人工智能（Artificial Intelligence, AI）是一个大领域，而本书也是一本“大”书。
作者试图全方位探索这个领域，它涵盖逻辑、概率和连续数学，感知、推理、学习和行动以及从微电子设备到机器人行星探测器的所有内容。

—文末附本书PDF下载地址—

本书简介

以理解和仿照人类智能、智能行为及其规律为目的的“人工智能”，从纵向来看，既有建立智能信息处理理论的任务，又有设计可以展现某些近似于人类智能行为的打算系统的义务；从横向来看，它包含知识工程、机器学习、模式识别、自然措辞处理、智能机器人和神经打算等诸多内容。
至今，基本的研究路子：一是通过为神经活动建立数学模型基于神经心理学来理解和仿照智能，二是不管智能行为的产生缘故原由只追求在效果上实现人类的个体智能行为与群体智能行为。
人工智能的目的、任务和义务决定了其研究必有跨学科的特点，必须以生理学、生理学、行为主义、社会学和哲学等学科的造诣为根本，通过抽象建立形式体系，即确定知识表示方法和处理方法，终极基于恰当的数据构造和算法加以实现。

统一的主题思想是智能Agent。
作者将人工智能定义为对从环境中感知信息并实行行动的Agent的研究。
每个这样的Agent实现一个把感知序列映射到行动的函数，作者谈论了表达这些函数的不同方法，如反应式Agent、实时方案器和决策理论系统等。
作者把学习的角色阐明为把设计者的视角扩展到未知环境中，并且指出了这个角色如何约束Agent设计，有利于显式的知识表示和推理。
作者没有把机器人学和视觉当作独立问题对待，而是涌现于实现目标的做事中。
作者强调在确定得当的Agent设计时任务环境的主要性。

本书全面而系统地先容了人工智能的理论和实践，阐述了人工智能领域的核心内容，并深入先容了各个紧张的研究方向。
全书共有27章，分为七大部分：第Ⅰ部分“人工智能”，第Ⅱ部分“问题求解”，第Ⅲ部分“知识、推理与方案”，第Ⅳ部分“不愿定知识与推理”，第Ⅴ部分“学习”，第Ⅵ部分“通信、感知与行动”，第Ⅶ部分“结论”。
本书既详细介啊好了人工智能的基本观点、思想和算法，还描述了其各个研究方向最前沿的进展，同时网络整理了详确的历史文献与事宜。

本书目录

第Ⅰ部分 人工智能

1 绪论

1.1 什么是人工智能

1.1.1 像人一样行动：图灵测试的路子

1.1.2 像人一样思考：认知建模的路子

1.1.3 合理地思考：“思维法则”的路子

1.1.4 合理地行动：合理Agent的路子

1.2 人工智能的根本

1.2.1 哲学

1.2.2 数学

1.2.3 经济学

1.2.4 神经科学

1.2.5 生理学

1.2.6 打算机工程

1.2.7 掌握论

1.2.8 措辞学

1.3 人工智能的历史

1.4 最新发展水平

1.5 本章小结

参考文献与历史注释

习题

2 智能Agent

2.1 Agent和环境

2.2 好的行为：理性的观点

2.3 环境的性子

2.4 Agent的构造

2.5 本章小结

参考文献与历史注释

习题

第Ⅱ部分 问题求解

3 通过搜索进行问题求解

3.1 问题求解Agent

3.2 问题实例

3.3 通过搜索求解

3.4 无信息搜索策略

3.5 有信息（启示式）的搜索策略

3.6 启示式函数

3.7 本章小结

参考文献与历史注释

习题

4 超越经典搜索

4.1 局部搜索算法和最优化问题

4.2 连续空间中的局部搜索

4.3 利用不愿定动作的搜索

4.4 利用部分可不雅观察信息的搜索

4.5 联机搜索Agent和未知环境

4.6 本章小结

参考文献与历史注释

习题

5 对抗搜索

5.1 博弈

5.2 博弈中的优化决策

5.3 α-β剪枝

5.4 不完美的实时决策

5.5 随机博弈

5.6 部分可不雅观察的博弈

5.7 博弈程序发展现状

5.8 其他路子

5.9 本章小结

参考文献与历史注释

习题

6 约束知足问题

6.1 定义约束知足问题

6.2 约束传播：CSP中的推理

6.3 CSP的回溯搜索

6.4 CSP局部搜索

6.5 问题的构造

6.6 本章小结

参考文献与历史注释

习题

第Ⅲ部分 知识、推理与方案

7 逻辑Agent

7.1 基于知识的Agent

7.2 Wumpus天下

7.3 逻辑

7.4 命题逻辑：一种大略逻辑

7.5 命题逻辑定理证明

7.6 有效的命题逻辑模型考验

7.7 基于命题逻辑的Agent

7.8 本章小结

参考文献与历史注释

习题

8 一阶逻辑

8.1 重温表示

8.2 一阶逻辑的语法和语义

8.3 利用一阶逻辑

8.4 一阶逻辑的知识工程

参考文献与历史注释

习题

9 一阶逻辑的推理

9.1 命题推理与一阶推理

9.2 合一和提升

9.3 前向链接

9.4 反向链接

9.5 归结

9.6 本章小结

参考文献与历史注释

习题

10 经典方案

10.1 经典方案的定义

10.2 状态空间搜索方案算法

10.3 方案图

10.4 其他经典方案方法

10.5 规范方法剖析

10.6 本章小结

参考文献与历史注释

习题

11 现实天下的方案与行动

11.1 韶光、调度和资源

11.2 分层方案

11.3 非确定性领域中的方案与行动

11.4 多Agent方案

11.5 本章小结

参考文献与历史注释

习题

12 知识表示

12.1 本体论工程

12.2 种别和工具

12.3 事宜

12.4 精神事宜和精神工具

12.5 类别的推理系统

12.6 缺省信息推理

12.7 互联网购物天下

12.8 本章小结

参考文献与历史注释

习题

第Ⅳ部分 不愿定知识与推理

13 不愿定性的量化

13.1 不愿定环境下的行动

13.2 基本概率符号

13.3 利用完备联合分布进行推理

13.4 独立性

13.5 贝叶斯规则及其运用

13.6 重游wumpus天下

13.7 本章小结

参考文献与历史注释

习题

14 概率推理

14.1 不愿定问题域中的知识表示

14.2 贝叶斯网络的语义

14.3 条件分布的有效表示

14.4 贝叶斯网络中的精确推理

14.5 贝叶斯网络中的近似推理

14.6 关系和一阶概率模型

14.7 不愿定推理的其他方法

14.8 本章小结

参考文献与历史注释

习题

15 韶光上的概率推理

15.1 韶光与不愿定性

15.2 时序模型中的推理

15.3 隐马尔可夫模型

15.4 卡尔曼滤波器

15.5 动态贝叶斯网络

15.6 跟踪多个工具

15.7 本章小结

参考文献与历史注释

习题

16 制订大略决策

16.1 在不愿定环境下结合信念与欲望

16.2 效用理论根本

16.3 效用函数

16.4 多属性效用函数

16.5 决策网络

16.6 信息代价

16.7 决策理论专家系统

16.8 本章小结

参考文献与历史注释

习题

17 制订繁芜决策

17.1 序列式决策问题

17.2 代价迭代

17.3 策略迭代

17.4 部分可不雅观察的MDP

17.5 多Agent的决策：博弈论

17.6 机制设计

17.7 本章小结

参考文献与历史注释

习题

第Ⅴ部分 学习

18 样例学习

18.1 学习形式

18.2 监督学习

18.3 学习决策树

18.4 评估和选择最佳假说

18.5 学习理论

18.6 带线性模型的回归和分类

18.7 人工神经网络

18.8 非参数化模型

18.9 支持向量机

18.10 组合学习

18.11 机器学习实例

18.12 本章小结

参考文献与历史注释

习题

19 学习中的知识

19.1 学习的逻辑公式化

19.2 学习中的知识

19.3 基于阐明的学习

19.4 利用干系性信息学习

19.5 归纳逻辑程序设计

19.6 本章小结

参考文献与历史注释

习题

20 学习概率模型

20.1 统计学习

20.2 带完全数据的学习

20.3 隐变量学习：EM算法

20.4 本章小结

参考文献与历史注释

习题

21 强化学习

21.1 弁言

21.2 被动强化学习

21.3 主动强化学习

21.4 强化学习中的泛化

21.5 策略搜索

21.6 强化学习的运用

21.7 本章小结

参考文献与历史注释

习题

第Ⅵ部分 通讯、感知与行动

22 自然措辞处理

22.1 措辞模型

22.2 文本分类

22.3 信息检索

22.4 信息抽取

22.5 本章小结

参考文献与历史注释

习题

23 用于通讯的自然措辞

23.1 短语构造语法

23.2 句法剖析

23.3 扩展文法和语义阐明

23.4 机器翻译

23.5 语音识别

23.6 本章小结

参考文献与历史注释

习题

24 感知

24.1 图像天生

24.2 图像预处理

24.3 基于外不雅观的物体识别

24.4 重修三维天下

24.5 基于构造的物体识别

24.6 视觉运用

24.7 本章小结

参考文献与历史注释

习题

25 机器人学

25.1 弁言

25.2 机器人硬件

25.3 机器人的感知

25.4 运动方案

25.5 方案不愿定的运动

25.6 运动

25.7 机器人软件体系构造

25.8 运用领域

25.9 本章小结

参考文献与历史注释

习题

第Ⅶ部分 结论

26 哲学根本

26.1 弱人工智能：机器能够智能地行动吗

26.2 强人工智能：机器真能思考吗

26.3 发展人工智能的道德规范与风险

26.4 本章小结

参考文献与历史注释

习题

27 人工智能：现状与未来

27.1 Agent的组成部分

27.2 Agent的体系构造

27.3 我们在沿着精确的方向提高吗

27.4 如果人工智能能成功了会若何

附录A 数学背景

A.1 繁芜度剖析与O()符号

A.2 向量、矩阵和线性代数

A.3 概率分布

参考文献与历史注释

附录B 关于措辞和算法的注释

B.1 用巴科斯范式（BNF）定义措辞

B.1 算法的伪代码描述

B.3 联机帮助

参考文献

后台私信回答关键字“aim_0212”，即可得到本文书本PDF版本。

注：本资料来源互联网，版权归该资源的合法拥有者所有。

—完—

关注微信"大众年夜众平台“聪慧坊”（微旗子暗记：intelliworkshop），获取更多原创文章及优质内容。