内容简介

《人工智能》从一个新颖的角度对人工智能各方面的问题进行了探讨。由浅入深地介绍了整个人工智能系统和agent的发展历程。首先，描述了仅能对周围环境中可感知特征做出反应的原始agent，以及它们所涉及的机器视觉、机器学习和机器进化等问题；然后，逐步介绍了agent可以从无法立即感知的任务环境中获取信息的技术。《人工智能》不仅是对人工智能技术的介绍，而且能为人工智能的研究提供参考和建议。《人工智能》作为人工智能的入门教材，适合所有对人工智能这门学科感兴趣的读者参考，尤其适合大专院校的计算机专业及相关专业的学生用做教材或教学参考书。

作品目录

译者序

前言

第1章 绪论 1

1.1 什么是人工智能 1

1.2 人工智能的研究方法 4

1.3 人工智能简史 5

1.4 《人工智能》规划 7

1.5 补充读物和讨论 9

第一部分 响应机器

第2章 刺激响应agent 13

2.1 感知和动作 13

2.1.1 感知 15

2.1.2 动作 15

2.1.3 布尔代数 16

2.1.4 布尔函数的类别和形式 16

2.2 动作函数的表达和执行 17

2.2.1 产生式系统 17

2.2.2 网络 18

2.2.3 包含体系结构 20

2.3 补充读物和讨论 21

第3章 神经网络 23

3.1 引言 23

3.2 训练单个TLU 23

3.2.1 TLU几何学 23

3.2.2 扩充向量 24

3.2.3 梯度下降方法 24

3.2.4 Widrow-Hoff程序 25

3.2.5 一般化Delta程序 26

3.2.6 纠错程序 27

3.3 神经网络 28

3.3.1 动机 28

3.3.2 表示符号 28

3.3.3 反向传播方法 29

3.3.4 计算最后一层的权值变化 30

3.3.5 计算中间层的权值变化 30

3.4 一般化、准确度和过度拟合 32

3.5 补充读物和讨论 34

第4章 机器进化 37

4.1 进化计算 37

4.2 遗传编程 37

4.2.1 遗传编程的程序表示 37

4.2.2 遗传编程过程 39

4.2.3 进化一个沿墙运动的机器人 40

4.3 补充读物和讨论 43

第5章 状态机 45

5.1 用特征向量来表示环境 45

5.2 Elman网络 46

5.3 图标表示 47

5.4 黑板系统 49

5.5 补充读物和讨论 50

第6章 机器人视觉 53

6.1 引言 53

6.2 操纵一辆汽车 54

6.3 机器人视觉的两个阶段 55

6.4 图象处理 56

6.4.1 平均法 56

6.4.2 边缘增强 58

6.4.3 边缘增强与平均法的结合 59

6.4.4 区域查找 61

6.4.5 运用亮度以外的其他图象的属性 62

6.5 场景分析 63

6.5.1 解释图象中的线条和曲线 63

6.5.2 基于模型的视觉 65

6.6 立体视觉和深度信息 66

6.7 补充读物和讨论 67

第二部分 状态空间搜索

第7章 能计划的agent 71

7.1 存储与计算 71

7.2 状态空间图 72

7.3 显式状态空间搜索 74

7.4 基于特征的状态空间 74

7.5 图记号 75

7.6 补充读物和讨论 76

第8章 盲目搜索 78

8.1 用公式表示状态空间 78

8.2 隐式状态空间图的组成 78

8.3 广度优先搜索 79

8.4 深度优先或回溯搜索 80

8.5 迭代加深 81

8.6 补充读物和讨论 82

第9章 启发式搜索 84

9.1 使用评估函数 84

9.2 一个通用的图搜索算法 85

9.2.1 算法A* 86

9.2.2 A*的可接纳性 88

9.2.3 一致性（或单调）条件 91

9.2.4 迭代加深的A* 92

9.2.5 递归最优搜索 93

9.3 启发式函数和搜索效率 94

9.4 补充读物和讨论 97

第10章 计划、动作和学习 99

10.1 感知/计划/动作循环 99

10.2 逼近搜索 100

10.2.1 孤岛驱动搜索 100

10.2.2 层次搜索 101

10.2.3 有限范围搜索 102

10.2.4 循环 103

10.2.5 建立反应过程 104

10.3 学习启发式函数 105

10.3.1 显式图 105

10.3.2 隐式图 106

10.4 奖赏代替目标 107

10.5 补充读物和讨论 108

第11章 其他搜索公式及其应用 111

11.1 赋值问题 111

11.2 构造性方法 112

11.3 启发式修补 114

11.4 函数优化 115

第12章 敌对搜索 118

12.1 双agent博弈 118

12.2 最小最大化过程 119

12.3 a -b 过程 122

12.4 a -b 过程的搜索效率 125

12.5 其他重要问题 125

12.6 概率博弈 126

12.7 学习评估函数 127

12.8 补充读物和讨论 128

第三部分 知识的表示和推理

第13章 命题演算 131

13.1 对特征值加以约束 131

13.2 语言 132

13.3 推理规则 133

13.4 验证定义 133

13.5 语义 134

13.5.1 解释 134

13.5.2 命题真值表 134

13.5.3 可满足性与模型 135

13.5.4 永真性 136

13.5.5 等价 136

13.5.6 涵蕴 136

13.6 合理性和完备性 137

13.7 命题可满足性问题 137

13.8 另一些重要的问题 138

13.8.1 语言差异 138

13.8.2 元定理 138

13.8.3 结合律 139

13.8.4 分配律 139

第14章 命题演算中的归结 140

14.1 一种新的推理规则：归结 140

14.1.1 作为合式公式的子句 140

14.1.2 子句上的归结 140

14.1.3 归结的合理性 141

14.2 转换任意的合式公式为子句的合取式 141

14.3 归结反驳 142

14.4 归结反驳搜索策略 142

14.4.1 排序策略 143

14.4.2 精确策略 143

14.5 Horn 子句 144

第15章 谓词演算 146

15.1 动机 146

15.2 谓词演算语言和它的句法 146

15.3 语义 147

15.3.1 世界 147

15.3.2 解释 147

15.3.3 模型及其相关的概念 148

15.3.4 知识 149

15.4 量化 150

15.5 量词语义学 150

15.5.1 全称量词 150

15.5.2 存在量词 151

15.5.3 有用的等价式 151

15.5.4 推理规则 151

15.6 谓词演算作为一种表示知识的语言 151

15.6.1 概念化 151

15.6.2 举例 152

15.7 补充读物和讨论 153

第16章 谓词演算中的归结 155

16.1 合一 155

16.2 谓词演算归结 157

16.3 完备性和合理性 158

16.4 把任意的合式公式转化为子句形式 158

16.5 用归结证明定理 160

16.6 回答提取 161

16.7 等式谓词 161

16.8 补充读物和讨论 163

第17章 基于知识的系统 166

17.1 面对现实世界 166

17.2 用Horn子句进行推理 166

17.3 动态知识库的维持 170

17.4 基于规则的专家系统 173

17.5 规则学习 176

17.5.1 学习命题演算规则 177

17.5.2 学习一阶逻辑规则 180

17.5.3 基于解释的一般化 183

17.6 补充读物和讨论 184

第18章 表示常识知识 187

18.1 常识世界 187

18.1.1 什么是常识知识 187

18.1.2 表示常识知识的困难 188

18.1.3 常识知识的重要性 189

18.1.4 研究领域 189

18.2 时间 190

18.3 用网络表示知识 191

18.3.1 分类的知识 191

18.3.2 语义网络 192

18.3.3 语义网络的非单调推理 193

18.3.4 框架 194

18.4 补充读物和讨论 194

第19章 用不确定信息进行推理 197

19.1 概率论简介 197

19.1.1 基本思想 197

19.1.2 条件概率 199

19.2 概率推理 201

19.2.1 一个一般的方法 201

19.2.2 条件独立 202

19.3 贝叶斯网 203

19.4 贝叶斯网的推理模式 204

19.5 不确定证据 205

19.6 D 分离 205

19.7 在polytree中的概率推理 206

19.7.1 证据在上方 207

19.7.2 证据在下方 208

19.7.3 证据在上下两方 209

19.7.4 一个数值例子 210

19.8 补充读物和讨论 211

第20章 用贝叶斯网学习和动作 214

20.1 学习贝叶斯网 214

20.1.1 已知网络结构 214

20.1.2 学习网络结构 216

20.2 概率推理与动作 219

20.2.1 一般设置 219

20.2.2 一个扩展的例子 220

20.2.3 一般化举例 222

20.3 补充读物和讨论 223

第四部分 基于逻辑的规划方法

第21章 状态演算 227

21.1 状态和动作推理 227

21.2 存在的一些困难 229

21.2.1 框架公理 229

21.2.2 条件 230

21.2.3 分枝 230

21.3 生成计划 231

21.4 补充读物和讨论 231

第22章 规划 234

22.1 STRIPS规划系统 234

22.1.1 描述状态和目标 234

22.1.2 向前搜索方法 235

22.1.3 递归STRIPS 236

22.1.4 带有运行时条件的计划 238

22.1.5 Sussman异常 238

22.1.6 向后搜索方法 239

22.2 计划空间和部分有序规划 242

22.3 层次规划 246

22.3.1 ABSTRIPS 246

22.3.2 层次规划和部分有序规划的组合 248

22.4 学习计划 248

22.5 补充读物和讨论 250

第五部分 通信与集成

第23章 多agent 255

23.1 交互agent 255

23.2 其他agent模型 255

23.2.1 模型种类 255

23.2.2 模拟策略 256

23.2.3 模拟数据库 257

23.2.4 有意思维方式 257

23.3 知识模式逻辑 258

23.3.1 模式算子 258

23.3.2 知识公理 259

23.3.3 关于其他agent知识的推理 260

23.3.4 预测其他agent的动作 261

23.4 补充读物和讨论 261

第24章 agent之间的通信 263

24.1 交谈 263

24.1.1 计划交谈 264

24.1.2 实现交谈 264

24.2 理解语言字符串 265

24.2.1 短语结构语法 265

24.2.2 语义分析 267

24.2.3 扩展语法 271

24.3 有效通信 272

24.3.1 上下文的使用 272

24.3.2 使用知识解决歧义性 273

24.4 自然语言处理 274

24.5 补充读物和讨论 275

第25章 agent体系结构 277

25.1 三级体系结构 277

25.2 目标仲裁 278

25.3 三层塔式结构 279

25.4 自举 280

25.5 补充读物和讨论 280

参考文献 282