本书系统介绍了人工智能学科的基本原理与算法，着重介绍了基于符号的推理、深度学习以及强化学习等，并提供了Python、Lisp、Prolog语言的入门级教程，还专门介绍了专家系统构造工具CLIPS以及Agent系统开发平台SPADE。 本书共分10章，第1章为绪论，第2章介绍人工智能程序设计语言，之后5章介绍人工智能的基本原理与经典算法，第8章和第9章主要介绍机器学习与深度学习相关算法，最后一章介绍智能Agent。 本书注重人工智能的经典算法及其实用性，可作为高校计算机科学与技术、人工智能及其相关专业高年级本科生及研究生的教材，也可供对人工智能感兴趣的研究与工程人员参考。

前言 近年来，人工智能学科的蓬勃发展吸引了学术界和企业界的共同关注，市面上涌现了一批人工智能相关的著作和教材，对人工智能的研究和应用起了很大的推动作用。田盛丰和黄厚宽曾经在20世纪90年代编著了人工智能教材： 《人工智能与知识工程》。这些年深度学习、强化学习与知识图谱等领域的发展令作者感到在上述人工智能教材的基础上加入人工智能学科最新进展的工作迫在眉睫，恰逢此时，百度公司百度云智学院邀请作者为其编著一本人工智能教材。诸多因素促成了本书的出版，在此非常感谢百度云智学院对本书出版的支持。 在人工智能发展的道路上，符号主义与连接主义交相辉映，分别在不同的阶段主导着人工智能的发展。本书延续以往版本的思路，以符号主义为主，全面介绍人工智能算法与模型，同时考虑到近年来连接主义(主要指深度学习)的快速发展为人工智能学科注入了新的活力这一现状，故将神经网络与深度学习单独列为一章。 本书共分10章： 第1章为绪论； 第2章介绍人工智能程序设计语言，包括Python、Lisp以及Prolog； 第3章介绍知识表示方法，包括逻辑表示法、产生式规则表示法、本体以及知识图谱等； 第4章介绍基于搜索的问题求解方法，包括状态空间搜索、A*算法、极小极大过程、αβ剪枝过程以及蒙特卡罗树搜索等； 第5章介绍基于符号的推理，包括归结反演、规则演绎系统以及非单调推理等； 第6章介绍不确定性推理，包括可信度方法、 贝叶斯网络 以及证据理论等； 第7章介绍专家系统的概念与模型，并介绍了一种专家系统开发工具CLIPS； 第8章介绍机器学习与计算智能，包括决策树、支持向量机、k均值...