本書包含當(dāng)前人工智能(AI)研究的主要內(nèi)容，尤其強(qiáng)調(diào)實(shí)際應(yīng)用，涉及數(shù)據(jù)挖掘等許多應(yīng)用領(lǐng)域。全書共13章，分別講述了AI的歷史、不用知識的搜索、用知識的搜索、AI與博弈、知識表示、機(jī)器學(xué)習(xí)、演化計算、神經(jīng)網(wǎng)絡(luò)I、機(jī)器人學(xué)與AI、智能Agent、來自生物的模型與混合模型以及AⅡ語言。本書給出了算法的較詳細(xì)實(shí)現(xiàn)，與現(xiàn)有的以理論基礎(chǔ)為核心的大多數(shù)經(jīng)典人工智能著作相比，本書有自身的鮮明特色，且內(nèi)容與國內(nèi)人工智能課程的教學(xué)內(nèi)容吻合，尤其有利于培養(yǎng)學(xué)生解決人工智能實(shí)際問題的能力。
本書適合高等學(xué)校計算機(jī)、自動化等信息學(xué)科的本科生和研究生閱讀，也適合廣大人工智能愛好者自學(xué)使用，本書也能為人工智能研究人員了解各種算法的設(shè)計思路和具體實(shí)現(xiàn)框架提供參考。
本書為廣大學(xué)生和人工智能開發(fā)人員提供了學(xué)習(xí)人工智能相關(guān)概念的一種新思路。
書中包含人工智能在多個領(lǐng)域的許多應(yīng)用，這些領(lǐng)域包括游戲程序設(shè)計、群體智能、智能Agent、神經(jīng)網(wǎng)絡(luò)、人工免疫系統(tǒng)、遺傳算法、模式識別、數(shù)值優(yōu)化以及數(shù)據(jù)挖掘等。本書還討論了從早期的LISP語言到近期的Python語言等多種人工智能語言。書中不僅包括了人工智能的理論和主要課題，還介紹了從數(shù)據(jù)輸入到轉(zhuǎn)換再到數(shù)據(jù)輸出(即算法的使用)的實(shí)際需要的信息。因?yàn)閭鹘y(tǒng)的人工智能概念目前僅僅表示算法的各種類型，因此需要用一種不同的方法來介紹人工智能算法。這種"傳感器－算法－效應(yīng)器"的方法為這些算法提供了一個基礎(chǔ)環(huán)境，能夠幫助學(xué)生和人工智能從業(yè)者更好地理解它們，從而更好地應(yīng)用這些算法。
Chapter 1 The History of AI
What is Intelligence?
The Search for Mechanical Intelligence
The Very Early Days (the early 1950s)
Artificial Intelligence Emerges as a Field
AI's Winter
AI Re-emerges
AI Inter-Disciplinary R&D
Systems Approach
Overview of this Book
Chapter Summary
References
Resources
Exercises
Chapter 2 Uninformed Search
Search and AI
Classes of Search
General State Space Search
Trees, Graphs, and Representation
Uninformed Search
Improvements
Algorithm Advantages
Chapter Summary
Algorithms Summary
References
Exercises
Chapter 3 Informed Search
Informed Search
Best-First Search (Best-FS)
A Search
Hill-Climbing Search
Simulated Annealing (SA)
Tabu Search
Constraint Satisfaction Problems (CSP)
Constraint Satisfaction Algorithms
Chapter Summary
Algorithms Summary
References
Resources
Exercises
Chapter 4 AI and Games
Two-Player Games
The Minimax Algorithm
Classical Game AI
Video Game AI
Chapter Summary
References
Resources
Exercises
Chapter 5 Knowledge Representation
Introduction
Types of Knowledge
The Role of Knowledge
Semantic Networks
Frames
Propositional Logic
First-Order Logic (Predicate Logic)
Semantic Web
Computational Knowledge Discovery
Ontology
Communication of Knowledge
Chapter Summary
References
Resources
Exercises
Chapter 6 Machine Learning
Machine-Learning Algorithms
Chapter Summary
Resources
Exercises
Chapter 7 Evolutionary Computation
Short History of Evolutionary Computation
Biological Motivation
……
Chapter 8 Neural Networks I
Chapter 9 Neural Networks II
Chapter 10 Robotics and AI
Chapter 11 Intelligent Agents
Chapter 12 Biologically Inspired and Hybrid Models
Chapter 13 The Languages of AI
