内容简介
作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。
本书包括引言、基础知识、基于知识的系统、人工智能高级专题、人工智能的现在和未来以及安全与编程六部分内容。
第一部分从人工智能的定义讲起，对人工智能的早期历史、思维和智能的内涵、图灵测试、启发式方法、新千年人工智能的发展进行了简要论述。
第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。
第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN 等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，也介绍了机器学习、深度学习以及受到自然启发的搜索算法等。
第四部分介绍了自然语言处理和自动规划等高级专题。
第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。第六部分主要介绍人工智能的安全以及编程问题。
作者简介
★史蒂芬.卢奇（Stephen Lucci）拥有纽约市立大学研究生院的博士学位，在纽约城市学院教授计算机科学，在高性能计算和人工智能领域发表过多篇文章。
★萨尔汗.M. 穆萨（Sarhan M. Musa）博士，在普雷里维尤农工大学（Prairie View A&M） 任 教， 著 有 Computational Nanophotonics（CRC Press） 和 Finite Element Analysis （MLI）等多部图书。
★丹尼.科佩克（Danny Kopec）（已故），本书第 2 版的合著者，曾任教于布鲁克林学院，著有多部图书，是一位国际象棋大师。
目录
第一部分引言第1章人工智能概述2
1.0引言2
1.0.1人工智能的定义3
1.0.2思维与智能3
1.1图灵测试5
1.1.1图灵测试的定义5
1.1.2图灵测试的争议和批评7
1.2强人工智能与弱人工智能9
1.3启发式方法10
1.3.1长方体的对角线：解决一个相对简单但相关的问题10
1.3.2水壶问题：反向倒推11
1.4识别适用人工智能来求解的问题12
1.5应用和方法14
1.5.1搜索算法和拼图问题15
1.5.2二人博弈16
1.5.3自动推理17
1.5.4产生式规则和专家系统17
1.5.5细胞自动机18
1.5.6神经计算19
1.5.7遗传算法20
1.5.8知识表示21
1.5.9不确定性推理22
1.6人工智能的早期历史23
1.7人工智能的近期历史到现在26
1.7.1计算机博弈26
1.7.2专家系统27
1.7.3神经计算28
1.7.4进化计算28
1.7.5自然语言处理29
1.7.6生物信息学31
1.8新千年人工智能的发展31
1.9本章小结32
第二部分基础知识
第2章盲目搜索42
2.0简介：智能系统中的搜索42
2.1状态空间图43
2.1.1假币问题43
2.2生成-测试范式45
2.2.1回溯法46
2.2.2贪心算法50
2.2.3旅行商问题52
2.3盲目搜索算法54
2.3.1深度优先搜索54
2.3.2广度优先搜索56
2.4盲目搜索算法的实现和比较58
2.4.1深度优先搜索的实现58
2.4.2广度优先搜索的实现60
2.4.3问题求解性能的衡量指标61
2.4.4DFS和BFS的比较61
2.5本章小结64
第3章知情搜索70
3.0引言70
3.1启发式方法72
3.2知情搜索（第一部分）——找到任一解76
3.2.1爬山法76
3.2.2最陡爬山法77
3.3最佳优先搜索80
3.4集束搜索83
3.5搜索算法的其他指标84
3.6知情搜索（第二部分）——找到最优解85
3.6.1分支定界法85
3.6.2使用低估计启发值的分支定界法90
3.6.3采用动态规划的分支定界法93
3.6.4A*搜索94
3.7知情搜索（第三部分）—高级搜索算法95
3.7.1约束满足搜索95
3.7.2与或树96
3.7.3双向搜索97
3.8本章小结99
第4章博弈中的搜索104
4.0引言104
4.1博弈树和极小化极大评估105
4.1.1启发式评估106
4.1.2博弈树的极小化极大评估107
4.2带α-β剪枝的极小化极大算法110
4.3极小化极大算法的变体和改进114
4.3.1负极大值算法115
4.3.2渐进深化法116
4.3.3启发式方法的后续和地平线效应117
4.4机会博弈和期望极小化极大算法117
4.5博弈论119
4.6本章小结121
第5章人工智能中的逻辑126
5.0引言126
5.1逻辑和表示127
5.2命题逻辑128
5.2.1基础知识129
5.2.2命题逻辑中的论证133
5.2.3证明命题逻辑论证有效的第二种方法134
5.3谓词逻辑简介135
5.3.1谓词逻辑中的合一136
5.3.2谓词逻辑中的归结138
5.3.3将谓词表达式转换为子句形式140
5.4其他一些逻辑143
5.4.1二阶逻辑143
5.4.2非单调逻辑144
5.4.3模糊逻辑144
5.4.4模态逻辑144
5.5本章小结145
第6章知识表示151
6.0引言151
6.1图形草图和人类视窗154
6.2图和哥尼斯堡桥问题157
6.3搜索树158
6.3.1决策树158
6.4表示方法的选择159
6.5产生式系统162
6.6面向对象162
6.7框架164
6.8脚本和概念依赖系统166
6.9语义网络169
6.10关联171
6.11最近的方法172
6.11.1概念地图172
6.11.2概念图174
6.11.3Baecker的工作174
6.12智能体：智能或其他175
6.12.1智能体的一些历史177
6.12.2当代智能体179
6.12.3语义网180
6.12.4IBM眼中的未来世界180
6.12.5本书作者的观点181
6.13本章小结181
第7章产生式系统188
7.0引言188
7.1背景188
7.2基本示例190
7.3CarBuyer系统192
7.4产生式系统和推理方法197
7.4.1冲突消解199
7.4.2前向链接201
7.4.3后向链接202
7.5产生式系统和细胞自动机206
7.6随机过程与马尔可夫链208
7.7本章小结209
第三部分基于知识的系统
第8章人工智能中的不确定性214
8.0引言214
8.1模糊集214
8.2模糊逻辑216
8.3模糊推理217
8.4概率论和不确定性220
8.5本章小结224
第9章专家系统227
9.0引言227
9.1背景227
9.1.1人类专家和机器专家228
9.2专家系统的特点233
9.3知识工程234
9.4知识获取236
9.5经典的专家系统238
9.5.1DENDRAL238
9.5.2MYCIN239
9.5.3EMYCIN241
9.5.4PROSPECTOR241
9.5.5模糊知识和贝叶斯规则243
9.6提高效率的方法245
9.6.1守护规则245
9.6.2Rete算法246
9.7基于案例的推理247
9.8更多最新的专家系统251
9.8.1就业匹配改善系统251
9.8.2振动故障诊断专家系统252
9.8.3自动牙齿识别252
9.8.4更多采用案例推理的专家系统253
9.9本章小结253
第10章机器学习第一部分：神经网络259
10.0引言259
10.1机器学习概述260
10.2机器学习系统中反馈的作用262
10.3归纳学习263
10.4利用决策树进行学习264
10.5决策树适用的问题265
10.6熵266
10.7使用ID3构建决策树267
10.8其他问题269
10.9人工神经网络的基本原理270
10.10麦卡洛克-皮茨网络271
10.11感知器学习规则272
10.12增量规则280
10.13反向传播284
10.14实现中的问题289
10.14.1模式分析292
10.14.2训练方法293
10.15离散霍普菲尔德网络294
10.16应用领域298
10.17本章小结305
第11章机器学习第二部分：深度学习314
11.0引言314
11.1深度学习应用简介315
11.2深度学习网络中的层315
11.3深度学习类型316
11.3.1多层神经网络316
11.3.2卷积神经网络317
11.3.3循环神经网络321
11.3.4长短期记忆网络322
11.3.5递归神经网络322
11.3.6堆叠自编码器322
11.3.7极限学习机323
11.4本章小结325
第12章受大自然启发的搜索333
12.0引言333
12.1模拟退火334
12.2遗传算法337
12.3遗传规划344
12.4禁忌搜索348
12.5蚁群优化算法350
12.6本章小结353
第四部分高级专题
第13章自然语言理解362
13.0引言362
13.1概述：语言的问题和可能性362
13.2自然语言处理的历史364
13.2.1奠基时期（20世纪40年代和50年代）364
13.2.2符号方法与随机方法（1957—1970）365
13.2.34种范式（1970—1983）365
13.2.4经验主义和有限状态模型（1983—1993）366
13.2.5大融合时期（1994—1999）367
13.2.6机器学习的兴起（2000—2008）367
13.3语法和形式语法367
13.3.1语法类型368
13.3.2句法解析：CYK算法371
13.4语义分析和扩展语法373
13.4.1转换语法373
13.4.2系统语法373
13.4.3格语法374
13.4.4语义语法375
13.4.5尚克的系统376
13.5NLP中的统计方法379
13.5.1统计解析379
13.5.2机器翻译（回顾）和IBM的Candide系统380
13.5.3词义消歧380
13.6用于统计NLP的概率模型381
13.6.1隐马尔可夫模型381
13.6.2维特比算法383
13.7用于统计NLP的语言数据集384
13.7.1宾州树库项目384
13.7.2WordNet385
13.7.3NLP中的隐喻模型385
13.8应用：信息提取和问答系统387
13.8.1问答系统387
13.8.2信息提取391
13.9当前和未来的研究（基于查尼阿克的观点）392
13.10语音理解392
13.10.1语音理解技术392
13.11语音理解的应用395
13.11.1Dragon自然语音系统和Windows语音识别系统396
13.12本章小结399
第14章自动规划406
14.0引言406
14.1规划问题407
14.1.1规划中的术语407
14.1.2规划的应用示例408
14.2规划简史和著名的框架问题412
14.2.1框架问题413
14.3规划方法414
14.3.1规划即搜索414
14.3.2偏序规划418
14.3.3层次规划419
14.3.4基于案例的规划420
14.3.5规划方法集锦421
14.4早期的规划系统422
14.4.1STRIPS422
14.4.2NOAH422
14.4.3NONLIN423
14.5更多的现代规划系统424
14.5.1O-PLAN424
14.5.2Graphplan426
14.5.3规划系统集锦427
14.5.4面向学习系统的规划方法427
14.5.5SciBox自动规划器428
14.6本章小结430
第五部分现在和未来
第15章机器人技术438
15.0引言438
15.1历史：服务人类、模仿人类、增强人类和替代人类440
15.2技术问题447
15.3应用：21世纪的机器人453
15.4本章小结460
第16章高级计算机博弈462
16.0引言462
16.1跳棋：从塞缪尔到谢弗462
16.2国际象棋：人工智能的“果蝇”472
16.3计算机国际象棋程序对人工智能的贡献484
16.4其他博弈游戏491
16.5围棋：人工智能的“新果蝇”497
16.6本章小结499
第17章AI大事记507
17.0引言507
17.1本书第1部分回顾507
17.2普罗米修斯归来509
17.3本书第2部分回顾：目前AI领域的成就510
17.4IBM沃森-危险边缘挑战赛513
17.521世纪的人工智能517
17.6本章小结518
第六部分安全和编程
第18章网络安全中的人工智能（选读）522
18.0引言522
18.1IPsec523
18.2SA.523
18.3安全策略524
18.4安全电子交易525
18.4.1SET的业务需求526
18.5入侵者526
18.6入侵检测527
18.7恶意程序529
18.8反病毒扫描529
18.9蠕虫程序530
18.10防火墙530
18.11可信系统531
18.12本章小结534
第19章人工智能编程工具（选读）538
19.1Prolog538
19.2Python551
19.3MATLAB559
······
最后修改：2026 年 01 月 05 日
© 允许规范转载