《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(duì)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(jiǎn)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(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)庫系統(tǒng)
4.1.1　問題解決與知識(shí)庫系統(tǒng)
4.1.2　知識(shí)與知識(shí)庫
4.1.3　知識(shí)庫系統(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(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)