人工智能实战

                                                                                  前    言

      《人工智能实战》提出了一种学习人工智能知识的新模式。大多数人工智能书籍都十分偏重理论，而抛弃了能够证明书中介绍的理论的实践问题。而在《人工智能实战》中，我们提出了一种模式，该模式遵循理念：“告知的会被忘记；教会的能够记住；亲身参与，才能学会”，因此，《人工智能实战》中包含理论知识，但保证每章中都包含至少一个编写了完整代码(C#)的实际问题，以便让读者更好地理解，并作为一种让他们亲身体会本章介绍的理论概念和思想的方式。读者可以使用《人工智能实战》附带的代码来执行这些实际问题，这样应该能够帮助读者更好地理解书中描述的概念。
      《人工智能实战》尽可能浅显易懂地描述所包含的解释和定义(考虑到它们属于数学、科学领域的事实)，因此不同背景的读者只需要具备基本的数学或编程知识即可入门并理解内容。
第1章和第2章探讨许多科学领域(如数学或计算机科学)的基础：逻辑学。在这两章中，我们将介绍命题逻辑、一阶逻辑和自动定理证明，还将介绍用C#编程的相关实际问题。
       在第3~7章中，重点关注Agent和多Agent系统。这几章将深入研究不同类型的Agent及其架构，然后提出一个大型实际问题，其中将编写一个火星漫游车程序，其任务是在火星上找到水。我们还将讨论另一个实际问题，即设置一组使用Windows Communication Foundation(WCF)进行通信的Agent，后通过提出另一个实际问题(第7章)结束《人工智能实战》的这一部分内容：构成多Agent系统的一组Agent将协作并进行通信以清洁房间的污垢。
       第8章将描述人工智能的一个称为仿真的子领域，在该领域中通过运用统计和概率工具模拟现实生活场景。在本章中，我们将模拟一个机场的运作，其中飞机在某个特定时段内到达和离开机场。
        第9~12章专门介绍监督学习，它是一种非常重要的机器学习范式，基本上是通过向一台机器(程序)提供许多对<数据，分类>的样本，教会它做某件事(通常是对数据进行分类)，其中数据可以是任何事物，它可以是动物、房屋、人等。例如，样本集可能是< 象，大型><猫，小型>等。
       显然，为了使机器能够理解和处理任何数据，必须输入数值而不是文本。在这些章节中，我们将探讨支持向量机、决策树、神经网络和手写数字识别。
        第13章将阐释另一种非常重要的机器学习范式，即无监督学习。在无监督学习中，学习的是作为输入接收的数据的结构，没有监督学习中出现的标签(分类)；换句话说，样本只是<数据>，并且不包括分类。因此，无监督学习程序是在没有任何外部帮助的前提下，仅通过研究数据本身提供的信息进行学习。在本章中将介绍聚类，一种经典的无监督学习技术。另外将描述多目标聚类和多目标优化。构造帕累托边界的方法，即作者提出的帕累托边界生成器，也将包含在本章中。
       第14章将重点介绍启发式和元启发式，这是在前几章中提到过的一个主题，终在本章中开展研究。本章将主要描述两种元启发式：遗传算法和禁忌搜索，它们是两种应用广泛的元启发式类，即基于人口的元启发式和基于单一解的元启发式的典型代表。
        第15章将探讨游戏编程，特别是需要执行搜索的游戏的世界。本章将详解和实现多种流行的搜索算法。本章还包括一个实际问题，其中设计和编码了一个滑动拼图智能Agent。
        第16章将深入探讨博弈论，特别是其称为对抗性搜索的子领域。在该领域中，我们将研究Minimax算法并实现一个使用该策略(Minimax)进行游戏的黑白棋Agent。
       第17章将描述一种目前被视为人工智能未来的机器学习范式：强化学习。在强化学习中，Agent通过奖励和惩罚来学习。它们像人类一样与时俱进地学习，当学习过程足够长时，它们可以在游戏中达到极具竞争力的水平，直到击败人类世界冠军(例如西洋双陆棋和围棋)。
     

主要内容

● 了解Agent和多Agent以及它们是如何合并的

● 将机器学习与现实问题联系起来，明白它的意义

● 在现实世界中应用监督学习和无监督学习的技术和方法

● 实现强化学习、游戏编程、仿真和神经网络

        Arnaldo Pérez Castaño是一位计算机科学家，居住在古巴哈瓦那。他是PrestaShop Recipes(Apress，2017)和一系列编程书籍 —— JavaScript Fácil、HTML y CSS Fácil以及Python Fácil(Marcombo S.A.)的作者，并为MSDN Magazine、VisualStudio Magazine.com和Smashing Magazine等刊物撰写AI相关的文章。他是Cuba Mania Tour(http://www.cubamaniatour.com)网站的联合创始人之一。
         他的专长包括Java、VB、Python、算法、优化、Matlab、C#、.NET Framework和人工智能。Arnaldo通过freelancer.com提供服务，并担任期刊Journal of Mathematical Modelling and Algorithms in Operations Research(运筹学研究中的数学建模和算法)的审稿人。他爱好电影和音乐。许多同事称他为“加勒比海科学家”。可以通过arnaldo.skywalker@gmail.com与他联系。

主要内容

● 了解Agent和多Agent以及它们是如何合并的

● 将机器学习与现实问题联系起来，明白它的意义

● 在现实世界中应用监督学习和无监督学习的技术和方法

● 实现强化学习、游戏编程、仿真和神经网络

        Arnaldo Pérez Castaño是一位计算机科学家，居住在古巴哈瓦那。他是PrestaShop Recipes(Apress，2017)和一系列编程书籍 —— JavaScript Fácil、HTML y CSS Fácil以及Python Fácil(Marcombo S.A.)的作者，并为MSDN Magazine、VisualStudio Magazine.com和Smashing Magazine等刊物撰写AI相关的文章。他是Cuba Mania Tour(http://www.cubamaniatour.com)网站的联合创始人之一。
         他的专长包括Java、VB、Python、算法、优化、Matlab、C#、.NET Framework和人工智能。Arnaldo通过freelancer.com提供服务，并担任期刊Journal of Mathematical Modelling and Algorithms in Operations Research(运筹学研究中的数学建模和算法)的审稿人。他爱好电影和音乐。许多同事称他为“加勒比海科学家”。可以通过arnaldo.skywalker@gmail.com与他联系。