第Ⅰ部分 人工智能 3
第1章 绪论 3
1.1 什么是人工智能 3
1.2 人工智能的基础 6
1.3 人工智能的历史 16
1.4 最新发展水平 27
1.5 本章小结 28
参考文献与历史注释 29
习题 29
第2章 智能Agent 32
2.1 Agent和环境 32
2.2 好的行为：理性的概念 34
2.3 环境的性质 37
2.4 Agent的结构 41
2.5 本章小结 52
参考文献与历史注释 52
习题 54
第Ⅱ部分 问题求解 59
第3章 通过搜索进行问题求解 59
3.1 问题求解Agent 59
3.2 问题实例 64
3.3 通过搜索求解 68
3.4 无信息搜索策略 73
3.5 有信息（启发式）的搜索策略 82
3.6 启发式函数 91
3.7 本章小结 95
参考文献与历史注释 96
习题 99
第4章 超越经典搜索 105
4.1 局部搜索算法和最优化问题 105
4.2 连续空间中的局部搜索 113
4.3 使用不确定动作的搜索 115
4.4 使用部分可观察信息的搜索 119
4.5 联机搜索Agent和未知环境 126
4.6 本章小结 131
参考文献与历史注释 131
习题 134
第5章 对抗搜索 137
5.1 博弈 137
5.2 博弈中的优化决策 139
5.3 α-β剪枝 141
5.4 不完美的实时决策 144
5.5 随机博弈 149
5.6 部分可观察的博弈 152
5.7 博弈程序发展现状 155
5.8 其他途径 157
5.9 本章小结 159
参考文献与历史注释 159
习题 164
第6章 约束满足问题 169
6.1 定义约束满足问题 169
6.2 约束传播：CSP中的推理 173
6.3 CSP的回溯搜索 178
6.4 CSP局部搜索 183
6.5 问题的结构 184
6.6 本章小结 188
参考文献与历史注释 188
习题 191
第Ⅲ部分 知识、推理与规划 197
第7章 逻辑Agent 197
7.1 基于知识的Agent 197
7.2 Wumpus世界 199
7.3 逻辑 201
7.4 命题逻辑：一种简单逻辑 204
7.5 命题逻辑定理证明 209
7.6 有效的命题逻辑模型检验 217
7.7 基于命题逻辑的Agent 221
7.8 本章小结 229
参考文献与历史注释 230
习题 233
第8章 一阶逻辑 238
8.1 重温表示 238
8.2 一阶逻辑的语法和语义 242
8.3 运用一阶逻辑 250
8.4 一阶逻辑的知识工程 255
8.5 本章小结 260
参考文献与历史注释 261
习题 262
第9章 一阶逻辑的推理 268
9.1 命题推理与一阶推理 268
9.2 合一和提升 270
9.3 前向链接 274
9.4 反向链接 280
9.5 归结 287
9.6 本章小结 296
参考文献与历史注释 297
习题 299
第10章 经典规划 304
10.1 经典规划的定义 304
10.2 状态空间搜索规划算法 309
10.3 规划图 314
10.4 其他经典规划方法 321
10.5 规划方法分析 325
10.6 本章小结 326
参考文献与历史注释 326
习题 329
第11章 现实世界的规划与行动 332
11.1 时间、调度和资源 332
11.2 分层规划 336
11.3 非确定性领域中的规划与行动 343
11.4 多Agent规划 351
11.5 本章小结 355
参考文献与历史注释 356
习题 359
第12章 知识表示 361
12.1 本体论工程 361
12.2 类别和对象 363
12.3 事件 368
12.4 精神事件和精神对象 372
12.5 类别的推理系统 375
12.6 缺省信息推理 379
12.7 互联网购物世界 383
12.8 本章小结 387
参考文献与历史注释 388
习题 392
第Ⅳ部分 不确定知识与推理 401
第13章 不确定性的量化 401
13.1 不确定环境下的行动 401
13.2 基本概率符号 404
13.3 使用完全联合分布进行推理 410
13.4 独立性 413
13.5 贝叶斯规则及其应用 414
13.6 重游wumpus世界 417
13.7 本章小结 420
参考文献与历史注释 420
习题 422
第14章 概率推理 426
14.1 不确定性问题域中的知识表示 426
14.2 贝叶斯网络的语义 428
14.3 条件分布的有效表示 433
14.4 贝叶斯网络中的精确推理 436
14.5 贝叶斯网络中的近似推理 443
14.6 关系和一阶概率模型 450
14.7 不确定推理的其他方法 456
14.8 本章小结 461
参考文献与历史注释 461
习题 466
第15章 时间上的概率推理 473
15.1 时间与不确定性 473
15.2 时序模型中的推理 476
15.3 隐马尔可夫模型 483
15.4 卡尔曼滤波器 487
15.5 动态贝叶斯网络 493
15.6 跟踪多个对象 500
15.7 本章小结 503
参考文献与历史注释 503
习题 506
第16章 制定简单决策 509
16.1 在不确定环境下结合信念与愿望 509
16.2 效用理论基础 510
16.3 效用函数 513
16.4 多属性效用函数 519
16.5 决策网络 522
16.6 信息价值 524
16.7 决策理论专家系统 528
16.8 本章小结 530
参考文献与历史注释 531
习题 534
第17章 制定复杂决策 538
17.1 序列式决策问题 538
17.2 价值迭代 543
17.3 策略迭代 547
17.4 部分可观察的MDP 548
17.5 多Agent的决策：博弈论 555
17.6 机制设计 565
17.7 本章小结 570
参考文献与历史注释 570
习题 573
第Ⅴ部分 学 习 579
第18章 样例学习 579
18.1 学习形式 579
18.2 监督学习 581
18.3 学习决策树 582
18.4 评估和选择最佳假说 591
18.5 学习理论 595
18.6 带线性模型的回归和分类 599
18.7 人工神经网 606
18.8 非参数化模型 614
18.9 支持向量机 619
18.10 组合学习 622
18.11 机器学习实例 626
18.12 本章小结 629
参考文献与历史注释 630
习题 634
第19章 学习中的知识 639
19.1 学习的逻辑公式化 639
19.2 学习中的知识 645
19.3 基于解释的学习 648
19.4 使用相关性信息学习 651
19.5 归纳逻辑程序设计 654
19.6 本章小结 662
参考文献与历史注释 662
练习 664
第20章 学习概率模型 666
20.1 统计学习 666
20.2 带完整数据的学习 669
20.3 隐变量学习：EM算法 677
20.4 本章小结 684
参考文献与历史注释 684
习题 686
第21章 强化学习 688
21.1 引言 688
21.2 被动强化学习 689
21.3 主动强化学习 695
21.4 强化学习中的泛化 700
21.5 策略搜索 702
21.6 强化学习的应用 704
21.7 本章小结 706
参考文献与历史注释 707
习题 710
第Ⅵ部分 通讯、感知与行动 715
第22章 自然语言处理 715
22.1 语言模型 715
22.2 文本分类 719
22.3 信息检索 721
22.4 信息抽取 727
22.5 本章小结 735
参考文献与历史注释 735
习题 737
第23章 用于通讯的自然语言 740
23.1 短语结构语法 740
23.2 句法分析 743
23.3 扩展文法和语义解释 747
23.4 机器翻译 755
23.5 语音识别 760
23.6 本章小结 765
参考文献与历史注释 766
习题 769
第24章 感知 774
24.1 图像生成 775
24.2 图像预处理 780
24.3 基于外观的物体识别 785
24.4 重建三维世界 789
24.5 基于结构的物体识别 797
24.6 视觉应用 799
24.7 本章小结 802
参考文献与历史注释 803
习题 805
第25章 机器人学 807
25.1 引言 807
25.2 机器人硬件 809
25.3 机器人的感知 813
25.4 运动规划 819
25.5 规划不确定的运动 825
25.6 运动 828
25.7 机器人软件体系结构 833
25.8 应用领域 836
25.9 本章小结 839
参考文献与历史注释 840
习题 843
第Ⅶ部分 结 论 851
第26章 哲学基础 851
26.1 弱人工智能：机器能够智能地行动吗 851
26.2 强人工智能：机器真能思考吗 856
26.3 发展人工智能的道德规范与风险 862
26.4 本章小结 868
参考文献与历史注释 868
习题 870
第27章 人工智能：现状与未来 872
27.1 Agent的组成部分 872
27.2 Agent的体系结构 874
27.3 我们在沿着正确的方向前进吗 876
27.4 如果人工智能成功了会怎样 877
附录A数学背景 879
A.1 复杂度分析与O()符号 879
A.2 向量、矩阵和线性代数 881
A.3 概率分布 882
参考文献与历史注释 884
附录B关于语言和算法的注释 885
B.1 用巴科斯范式（BNF）定义语言 885
B.2 算法的伪代码描述 886
B.3 联机帮助 887
参考文献 888