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 思維是什麼？智能是什麼？ 3
1.1 圖靈測試 5
1.1.1 圖靈測試的定義 6
1.1.2 圖靈測試的爭議和批評 8
1.2 強人工智能與弱人工智能 9
1.3 啓發法 11
1.3.1 長方體的對角綫：解決一個相對簡單但相關的
問題 11
1.3.2 水壺問題：嚮後倒推 12
1.4 識彆適用人工智能來求解的問題 13
1.5 應用和方法 15
1.5.1 搜索算法和拼圖 16
1.5.2 二人博弈 18
1.5.3 自動推理 18
1.5.4 産生式規則和專傢係統 19
1.5.5 細胞自動機 20
1.5.6 神經計算 21
1.5.7 遺傳算法 23
1.5.8 知識錶示 23
1.5.9 不確定性推理 24
1.6 人工智能的早期曆史 25
1.7 人工智能的近期曆史到現在 29
1.7.1 博弈 29
1.7.2 專傢係統 30
1.7.3 神經計算 31
1.7.4 進化計算 31
1.7.5 自然語言處理 32
1.7.6 生物信息學 34
1.8 新韆年人工智能的發展 34
1.9 本章小結 36
第二部分 基礎知識
第 2章盲目搜索 46
2.0 簡介：智能係統中的搜索 46
2.1 狀態空間圖 47
2.2 生成與測試範式 49
2.2.1 迴溯 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 深度優先搜索 58
2.3.2 廣度優先搜索 60
2.4 盲目搜索算法的實現和比較 63
2.4.1 實現深度優先搜索 63
2.4.2 實現廣度優先搜索 65
2.4.3 問題求解性能的測量指標 65
2.4.4 DFS和BFS的比較 66
2.5 本章小結 68
第3章 知情搜索 74
3.0 引言 74
3.1 啓發法 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 最佳優先搜索 84
3.4 集束搜索 87
3.5 搜索算法的其他指標 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 采用動態規劃的分支定界法 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 雙嚮搜索 102
3.8 本章小結 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估 110
4.1.1 啓發式評估 112
4.1.2 博弈樹的極小化極大評估 112
4.2 具有α-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 120
4.3.1 負極大值算法 120
4.3.2 漸進深化法 122
4.3.3 啓發式續篇和地平綫效應 122
4.4 概率遊戲和預期極小化極大值算法 123
4.5 博弈理論 125
迭代的囚徒睏境 126
4.6 本章小結 127
第5章 人工智能中的邏輯 133
5.0 引言 133
5.1 邏輯和錶示 134
5.2 命題邏輯 135
5.2.1 命題邏輯—基礎 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——簡要介紹 143
5.3.1 謂詞邏輯中的閤一 144
5.3.2 謂詞邏輯中的反演 146
5.3.3 將謂詞錶達式轉換為子句形式 148
5.4 其他一些邏輯 151
5.4.1 二階邏輯 151
5.4.2 非單調邏輯 152
5.4.3 模糊邏輯 152
5.4.4 模態邏輯 153
5.5 本章小結 153
第6章 知識錶示 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 錶示方法的選擇 169
6.5 産生式係統 172
6.6 麵嚮對象 172
6.7 框架法 173
6.8 腳本和概念依賴係統 176
6.9 語義網絡 179
6.10 關聯 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 智能體的一些曆史 188
6.12.2 當代智能體 189
6.12.3 語義網 191
6.12.4 IBM眼中的未來世界 191
6.12.5 作者的觀點 192
6.13 本章小結 192
第7章 産生式係統 199
7.0 引言 199
7.1 背景 199
7.2 基本示例 202
7.3 CARBUYER係統 204
7.4 産生式係統和推導方法 208
7.4.1 衝突消解 211
7.4.2 正嚮鏈接 213
7.4.3 反嚮鏈接 214
7.5 産生式係統和細胞自動機 219
7.6 隨機過程與馬爾可夫鏈 221
7.7 本章小結 222
第三部分 基於知識的係統
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 239
第9章 專傢係統 242
9.0 引言 242
9.1 背景 242
9.2 專傢係統的特點 249
9.3 知識工程 250
9.4 知識獲取 252
9.5 經典的專傢係統 254
9.5.1 DENDRAL 254
9.5.2 MYCIN 255
9.5.3 EMYCIN 258
9.5.4 PROSPECTOR 259
9.5.5 模糊知識和貝葉斯規則 261
9.6 提高效率的方法 262
9.6.1 守護規則 262
9.6.2 Rete算法 263
9.7 基於案例的推理 264
9.8 更多最新的專傢係統 269
9.8.1 改善就業匹配係統 269
9.8.2 振動故障診斷的專傢係統 270
9.8.3 自動牙科識彆 270
9.8.4 更多采用案例推理的專傢係統 271
9.9 本章小結 271
第 10章機器學習第一部分 277
10.0 引言 277
10.1 機器學習：簡要概述 277
10.2 機器學習係統中反饋的作用 279
10.3 歸納學習 280
10.4 利用決策樹進行學習 282
10.5 適用於決策樹的問題 283
10.6 熵 284
10.7 使用ID3構建決策樹 285
10.8 其餘問題 287
10.9 本章小結 288
第 11章機器學習第二部分：神經網絡 291
11.0 引言 291
11.1 人工神經網絡的研究 292
11.2 麥卡洛剋-皮茨網絡 294
11.3 感知器學習規則 295
11.4 增量規則 303
11.5 反嚮傳播 308
11.6 實現關注點 313
11.6.1 模式分析 316
11.6.2 訓練方法 317
11.7 離散型霍普菲爾德網絡 318
11.8 應用領域 323
11.9 本章小結 330
第 12章受到自然啓發的搜索 337
12.0 引言 337
12.1 模擬退火 338
12.2 遺傳算法 341
12.3 遺傳規劃 349
12.4 禁忌搜索 353
12.5 螞蟻聚居地優化 356
12.6 本章小結 359
第四部分 高級專題
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 自然語言處理的曆史 371
13.2.1 基礎期（20世紀40年代和50年代） 371
13.2.2 符號與隨機方法（1957—1970） 372
13.2.3 ４種範式（1970—1983） 372
13.2.4 經驗主義和有限狀態模型（1983—1993） 373
13.2.5 大融閤（1994—1999） 373
13.2.6 機器學習的興起（2000—2008） 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 語義分析和擴展語法 380
13.4.1 轉換語法 381
13.4.2 係統語法 381
13.4.3 格語法 382
13.4.4 語義語法 383
13.4.5 Schank係統 383
13.5 NLP中的統計方法 387
13.5.1 統計解析 387
13.5.2 機器翻譯（迴顧）和IBM的Candide係統 388
13.5.3 詞義消歧 389
13.6 統計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 統計NLP語言數據集 392
13.7.1 賓夕法尼亞州樹庫項目 392
13.7.2 WordNet 394
13.7.3 NLP中的隱喻模型 394
13.8 應用：信息提取和問答係統 396
13.8.1 問答係統 396
13.8.2 信息提取 401
13.9 現在和未來的研究（基於CHARNIAK的工作） 401
13.10 語音理解 402
13.11 語音理解技術的應用 405
13.12 本章小結 410
第 14章自動規劃 417
14.0 引言 417
14.1 規劃問題 418
14.1.1 規劃術語 418
14.1.2 規劃應用示例 419
14.2 一段簡短的曆史和一個著名的問題 424
14.3 規劃方法 426
14.3.1 規劃即搜索 426
14.3.2 部分有序規劃 430
14.3.3 分級規劃 432
14.3.4 基於案例的規劃 433
14.3.5 規劃方法集錦 434
14.4 早期規劃係統 435
14.4.1 STRIPS 435
14.4.2 NOAH 436
14.4.3 NONLIN 436
14.5 更多現代規劃係統 437
14.5.1 O-PLAN 438
14.5.2 Graphplan 439
14.5.3 規劃係統集錦 441
14.5.4 學習係統的規劃方法 441
14.5.5 SCIBox自動規劃器 442
14.6 本章小結 444
第五部分 現在和未來
第 15章機器人技術 452
15.0 引言 452
15.1 曆史：服務人類、仿效人類、增強人類和替代人類 455
15.1.1 早期機械機器人 455
15.1.2 電影與文學中的機器人 458
15.1.3 20世紀早期的機器人 458
15.2 技術問題 464
15.2.1 機器人的組件 464
15.2.2 運動 467
15.2.3 點機器人的路徑規劃 468
15.2.4 移動機器人運動學 469
15.3 應用：21世紀的機器人 471
15.4 本章小結 479
第 16章高級計算機博弈 482
16.0 引言 482
16.1 跳棋：從塞繆爾到捨弗爾 483
16.1.1 在跳棋博弈中用於機器學習的啓發式方法 486
16.1.2 填鴨式學習與概括 488
16.1.3 簽名錶評估和棋譜學習 489
16.1.4 含有奇諾剋程序的世界跳棋錦標賽 490
16.1.5 徹底解決跳棋遊戲 491
16.2 國際象棋：人工智能的“果蠅” 494
16.2.1 計算機國際象棋的曆史背景 495
16.2.2 編程方法 496
16.2.3 超越地平綫效應 505
16.2.4 DeepThought和DeepBlue與特級大師的比賽（1988—1995年） 505
16.3 計算機國際象棋對人工智能的貢獻 507
16.3.1 在機器中的搜索 507
16.3.2 在搜索方麵，人與機器的對比 508
16.3.3 啓發式、知識和問題求解 509
16.3.4 蠻力：知識vs.搜索；錶現vs.能力 510
16.3.5 殘局數據庫和並行計算 511
16.3.6 本書第一作者的貢獻 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 撲剋 519
16.5 圍棋：人工智能的“新果蠅”？ 520
16.6 本章小結 523
第 17章大事記 532
17.0 引言 532
17.1 提綱挈領——概述 532
17.2 普羅米修斯歸來 534
17.3 提綱挈領——介紹人工智能的成果 535
17.4 IBM的沃森-危險邊緣挑戰賽 539
17.5 21世紀的人工智能 543
17.6 本章小結 545
附錄A CLIPS示例：專傢係統外殼 548
附錄B 用於隱馬爾可夫鏈的維特比算法的實現（由HarunIftikhar提供） 552
附錄C 對計算機國際象棋的貢獻：令人驚嘆的WalterShawnBrowne 555
附錄D 應用程序和數據 559
附錄E 部分練習的答案 560
· · · · · · (
收起)
