 學(xué)習(xí)系統(tǒng)的規(guī)劃方法 441
14.5.5 SCI Box自動(dòng)規(guī)劃器 442
14.6 本章小結(jié) 444
第五部分 現(xiàn)在和未來
第 15章 機(jī)器人技術(shù) 452
15.0 引言 452
15.1 歷史：服務(wù)人類、仿效人類、增強(qiáng)人類和替代人類 455
15.1.1 早期機(jī)械機(jī)器人 455
15.1.2 電影與文學(xué)中的機(jī)器人 458
15.1.3 20世紀(jì)早期的機(jī)器人 458
15.2 技術(shù)問題 464
15.2.1 機(jī)器人的組件 464
15.2.2 運(yùn)動(dòng) 467
15.2.3 點(diǎn)機(jī)器人的路徑規(guī)劃 468
15.2.4 移動(dòng)機(jī)器人運(yùn)動(dòng)學(xué) 469
15.3 應(yīng)用：21世紀(jì)的機(jī)器人 471
15.4 本章小結(jié) 479
第 16章 高級(jí)計(jì)算機(jī)博弈 482
16.0 引言 482
16.1 跳棋：從塞繆爾到舍弗爾 483
16.1.1 在跳棋博弈中用于機(jī)器學(xué)習(xí)的啟發(fā)式方法 486
16.1.2 填鴨式學(xué)習(xí)與概括 488
16.1.3 簽名表評(píng)估和棋譜學(xué)習(xí) 489
16.1.4 含有奇諾克程序的世界跳棋錦標(biāo)賽 490
16.1.5 徹底解決跳棋游戲 491
16.2 國際象棋：人工智能的果蠅 494
16.2.1 計(jì)算機(jī)國際象棋的歷史背景 495
16.2.2 編程方法 496
16.2.3 超越地平線效應(yīng) 505
16.2.4 Deep Thought和Deep Blue與特級(jí)大師的比賽（19881995年） 505
16.3 計(jì)算機(jī)國際象棋對(duì)人工智能的貢獻(xiàn) 507
16.3.1 在機(jī)器中的搜索 507
16.3.2 在搜索方面，人與機(jī)器的對(duì)比 508
16.3.3 啟發(fā)式、知識(shí)和問題求解 509
16.3.4 蠻力：知識(shí)vs.搜索；表現(xiàn)vs.能力 510
16.3.5 殘局?jǐn)?shù)據(jù)庫和并行計(jì)算 511
16.3.6 本書第 一作者的貢獻(xiàn) 514
16.4 其他博弈 514
16.4.1 奧賽羅 515
16.4.2 西洋雙陸棋 516
16.4.3 橋牌 518
16.4.4 撲克 519
16.5 圍棋：人工智能的新果蠅？ 520
16.6 本章小結(jié) 523
第 17章 大事記 532
17.0 引言 532
17.1 提綱挈領(lǐng)概述 532
17.2 普羅米修斯歸來 534
17.3 提綱挈領(lǐng)介紹人工智能的成果 535
17.4 IBM的沃森-危險(xiǎn)邊緣挑戰(zhàn)賽 539
17.5 21世紀(jì)的人工智能 543
17.6 本章小結(jié) 545
附錄A CLIPS示例：專家系統(tǒng)外殼 548
附錄B 用于隱馬爾可夫鏈的維特比算法的實(shí)現(xiàn)（由Harun Iftikhar提供） 552
附錄C 對(duì)計(jì)算機(jī)國際象棋的貢獻(xiàn)：令人驚嘆的Walter Shawn Browne 555
附錄D 應(yīng)用程序和數(shù)據(jù) 559
附錄E 部分練習(xí)的答案 560
書單推薦
