这是一本阐述人工智能基本理论及其实际应用的教材,由三位**的人工智能专家精心编著而成。针对机器智能系统开发中涌现出的表达与计算问题,《人工智能--理论与实践》介绍了*新的研究成果,并讨论了系统实现中涉及到的实际问题。作者深入探讨了用于解决学习、规划和不确定性问题的传统符号推理技术,例如演绎推理、决策树等,并介绍了神经网络、概率推理等新技术。书中出现的重要算法在每章后面都附有其LISP实现的源代码,以供读者在试验时进行参考。另外,《人工智能--理论与实践》还给出了丰富的人工智能应用系统的实例。
《人工智能——理论与实践》可作为高等院校计算机、控制、机电、数学等专业人工智能课程的教材,也可供从事人工智能研究和应用的科学工作者和工程技术人员学习参考。

人工智能是由数学家和计算机先驱JohnMcCarthy于1956年在达特茅斯大学举行的一次信息科学大会上提出的,它是一门综合了计算机科学、生理学、心理学、哲学等学科的交叉学科。
人工智能主要研究用人工的方法和技术来模仿、延伸及扩展人的智能,从而实现机器智能。有人把人工智能分成两大类:一类是符号智能,另一类是计算智能。符号智能以知识为基础,通过推理进行问题求解,即所谓的传统人工智能。计算智能以数据为基础,通过训练建立联系,从而进行问题求解。
人工智能从诞生之日发展到今天,无论在理论研究上还是在应用技术上都取得了举世瞩目的成就,如博弈、自动定理证明、模式识别、自然语言理解、智能知识库系统、专家系统、自动编程、机器人等。人工智能始终处于计算机发展的*前沿。**计算机语言、计算机界面及文字处理器的存在或多或少都归功于人工智能的研究。人工智能研究得出的理论和其洞察力指引了计算技术未来的发展方向。
智能化是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志,例如智能控制、智能自动化、智能管理、智能通信、智能CAD、智能机器人、智能仪表、智能计算机、智能网络、智能优化、智能玩具、智能家电、智能汽车、智能材料、智能软件、智能仿真、智能系统工程、智能商务和智能经济等,这些都是以人工智能技术为依托的,可见人工智能用途之广。可以说,哪里有计算机应用,哪里就有人工智能;哪里需要自动化或半自动化,哪里就在应用人工智能的理论、方法和技术。人工智能将继续改变我们的生活!
本书以表达和搜索为主线,深入浅出地介绍了人工智能基础理论和计算技术,**介绍了分析和设计人工智能系统的算法和理论工具,涵盖了如演绎推理、博弈树搜索等符号智能技术,神经网络、遗传算法等计算智能技术,以及视觉理解、自然语言理解等综合应用方法。本书覆盖面很广,但又不失**突出的特色,是学生掌握人工智能基础理论同时开拓人工智能应用视野的一本**教材。
参与本书翻译工作的有顾国昌、刘海波、仲宇、付岩、顾鑫、吴静、郑宏琨、王醒策、陈红洲、宋梅萍、刘文捷、沈晶和李健利。*后由张汝波教授对全书进行了审校。由于译水平有限,书中错误和不妥之处在所难免,恳请读者批评指正。

第1章 绪论
1.1 人工智能实践
1.2 人工智能理论
1.3 智能的判定与度量
1.4 行为计算理论
1.5 自动推理
1.6 本书结构
本章 小结
背景资料
练习

第2章 符号编程
2.1 基于规则的反应系统实例
2.2 LISP简介
2.3 LISP交互方式
2.4 LISP函数
2.5 环境、符号与作用域
2.6 LISP函数的更多内容
2.7 表处理
2.8 迭代结构
2.9 程序调试
2.10 基于规则的反应系统回顾
本章 小结
背景资料
练习

第3章 表达与逻辑
3.1 命题逻辑
3.2 P语言的形式化系统
3.3 P语言中的自动定理证明
3.4 谓词演算
3.5 PC语言的形式化系统
3.6 PC语言中的自动定理证明
3.7 非单调逻辑
3.8 演绎检索系统
本章 小结
背景资料
练习
LISP实现:数据依赖

第4章 搜索
4.1 基本搜索问题
4.2 盲目搜索
4.3 启发式搜索
4.4 *优化与搜索
4.5 敌对搜索
4.6 判别树的索引
本章 小结
背景资料
练习
LISP实现:判别树

第5章 学习
5.1 归纳学习问题的分类
5.2 归纳推理理论
5.3 描述空间
5.4 决策树
5.5 网络学习方法
5.6 梯度导向搜索
5.7 感知器
5.8 径向基函数
5.9 动态环境中的学习
本章 小结
背景资料
练习
LISP实现:利用LISP实现学习算法

第6章 **表达
6.1 时序推理
6.2 情境演算
6.3 一阶区间时序逻辑
6.4 时序知识管理
6.5 知识与信念
6.6 空间推理
本章 小结
背景资料
练习
LISP实现:时序推理

第7章 规划
7.1 状态空间搜索
7.2 *小约束规划
7.3 分层抽象空间规划
7.4 自适应规划
7.5 不完全信息规划
7.6 表达能力更强的动作模型
本章 小结
背景资料
练习
LISP实现:半序规划的精化

第8章 不确定性
8.1 不确定性推理的动机
8.2 概率论
8.3 概率网
8.4 决策论
本章 小结
背景资料
练习
LISP 实现:概率网中的推理

第9章 图像理解
9.1 传感器与图像
9.2 计算机视觉
9.3 人类视觉
9.4 视觉-恢复问题
9.5 图像描述的恢复
9.6 由轮廓复原形状
9.7 由阴影复原形状
9.8 由纹理复原形状
9.9 立体法
9.10 视觉运动分析
9.11 主动视觉
9.12 应用
本章 小结
背景资料
练习
LISP 实现:多面体景物标记

第10章 自然语言处理
10.1 语言成分
10.2 上下文无关文法
10.3 上下文无关文法分析
10.4 文法特性
10.5 基于图的有效句法分析
10.6 语义解释
10.7 自然语言生成
10.8 上下文中的自然语言
10.9 量词作用域
本章 小结
背景资料
练习
LISP实现:简单分析器
参考文献
……