具体描述
内容简要
本书主要讲述人工智能问题求解方法的一般性原理和基本思想,并简要
介绍人工智能语言,知识表示方法以及几个应用领域中所涉及的人工智能问
题。
全书共十章,前五章是人工智能基本原理和方法的论述,后五章是人工
智能技术应用中涉及的几个生要问题,这些内容都是了解人工智能技术最基
本的入门知识。
本书可作为计算机专业本科生和研究生学习人工智能导论课程的教材和
参考书,也可作为其他专业研究生了解人工智能技术的参考书。本书还可作
为其他对人工智能技术有兴趣的科技、工程技术人员学习的入门参考书・
作者简介
目录信息
绪论
0.1 人工智能的研究目标
0.2 人工智能发展简史
0.3 人工智能研究的课题
第一章 产生式系统
1.1 产生式系统的组成部分
1.2 产生式系统的基本过程
1.3 产生式系统的控制策略
1.4 问题的表示
1.5 产生式系统的类型
1.6 小结
习题
第二章 产生式系统的搜索策略
2.1 回溯策略 (BacktrackingStrategies)
2.2 图搜索策略
2.3 无信息图搜索过程
2.4 启发式图搜索过程
2.5 搜索算法讨论
2.6 小结
习题
第三章 可分解产生式系统的搜索策略
3.1 与成图的搜索
3.2 与或图的启发式搜索算法人O
3.3 博弈树的搜索
3.4 小结
习题
第四章 人工智能中的谓词演算及应用
4.1 一阶谓词演算的基本体系
4.2 归结(消解Resoluti0n)
4.3 归结反演系统(Refutation)
4.4 基于归结法的问答系统
4.5 基于归结的自动程序综合
4.6 基于归结的问题求解方法
4.7 基于规则的正向演绎系统
4.8 基于规则的逆向演绎系统
4.9 基于规则的演绎系统的几个问题
4.10 小结
习题
第五章 人工智能系统规划方法
5.1 规划(Planning)
5.2 机器人问题求解
5.3 规划的表示问题
5.4 使用目标堆栈的简单规划方法
5.5 用目标集的非线性规划方法
5.6 分层规划方法
5.7 小结
习题
第六章 人工智能语言
6.1 LISP
6.2 PLANNER
6.3 PROLOG
6.4 专家系统工具
6.5 小结
习题
第七章 知识表示
7.1 单元表示
7.2 语义网络
7.3 概念从属
7.4 框架
7.5 脚本
7.6 过程表示
7.7 小结
习题
第八章 自然语言理解
8.1 引言
8.2 简单句理解
8.3 复合句理解
8.4 语言生成
8.5 机器翻译
8.6 小结
习题
第九章 感知
9.1 感知问题概述
9.2 求解感知问题所使用的技术
9.3 约束满足法
9.4 小结
习题
第十章 学习
10.1 概述
10.2 机器学习的分类
10.3 机械(或死记)学习(RoteLearning)
10.4 指点或教授学习(Learningbybeingtold)
10.5 类比学习(LearningbyAnalogy)
10.6 概念学习 (C0nceptLearning)
10.7 发现学习(DiscoveryasLearning)
10.8 小结
习题
参考文献
· · · · · · (收起)
读后感
用户评价
这本书的封面设计很简洁大气,蓝白相间的色调给人一种科技感和未来感。翻开书页,纸张的质感也相当不错,厚实且不易反光,阅读起来非常舒适。内容方面,我非常惊讶于作者在介绍人工智能的起源和发展历程时,能够将如此庞杂的历史脉络梳理得如此清晰。从图灵的设想,到早期符号主义的探索,再到联结主义的兴起,每一个重要的里程碑都被详细地阐述,并且用通俗易懂的语言解释了当时的技术背景和学术思潮。特别是关于“人工智能元年”的讨论,作者并没有简单地给出一个结论,而是深入分析了不同学派的观点和证据,让我对这段历史有了更深刻的理解。虽然我之前对人工智能有一些零散的了解,但这本书像是一张精心绘制的地图,将这些零散的知识点串联起来,形成了一个完整的知识体系。我特别欣赏作者在讲述这些历史事件时,并没有仅仅停留在事件本身,而是深入挖掘了背后的原因和对后世的影响,这种宏观的视角让我能够更好地把握人工智能发展的全局。
这本书的阅读体验非常流畅,即便我是一名初学者,也能被作者的叙事风格所吸引。他善于用生动形象的比喻来解释抽象的概念,让那些原本枯燥的术语变得鲜活起来。比如,在讲解神经网络的“反向传播”算法时,作者将其比作“追溯错误的源头,然后一步步修正”,这个类比非常贴切,让我瞬间就明白了算法的核心思想。而且,书中穿插了许多现实生活中的应用案例,从智能语音助手到自动驾驶汽车,再到精准医疗,这些案例不仅让我看到了人工智能的无限可能,也让我对书中讲解的技术原理有了更直观的认识。作者还特别强调了人工智能的伦理和社会影响,这让我意识到,技术的发展不仅仅是关于代码和算法,更关乎人类的未来。他提出的关于数据隐私、算法偏见和就业冲击等问题,都发人深省,促使我从更广阔的视角去思考人工智能的价值和意义。这本书不仅仅是技术手册,更是一次关于未来和人类责任的深度对话。
初次接触这本书,我被它严谨的学术态度所吸引。作者在论述过程中,引用了大量的经典论文和研究成果,并且对这些文献进行了深入的解读和分析。这种对原始资料的尊重和批判性思维的运用,使得书中呈现的观点具有很强的说服力。在介绍机器学习的基本概念时,作者并没有止步于给出定义,而是从数学原理出发,详细阐述了模型的构建过程和优化方法。例如,在讲解支持向量机(SVM)时,作者不仅解释了核函数的作用,还深入剖析了其背后的几何学原理,以及如何通过软间隔和正则化来处理噪声数据。这种层层递进的讲解方式,让我这种非计算机专业背景的读者也能逐渐理解复杂的算法。更让我赞叹的是,作者在介绍不同的算法时,还会对比它们的优缺点,以及适用的场景,这为我今后在实际应用中选择合适的模型提供了宝贵的指导。总而言之,这是一本非常适合想要深入了解人工智能技术细节的读者阅读的图书,它用扎实的理论基础和清晰的逻辑推理,构建了一个坚实的知识框架。
从一个普通读者的角度来看,这本书的价值在于它能够点燃我进一步学习和探索的兴趣。在阅读的过程中,我发现许多原本只在科幻电影中才能看到的概念,现在已经逐渐成为现实。作者以一种非常接地气的方式,介绍了人工智能在不同领域的应用,比如在艺术创作、科学研究,甚至是心理健康等方面的潜力。他没有使用过于晦涩的语言,而是用一种充满启发性的方式,引导读者去思考人工智能将如何改变我们的生活方式和社会结构。我特别喜欢书中的一些思考题和讨论点,它们促使我主动去思考和联系书中的知识,而不仅仅是被动接受信息。这本书就像是一个引子,它为我打开了一扇通往人工智能世界的大门,让我看到了这个领域的广阔前景和无限可能。我迫不及待地想要深入了解更多关于特定算法,以及如何利用这些技术来解决实际问题。
我一直对人工智能的“智能”二字充满了好奇,这本书在某种程度上满足了我对这个概念的求知欲。作者并没有直接给出一个“智能”的定义,而是通过探讨不同的人工智能流派,展示了人类对于“智能”的不断探索和尝试。从模仿人类逻辑推理的符号主义,到试图模拟大脑结构的联结主义,再到如今的大数据和深度学习,每一个阶段都代表着人类对智能理解的深化。书中对“强人工智能”和“弱人工智能”的区分,以及对图灵测试的深入剖析,都让我对人工智能的本质有了更清晰的认识。作者并没有回避人工智能发展过程中遇到的瓶颈和挑战,例如“常识推理”的难题,以及“黑箱模型”的可解释性问题。他坦诚地讨论了这些问题,并分析了当前的研究进展和未来的发展方向,这让我看到了人工智能发展并非一帆风顺,而是充满着未知和探索。这种对不确定性的坦然,反而让我觉得这本书更加真实和可信。
初中时黄叶亭校长送的书,现在看来,真后悔当初没认真看!
初中时黄叶亭校长送的书,现在看来,真后悔当初没认真看!
初中时黄叶亭校长送的书,现在看来,真后悔当初没认真看!
初中时黄叶亭校长送的书,现在看来,真后悔当初没认真看!
初中时黄叶亭校长送的书,现在看来,真后悔当初没认真看!