人工智能第2版

图书标准信息

• 作者 [美]史蒂芬·卢奇（Stephen Lucci） 著
• 出版社 人民邮电出版社
• 出版时间 2018-09
• 版次 1
• ISBN 9787115488435
• 定价 108.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 585页
• 字数 895千字

【内容简介】

作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。

 

 

本书包括引言、基础知识、基于知识的系统、高级专题以及现在和未来五部分内容。第一部分从人工智能的定义讲起，就人工智能的早期历史、思维和智能的内涵、图灵测试、启发法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，以及受到自然启发的搜索等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。

 

 

本书系统、全面地涵盖了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容进行了拓展，更辅以实例，可以帮助读者扎扎实实打好基础。本书特色鲜明、内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。

 

【作者简介】

史蒂芬·卢奇（Stephen Lucci）

 

 

拥有纽约市立大学的博士学位，目前在纽约市立大学教授计算机科学课程。他曾在高性能计算领域发表了多篇论文，并且是NASA 发起的MU-SPIN 项目的学术带头人。MU-SPIN 项目旨在为NASA 培养下一代*尖的科学家和工程师。

 

 

丹尼·科佩克（Danny Kopec）

 

 

拥有爱丁堡大学博士学位，目前在纽约市立大学布鲁克林学院和纽约市立大学研究生中心任教。他发表过多篇论文，并出版过几本书，还是一位国际象棋大师。

 

 

译者简介

 

 

林赐 

 

 

软件设计师、网络工程师，毕业于渥太华大学系统科学硕士专业，已翻译出版《Python神经网络编程》等多本技术图书。

 

【目录】

第一部分引言

 

第　1章人工智能概述　2

 

1.0　引言　2

 

1.0.1　人工智能的定义　3

 

1.0.2　思维是什么？智能是什么？　3

 

1.1　图灵测试　5

 

1.1.1　图灵测试的定义　6

 

1.1.2　图灵测试的争议和批评　8

 

1.2　强人工智能与弱人工智能　9

 

1.3　启发法　11

 

1.3.1　长方体的对角线：解决一个相对简单但相关的

 

问题　11

 

1.3.2　水壶问题：向后倒推　12

 

1.4　识别适用人工智能来求解的问题　13

 

1.5　应用和方法　15

 

1.5.1　搜索算法和拼图　16

 

1.5.2　二人博弈　18

 

1.5.3　自动推理　18

 

1.5.4　产生式规则和专家系统　19

 

1.5.5　细胞自动机　20

 

1.5.6　神经计算　21

 

1.5.7　遗传算法　23

 

1.5.8　知识表示　23

 

1.5.9　不确定性推理　24

 

1.6　人工智能的早期历史　25

 

1.7　人工智能的近期历史到现在　29

 

1.7.1　博弈　29

 

1.7.2　专家系统　30

 

1.7.3　神经计算　31

 

1.7.4　进化计算　31

 

1.7.5　自然语言处理　32

 

1.7.6　生物信息学　34

 

1.8　新千年人工智能的发展　34

 

1.9　本章小结　36

 

第二部分　基础知识

 

第　2章盲目搜索　46

 

2.0　简介：智能系统中的搜索　46

 

2.1　状态空间图　47

 

2.2　生成与测试范式　49

 

2.2.1　回溯　50

 

2.2.2　贪婪算法　54

 

2.2.3　旅行销售员问题　56

 

2.3　盲目搜索算法　58

 

2.3.1　深度优先搜索　58

 

2.3.2　广度优先搜索　60

 

2.4　盲目搜索算法的实现和比较　63

 

2.4.1　实现深度优先搜索　63

 

2.4.2　实现广度优先搜索　65

 

2.4.3　问题求解性能的测量指标　65

 

2.4.4　DFS和BFS的比较　66

 

2.5　本章小结　68

 

第3章　知情搜索　74

 

3.0　引言　74

 

3.1　启发法　76

 

3.2　知情搜索（第一部分）——找到任何解　81

 

3.2.1　爬山法　81

 

3.2.2　最陡爬坡法　82

 

3.3　最佳优先搜索　84

 

3.4　集束搜索　87

 

3.5　搜索算法的其他指标　89

 

3.6　知情搜索（第二部分）——找到最佳解　90

 

3.6.1　分支定界法　90

 

3.6.2　使用低估值的分支定界法　95

 

3.6.3　采用动态规划的分支定界法　98

 

3.6.4　A*搜索　99

 

3.7　知情搜索（第三部分）—高级搜索算法　100

 

3.7.1　约束满足搜索　100

 

3.7.2　与或树　101

 

3.7.3　双向搜索　102

 

3.8　本章小结　104

 

第4章　博弈中的搜索　109

 

4.0　引言　109

 

4.1　博弈树和极小化极大评估　110

 

4.1.1　启发式评估　112

 

4.1.2　博弈树的极小化极大评估　112

 

4.2　具有α-剪枝的极小化极大算法　115

 

4.3　极小化极大算法的变体和改进　120

 

4.3.1　负极大值算法　120

 

4.3.2　渐进深化法　122

 

4.3.3　启发式续篇和地平线效应　122

 

4.4　概率游戏和预期极小化极大值算法　123

 

4.5　博弈理论　125

 

迭代的囚徒困境　126

 

4.6　本章小结　127

 

第5章　人工智能中的逻辑　133

 

5.0　引言　133

 

5.1　逻辑和表示　134

 

5.2　命题逻辑　135

 

5.2.1　命题逻辑—基础　136

 

5.2.2　命题逻辑中的论证　140

 

5.2.3　证明命题逻辑论证有效的第二种方法　141

 

5.3　谓词逻辑——简要介绍　143

 

5.3.1　谓词逻辑中的合一　144

 

5.3.2　谓词逻辑中的反演　146

 

5.3.3　将谓词表达式转换为子句形式　148

 

5.4　其他一些逻辑　151

 

5.4.1　二阶逻辑　151

 

5.4.2　非单调逻辑　152

 

5.4.3　模糊逻辑　152

 

5.4.4　模态逻辑　153

 

5.5　本章小结　153

 

第6章　知识表示　160

 

6.0　引言　160

 

6.1　图形草图和人类视窗　163

 

6.2　图和哥尼斯堡桥问题　166

 

6.3　搜索树　167

 

6.4　表示方法的选择　169

 

6.5　产生式系统　172

 

6.6　面向对象　172

 

6.7　框架法　173

 

6.8　脚本和概念依赖系统　176

 

6.9　语义网络　179

 

6.10　关联　181

 

6.11　新近的方法　182

 

6.11.1　概念地图　182

 

6.11.2　概念图　184

 

6.11.3　Baecker的工作　184

 

6.12　智能体：智能或其他　185

 

6.12.1　智能体的一些历史　188

 

6.12.2　当代智能体　189

 

6.12.3　语义网　191

 

6.12.4　IBM眼中的未来世界　191

 

6.12.5　作者的观点　192

 

6.13　本章小结　192

 

第7章　产生式系统　199

 

7.0　引言　199

 

7.1　背景　199

 

7.2　基本示例　202

 

7.3　CARBUYER系统　204

 

7.4　产生式系统和推导方法　208

 

7.4.1　冲突消解　211

 

7.4.2　正向链接　213

 

7.4.3　反向链接　214

 

7.5　产生式系统和细胞自动机　219

 

7.6　随机过程与马尔可夫链　221

 

7.7　本章小结　222

 

第三部分　基于知识的系统

 

第8章　人工智能中的不确定性　228

 

8.0　引言　228

 

8.1　模糊集　229

 

8.2　模糊逻辑　231

 

8.3　模糊推理　232

 

8.4　概率理论和不确定性　235

 

8.5　本章小结　239

 

第9章　专家系统　242

 

9.0　引言　242

 

9.1　背景　242

 

9.2　专家系统的特点　249

 

9.3　知识工程　250

 

9.4　知识获取　252

 

9.5　经典的专家系统　254

 

9.5.1　DENDRAL　254

 

9.5.2　MYCIN　255

 

9.5.3　EMYCIN　258

 

9.5.4　PROSPECTOR　259

 

9.5.5　模糊知识和贝叶斯规则　261

 

9.6　提高效率的方法　262

 

9.6.1　守护规则　262

 

9.6.2　Rete算法　263

 

9.7　基于案例的推理　264

 

9.8　更多最新的专家系统　269

 

9.8.1　改善就业匹配系统　269

 

9.8.2　振动故障诊断的专家系统　270

 

9.8.3　自动牙科识别　270

 

9.8.4　更多采用案例推理的专家系统　271

 

9.9　本章小结　271

 

第　10章机器学习第一部分　277

 

10.0　引言　277

 

10.1　机器学习：简要概述　277

 

10.2　机器学习系统中反馈的作用　279

 

10.3　归纳学习　280

 

10.4　利用决策树进行学习　282

 

10.5　适用于决策树的问题　283

 

10.6　熵　284

 

10.7　使用ID3构建决策树　285

 

10.8　其余问题　287

 

10.9　本章小结　288

 

第　11章机器学习第二部分：神经网络　291

 

11.0　引言　291

 

11.1　人工神经网络的研究　292

 

11.2　麦卡洛克-皮茨网络　294

 

11.3　感知器学习规则　295

 

11.4　增量规则　303

 

11.5　反向传播　308

 

11.6　实现关注点　313

 

11.6.1　模式分析　316

 

11.6.2　训练方法　317

 

11.7　离散型霍普菲尔德网络　318

 

11.8　应用领域　323

 

11.9　本章小结　330

 

第　12章受到自然启发的搜索　337

 

12.0　引言　337

 

12.1　模拟退火　338

 

12.2　遗传算法　341

 

12.3　遗传规划　349

 

12.4　禁忌搜索　353

 

12.5　蚂蚁聚居地优化　356

 

12.6　本章小结　359

 

第四部分　高级专题

 

第　13章自然语言处理　368

 

13.0　引言　368

 

13.1　概述：语言的问题和可能性　368

 

13.2　自然语言处理的历史　371

 

13.2.1　基础期（20世纪40年代和50年代）　371

 

13.2.2　符号与随机方法（1957—1970）　372

 

13.2.3　４种范式（1970—1983）　372

 

13.2.4　经验主义和有限状态模型（1983—1993）　373

 

13.2.5　大融合（1994—1999）　373

 

13.2.6　机器学习的兴起（2000—2008）　374

 

13.3　句法和形式语法　374

 

13.3.1　语法类型　374

 

13.3.2　句法解析：CYK算法　379

 

13.4　语义分析和扩展语法　380

 

13.4.1　转换语法　381

 

13.4.2　系统语法　381

 

13.4.3　格语法　382

 

13.4.4　语义语法　383

 

13.4.5　Schank系统　383

 

13.5　NLP中的统计方法　387

 

13.5.1　统计解析　387

 

13.5.2　机器翻译（回顾）和IBM的Candide系统　388

 

13.5.3　词义消歧　389

 

13.6　统计NLP的概率模型　390

 

13.6.1　隐马尔可夫模型　390

 

13.6.2　维特比算法　391

 

13.7　统计NLP语言数据集　392

 

13.7.1　宾夕法尼亚州树库项目　392

 

13.7.2　WordNet　394

 

13.7.3　NLP中的隐喻模型　394

 

13.8　应用：信息提取和问答系统　396

 

13.8.1　问答系统　396

 

13.8.2　信息提取　401

 

13.9　现在和未来的研究（基于CHARNIAK的工作）　401

 

13.10　语音理解　402

 

13.11　语音理解技术的应用　405

 

13.12　本章小结　410

 

第　14章自动规划　417

 

14.0　引言　417

 

14.1　规划问题　418

 

14.1.1　规划术语　418

 

14.1.2　规划应用示例　419

 

14.2　一段简短的历史和一个著名的问题　424

 

14.3　规划方法　426

 

14.3.1　规划即搜索　426

 

14.3.2　部分有序规划　430

 

14.3.3　分级规划　432

 

14.3.4　基于案例的规划　433

 

14.3.5　规划方法集锦　434

 

14.4　早期规划系统　435

 

14.4.1　STRIPS　435

 

14.4.2　NOAH　436

 

14.4.3　NONLIN　436

 

14.5　更多现代规划系统　437

 

14.5.1　O-PLAN　438

 

14.5.2　Graphplan　439

 

14.5.3　规划系统集锦　441

 

14.5.4　学习系统的规划方法　441

 

14.5.5　SCIBox自动规划器　442

 

14.6　本章小结　444

 

第五部分　现在和未来

 

第　15章机器人技术　452

 

15.0　引言　452

 

15.1　历史：服务人类、仿效人类、增强人类和替代人类　455

 

15.1.1　早期机械机器人　455

 

15.1.2　电影与文学中的机器人　458

 

15.1.3　20世纪早期的机器人　458

 

15.2　技术问题　464

 

15.2.1　机器人的组件　464

 

15.2.2　运动　467

 

15.2.3　点机器人的路径规划　468

 

15.2.4　移动机器人运动学　469

 

15.3　应用：21世纪的机器人　471

 

15.4　本章小结　479

 

第　16章高级计算机博弈　482

 

16.0　引言　482

 

16.1　跳棋：从塞缪尔到舍弗尔　483

 

16.1.1　在跳棋博弈中用于机器学习的启发式方法　486

 

16.1.2　填鸭式学习与概括　488

 

16.1.3　签名表评估和棋谱学习　489

 

16.1.4　含有奇诺克程序的世界跳棋锦标赛　490

 

16.1.5　彻底解决跳棋游戏　491

 

16.2　国际象棋：人工智能的“果蝇”　494

 

16.2.1　计算机国际象棋的历史背景　495

 

16.2.2　编程方法　496

 

16.2.3　超越地平线效应　505

 

16.2.4　DeepThought和DeepBlue与特级大师的比赛（1988—1995年）　505

 

16.3　计算机国际象棋对人工智能的贡献　507

 

16.3.1　在机器中的搜索　507

 

16.3.2　在搜索方面，人与机器的对比　508

 

16.3.3　启发式、知识和问题求解　509

 

16.3.4　蛮力：知识vs.搜索；表现vs.能力　510

 

16.3.5　残局数据库和并行计算　511

 

16.3.6　本书第一作者的贡献　514

 

16.4　其他博弈　514

 

16.4.1　奥赛罗　515

 

16.4.2　西洋双陆棋　516

 

16.4.3　桥牌　518

 

16.4.4　扑克　519

 

16.5　围棋：人工智能的“新果蝇”？　520

 

16.6　本章小结　523

 

第　17章大事记　532

 

17.0　引言　532

 

17.1　提纲挈领——概述　532

 

17.2　普罗米修斯归来　534

 

17.3　提纲挈领——介绍人工智能的成果　535

 

17.4　IBM的沃森-危险边缘挑战赛　539

 

17.5　21世纪的人工智能　543

 

17.6　本章小结　545

 

附录A　CLIPS示例：专家系统外壳　548

 

附录B　用于隐马尔可夫链的维特比算法的实现（由HarunIftikhar提供）　552

 

附录C　对计算机国际象棋的贡献：令人惊叹的WalterShawnBrowne　555

 

附录D　应用程序和数据　559

 

附录E　部分练习的答案　560