目录

第1章绪论1

1.1人工智能的定义与概况1

1.2人类智能与人工智能5

1.2.1智能信息处理系统的假设6

1.2.2人类智能的计算机模拟7

1.2.3弱人工智能与通用人工智能9

1.3人工智能各学派的认知观10

1.4人工智能的研究与应用领域12

1.4.1智能感知12

1.4.2智能推理15

1.4.3智能决策18

1.4.4智能行动21

1.5人工智能发展展望26

1.5.1新一轮人工智能的发展特征26

1.5.2未来30年的人工智能问题27

1.5.3新一代人工智能发展规划31

习题32

第2章知识表示和推理34

2.1概述34

2.1.1知识和知识表示34

2.1.2知识策略智能35

2.1.3人工智能对知识表示方法的要求36

2.1.4知识的分类37

2.1.5知识表示语言问题37

2.1.6现代逻辑学的基本研究方法38

2.2命题逻辑40

2.2.1语法40

2.2.2语义41

2.2.3命题演算形式系统42人工智能（第4版）目录2.3谓词逻辑44

2.3.1语法44

2.3.2语义45

2.3.3谓词逻辑形式系统48

2.3.4一阶谓词逻辑的应用50

2.4归结推理50

2.4.1命题演算中的归结推理50

2.4.2谓词演算中的归结推理53

2.4.3谓词演算归结反演的合理性和完备性58

2.4.4案例： 一个基于逻辑的财务顾问61

2.5因果推理61

2.5.1概述62

2.5.2因果推断的三个渐进层级63

2.5.3推断引擎的结构64

2.5.4因果增强的应用前景64

2.6产生式系统65

2.6.1产生式系统的表示65

2.6.2案例：  九宫图游戏66

2.6.3案例：  传教士和野人问题67

2.6.4产生式系统的控制策略68

2.7语义网络69

2.7.1基本命题的语义网络表示70

2.7.2连接词在语义网络中的表示71

2.7.3语义网络的推理73

2.7.4语义网络表示的特点75

2.8框架75

2.8.1框架的构成75

2.8.2框架系统的推理76

2.8.3框架表示的特点77

2.9知识图谱77

2.9.1知识图谱的定义与发展77

2.9.2知识图谱体系架构79

2.9.3知识图谱方法与技术79

2.10知识图谱应用81

2.10.1应用技术概述81

2.10.2百度知识图谱81

2.10.3在互联网金融中的应用82

2.11本体、语义Web与常识83

小结85

习题85

第3章搜索技术94

3.1概述94

3.2盲目搜索算法97

3.2.1概述97

3.2.2盲目搜索方法97

3.2.3盲目搜索的局限性99

3.3启发式搜索算法99

3.3.1启发性信息和评估函数100

3.3.2最好优先搜索100

3.3.3A算法和A算法102

3.3.4迭代加深A算法104

3.4ANDOR图启发式搜索105

3.4.1问题归纳的定义105

3.4.2问题的ANDOR图表示105

3.4.3AO算法107

3.5博弈搜索109

3.5.1极大极小过程111

3.5.2αβ过程112

3.5.3效用值估计方法114

3.6案例分析115

3.6.1八皇后问题115

3.6.2洞穴探宝115

3.6.3五子棋116

小结119

习题119

第4章高级搜索123

4.1爬山法搜索123

4.2模拟退火搜索125

4.2.1算法灵感来源126

4.2.2模拟退火算法127

4.2.3关键参数和操作设计128

4.3遗传算法130

4.3.1模拟自然选择131

4.3.2遗传算法基本操作132

4.4案例分析136

4.4.1爬山算法求解旅行商问题136

4.4.2模拟退火算法求解旅行商问题136

4.4.3遗传算法求解旅行商问题136

小结136

习题137

第5章不确定知识表示和推理140

5.1概述140

5.1.1什么是不确定性推理141

5.1.2不确定性推理要解决的基本问题141

5.1.3不确定性推理方法分类143

5.2非单调逻辑144

5.2.1非单调逻辑的产生144

5.2.2非单调规则145

5.2.3案例： 有经纪人的交易146

5.3主观Bayes方法147

5.3.1全概率公式和Bayes公式147

5.3.2主观Bayes方法148

5.4确定性理论153

5.4.1建造医学专家系统时的问题154

5.4.2CF模型155

5.4.3案例：  帆船分类专家系统158

5.5证据理论161

5.5.1假设的不确定性161

5.5.2证据的不确定性与证据组合163

5.5.3规则的不确定性164

5.5.4不确定性的传递与组合164

5.5.5证据理论案例165

5.6模糊逻辑和模糊推理167

5.6.1模糊集合及其运算167

5.6.2模糊关系168

5.6.3语言变量169

5.6.4模糊逻辑和模糊推理169

5.6.5案例：  抵押申请评估决策支持系统173

小结173

习题174

第6章机器学习178

6.1机器学习概述178

6.1.1机器学习的定义和发展史179

6.1.2机器学习的基本要素179

6.1.3机器学习的分类184

6.1.4机器学习系统的基本结构186

6.2基于统计的机器学习190

6.2.1回归学习190

6.2.2分类学习191

6.2.3聚类学习197

6.2.4降维学习198

6.2.5案例： 决策树的鸢尾花分类应用199

6.3神经网络与深度学习201

6.3.1神经网络概述201

6.3.2前馈神经网络203

6.3.3卷积神经网络210

6.3.4循环神经网络216

6.3.5注意力机制网络222

6.3.6案例： 基于反向传播网络拟合曲线227

6.3.7案例： 基于卷积神经网络的图像风格迁移227

6.4基于环境交互的强化学习230

6.4.1强化学习概述231

6.4.2马尔可夫决策过程232

6.4.3最优策略的求解235

6.4.4QLearning算法236

6.4.5深度强化学习238

6.4.6案例： 使用QLearning算法进行机器人路径规划240

小结241

习题243

第7章自然语言处理技术249

7.1自然语言理解的一般问题249

7.1.1自然语言理解的概念及意义249

7.1.2自然语言理解研究的发展250

7.1.3自然语言理解的层次250

7.1.4词法分析252

7.1.5案例：  单词音节划分253

7.1.6句法分析253

7.1.7语义分析256

7.2大规模真实文本的处理257

7.2.1语料库语言学及其特点257

7.2.2统计学方法的应用及所面临的问题258

7.2.3汉语语料库加工的基本方法259

7.2.4语义资源建设259

7.3信息搜索260

7.3.1搜索引擎的输入方式260

7.3.2搜索结果的输出呈现261

7.3.3搜索引擎的工作原理262

7.3.4智能搜索引擎技术264

7.3.5搜索引擎的发展趋势264

7.4自然语言处理中的预训练模型266

7.4.1语言表示学习266

7.4.2上下文编码器267

7.4.3预训练任务及分类268

7.4.4大型语言模型270

7.5机器翻译272

7.5.1机器翻译的基本模式和方法272

7.5.2统计机器翻译275

7.5.3利用深度学习改进统计机器翻译276

7.5.4端到端神经机器翻译277

7.6语音识别279

7.6.1智能语音技术概述279

7.6.2组成单词读音的基本单元280

7.6.3信号处理281

7.6.4单个单词的识别283

7.6.5隐马尔可夫模型283

7.6.6深度学习在语音情感识别中的应用285

7.7机器阅读理解285

7.7.1机器阅读理解任务的类型和评价指标285

7.7.2机器阅读理解的深度学习建模286

7.7.3对话理解与情感对话288

7.7.4面向推理的阅读理解290

7.7.5常识问答291

7.7.6开放域问答294

7.8聊天机器人与ChatGPT295

7.8.1聊天机器人应用场景295

7.8.2聊天机器人系统的组成结构及关键技术296

7.8.3ChatGPT297

小结298

习题300

第8章Agent302

8.1概述302

8.2Agent及其结构304

8.2.1Agent的定义304

8.2.2Agent要素及特性304

8.2.3Agent的结构特点306

8.2.4Agent的结构分类306

8.2.5Agent应用案例309

8.3Agent通信310

8.3.1通信方式310

8.3.2Agent通信语言312

8.4协调与协作315

8.4.1合同网316

8.4.2协作规划317

8.5移动Agent320

8.5.1定义和系统组成320

8.5.2实现技术321

8.5.3移动Agent系统321

8.6多Agent系统开发框架JADE322

8.6.1程序模型324

8.6.2可重用开发包324

8.6.3开发和运行的支持工具327

8.7案例：  火星探矿机器人327

8.7.1需求分析328

8.7.2设计与实现329

8.8基于LLM的Agent331

8.8.1基于LLM的Agent通用概念框架332

8.8.2案例： 自生成兵棋AI333

8.8.3基于LLM的Agent特征及发展趋势333

小结334

习题334

第9章智能规划337

9.1概述337

9.2状态空间搜索规划340

9.3偏序规划342

9.4命题逻辑规划345

9.5分层任务网络规划348

9.6非确定性规划350

9.7时态规划351

9.8多Agent规划354

9.9案例分析357

9.9.1规划问题的建模与规划系统的求解过程358

9.9.2Shakey世界358

9.9.3智能规划系统OPLAN、Graphplan、SciBox359

小结360

习题361

第10章机器人学363

10.1机器人概述363

10.1.1机器人的分类364

10.1.2机器人的特性365

10.1.3机器人学的研究领域366

10.2机器人系统367

10.2.1机器人系统的组成367

10.2.2机器人的工作空间368

10.2.3机器人的性能指标370

10.3机器人的编程模式与语言371

10.4机器人应用与展望372

10.4.1机器人应用372

10.4.2机器人发展展望376

10.5机器人运动控制实例分析380

10.5.1仿真平台使用介绍380

10.5.2仿真平台与策略程序的关系383

10.5.3策略程序的结构383

10.5.4动作函数及说明383

10.5.5策略384

10.5.6各种定位球状态的判断方法387

10.5.7比赛规则388

小结389

习题390

第11章互联网智能391

11.1概述391

11.2语义网与本体393

11.2.1语义网的层次模型393

11.2.2本体的基本概念394

11.2.3本体描述语言395

11.2.4本体知识管理框架396

11.2.5本体知识管理系统Protg396

11.2.6本体知识管理系统KAON397

11.3Web技术与Web挖掘398

11.3.1Web技术399

11.3.2Web挖掘402

11.4群体智能404

11.4.1社群智能404

11.4.2群体智能互动感知405

11.4.3互联网大脑（云脑）407

11.4.4智联网409

11.5案例410

11.5.1智能网联汽车410

11.5.2城市计算412

小结413

习题414

第12章人工智能伦理与安全417

12.1人工智能的风险与挑战417

12.2人工智能伦理420

12.2.1人工智能伦理概念420

12.2.2人工智能伦理问题421

12.3人工智能安全426

12.3.1人工智能安全概念426

12.3.2人工智能安全问题427

12.3.3人工智能安全属性430

12.4人工智能治理431

12.4.1治理原则与规范432

12.4.2治理体系与政策433

12.4.3治理技术与工具437

小结438

习题438

附录A人工智能课程思政440

附录B手写体识别案例443

参考文献444