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均值聚类、强化学习、遗传算法以及蚁群算法等； 第9章介绍神经网络与深度学习，包括多层前向网络、Hopfield网络、各种卷积神经网络以及循环神经网络等，并简单介绍深度学习在机器视觉中的应用以及各种深度学习平台； 第10章介绍智能Agent的相关理论与模型，并介绍了一个Agent系统开发平台SPADE。

本书得到了中央高校基本科研业务费专项资金(2018JBZ006、2019JBZ110)、国家自然科学基金重点项目(61832002、61632004)、国家自然科学基金面上项目（61876016、82174533）、新一代人工智能重大项目（2018AAA0100604、2018AAA0100302）、国家重点研发计划项目(2017YFC1703506)的支持。

由于作者学识有限，本书难免存在诸多错误和不足之处，恳请各位专家和读者指正。

作者

2023年3月于北京交通大学