具体描述
内容简介
这是《人工智能及其应用》一书的第二版。
本书系统地介绍人工智能的基本原理及其应用，全面地反映出国内外人工智能研究和应用的最新进展。
全书共十二章：第一章叙述人工智能的概况；第二章到第四章分别研究人工智能的知识表示方法、一般搜索
原理和高级求解技术；第五章到第十章讨论人工智能的主要应用，包括专家系统、机器学习（含基于神经网
络的学习）、机器人规划、机器视觉、自然语言理解和智能控制等；第十一章简要地介绍人工智能的程序设
计工具；第十二章评述人工智能各学派的争论，探讨人工智能对人类各方面的影响，并展望人工智能的发展。
与第一版相比，大部分内容得以更新。
本书可作为高等院校有关专业高年级学生和研究生的人工智能课程教材，也可供从事人工智能研究和
应用的科技工作者参考使用。
作者简介
目录信息
序
前言
第一章 绪论
1.1 人工智能
1.1.1 人工智能的定义
1.1.2 人工智能的起源与发展
1.1.3 人类智能的计算机模拟
1.2 人工智能的研究与应用领域
1.2.1 问题求解
1.2.2 逻辑推理与定理证明
1.2.3 自然语言理解
1.2.4 自动程序设计
1.2.5 专家系统
1.2.6 机器学习
1.2.7 人工神经网络
1.2.8 机器人学
1.2.9 模式识别
1.2.10 机器视觉
1.2.11 智能控制
1.2.12 智能检索
1.2.13 智能调度与指挥
1.2.14 系统与语言工具
1.3 本书概要
第二章 知识表示方法
2.1 状态空间法
2.1.1 问题状态描述
2.1.2 状态图示法
2.1.3 状态空间表示举例
2.2 问题归约法
2.2.1 问题归约描述
2.2.2 与或图表示
2.2.3 问题归约机理
2.3 谓词逻辑法
2.3.1 谓词演算
2.3.2 谓词公式
2.3.3 置换与合一
2.4 语义网络法
2.4.1 二元语义网络的表示
2.4.2 多元语义网络的表示
2.4.3 连接词和量化的表示
2.4.4 语义网络的推理过程
2.5 框架（frame）表示
2.5.1 框架的构成
2.5.2 框架的推理
2.6 剧本（script）表示
2.6.1 剧本的构成
2.6.2 剧本的推理
2.7 过程（procedure）表示
2.8 小结
习题
第三章 一般搜索原理
3.1 盲目搜索
3.1.1 图搜索策略
3.1.2 宽度优先搜索
3.1.3 深度优先搜索
3.1.4 等代价搜索
3.2 启发式搜索
3.2.1 启发式搜索策略
3.2.2 估价函数
3.2.3 有序搜索
3.2.4 A算法
3.2.5 双向搜索
3.3 消解原理
3.3.1 化为子句集
3.3.2 消解推理规则
3.3.3 含有变量的消解式
3.3.4 消解反演求解过程
3.3.5 含状态项的回答语句的求取
3.4 通用问题求解系统
3.4.1 通用问题求解原理
3.4.2 差别操作符表
3.5 小结
习题
第四章 高级求解技术
4.1 规则演绎系统
4.1.1 规则正向演绎系统
4.1.2 规则逆向演绎系统
4.1.3 规则双向演绎系统
4.2 系统组织技术
4.2.1 议程表
4.2.2 黑板法
4.2.3 △－极小搜索法
4.3 不确定性推理
4.3.1 关于证据的不确定性
4.3.2 关于结论的不确定性
4.3.3 多个规则支持同一事
实时的不确定性
4.4 非单调推理
4.4.1 缺省推理
4.4.2 非单调推理系统
4.5 小结
习题
第五章 专家系统
5.1 产生式系统
5.1.1 产生式系统的组成
5.1.2 产生式系统的表示
5.1.3 产生式系统示例
5.2 专家系统
5.2.1 专家系统的定义与类型
5.2.2 专家系统的一般特点
5.2.3 专家系统的结构
5.2.4 专家系统的建造步骤
与设计技巧
5.2.5 专家系统的评价
5.3 专家系统开发工具
5.3.1 骨架型开发工具
5.3.2 语言型开发工具
5.3.3 构造辅助工具
5.3.4 支撑环境
5.4 专家系统设计举例
5.4.1 专家知识的描述
5.4.2 知识的使用
5.4.3 决策的解释
5.5 专家系统实例――MYCIN剖析
5.5.1 MYCIN概述
5.5.2 咨询子系统
5.5.3 静态数据库
5.5.4 动态数据库
5.5.5 非精确推理
5.5.6 控制策略
5.6 新一代专家系统
5.6.1 新一代专家系统的特征
5.6.2 分布式专家系统
5.6.3 协同式专家系统
5.7 小结
习题
第六章 机器学习
6.1 机器学习的定义、研究意义
与发展历史
6.1.1 机器学习的定义和研
究意义
6.1.2 机器学习的发展史
6.2 机器学习的主要策略与基本结构
6.2.1 机器学习的主要策略
6.2.2 机器学习系统的基本结构
6.3 机械学习
6.3.1 机械学习的模式及
主要问题
6.3.2 机械学习应用举例
6.4 基于解释经验的学习
6.4.1 解释学习的基本原理
6.4.2 学习形式与功能
6.4.3 解释学习的匹配
6.5 基于事例的学习
6.5.1 原经验的记录与检索
6.5.2 最邻近物体的寻求
6.6 基于概念的学习
6.6.1 类型定义
6.6.2 分类程序
6.7 基于类比的学习
6.8 基于神经网络的学习
6.8.1 神经网络的组成与特性
6.8.2 基于反向传播网络的学习
6.8.3 基于Hopfield网络的学习
6.9 小结
习题
第七章 机器人规划
7.1 机器人规划的作用与任务
7.1.1 规划的作用与问题分
解途径
7.1.2 机器人规划系统的任
务与方法
7.2 积木世界的机器人规划
7.2.1 积木世界的机器人问题
7.2.2 用F规则求解规划序列
7.3 STRIPS规划系统
7.3.1 STRIPS系统的组成
7.3.2 STRIPS系统规划过程
7.3.3 含有多重解答的规划
7.4 具有学习能力的规划系统
7.4.1 PULP－I系统的结构与
操作方式
7.4.2 PULP－I的世界模型与
规划结果
7.5 分层规划
7.5.1 长度优先搜索
7.5.2 NOAH规划系统
7.6 基于专家系统的机器人规划
7.6.1 系统结构和规划机理
7.6.2 ROPES机器人规划系统
7.7 太空构件装配顺序规划系统
7.7.1 太空构件装配及其顺
序规划
7.7.2 三维结构装配顺序规
划示例
7.8 小结
习题
第八章 机器视觉
8.1 图象的理解与分析
8.1.1 视觉信息的表达方法
8.1.2 边缘距离的计算
8.1.3 表面方向的计算
8.2 积木世界的景物分析
8.2.1 积木世界景物的线条标示
方法
8.2.2 无断裂和阴影时三面顶点
的标示方法
8.2.3 有断裂和阴影时线条图的
分析
8.3 视觉的知识表示与控制策略
8.3.1 视觉信息的语义网络表示
8.3.2 位置网络表示
8.3.3 视觉系统的控制策略
8.4 物体形状的分析与识别
8.4.1 复杂形状物体的表示
8.4.2 三维物体的形状描述
8.4.3 物体形状识别方法
8.5 机器人视觉系统举例
8.5.1 EYECOMⅡ机器人视
觉系统
8.5.2 机器人三维视觉系统
8.6 小结
习题
第九章 自然语言理解
9.1 语言及其理解的一般问题
9.1.1 语言与语言理解
9.1.2 自然语言理解研究的进展
9.1.3 自然语言理解过程的层次
9.2 句法和语义的自动分析
9.2.1 句法模式匹配和转移网络
9.2.2 扩充转移网络
9.2.3 词汇功能语法（LFG）
9.2.4 语义的解析
9.3 句子的自动理解
9.3.1 简单句的理解方法
9.3.2 复合句的理解方法
9.4 语言的自动生成
9.5 文本的自动翻译――机器翻译
9.6 自然语言理解系统的主要模型
9.7 自然语言理解系统应用举例
9.7.1 自然语言自动理解系统
9.7.2 机器翻译系统ARIANE
9.7.3 自然语言问答系统
9.8 小结
习题
第十章 智能控制
10.1 智能控制的发展与定义
10.1.1 智能控制的产生与发展
10.1.2 智能控制的定义
10.2 智能控制的结构理论与特点
10.2.1 智能控制的结构理论
10.2.2 智能控制器的一般结构
10.2.3 智能控制的特点
10.3 智能控制的研究领域
10.4 智能控制系统
10.4.1 分级递阶智能控制系统
10.4.2 专家控制系统
10.4.3 模糊控制系统
10.4.4 学习控制系统
10.4.5 神经控制系统
10.5 智能控制应用示例
10.6 小结
习题
第十一章 人工智能程序设计
11.1 逻辑型编程语言
11.2 LISP语言
11.2.1 LISP的特点和数据结构
11.2.2 LISP的基本函数
11.2.3 递归与迭代
11.2.4 LISP编程举例
11.3 PROLOG语言
11.3.1 语法与数据结构
11.3.2 PROLOG程序设计原理
11.3.3 PROLOG编程举例
11.4 关系数据库
11.4.1 关系数据模型
11.4.2 关系模型的操作语言
11.5 专用开发工具
11.6 人工智能机
11.7 小结
习题
第十二章 人工智能的争论与展望
12.1 关于人工智能的争论
12.1.1 人工智能的主要学派
12.1.2 对人工智能理论的争论
12.1.3 对人工智能方法的争论
12.1.4 对人工智能技术路线的
争论
12.2 人工智能对人类的影响
12.2.1 人工智能对经济的影响
12.2.2 人工智能对社会的影响
12.2.3 人工智能对文化的影响
12.3 对人工智能的展望
12.3.1 更新的理论框架
12.3.2 更好的技术集成
12.3.3 更成熟的应用方法
12.4 结束语
参考文献
名词术语
ABOUTTHEBOOK‘
CONTENTS
· · · · · · (收起)
读后感
用户评价
说实话，这本书的阅读难度是偏高的，它并不适合那种只想了解皮毛的“速食型”读者。它需要你投入时间去消化那些严谨的数学推导和严密的逻辑论证。我花了整整一个周末，才啃完了关于生成对抗网络（GANs）及其变体的那几章，但那种攻克堡垒后的满足感是无与伦比的。作者在论述生成模型时，不仅仅关注了图像生成的效果，更深入探讨了其背后的统计学基础和优化难题，这对于希望深入研究该领域的科研人员来说，简直是一份宝藏。我特别欣赏作者在处理争议性话题时所展现出的中立和严谨，比如关于通用人工智能（AGI）是否会在短期内实现这一问题，作者引用了多方专家的观点，并给出了自己基于现有技术瓶颈的判断，这比起那些只会给出简单肯定或否定答案的书籍，要高明得多。这本书的价值在于，它不仅告诉你“是什么”，更深层次地引导你思考“为什么会是这样”，以及“未来可能如何发展”。
这本书的排版和视觉呈现，给我的阅读体验增色不少，这绝对不是那种只能供人快速翻阅参考的资料集。它的插图和图表设计，简直是教科书级别的范本。很多复杂的概念，比如卷积神经网络的特征提取过程，或者强化学习中的马尔可夫决策过程，仅仅通过文字描述往往会让人感到晦涩难懂，但这本书中的可视化表达，简直是化繁为简的神来之笔。我记得其中有一张关于“注意力机制”的流程图，用极其简洁的图形语言，完美地解释了Transformer架构的核心思想，我甚至可以直接将它截图下来，用在我的内部技术分享会上。这种对细节的极致追求，体现了编纂者对读者体验的尊重。更让我感到惊喜的是，它在介绍新技术的同时，并没有刻意贬低早期的经典算法，而是将它们视为整个技术演进链条上不可或缺的一环，这种历史观的构建，让读者能够更全面、更辩证地看待技术的发展，而不是盲目追逐热点。
这部新作，我得说，它着实让我眼前一亮，尤其是对于我这种在技术圈里摸爬滚打有些年头的老兵来说，能找到一本既有深度又不失前瞻性的著作，实在不易。这本书的叙事方式非常新颖，它没有那种教科书式的刻板说教，反而更像是一位经验老道的行家，在一次深夜的咖啡馆对谈中，向你娓娓道来整个技术领域的演进脉络和未来图景。从最基础的逻辑架构到最新的深度学习模型，作者的笔触如同手术刀般精准，剖析得入木三分，却又兼顾了初学者也能理解的流畅度。我尤其欣赏它对“应用”层面思考的深入，它不只是停留在理论的展示，而是实实在在地告诉你，这些复杂的算法是如何在实际的商业场景中落地生根，又是如何重塑我们的工作和生活的。书中对数据伦理和可解释性AI的探讨，更是切中了当前行业发展的痛点，显示出作者深厚的行业洞察力和人文关怀。整体阅读下来，我感觉自己仿佛完成了一次高强度的智力健行，收获的不仅仅是知识的积累，更是一种面对未来技术浪潮的信心和清晰的战略视野。
这本书最打动我的地方，在于它对“人机协作”未来图景的描绘，这不再是简单的工具论，而是探讨一种共生关系。作者以非常文学化的笔触，描述了AI如何从一个辅助工具，逐渐演变为人类创造力的放大器，甚至是认知边界的拓展者。在探讨到医疗诊断和个性化教育的应用案例时，书中引用了一些非常真实的、跨学科的研究成果，这些案例不仅具有很强的说服力，也极大地激发了我将这些理论应用于我所在领域的探索欲望。我感觉这本书更像是一本“行动指南”，它不仅提供了深厚的理论基础，还潜移默化地塑造了一种开放、包容、不断学习的技术价值观。它让我意识到，面对一个日新月异的领域，我们需要的不是掌握一套固定的知识，而是一种能够持续学习和适应变化的能力，而这本书，正是培养这种能力的绝佳教材。它让我对未来充满了期待，也让我对如何负责任地推动技术进步有了更深刻的理解。
坦白讲，当我翻开这本书的时候，内心是抱持着一丝怀疑的，毕竟市面上同类书籍汗牛充栋，真正能让人拍案叫绝的凤毛麟角。然而，随着阅读的深入，我很快就被它那种近乎哲学的思辨深度所吸引。它不是简单地罗列技术名词和公式，而是试图去探究“智能”本身的本质，以及人类在创造这些“非人智能”过程中的角色和责任。作者的论述逻辑层次分明，构建了一个宏大的知识体系框架，让你在学习具体技术细节的同时，能够随时抽离出来，站在更高维度审视整个领域的格局。我特别留意了其中关于“涌现性”和“强人工智能”的章节，作者的观点既不盲目乐观，也不过度悲观，而是基于对当前技术局限性的清醒认识，给出了一条审慎而又充满希望的路径图。这本书的文字风格是内敛而又极具穿透力的，它要求读者不仅要有技术背景，更需要有批判性思考的能力，否则很容易被其中精妙的论证所‘迷惑’。读完后，我感觉自己对这个领域的理解不再是碎片化的，而是拥有了一个坚固的、可以进行深度思考的基石。
看不太懂，
看不太懂，
看不太懂，
看不太懂，
看不太懂，
