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 思維與智能 3
1.1 圖靈測試 5
1.1.1 圖靈測試的定義 5
1.1.2 圖靈測試的爭議和批評(píng) 7
1.2 強(qiáng)人工智能與弱人工智能 9
1.3 啟發(fā)式方法 10
1.3.1 長方體的對(duì)角線：解決一個(gè)相對(duì)簡單但相關(guān)的問題 10
1.3.2 水壺問題：反向倒推 11
1.4 識(shí)別適用人工智能來求解的問題 12
1.5 應(yīng)用和方法 14
1.5.1 搜索算法和拼圖問題 15
1.5.2 二人博弈 16
1.5.3 自動(dòng)推理 17
1.5.4 產(chǎn)生式規(guī)則和專家系統(tǒng)17
1.5.5 細(xì)胞自動(dòng)機(jī) 18
1.5.6 神經(jīng)計(jì)算 19
1.5.7 遺傳算法 20
1.5.8 知識(shí)表示 21
1.5.9 不確定性推理 22
1.6 人工智能的早期歷史 23
1.7 人工智能的近期歷史到現(xiàn)在 26
1.7.1 計(jì)算機(jī)博弈 26
1.7.2 專家系統(tǒng) 27
1.7.3 神經(jīng)計(jì)算 28
1.7.4 進(jìn)化計(jì)算 28
1.7.5 自然語言處理 29
1.7.6 生物信息學(xué) 31
1.8 新千年人工智能的發(fā)展 31
1.9 本章小結(jié) 32
第二部分 基 礎(chǔ) 知 識(shí)
第 2 章 盲目搜索 42
2.0 簡介：智能系統(tǒng)中的搜索 42
2.1 狀態(tài)空間圖 43
2.1.1 假幣問題 43
2.2 生成-測試范式 45
2.2.1 回溯法 46
2.2.2 貪心算法 50
2.2.3 旅行商問題 52
2.3 盲目搜索算法 54
2.3.1 深度優(yōu)先搜索 54
2.3.2 廣度優(yōu)先搜索 56
2.4 盲目搜索算法的實(shí)現(xiàn)和比較 58
2.4.1 深度優(yōu)先搜索的實(shí)現(xiàn) 58
2.4.2 廣度優(yōu)先搜索的實(shí)現(xiàn) 60
2.4.3 問題求解性能的衡量指標(biāo) 61
2.4.4 DFS 和 BFS 的比較 61
2.5 本章小結(jié) 64
第 3 章 知情搜索 70
3.0 引言 70
3.1 啟發(fā)式方法 72
3.2 知情搜索（第 一部分）——找到任一解 76
3.2.1 爬山法 76
3.2.2 最陡爬山法 77
3.3 最佳優(yōu)先搜索 80
3.4 集束搜索 83
3.5 搜索算法的其他指標(biāo) 84
3.6 知情搜索（第二部分）——找到最優(yōu)解 85
3.6.1 分支定界法 85
3.6.2 使用低估計(jì)啟發(fā)值的分支定界法 90
3.6.3 采用動(dòng)態(tài)規(guī)劃的分支定界法 93
3.6.4 A*搜索 94
3.7 知情搜索（第三部分）—高級(jí)搜索算法 95
3.7.1 約束滿足搜索 95
3.7.2 與或樹 96
3.7.3 雙向搜索 97
3.8 本章小結(jié) 99
第 4 章 博弈中的搜索 104
4.0 引言 104
4.1 博弈樹和極小化極大評(píng)估 105
4.1.1 啟發(fā)式評(píng)估 106
4.1.2 博弈樹的極小化極大評(píng)估 107
4.2 帶α-β 剪枝的極小化極大算法 110
4.3 極小化極大算法的變體和改進(jìn) 114
4.3.1 負(fù)極大值算法 115
4.3.2 漸進(jìn)深化法 116
4.3.3 啟發(fā)式方法的后續(xù)和地平線效應(yīng) 117
4.4 機(jī)會(huì)博弈和期望極小化極大算法 117
4.5 博弈論 119
4.6 本章小結(jié) 121
第 5 章 人工智能中的邏輯 126
5.0 引言 126
5.1 邏輯和表示 127
5.2 命題邏輯 128
5.2.1 基礎(chǔ)知識(shí) 129
5.2.2 命題邏輯中的論證 133
5.2.3 證明命題邏輯論證有效的第二種方法 134
5.3 謂詞邏輯簡介 135
5.3.1 謂詞邏輯中的合一 136
5.3.2 謂詞邏輯中的歸結(jié) 138
5.3.3 將謂詞表達(dá)式轉(zhuǎn)換為子句形式 140
5.4 其他一些邏輯 143
5.4.1 二階邏輯 143
5.4.2 非單調(diào)邏輯 144
5.4.3 模糊邏輯 144
5.4.4 模態(tài)邏輯 144
5.5 本章小結(jié) 145
第 6 章 知識(shí)表示 151
6.0 引言 151
6.1 圖形草圖和人類視窗 154
6.2 圖和哥尼斯堡橋問題 157
6.3 搜索樹 158
6.3.1 決策樹 158
6.4 表示方法的選擇 159
6.5 產(chǎn)生式系統(tǒng) 162
6.6 面向?qū)ο?162
6.7 框架 164
6.8 腳本和概念依賴系統(tǒng) 166
6.9 語義網(wǎng)絡(luò) 169
6.10 關(guān)聯(lián) 171
6.11 最近的方法 172
6.11.1 概念地圖 172
6.11.2 概念圖 174
6.11.3 Baecker 的工作 174
6.12 智能體：智能或其他 175
6.12.1 智能體的一些歷史 177
6.12.2 當(dāng)代智能體 179
6.12.3 語義網(wǎng) 180
6.12.4 IBM 眼中的未來世界 180
6.12.5 本書作者的觀點(diǎn) 181
6.13 本章小結(jié) 181
第 7 章 產(chǎn)生式系統(tǒng) 188
7.0 引言 188
7.1 背景 188
7.2 基本示例 190
7.3 CarBuyer 系統(tǒng) 192
7.4 產(chǎn)生式系統(tǒng)和推理方法 197
7.4.1 沖突消解 199
7.4.2 前向鏈接 201
7.4.3 后向鏈接 202
7.5 產(chǎn)生式系統(tǒng)和細(xì)胞自動(dòng)機(jī) 206
7.6 隨機(jī)過程與馬爾可夫鏈 208
7.7 本章小結(jié) 209
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 214
8.0 引言 214
8.1 模糊集 214
8.2 模糊邏輯 216
8.3 模糊推理 217
8.4 概率論和不確定性 220
8.5 本章小結(jié) 224
第 9 章 專家系統(tǒng) 227
9.0 引言 227
9.1 背景 227
9.1.1 人類專家和機(jī)器專家 228
9.2 專家系統(tǒng)的特點(diǎn) 233
9.3 知識(shí)工程 234
9.4 知識(shí)獲取 236
9.5 經(jīng)典的專家系統(tǒng) 238
9.5.1 DENDRAL 238
9.5.2 MYCIN 239
9.5.3 EMYCIN 241
9.5.4 PROSPECTOR 241
9.5.5 模糊知識(shí)和貝葉斯規(guī)則 243
9.6 提高效率的方法 245
9.6.1 守護(hù)規(guī)則 245
9.6.2 Rete 算法 246
9.7 基于案例的推理 247
9.8 更多最新的專家系統(tǒng) 251
9.8.1 就業(yè)匹配改善系統(tǒng) 251
9.8.2 振動(dòng)故障診斷專家系統(tǒng) 252
9.8.3 自動(dòng)牙齒識(shí)別 252
9.8.4 更多采用案例推理的專家系統(tǒng) 253
9.9 本章小結(jié) 253
第 10 章 機(jī)器學(xué)習(xí)第 一部分：神經(jīng) 網(wǎng)絡(luò) 259
10.0 引言 259
10.1 機(jī)器學(xué)習(xí)概述 260
10.2 機(jī)器學(xué)習(xí)系統(tǒng)中反饋的作用 262
10.3 歸納學(xué)習(xí) 263
10.4 利用決策樹進(jìn)行學(xué)習(xí) 264
10.5 決策樹適用的問題 265
10.6 熵 266
10.7 使用 ID3 構(gòu)建決策樹 267
10.8 其他問題 269
10.9 人工神經(jīng)網(wǎng)絡(luò)的基本原理 270
10.10 麥卡洛克-皮茨網(wǎng)絡(luò) 271
10.11 感知器學(xué)習(xí)規(guī)則 272
10.12 增量規(guī)則 280
10.13 反向傳播 284
10.14 實(shí)現(xiàn)中的問題 289
10.14.1 模式分析 292
10.14.2 訓(xùn)練方法 293
10.15 離散霍普菲爾德網(wǎng)絡(luò) 294
10.16 應(yīng)用領(lǐng)域 298
10.17 本章小結(jié) 305
第 11 章 機(jī)器學(xué)習(xí)第二部分：深度學(xué)習(xí) 314
11.0 引言 314
11.1 深度學(xué)習(xí)應(yīng)用簡介 315
11.2 深度學(xué)習(xí)網(wǎng)絡(luò)中的層 315
11.3 深度學(xué)習(xí)類型 316
11.3.1 多層神經(jīng)網(wǎng)絡(luò) 316
11.3.2 卷積神經(jīng)網(wǎng)絡(luò)317
11.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 321
11.3.4 長短期記憶網(wǎng)絡(luò) 322
11.3.5 遞歸神經(jīng)網(wǎng)絡(luò) 322
11.3.6 堆疊自編碼器 322
11.3.7 極限學(xué)習(xí)機(jī) 323
11.4 本章小結(jié) 325
第 12 章 受大自然啟發(fā)的搜索 333
12.0 引言 333
12.1 模擬退火 334
12.2 遺傳算法 337
12.3 遺傳規(guī)劃 344
12.4 禁忌搜索 348
12.5 蟻群優(yōu)化算法 350
12.6 本章小結(jié) 353
第四部分 高 級(jí) 專 題
第 13 章 自然語言理解 362
13.0 引言 362
13.1 概述：語言的問題和可能性 362
13.2 自然語言處理的歷史 364
13.2.1 奠基時(shí)期（20 世紀(jì) 40 年代和 50 年代） 364
13.2.2 符號(hào)方法與隨機(jī)方法（1957—1970） 365
13.2.3 4 種范式（1970— 1983） 365
13.2.4 經(jīng)驗(yàn)主義和有限狀態(tài)模型（1983—1993） 366
13.2.5 大融合時(shí)期（1994— 1999） 367
13.2.6 機(jī)器學(xué)習(xí)的興起（2000—2008） 367
13.3 語法和形式語法 367
13.3.1 語法類型 368
13.3.2 句法解析：CYK 算法 371
13.4 語義分析和擴(kuò)展語法 373
13.4.1 轉(zhuǎn)換語法 373
13.4.2 系統(tǒng)語法 373
13.4.3 格語法 374
13.4.4 語義語法 375
13.4.5 尚克的系統(tǒng) 376
13.5 NLP 中的統(tǒng)計(jì)方法 379
13.5.1 統(tǒng)計(jì)解析 379
13.5.2 機(jī)器翻譯（回顧）和 IBM 的 Candide 系統(tǒng) 380
13.5.3 詞義消歧 380
13.6 用于統(tǒng)計(jì) NLP 的概率模型 381
13.6.1 隱馬爾可夫模型 381
13.6.2 維特比算法 383
13.7 用于統(tǒng)計(jì) NLP 的語言數(shù)據(jù)集 384
13.7.1 賓州樹庫項(xiàng)目 384
13.7.2 WordNet 385
13.7.3 NLP 中的隱喻模型 385
13.8 應(yīng)用：信息提取和問答系統(tǒng) 387
13.8.1 問答系統(tǒng) 387
13.8.2 信息提取 391
13.9 當(dāng)前和未來的研究（基于查尼阿克的觀點(diǎn)） 392
13.10 語音理解 392
13.10.1 語音理解技術(shù) 392
13.11 語音理解的應(yīng)用 395
13.11.1 Dragon 自然語音系統(tǒng) 和 Windows 語音識(shí)別系統(tǒng) 396
13.12 本章小結(jié) 399
第 14 章 自動(dòng)規(guī)劃 406
14.0 引言 406
14.1 規(guī)劃問題 407
14.1.1 規(guī)劃中的術(shù)語 407
14.1.2 規(guī)劃的應(yīng)用示例 408
14.2 規(guī)劃簡史和著名的框架問題 412
14.2.1 框架問題 413
14.3 規(guī)劃方法 414
14.3.1 規(guī)劃即搜索 414
14.3.2 偏序規(guī)劃 418
14.3.3 層次規(guī)劃 419
14.3.4 基于案例的規(guī)劃 420
14.3.5 規(guī)劃方法集錦 421
14.4 早期的規(guī)劃系統(tǒng) 422
14.4.1 STRIPS 422
14.4.2 NOAH 422
14.4.3 NONLIN 423
14.5 更多的現(xiàn)代規(guī)劃系統(tǒng) 424
14.5.1 O-PLAN 424
14.5.2 Graphplan 426
14.5.3 規(guī)劃系統(tǒng)集錦 427
14.5.4 面向?qū)W習(xí)系統(tǒng)的規(guī)劃方法 427
14.5.5 SciBox 自動(dòng)規(guī)劃器 428
14.6 本章小結(jié) 430
第五部分 現(xiàn)在和未來
第 15 章 機(jī)器人技術(shù) 438
15.0 引言 438
15.1 歷史：服務(wù)人類、模仿人類、增強(qiáng)人類和替代人類 440
15.1.1 早期的機(jī)械機(jī)器人 440
15.1.2 電影與文學(xué)作品中的機(jī)器人 442
15.1.3 20 世紀(jì)的機(jī)器人 443
15.2 技術(shù)問題 447
15.2.1 機(jī)器人的組件 447
15.2.2 運(yùn)動(dòng) 450
15.2.3 點(diǎn)位機(jī)器人的路徑規(guī)劃 451
15.2.4 移動(dòng)機(jī)器人運(yùn)動(dòng)學(xué) 451
15.3 應(yīng)用：21 世紀(jì)的機(jī)器人 453
15.4 本章小結(jié) 460
第 16 章 高級(jí)計(jì)算機(jī)博弈 462
16.0 引言 462
16.1 跳棋：從塞繆爾到謝弗 462
16.1.1 跳棋游戲中的啟發(fā)式學(xué)習(xí)方法 465
16.1.2 機(jī)械式學(xué)習(xí)與泛化 467
16.1.3 簽名表評(píng)估和棋譜學(xué)習(xí) 468
16.1.4 謝弗的 Chinook：跳棋程序中的世界冠軍 468
16.1.5 跳棋博弈問題已被解決 470
16.2 國際象棋：人工智能的“果蠅” 472
16.2.1 計(jì)算機(jī)國際象棋的歷史背景 473
16.2.2 編程方法 474
16.2.3 超越地平線效應(yīng) 482
16.2.4 Deep Thought 和 Deep Blue 與特級(jí)大師的較量：1988 年至 1995 年 482
16.3 計(jì)算機(jī)國際象棋程序?qū)θ斯ぶ悄艿呢暙I(xiàn) 484
16.3.1 機(jī)器搜索 484
16.3.2 人類搜索與機(jī)器搜索 484
16.3.3 啟發(fā)式方法、知識(shí)和問題求解 485
16.3.4 暴力計(jì)算：知識(shí)與搜索，表現(xiàn)與能力 486
16.3.5 殘局?jǐn)?shù)據(jù)庫和并行計(jì)算 487
16.3.6 本書作者 Danny Kopec 的貢獻(xiàn) 491
16.4 其他博弈游戲 491
16.4.1 奧賽羅棋 491
16.4.2 雙陸棋 493
16.4.3 橋牌 494
16.4.4 撲克 495
16.5 圍棋：人工智能的“新果蠅” 497
16.6 本章小結(jié) 499
第 17 章 AI 大事記 507
17.0 引言 507
17.1 本書第 1 部分回顧 507
17.2 普羅米修斯歸來 509
17.3 本書第 2 部分回顧：目前 AI 領(lǐng)域的成就 510
17.4 IBM 沃森-危險(xiǎn)邊緣挑戰(zhàn)賽 513
17.5 21 世紀(jì)的人工智能 517
17.6 本章小結(jié) 518
第六部分 安全和編程
第 18 章 網(wǎng)絡(luò)安全中的人工智能（選讀） 522
18.0 引言 522
18.1 IPsec 523
18.2 SA. 523
18.3 安全策略 524
18.3.1 安全策略數(shù)據(jù)庫 524
18.3.2 SA 選擇器 524
18.3.3 SA 的組合 524
18.3.4 IPsec 協(xié)議模式 524
18.3.5 防重放窗口 525
18.4 安全電子交易 525
18.4.1 SET 的業(yè)務(wù)需求 526
18.5 入侵者 526
18.6 入侵檢測 527
18.6.1 入侵檢測方法 527
18.7 惡意程序 529
18.7.1 病毒程序生命周期的不同階段 529
18.8 反病毒掃描 529
18.8.1 反病毒掃描程序的不同版本 530
18.9 蠕蟲程序 530
18.10 防火墻 530
18.10.1 防火墻的特點(diǎn) 531
18.10.2 防火墻控制訪問的方式 531
18.10.3 防火墻的類型 531
18.11 可信系統(tǒng) 531
18.12 本章小結(jié) 534
第 19 章 人工智能編程工具（選讀） 538
19.1 Prolog 538
19.1.1 Prolog 與 C/C 的不同 539
19.1.2 Prolog 的運(yùn)行機(jī)制 540
19.1.3 Prolog 語言發(fā)展的里程碑 540
19.1.4 子句 541
19.1.5 Robinson 歸結(jié)原理 543
19.1.6 Prolog 程序的組成 544
19.1.7 數(shù)據(jù)庫查詢 544
19.1.8 Prolog 的查詢求解過程 544
19.1.9 復(fù)合查詢 545
19.1.10 _變量 545
19.1.11 Prolog 中的遞歸 545
19.1.12 Prolog 中的數(shù)據(jù)結(jié)構(gòu)：列表 546
19.1.13 列表的頭部和尾部 546
19.1.14 輸出列表中的所有元素 547
19.1.15 逆序輸出列表中的元素 547
19.1.16 為列表追加元素 547
19.1.17 確定給定元素是否在列表中 547
19.1.18 輸出列表的長度 547
19.1.19 Prolog 的執(zhí)行控制 547
19.1.20 Turbo Prolog 550
19.2 Python 551
19.2.1 運(yùn)行 Python 552
19.2.2 Python 的不足之處 553
19.2.3 Python 的特性 553
19.2.4 作為第 一類對(duì)象的函數(shù) 555
19.2.5 有用的 Python 庫 556
19.2.6 實(shí)用工具 557
19.2.7 測試代碼 559
19.3 MATLAB 559
19.3.1 開始使用 MATLAB 559
19.3.2 使用 MATLAB 進(jìn)行計(jì)算 560
19.3.3 繪圖 564
19.3.4 符號(hào)計(jì)算 569
19.3.5 Python 用戶如何使用MATLAB 570