人工智能概論(通識課版)（簡體書）

本書簡明扼要地闡述了人工智能的基本原理，勾畫了人工智能理論和技術體系的基本框架，內容涵蓋了人工智能各個分支領域的基本知識和主要內容，並體現了人工智能的z新進展。本書內容基礎、簡明、新穎，為讀者進一步學習和研發提供了入門知識，並指引了方向。本書結構風格獨特、新穎，條理清楚，語言精練，圖文並茂，理例結合，深入淺出，易讀易懂，易教易學。本書適合於大學各專業作為人工智能通識課教材使用，亦可作為人工智能的普及讀物供廣大讀者自學或參考。

廉師友，曾為西安石油大學計算機學院副教授，碩士生導師，學科帶頭人。科研、教學多次獲獎，發表論文30餘篇，學術專著3部，其中不確切性信息處理原理一書由科學出版社出版，該書第二版的英文版由國際知名科技出版集團斯普林格出版，還編著教材7部，其中人工智能技術導論第三版為國家十一五規劃教材，這三版教材從2000起連續發行至今。

第1章人工智能的概念、內容和方法

1.1什麼是人工智能

1.1.1人工智能的概念

1.1.2圖靈測試和中文屋子

1.1.3腦智能和群智能

1.1.4符號智能和計算智能

1.1.5統計智能和交互智能

1.2為什麼要研究人工智能

1.2.1研究人工智能的意義

1.2.2人工智能的研究目標和策略

1.3人工智能的相關學科

1.4人工智能的研究內容

1.4.1搜索與求解

1.4.2知識與推理

1.4.3學習與發現

1.4.4發明與創造

1.4.5感知與響應

1.4.6理解與交流

1.4.7記憶與聯想

1.4.8競爭與協作

1.4.9系統與建造

1.4.10應用與工程

1.5人工智能的研究途徑與方法

1.5.1心理模擬，符號推演

1.5.2生理模擬，神經計算

1.5.3行為模擬，控制進化

1.5.4群體模擬，仿生計算

1.5.5博采廣鑒，自然計算

1.5.6著眼數據，統計建模

1.6人工智能的分支領域與研究方向

習題1

第2章人工智能的應用與發展概況

2.1人工智能的應用

2.1.1難題求解

2.1.2自動規劃、調度與配置

2.1.3機器博弈

2.1.4機器翻譯與機器寫作

2.1.5機器定理證明

2.1.6自動程序設計

2.1.7智能控制

2.1.8智能管理

2.1.9智能決策

2.1.10智能通信

2.1.11智能預測

2.1.12智能仿真

2.1.13智能設計與製造

2.1.14智能車輛與智能交通

2.1.15智能診斷與治療

2.1.16智能生物信息處理

2.1.17智能教育

2.1.18智能人機接口

2.1.19模式識別

2.1.20智能機器人

2.1.21數據挖掘與知識發現

2.1.22計算機輔助創新

2.1.23計算機文藝創作

2.2人工智能學科發展概況

2.2.1孕育與誕生

2.2.2符號主義先聲奪人

2.2.3連接主義不畏坎坷

2.2.4計算智能異軍突起

2.2.5統計智能默默奉獻

2.2.6智能主體一統江湖，Agent & Robot

2.2.7知識工程東山再起，機器學習領銜高歌

2.2.8現狀與趨勢

習題2

第3章圖搜索與問題求解

3.1概述

3.2狀態圖與狀態圖搜索

3.2.1狀態圖

3.2.2狀態圖搜索

3.2.3窮舉式搜索

3.2.4啟發式搜索

3.3狀態圖搜索問題求解

3.3.1問題的狀態圖表示

3.3.2狀態圖搜索問題求解程序舉例

延伸學習導引

習題3

第4章知識表示與機器推理(一)

4.1概述

4.1.1知識及其表示

4.1.2機器推理

4.2一階謂詞及其推理

4.2.1謂詞、函數、量詞

4.2.2謂詞公式

4.2.3自然語言命題的謂詞形式表示

4.2.4基於謂詞公式的形式演繹推理

4.3產生式規則及其推理

4.3.1產生式規則

4.3.2基於產生式規則的推理

4.4語義網絡

4.4.1語義網絡的概念

4.4.2語義網絡的表達能力

4.4.3基於語義網絡的推理

4.5知識圖譜

延伸學習導引

習題4

第5章知識表示與機器推理(二)

5.1不確定性和不確切性信息處理

5.2不確定性知識的表示及推理

5.2.1不確定性知識的表示

5.2.2不確定性推理

5.3不確切性知識的表示及推理*

5.3.1軟語言值及其數學模型

5.3.2不確切性知識的表示

5.3.3基於軟語言規則的推理

延伸學習導引

習題5

第6章機器學習與知識發現(一)

6.1概述

6.2基本原理與分類

6.2.1機器學習的概念

6.2.2機器學習的原理

6.2.3機器學習的分類

6.3符號學習

6.3.1記憶學習

6.3.2示例學習

6.3.3演繹學習

6.3.4類比學習

6.3.5決策樹學習*

6.4強化學習

6.4.1簡單原理

6.4.2Q學習算法*

6.4.3強化學習的發展概況

延伸學習導引

習題6

第7章機器學習與知識發現(二)

7.1統計學習

7.1.1概述

7.1.2回歸問題的線性函數模型學習，梯度下降法

7.1.3分類問題的線性判別函數模型學習

7.2神經網絡學習

7.2.1從生物神經元到人工神經元

7.2.2神經網絡及其學習

7.2.3神經網絡模型及其分類

7.2.4BP網絡及其學習舉例*

7.3深度學習

7.3.1什麼是深度學習

7.3.2深度學習的優勢

7.3.3深度學習的發展和擴展

7.4數據挖掘與知識發現

7.4.1數據挖掘的一般過程

7.4.2數據挖掘的對象

7.4.3數據挖掘的任務

7.4.4數據挖掘的方法

延伸學習導引

習題7

第8章機器感知與語言交流

8.1引言

8.2模式識別

8.2.1基本原理與方法

8.2.2距離分類法

8.2.3幾何分類法

8.2.4概率分類法

8.3自然語言處理

8.3.1自然語言處理的途徑、方法和學派

8.3.2基於規則的自然語言理解

8.3.3統計語言模型

延伸學習導引

習題8

第9章人工智能應用系統

9.1概述

9.2專家(知識)系統

9.2.1什麼是專家系統

9.2.2專家系統的結構

9.2.3專家系統與基於知識的系統及知識工程

9.2.4專家系統的建造

9.2.5專家系統的發展

9.3Agent系統

9.3.1什麼是Agent

9.3.2Agent的結構

9.3.3Agent實例――Web Agent

9.3.4多Agent系統

9.3.5Agent技術的發展與應用

9.4智能機器人

9.4.1智能機器人的基本原理

9.4.2機器人技術進展

延伸學習導引

習題9

第10章智能計算機與智能化網絡

10.1智能計算機

10.1.1智能硬件平臺和智能操作系統

10.1.2人工智能芯片

10.1.3神經網絡計算機，類腦芯片

10.1.4智能計算機發展展望

10.2智能化網絡

10.2.1智能網

10.2.2智能Web

10.2.3網絡的智能化管理與控制

10.2.4網上信息的智能化檢索

10.2.5推薦系統

延伸學習導引

習題10

第11章人工智能編程語言與開發平臺

11.1概述

11.1.1函數型語言

11.1.2邏輯型語言

11.1.3面向對象型語言

11.1.4計算型語言

11.1.5混合型語言

11.2知識工程經典語言PROLOG*

11.2.1PROLOG語句

11.2.2PROLOG程序

11.2.3PROLOG程序的運行機理

11.3機器學習流行語言Python*

11.3.1Python語言的特點和優勢

11.3.2Python程序舉例

11.4深度學習框架與平臺*

延伸學習導引

習題11

中英文名詞對照及索引

參考文獻