1.全球1500多所學校采用的教材，國內眾多高校選用。2.配備豐富的教學資源，解決教師授課後顧之憂。3.配套網站提供多種語言版本源代碼，滿足不同編程語言使用者的自學需要。4.程序員入門人工智能領域的推薦書籍。

●第 一部分 人工智能基礎
第 1 章 緒論 2
1.1 什麼是人工智能 2
1.2 人工智能的基礎 6
1.3 人工智能的歷史 16
1.4 目前的優選技術 24
1.5 人工智能的風險和收益 27
小結 30
參考文獻與歷史注釋 31
第 2 章 智能體 32
2.1 智能體和環境 32
2.2 良好行為：理性的概念 34
2.3 環境的本質 37
2.4 智能體的結構 41
小結 50
參考文獻與歷史注釋 51
第二部分 問題求解
第 3 章 通過搜索進行問題求解 54
3.1 問題求解智能體 54
3.2 問題示例 57
3.3 搜索算法 61
3.4 無信息搜索策略 65
3.5 有信息（啟發式）搜索策略 73
3.6 啟發式函數 85
小結 90
參考文獻與歷史注釋 92
第 4 章 復雜環境中的搜索 95
4.1 局部搜索和很優化問題 95
4.2 連續空間中的局部搜索 102
4.3 使用非確定性動作的搜索 104
4.4 部分可觀測環境中的搜索 108
4.5 在線搜索智能體和未知環境 115
小結 120
參考文獻與歷史注釋 121
第 5 章 對抗搜索和博弈 124
5.1 博弈論 124
5.2 博弈中的優化決策 126
5.3 啟發式 α-β 樹搜索 132
5.4 蒙特卡羅樹搜索 136
5.5 隨機博弈 139
5.6 部分可觀測博弈 142
5.7 博弈搜索算法的局限性 146
小結 147
參考文獻與歷史注釋 148
第 6 章 約束滿足問題 152
6.1 定義約束滿足問題 152
6.2 約束傳播：CSP 中的推斷 156
6.3 CSP 的回溯搜索 161
6.4 CSP 的局部搜索 166
6.5 問題的結構 168
小結 171
參考文獻與歷史注釋 172
第三部分 知識、推理和規劃
第 7 章 邏輯智能體 176
7.1 基於知識的智能體 176
7.2 wumpus 世界 178
7.3 邏輯 180
7.4 命題邏輯：一種非常簡單的邏輯 183
7.5 命題定理證明 187
7.6 高效命題模型檢驗 196
7.7 基於命題邏輯的智能體 200
小結 207
參考文獻與歷史注釋 208
第 8 章 一階邏輯 211
8.1 回顧表示 211
8.2 一階邏輯的語法和語義 215
8.3 使用一階邏輯 223
8.4 一階邏輯中的知識工程 228
小結 233
參考文獻與歷史注釋 234
第 9 章 一階邏輯中的推斷 236
9.1 命題推斷與一階推斷 236
9.2 合一與一階推斷 238
9.3 前向鏈接 241
9.4 反向鏈接 247
9.5 歸結 252
小結 261
參考文獻與歷史注釋 262
第 10 章 知識表示 265
10.1 本體論工程 265
10.2 類別與對像 267
10.3 事件 272
10.4 精神對像和模態邏輯 275
10.5 類別的推理繫統 278
10.6 用缺省信息推理 281
小結 284
參考文獻與歷史注釋 285
第 11 章 自動規劃 290
11.1 經典規劃的定義 290
11.2 經典規劃的算法 294
11.3 規劃的啟發式方法 297
11.4 分層規劃 300
11.5 非確定性域的規劃和行動 307
11.6 時間、調度和資源 315
11.7 規劃方法分析 318
小結 319
參考文獻與歷史注釋 320
第四部分 不確定知識和不確定推理
第 12 章 不確定性的量化 326
12.1 不確定性下的動作 326
12.1.1 不確定性概述 327
12.1.2 不確定性與理性決策 328
12.2 基本概率記號 329
12.3 使用接近聯合分布進行推斷 334
12.4 獨立性 336
12.5 貝葉斯法則及其應用 337
12.6 樸素貝葉斯模型 340
12.7 重遊 wumpus 世界 342
小結 344
參考文獻與歷史注釋 345
第 13 章 概率推理 348
13.1 不確定域的知識表示 348
13.2 貝葉斯網絡的語義 350
13.3 貝葉斯網絡中的準確推斷 360
13.4 貝葉斯網絡中的近似推理 367
13.5 因果網絡 379
小結 382
參考文獻與歷史注釋 383
第 14 章 時間上的概率推理 388
14.1 時間與不確定性 388
14.2 時序模型中的推斷 391
14.3 隱馬爾可夫模型 398
14.4 卡爾曼濾波器 403
14.5 動態貝葉斯網絡 408
小結 417
參考文獻與歷史注釋 418
第 15 章 概率編程 421
15.1 關繫概率模型 421
15.2 開宇宙概率模型 427
15.3 追蹤復雜世界 433
15.4 作為概率模型的程序 436
小結 440
參考文獻與歷史注釋 440
第 16 章 做簡單決策 444
16.1 在不確定性下結合信念與願望 444
16.2 效用理論基礎 445
16.3 效用函數 448
16.4 多屬性效用函數 454
16.5 決策網絡 458
16.6 信息價值 460
16.7 未知偏好 465
小結 468
參考文獻與歷史注釋 469
第 17 章 做復雜決策 473
17.1 序貫決策問題 473
17.2 MDP 的算法 482
17.3 老虎機問題 489
17.4 部分可觀測MDP 495
17.5 求解POMDP 的算法 497
小結 501
參考文獻與歷史注釋 502
第 18 章 多智能體決策 505
18.1 多智能體環境的特性 505
18.2 非合作博弈論 510
18.3 合作博弈論 527
18.4 制定集體決策 533
小結 544
參考文獻與歷史注釋 545
第五部分 機器學習
第 19 章 樣例學習 550
19.1 學習的形式 550
19.2 監督學習 552
19.3 決策樹學習 555
19.4 模型選擇與模型優化 563
19.5 學習理論 569
19.6 線性回歸與分類 572
19.7 非參數模型 581
19.8 集成學習 589
19.9 開發機器學習繫統 596
小結 604
參考文獻與歷史注釋 605
第 20 章 概率模型學習 610
20.1 統計學習 610
20.2 接近數據學習 613
20.3 隱變量學習：EM 算法 624
小結 632
參考文獻與歷史注釋 632
第 21 章 深度學習 635
21.1 簡單前饋網絡 636
21.2 深度學習的計算圖 640
21.3 卷積網絡 643
21.4 學習算法 648
21.5 泛化 650
21.6 循環神經網絡 654
21.7 無監督學習與遷移學習 657
21.8 應用 662
小結 664
參考文獻與歷史注釋 664
第 22 章 強化學習 668
22.1 從獎勵中學習 668
22.2 被動強化學習 670
22.3 主動強化學習 674
22.4 強化學習中的泛化 680
22.5 策略搜索 686
22.6 學徒學習與逆強化學習 688
22.7 強化學習的應用 690
小結 692
參考文獻與歷史注釋 693
第六部分 溝通、感知和行動
第 23 章 自然語言處理 698
23.1 語言模型 698
23.2 文法 707
23.3 句法分析 709
23.4 擴展文法 713
23.5 真實自然語言的復雜性 717
23.6 自然語言任務 720
小結 722
參考文獻與歷史注釋 722
第 24 章 自然語言處理中的深度學習 727
24.1 詞嵌入 727
24.2 自然語言處理中的循環神經網絡 730
24.3 序列到序列模型 733
24.4 Transformer 架構 737
24.5 預訓練和遷移學習 739
24.6 Z高水平（SOTA） 742
小結 745
參考文獻與歷史注釋 745
第 25 章 計算機視覺 748
25.1 引言 748
25.2 圖像形成 749
25.3 簡單圖像特征 754
25.4 圖像分類 760
有效的原因 762
25.5 物體檢測 763
25.6 三維世界 766
25.7 計算機視覺的應用 769
小結 780
參考文獻與歷史注釋 781
第 26 章 機器人學 785
26.1 機器人 785
26.2 機器人硬件 786
26.3 機器人學解決哪些問題 789
26.4 機器人感知 790
26.5 規劃與控制 796
26.6 規劃不確定的運動 810
26.7 機器人學中的強化學習 812
26.8 人類與機器人 814
26.9 其他機器人框架 820
26.10 應用領域 822
小結 825
參考文獻與歷史注釋 826
第七部分 總結
第 27 章 人工智能的哲學、倫理和安全性 832
27.1 人工智能的極限 832
27.2 機器能真正地思考嗎 835
27.3 人工智能的倫理 836
小結 851
參考文獻與歷史注釋 852
第 28 章 人工智能的未來 857
28.1 人工智能組件 857
28.2 人工智能架構 862
附錄 A 數學背景知識 865
附錄 B 關於語言與算法的說明 871
參考文獻 873
索引 914

本書全面、深入地探討了人工智能（AI）領域的理論和實踐，以統一的風格將當今流行的人工智能思想和術語融合到引起廣泛關注的應用中，真正做到理論和實踐相結合。全書分7個部分，共28章，理論部分介紹了人工智能研究的主要理論和方法並追溯了兩千多年前的相關思想，內容主要包括邏輯、概率和連續數學，感知、推理、學習和行動，公平、信任、社會公益和安全；實踐部分完美地踐行了“現代”理念，實際應用選擇當下熱度較高的微電子設備、機器人行星探測器、擁有幾十億用戶的在線服務、AlphaZero、人形機器人、自動駕駛、人工智能輔助醫療等。本書適合作為高等院校人工智能相關專業本科生和研究生的教材，也可以作為相關領域專業人員的參考書。

(美)斯圖爾特·羅素,(美)彼得·諾維格 著 張博雅 等 譯