內容大鋼
本書把近年來AI的發展歷程中的重要事件一一進行了梳理，不僅回顧了AI的誕生、發展，還詳細歸納整理了當前AI研究的核心問題——規劃、推論、機器學習等，又在此基礎上對人工智慧未來的發展方向給出了一定的預期，包括分散AI及進化計算等方面，很好地回答了所謂「人工智慧的基礎究竟是什麼」這一問題。本書內容直觀全面，用詞簡潔易懂，闡述深入淺出，科普性較強，可以說本書既是一本AI入門級閱讀資料，又是一本適合各大高校開設人工智慧專業非常具有可選性和實用性的基礎教材。
作者介紹
(日)馬場口登//山田誠二|責編:任鑫|譯者:張丹
目錄
譯者序
第2版前言
第1版前言
第1章 何謂人工智慧
1.1 何謂智能
1.1.1 智能的相關辭彙
1.1.2 人類智能與機器智能
1.1.3 能否測定機器智能
1.2 人工智慧的定義
1.3 人工智慧的歷史
1.3.1 萌芽期
1.3.2 AI的起點—達特茅斯會議
1.3.3 AI的創始期
1.3.4 AI的第一時代—智能時代
1.3.5 AI的第二時代—知識時代
1.3.6 AI的發展期
1.3.7 AI的高峰期
1.3.8 AI的第三時代—智能體時代
1.4 AI的研究對象習題
參考文獻
第2章 問題的解決
2.1 問題解決的過程
2.2 AI的對象問題
2.3 問題的定型化方法
2.3.1 狀態空間法
2.3.2 問題分割法
2.3.3 手段-目的分析
習題
參考文獻
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 啟髮式搜索
3.2.1 爬山演算法
3.2.2 最佳優先搜索
3.2.3 A*演算法
3.2.4 實時A*演算法
3.2.5 啟髮式函數的具體實例
3.3 博弈樹的搜索
3.3.1 極小極大演算法
3.3.2 α-β演算法
3.3.3 遊戲編程現狀
習題
參考文獻
第4章 知識表示
4.1 知識庫系統
4.1.1 問題解決與知識庫系統
4.1.2 知識與知識庫
4.1.3 知識庫系統的特徵
4.2 知識處理的三個階段
4.3 知識的分類
4.3.1 專業知識與常識1
4.3.2 陳述性知識和程序性知識
4.3.3 經驗知識和理論知識
4.3.4 行業知識和任務知識
4.3.5 完整的知識和不完整的知識
4.4 知識表示概要
4.5 代表性知識表示法
4.5.1 生產規則
4.5.2 語義網
4.5.3 框架系統
4.5.4 邏輯
4.5.5 邏輯編程
4.6 本體論
4.6.1 本體論的定義及構成要素
4.6.2 本體論的分類
4.7 語義網和關聯開放數據
習題
參考文獻
第5章 規劃
5.1 STRIPS規劃
5.2 偏序規劃
5.3 反應式規劃
5.3.1 反應式規劃的具體事例
5.3.2 包容體系結構
習題
參考文獻
第6章 推理
6.1 演繹、歸納、溯因
6.2 常識推理
6.2.1 預設邏輯
6.2.2 限界
6.2.3 自認知邏輯
6.2.4 封閉世界假設
6.3 假設推理
6.4 類推
6.5 貝葉斯網路
習題
參考文獻
第7章 機器學習
7.1 歸納學習
7.1.1 假設空間的探索
7.1.2 變形空間法
7.1.3 偏置
7.2 基於解釋的學習（EBL）
7.2.1 基於解釋的泛化（EBG）
7.2.2 宏操作符學習系統
7.3 決策樹的歸納學習
7.4 強化學習
7.4.1 Q學習
7.4.2 桶隊和利益共享
7.5 最鄰近法
7.6 支持向量機
7.7 關聯規則的學習
7.7.1 關聯規則
7.7.2 Apriori演算法
7.8 聚類
7.8.1 k-means法
7.8.2 層次聚類
習題
參考文獻
第8章 分散式人工智慧和進化計算
8.1 分散式人工智慧
8.1.1 黑板模型
8.1.2 合同網協議
8.2 進化計算
8.2.1 遺傳演算法
8.2.2 遺傳編程
8.2.3 進化學習
習題
參考文獻
第9章 智能體和智能交互系統
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.
[