具体描述
内容简介
本书介绍了人工智能原理的基本内容，包括自动推理、知识
表示、机器学习和自然语言理解等四个部分。全书共分十章：依次
讨论了归结方法、不确定推理方法、非单调推理方法、定性推理方
法，知识表示方法，机器学习的基本概念以及由实例和基于解释
的学习方法，最后讨论了自然语言的语法、语义分析。
本书可作为大学计算机系高年级大学生和研究生“人工智能
原理”课程的教材。也可作为从事计算机学科研究的教师和科研
人员参考。
作者简介
目录信息
出版说明
前言
第一章 人工智能概述
1.1 人工智能的诞生和发展
1.2 什么是人工智能
1.3 90年代初人工智能进展
第二章 归结推理方法
2.1 命题逻辑的归结法
2.2 子句形
2.3 Herbrand定理
2.4 归结原理
2.5 归结过程的控制策略
2.6 归结法与prolog语言
2.7 非归结法
第三章 不确定和非单调推理方法
3.1 概述
3.2 不确定推理方法
3.3 非单调推理方法
3.4 定性推理方法
第四章 知识表示方法
4.1 概述
4.2 逻辑表示法
4.3 产生式表示法
4.4 语义网络表示法
4.5 框架表示法
4.6 面向对象的表示法
第五章 机器学习
5.1 为什么研究机器学习
5.2 什么是机器学习
5.3 机器学习的发展历史
5.4 学习的一种模型
5.5 机器学习的分类
5.6 机器学习的研究目标
5.7 机器学习的特点
第六章 实例学习
6.1 实例学习的两个空间模型
6.2 实例学习的分类
6.3 学习单个概念
6.4 学习多个概念
6.5 学习多步任务
6.6 基于解释的学习
第七章 其它学习方法
7.1 记忆学习
7.2 传授学习
7.3 类比学习
7.4 观察与发现学习
第八章 自然语言理解的任务和发展简史
8.1 什么叫自然语言理解
8.2 以关键词匹配为主流的早期历史
8.3 以句法语义分析为主流的中期历史
8.4 以走向实用化和工程化为特征的近期历史
第九章 句法分析
9.1 句法分析的地位
9.2 短语结构语言
9.3 乔姆斯基体系
9.4 语言串理论
9.5 转换语法
9.6 ATN语法
9.7 句法分析的确定性算法
9.8 基于合一的语法理论
9.9 定子句语法
第十章 语义分析
10.1 谓词－变元
10.2 LFL的形成规则
10.3 动词
10.4 名词
10.5 限定词
10.6 代词
10.7 副词
10.8 形容词
10.9 介词
10.10 连词
10.11 LFL中的非词义谓词
10.12 索引算子
参考文献
· · · · · · (收起)
读后感
用户评价
这本书的章节结构设计简直是教科书级别的典范，特别是它对知识体系的层层递进安排，让我感到无比的踏实。它没有一开始就猛攻最难啃的骨头，而是遵循着一个非常清晰的学习路径：从基础的概念定义、历史回顾开始，逐步过渡到核心的数学基础，然后才开始展开到具体的模型和应用。这种由浅入深、循序渐进的组织方式，避免了初学者常有的“一上来就被数学淹没”的挫败感。我尤其喜欢它在每个主要模块结束时设置的“回顾与展望”部分。这些总结部分不是简单的知识点罗列，而是以一种宏观的视角，将本章所学的内容放在整个知识体系中的位置进行定位，并巧妙地预告下一章将要解决的问题。这种结构让阅读的连贯性得到了极大的保障，我总能清楚地知道我现在所处的阶段，以及我距离掌握全部图景还有多远。它真正做到了“步步为营”，每走一步都感觉脚下是坚实的土地，而不是在云雾中摸索，这极大地增强了我在面对后续更复杂主题时的信心和动力。
说实话，我最欣赏这本书的地方，在于它处理复杂概念时那种近乎“反直觉”的清晰度。很多科普读物为了追求速度和广度，往往会把重要的逻辑环节一笔带过，导致读者在关键转折点上迷失方向。但这本书完全没有这个问题，它就像一个经验丰富的大厨在讲解一道复杂的法式料理，每一步骤、每一种调料的配比都交代得清清楚楚。我记得有一次读到关于决策树构建的部分，我之前看过好几个不同的解释版本，但总是抓不住那个“最优分割点”的精髓。这本书里，作者用了一个非常贴近生活的比喻——关于如何区分不同种类的水果——瞬间就打通了我的任督二脉。而且，它对数学公式的处理也十分巧妙，不是简单地堆砌推导过程，而是先解释这个公式试图解决什么问题，它背后的直觉是什么，然后再引出数学表达。这种“先知其然，后知其所以然”的结构，极大地降低了入门的心理门槛。它让你感觉，那些高高在上的理论，其实是可以被触摸和理解的，它们服务于解决现实世界中的具体难题，而非仅仅是学术圈的自娱自乐。读完这部分，我甚至开始尝试自己构建一些简化的模型来验证书中的观点，这种实践性的引导，是很多纯理论书籍所缺乏的宝贵财富。
这本书的封面设计简直是直击灵魂，那种深邃的蓝色调配上抽象的几何图形，让人一眼就觉得这不是一本轻松读物，而是要带你深入探索某种未知领域的“密码本”。我拿到手的时候，那种沉甸甸的质感也让人心里一动，仿佛捧着一块沉睡已久的智慧结晶。我原本对这个领域只是略有耳闻，带着一种“了解一下”的心态翻开，结果完全被它叙事的节奏感给抓住了。作者的笔触非常细腻，他没有直接抛出那些拗口的术语，而是像一位经验老道的探险家，先给你描绘出广阔的背景和历史的脉络。我特别欣赏它对早期思想家们在面对“机器能否思考”这个哲学命题时的那种思辨深度，那些跨越了时代鸿沟的对话，读起来让人热血沸腾。它没有急于展示最新的算法突破，反而更注重构建一个坚实的知识地基，让我明白，现在所有的摩天大楼都是建立在这些看似古老却无比坚固的基石之上的。阅读的过程更像是一次深度的考古挖掘，每揭开一层，都能看到过去人们为之付出的心血和他们那近乎偏执的求知欲。这本书的叙事逻辑严密得像是数学证明，让人心悦诚服地跟随作者的思路前行，即便有些章节需要反复阅读才能彻底消化，但那种豁然开朗的体验是其他任何资料都无法比拟的。它让我意识到，这门学问的魅力，远不止于炫酷的技术演示，更在于其背后蕴含的哲学思辨和对人类认知边界的不断拓宽。
这本书的排版设计简直是灾难，我必须老实说。字体和行距的搭配给人一种强烈的压迫感，尤其是当遇到大段的公式推导时，那密集的文字和符号几乎要融为一体，让人看得眼睛发花。我常常需要在不同的光线下调整角度，甚至需要借助放大镜才能确保没有遗漏任何一个脚注或符号的上下标。这绝不是一本适合在睡前悠闲翻阅的读物，它要求你全神贯注，像是在进行一场严肃的审阅工作。不过，从另一个角度看，或许正是这种略显“硬核”的物理形态，无形中筛选了读者，它在告诉所有翻开它的人：“准备好了吗？我们要开始严肃地讨论了。”尽管阅读过程充满了与排版的“斗争”，但我发现自己对内容的专注度反而更高了。因为每一次试图理解一个段落，都需要付出额外的努力来克服视觉上的障碍，这种努力最终会转化为更深刻的记忆和理解。它迫使我放慢阅读速度，强迫我进行慢思考，这对理解深度逻辑结构是至关重要的。所以，虽然我抱怨排版，但我也承认，它间接提升了我的学习质量，尽管代价是几副需要更换的老花镜。
我尝试着将这本书推荐给我那位对技术发展抱持怀疑态度的朋友，结果出乎意料地好，这得益于它在“伦理与未来影响”部分的处理方式。通常，这类书籍要么过于乐观地描绘一个技术乌托邦，要么就陷入过度恐慌的泥潭。但这本书采取了一种极其审慎且平衡的视角。它没有给我们标准答案，而是抛出了一系列尖锐的、需要我们共同面对的社会性难题。比如，关于数据偏见如何固化社会不公，以及自动化对劳动力市场可能造成的结构性冲击。作者在分析这些问题时，引用了大量的跨学科案例，从社会学、法学乃至人类学的角度来审视技术的双刃剑效应。最让我印象深刻的是，它探讨了“责任归属”的问题——当一个高度自主的系统出错时，我们应该追究程序设计者的责任，还是算法自身的决策？这种探讨不是蜻蜓点水，而是深入到了法律和道德的灰色地带。它没有试图去说服你相信某一种预设的未来，而是强烈地激发了读者去独立思考和参与构建一个负责任的技术生态系统的紧迫感。这本书读完后，我发现我不再只是一个被动接受技术的用户，而是开始以一个更具批判性眼光的公民身份来看待周围发生的一切变革。
很久以前读过的，补漏……
很久以前读过的，补漏……
很久以前读过的，补漏……
很久以前读过的，补漏……
很久以前读过的，补漏……
