本書適合於大學各專業作為人工智能通識課教材使用，亦可作為人工智能的普及讀物供廣大讀者自學或參考。

●第1章人工智能的概念、內容和方法
1.1什麼是人工智能
1.1.1人工智能的概念
1.1.2圖靈測試和中文屋子
1.1.3腦智能和群智能
1.1.4符號智能和計算智能
1.1.5統計智能和交互智能
1.2為什麼要研究人工智能
1.2.1研究人工智能的意義
1.2.2人工智能的研究目標和策略
1.3人工智能的相關學科
1.4人工智能的研究內容
1.4.1搜索與求解
1.4.2知識與推理
1.4.3學習與發現
1.4.4發明與創造
1.4.5感知與響應
1.4.6理解與交流
1.4.7記憶與聯想
1.4.8競爭與協作
1.4.9繫統與建造
1.4.10應用與工程
1.5人工智能的研究途徑與方法
1.5.1心理模擬，符號推演
1.5.2生理模擬，神經計算
1.5.3行為模擬，控制進化
1.5.4群體模擬，仿生計算
1.5.5博采廣鋻，自然計算
1.5.6著眼數據，統計建模
1.6人工智能的分支領域與研究方向
習題1
第2章人工智能的應用與發展概況
2.1人工智能的應用
2.1.1難題求解
2.1.2自動規劃、調度與配置
2.1.3機器博弈
2.1.4機器翻譯與機器寫作
2.1.5機器定理證明
2.1.6自動程序設計
2.1.7智能控制
2.1.8智能管理
2.1.9智能決策
2.1.10智能通信
2.1.11智能預測
2.1.12智能仿真
2.1.13智能設計與制造
2.1.14智能車輛與智能交通
2.1.15智能診斷與治療
2.1.16智能生物信息處理
2.1.17智能教育
2.1.18智能人-機接口
2.1.19模式識別
2.1.20智能機器人
2.1.21數據挖掘與知識發現
2.1.22計算機輔助創新
2.1.23計算機文藝創作
2.2人工智能學科發展概況
2.2.1孕育與誕生
2.2.2符號主義先聲奪人
2.2.3連接主義不畏坎坷
2.2.4計算智能異軍突起
2.2.5統計智能默默奉獻
2.2.6智能主體一統江湖，Agent & Robot
2.2.7知識工程東山再起，機器學習領銜高歌
2.2.8現狀與趨勢
習題2
第3章圖搜索與問題求解
3.1概述
3.2狀態圖與狀態圖搜索
3.2.1狀態圖
3.2.2狀態圖搜索
3.2.3窮舉式搜索
3.2.4啟發式搜索
3.3狀態圖搜索問題求解
3.3.1問題的狀態圖表示
3.3.2狀態圖搜索問題求解程序舉例
延伸學習導引
習題3
第4章知識表示與機器推理(一)
4.1概述
4.1.1知識及其表示
4.1.2機器推理
4.2一階謂詞及其推理
4.2.1謂詞、函數、量詞
4.2.2謂詞公式
4.2.3自然語言命題的謂詞形式表示
4.2.4基於謂詞公式的形式演繹推理
4.3產生式規則及其推理
4.3.1產生式規則
4.3.2基於產生式規則的推理
4.4語義網絡
4.4.1語義網絡的概念
4.4.2語義網絡的表達能力
4.4.3基於語義網絡的推理
4.5知識圖譜
延伸學習導引
習題4
第5章知識表示與機器推理(二)
5.1不確定性和不確切性信息處理
5.2不確定性知識的表示及推理
5.2.1不確定性知識的表示
5.2.2不確定性推理
5.3不確切性知識的表示及推理*
5.3.1軟語言值及其數學模型
5.3.2不確切性知識的表示
5.3.3基於軟語言規則的推理
延伸學習導引
習題5
第6章機器學習與知識發現(一)
6.1概述
6.2基本原理與分類
6.2.1機器學習的概念
6.2.2機器學習的原理
6.2.3機器學習的分類
6.3符號學習
6.3.1記憶學習
6.3.2示例學習
6.3.3演繹學習
6.3.4類比學習
6.3.5決策樹學習*
6.4強化學習
6.4.1簡單原理
6.4.2Q學習算法*
6.4.3強化學習的發展概況
延伸學習導引
習題6
第7章機器學習與知識發現(二)
7.1統計學習
7.1.1概述
7.1.2回歸問題的線性函數模型學習，梯度下降法
7.1.3分類問題的線性判別函數模型學習
7.2神經網絡學習
7.2.1從生到人
7.2.2神經網絡及其學習
7.2.3神經網絡模型及其分類
7.2.4BP網絡及其學習舉例*
7.3深度學習
7.3.1什麼是深度學習
7.3.2深度學習的優勢
7.3.3深度學習的發展和擴展
7.4數據挖掘與知識發現
7.4.1數據挖掘的一般過程
7.4.2數據挖掘的對像
7.4.3數據挖掘的任務
7.4.4數據挖掘的方法
延伸學習導引
習題7
第8章機器感知與語言交流
8.1引言
8.2模式識別
8.2.1基本原理與方法
8.2.2距離分類法
8.2.3幾何分類法
8.2.4概率分類法
8.3自然語言處理
8.3.1自然語言處理的途徑、方法和學派
8.3.2基於規則的自然語言理解
8.3.3統計語言模型
延伸學習導引
習題8
第9章人工智能應用繫統
9.1概述
9.2專家(知識)繫統
9.2.1什麼是專家繫統
9.2.2專家繫統的結構
9.2.3專家繫統與基於知識的繫統及知識工程
9.2.4專家繫統的建造
9.2.5專家繫統的發展
9.3Agent繫統
9.3.1什麼是Agent
9.3.2Agent的結構
9.3.3Agent實例——Web Agent
9.3.4多Agent繫統
9.3.5Agent技術的發展與應用
9.4智能機器人
9.4.1智能機器人的基本原理
9.4.2機器人技術進展
延伸學習導引
習題9
第10章智能計算機與智能化網絡
10.1智能計算機
10.1.1智能硬件平臺和智能操作繫統
10.1.2人工智能芯片
10.1.3神經網絡計算機，類腦芯片
10.1.4智能計算機發展展望
10.2智能化網絡
10.2.1智能網
10.2.2智能Web
10.2.3網絡的智能化管理與控制
10.2.4網上信息的智能化檢索
10.2.5推薦繫統
延伸學習導引
習題10
第11章人工智能編程語言與開發平臺
11.1概述
11.1.1函數型語言
11.1.2邏輯型語言
11.1.3面向對像型語言
11.1.4計算型語言
11.1.5混合型語言
11.2知識工程經典語言PROLOG*
11.2.1PROLOG語句
11.2.2PROLOG程序
11.2.3PROLOG程序的運行機理
11.3機器學習流行語言Python*
11.3.1Python語言的特點和優勢
11.3.2Python程序舉例
11.4深度學習框架與平臺*
延伸學習導引
習題11
中-英文名詞對照及索引
參考文獻

本書首先概述人工智能的基本概念、研究內容、研究方法、分支領域、應用前景、歷史沿革、現狀與趨勢等，勾畫了人工智能學科的總體架構；然後概略而簡要地闡述人工智能主要分支的原理、方法和發展概況，並指出延伸學習的內容和方向。全書共11章，內容全面、經典而新穎。 本書層次分明，條理清楚，理例結合，圖文並茂，深入淺出，詳略得當，易讀易懂，易教易學。 本書可作為高等學校各學科各專業的人工智能通識課教材，也可供科學研究和工程技術人員以及廣大人工智能愛好者自學或參考。

廉師友 編