第1章知識工程 001
1.1知識工程與歷史沿革 002
1.1.1知識工程是什麼 002
1.1.2知識就是力量 003
1.1.3知識工程的歷程 008
1.2知識表示與推理 013
1.2.1知識表示 013
1.2.2推理 018
1.3專家繫統與知識圖譜 022
1.3.1專家繫統 022
1.3.2知識圖譜 026

第2章知識工程的邏輯基礎 032
2.1命題與量詞 033
2.2邏輯聯結詞 036
2.2.1“與”“或”“非”運算 036
2.2.2邏輯聯結詞的復合運算 038
2.3充分必要條件 044

第3章知識工程的推理基礎 054
3.1演繹推理與合情推理 055
3.1.1演繹推理 055
3.1.2合情推理 058
3.2計算機實現推理的過程 063
3.2.1計算機實現演繹推理 064
3.2.2計算機實現合情推理 072

第4章專家繫統 075
4.1初識專家繫統 076
4.1.1什麼是專家繫統 076
4.1.2專家繫統的應用 078
4.1.3專家繫統的優勢與不足 079
4.2專家繫統的機理 080
4.2.1專家繫統的構成 080
4.2.2專家繫統的分類 081
4.2.3專家繫統的推理 083
4.3專家繫統Python實例 087

第5章知識圖譜 092
5.1本體知識與知識圖譜 093
5.1.1什麼是本體知識 093
5.1.2本體的構成 094
5.1.3知識圖組 096
5.2知識圖譜的實現路徑 098
5.2.1知識圖譜的構建 098
5.2.2知識圖譜的存儲、查詢與推理 101
5.2.3知識圖譜的應用 102
5.3知識圖譜的Python實例 104

第6章Neo4j入門 109
6.1Neo4j環境準備 112
6.1.1創建數據庫 112
6.1.2運行數據庫 113
6.2常用語句格式 114
6.2.1數據的創建 114
6.2.2數據的修改 116
6.2.3數據的刪除 118
6.2.4數據的查詢 120
6.3Neo4j的經典解決方案 128
6.3.1金融風控應用：欺詐監測 129
6.3.2社交網絡應用：推薦繫統 129
6.3.3知識圖譜應用：三國人物 132

第7章Neo4j的實踐案例 136
7.1案例一：唐代人物社交網絡 137
7.1.1案例背景 137
7.1.2創建 138
7.1.3查詢 144
7.1.4批量導入數據 146
7.2案例二：《家有兒女》人物關繫圖譜 152
7.2.1案例背景 152
7.2.2創建 154
7.2.3查詢 160
7.3案例三：銀行欺詐監測圖譜 163
7.3.1案例背景 163
7.3.2創建 165
7.3.3查詢 168

附錄  170
附錄A圖數據庫的發展脈絡 171
附錄B花卉知識圖譜 181
附錄C騰訊扣叮Python實驗室：Jupyter Lab 使用說明 190

新一代人工智能的崛起深刻影響著國際競爭格局，人工智能已經成為推動國家與人類社會發展的重大引擎。2017年，國務院發布《新一代人工智能發展規劃》，其中明確指出：支持開展形式多樣的人工智能科普活動，鼓勵廣大科技工作者投身人工智能知識的普及與推廣，全面提高全社會對人工智能的整體認知和應用水平。實施全民智能教育項目，在中小學階段設置人工智能相關課程，逐步推廣編程教育，鼓勵社會力量參與寓教於樂的編程教學軟件、遊戲的開發和推廣。
為了貫徹落實《新一代人工智能發展規劃》，國家有關部委相繼頒布出臺了一繫列政策。截至2022年2月，全國共有440所高校設置了人工智能本科專業，387所高等職業教育（專科）學校設置了人工智能技術服務專業，一些高校甚至已經在積極探索人工智能跨學科的建設。在高中階段，“人工智能初步”已經成為信息技術課程的選擇性必修內容之一。在2022年實現“從0到1”突破的義務教育階段信息科技課程標準中，明確要求在7～9年級需要學習“人工智能與智慧社會”相關內容，實際上，1～6年級階段信息技術課程的不少內容也與人工智能關繫密切，是學習人工智能的基礎。
人工智能是一門具有高度交叉屬性的學科，筆者認為其交叉性至少體現在三個方面：行業交叉、學科交叉、學派交叉。在大數據、算法、算力三駕馬車的推動下，新一代人工智能已經逐步開始賦能各個行業。人工智能也在助力各學科的研究，近幾年，《自然》等頂級刊物不斷刊發人工智能賦能學科的文章，如人工智能推動數學、化學、生物、考古、設計、音樂以及美術等。人工智能內部的學派也在不斷交叉融合，像知名的AlphaGo，就是集三大主流學派優勢，並且現在這種不同學派間取長補短的研究開展得如火如荼。總之，未來的學習、工作與生活中，人工智能賦能的身影將無處不在，因此掌握一定的人工智能知識與技能將大有裨益。
從筆者長期從事人工智能教學、研究經驗來看，一些人對人工智能還存在一定的誤區。比如將編程與人工智能直接畫上了等號，又或是認為人工智能就隻有深度學習等。實際上，人工智能的知識體繫十分龐大，內容涵蓋相當廣泛，不但有邏輯推理、知識工程、搜索算法等相關內容，還涉及機器學習、深度學習以及強化學習等算法模型。當然，了解人工智能的起源與發展、人工智能的道德倫理對正確認識人工智能和樹立正確的價值觀也是十分必要的。
通過對人工智能及其相關知識的繫統學習，可以培養數學思維（mathematical thinking）、邏輯思維（reasoning thinking）、計算思維（computational thinking）、藝術思維（artistic thinking）、創新思維（innovative thinking）與數據思維（data thinking），即MRCAID。然而遺憾的是，目前市場上既能較綜合介紹人工智能相關知識，又能輔以程序代碼解決問題，同時還能迅速入門的圖書並不多見。因此筆者策劃了本繫列圖書，以期實現體繫內容較全、配合程序操練及上手簡單方便等特點。
本書以知識工程為主線，按照如下內容進行組織：第1章介紹知識工程的概念、歷史與發展；第2章介紹了知識工程所涉及的邏輯基礎相關內容；第3章則介紹了知識工程的推理基礎以及如何利用計算機實現推理過程；第4章深入介紹專家繫統的概念和原理，讀者將了解專家繫統如何基於領域知識和推理機制提供智能的問題解決方案；第5章引領讀者進入知識圖譜的世界，介紹知識圖譜的構建方法和應用場景，以及如何利用知識圖譜來實現智能搜索和推薦等功能；第6章向讀者介紹Neo4j這一知識圖譜數據庫的基本概念、數據模型和查詢語言，並通過實例演示如何構建和查詢知識圖譜；第7章展示了一些使用Neo4j的真實應用案例。本書的附錄部分回顧了圖數據庫的發展歷程，對創建知識圖譜做了補充說明，同時還介紹了Python實驗室Jupyter Lab 的使用。
本書的出版要感謝曾提供熱情指導與幫助的院士、教授、中小學教師等專家學者，也要感謝與筆者一起並肩參與寫作的其他作者，同時還要感謝化學工業出版社編輯老師們的熱情支持與一絲不苟的工作態度。
在本書的出版過程中，未來基因（北京）人工智能研究院、騰訊教育、阿裡雲、科大訊飛等機構給予了大力支持，在此一並表示感謝。
由於筆者水平有限，書中內容不可避免會存在疏漏，歡迎廣大讀者批評指正並提出寶貴的意見。

龔超
2023年8月於清華大學