第一章 人工智能初探 1
目录 1
1.1 什么是人工智能 2
1.1.1 什么是智能 2
1.1.2 人工智能及其特点 3
1.1.3 为什么要学习人工智能 4
1.2 人工智能的基本内容 5
1.2.1 机器感知 5
1.2.2 机器思维 5
1.2.3 机器学习 6
1.2.4 机器行为 6
1.2.5 机器人为什么会踢足球 6
1.3.1 模式识别 8
1.3 人工智能的主要应用领域 8
1.3.2 机器证明 11
1.3.3 自然语言理解 12
1.3.4 专家系统 12
1.3.5 自动程序设计 13
1.3.6 人工神经网络 13
1.3.7 智能代理 14
第二章 知识表示及Prolog语言 19
2.1 知识 20
2.1.1 知识及其分类 20
2.1.2 为什么要学习知识表示 21
2.1.3 知识的格式化表示方法 21
2.2.1 框架的基本结构 22
2.2 框架表示法 22
2.2.2 框架表示知识实例 24
2.3 “与／或”图表示法 25
2.3.1 “与／或”图表示法 26
2.3.2 “与／或”图表示实例 27
2.4 状态空间表示法 30
2.4.1 状态及操作 30
2.4.2 状态空间表示知识实例 30
2.5 产生式规则表示法 33
2.5.1 产生式的基本形式 34
2.5.2 动物识别系统的产生式规则 34
2.6.1 初识Prolog语言 37
2.6 Prolog语言 37
2.6.2 Prolog语言的三种基本语句 38
2.6.3 Prolog程序的基本结构 40
2.6.4 Prolog语言内部谓词 42
2.6.5 匹配与递归方法 43
2.6.6 Prolog语言的特点 47
2.7 综合活动：知识表示法运用 50
2.7.1 活动目的 50
2.7.2 活动任务 50
2.7.3 活动过程 50
2.7.4 活动结果 51
2.7.5 活动评价 51
第三章 专家系统 55
3.1 认识专家系统 56
3.1.1 什么是专家系统 57
3.1.2 专家系统的组成 58
3.1.3 专家系统的分类 60
3.2 专家系统的知识获取 61
3.2.1 专家知识 61
3.2.2 用知识表示法来表示专家知识 62
3.2.3 用Prolog语言表示专家知识的实例 63
3.2.4 知识获取的方法 64
3.3 专家系统的推理过程 67
3.3.1 正向推理和反向推理 67
3.3.2 不精确推理 70
3.4.1 解释的概念和作用 73
3.4 专家系统的解释功能 73
3.4.2 解释的内容 74
3.5 专家系统的开发 77
3.5.1 语言及工具 77
3.5.2 专家系统的开发过程 80
3.6 综合活动：植物分类专家系统的建造 81
3.6.1 活动目的 81
3.6.2 活动任务 81
3.6.3 活动过程 81
3.6.4 活动结果 82
3.6.5 活动评价 82
第四章 问题求解 85
4.1.1 重排九宫问题 86
4.1 重排九宫问题及其树的表示 86
4.1.2 重排九宫问题的状态树表示 87
4.1.3 树的一些术语 88
4.2 基本搜索方法 89
4.2.1 广度优先搜索方法 90
4.2.2 深度优先搜索方法 91
4.3 启发式搜索 94
4.3.1 启发函数的作用 94
4.3.2 重排九宫问题的启发式搜索过程 95
4.3.3 启发函数的选择 96
4.4 求解博弈问题 97
4.4.1 博弈问题 97
4.4.2 井字棋问题 97
4.5.2 归结原理及其应用简述 100
4.5 浅谈机器证明 100
4.5.1 知识的表示 100
第五章 人工智能的回顾与展望 105
5.1 人工智能的发展历程 106
5.1.1 人工智能的形成与发展 106
5.1.2 人工智能取得的成果 107
5.1.3 国内人工智能发展现状 107
5.2 人工智能的展望 110
5.2.1 机器智能化 110
5.2.2 智能机器人 110
5.2.3 知识发现与数据挖掘 111
5.2.4 社会智能化 111
部分中英文术语对照表 118