人工智能(第2版)电子书

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

2.4.4 DFS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

3.6.4 A *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

6.11.3 Baecker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

6.12.4 IBM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

7.3 CARBUYER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

9.5.1 DENDRAL

9.5.2 MYCIN

9.5.3 EMYCIN

9.5.4 PROSPECTOR

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

9.6.2 Rete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）

13.2.3 ４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

13.4.5 Schank系统

13.5 NLP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

13.7.2 WordNet

13.7.3 NLP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’s Naturally Speaking System）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

14.4.1 STRIPS

14.4.2 NOAH

14.4.3 NONLIN

14.5 更多现代规划系统

14.5.1 O-PLAN

14.5.2 Graphplan

14.5.3 规划系统集锦

14.5.4 学习系统的规划方法

14.5.5 SCI Box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

15.1.3 20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

16.2.4 Deep Thought和Deep Blue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

17.4 IBM的沃森-危险边缘挑战赛

17.5 21世纪的人工智能

17.6 本章小结

附录A CLIPS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Harun Iftikhar提供）

第12章

附录C 对计算机国际象棋的贡献：令人惊叹的Walter Shawn Browne

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