第一篇 总论：高等人工智能研究的科学观与方法论 3
第1章 自然智能理论研究的启迪 3
1.1脑神经科学研究简介 3
1.1.1人类大脑与智能系统 3
1.1.2脑的组织学 5
1.1.3脑组织的细胞学 8
1.2认知科学研究简介 14
1.2.1感知 15
1.2.2注意 16
1.2.3记忆 18
1.2.4思维 21
1.2.5语言 23
1.2.6情绪 24
1.3脑科学与认知科学的融通：“全信息”科学观 25
1.3.1脑神经科学与认知科学：存在“理论的断裂” 25
1.3.2认知科学研究：需要“全信息”，也能生成“全信息” 29
1.4小结与评注 36
参考文献 37
第2章 人工智能研究方法的变革 39
2.1人工智能研究鸟瞰 39
2.1.1人工智能的基本概念 39
2.1.2“人工智能”含义的辨析 45
2.1.3人工智能研究的历史与现状 47
2.2科学研究方法的进化 55
2.2.1科学方法论的进化 55
2.2.2科学方法论演进概要 56
2.3概念与方法的重审：开放复杂信息系统的科学方法论 61
2.3.1人工智能研究遭遇的科学方法论问题 62
2.3.2人工智能研究的新型科学方法论 65
2.3.3《高等人工智能原理》一书的知识结构 72
2.4小结与评注 73
参考文献 74
第二篇 高等人工智能的基础理论 79
第3章 全信息理论 79
3.1基本概念 79
3.1.1现有信息概念简评 79
3.1.2信息定义谱系：本体论信息与认识论信息 83
3.1.3 Shannon信息：统计型语法信息 91
3.2全信息的分类与描述 95
3.2.1信息的分类 96
3.2.2信息的描述 99
3.3信息的度量 108
3.3.1概率语法信息的测度：Shannon概率熵 108
3.3.2模糊语法信息的测度：DeLuca-Termin模糊熵 110
3.3.3语法信息的统一测度：一般信息函数 112
3.3.4全信息的测度 117
3.4小结与评注 122
参考文献 123
第4章 知识理论 125
4.1知识的概念、分类与表示 126
4.1.1知识及其相关的基本概念 126
4.1.2知识的分类与表示 134
4.2知识的度量 141
4.2.1针对“知识生成”的知识测度 141
4.2.2针对“知识激活”的知识度量 146
4.3知识的生态学 147
4.3.1知识的内生态系统 147
4.3.2知识的外生态系统 156
4.4小结与评注 158
参考文献 159
第三篇 高等人工智能的主体理论 163
第5章 感知、注意与记忆：第一类信息转换原理 163
5.1高等人工智能的系统模型与机制主义方法 163
5.1.1高等人工智能的系统模型 163
5.1.2信息转换：高等人工智能系统的机制主义方法 169
5.2第一类信息转换原理及感知与注意的生成机制 172
5.2.1第一类信息转换原理：全信息的生成机理 172
5.2.2重要的副产品：脑科学与认知科学的“搭界” 177
5.2.3第一类信息转换原理的应用：感知注意的生成机理 179
5.3记忆系统的全信息机制 184
5.3.1记忆系统的全信息存储 186
5.3.2长期记忆系统的信息存储结构与提取方式 194
5.4小结与评注 203
参考文献 204
第6章 意识、情感、理智与行为：第二类信息转换原理 206
6.1基础意识的生成机制：第二类A型信息转换原理 207
6.1.1意识的含义 208
6.1.2基础意识的生成机制 212
6.2情感的生成机制：第二类B型信息转换原理 223
6.2.1基本概念 223
6.2.2情感的分类 227
6.2.3情感生成的机制 229
6.3理智的生成机制：第二类C型信息转换原理 237
6.3.1理智的基本概念 238
6.3.2理智生成的机制 246
6.3.3综合决策 253
6.4策略执行的机制：第二类D型信息转换原理 255
6.4.1策略表示 256
6.4.2策略执行：从策略信息到策略行为的转换 260
6.5小结与评注 264
参考文献 266
第四篇 高等人工智能与现行人工智能的关系 273
第7章 物理符号系统：规范知识支持的机制主义方法 273
7.1形态性知识支持的智能生成方法 274
7.1.1一般模型 274
7.1.2控制策略 279
7.2内容性知识支持的机制主义方法 286
7.2.1谓词逻辑 286
7.2.2归谬推理 288
7.3价值性知识支持的机制主义方法 296
7.3.1启发式搜索 296
7.3.2博弈树搜索 300
7.3.3智能搜索与智能检索方法 305
7.4小结与评注 308
参考文献 310
第8章 人工神经网络：经验知识支持的机制主义方法 312
8.1生物神经网络与人工神经网络 313
8.1.1人类智能与生物神经网络 313
8.1.2人工神经网络基础 318
8.2前向神经网络及其应用 322
8.2.1单层感知器 322
8.2.2多层感知器 324
8.3反馈神经网络 330
8.3.1 Hopfield模型 330
8.3.2联想存储器：反馈型神经网络设计举例 333
8.4自组织神经网络 338
8.5小结与评注 342
参考文献 344
第9章 感知-动作系统：常识知识支持的机制主义方法 345
9.1传感 347
9.2模式分类 354
9.2.1统计识别方法 355
9.2.2语言学方法 357
9.2.3神经网络方法 360
9.2.4关于“模式理解”的提要 362
9.3感知-动作系统 365
9.3.1感知-动作系统的总体原则 365
9.3.2几个典型的感知-动作系统 368
9.3.3智能体：感知-动作系统的变种 370
9.4小结与评注 374
参考文献 376
第五篇 应用问题择要 379
第10章 有关应用的几个共性课题 379
10.1自然语言理解 379
10.1.1自然语言理解与自然语言处理 380
10.1.2规则方法与统计方法 381
10.1.3领域广度与质量优度 384
10.1.4语言理解与信息理论 385
10.1.5全信息理论与自然语言理解 389
10.1.6全信息自然语言理解方法论 391
10.1.7全信息自然语言理解方法论的应用 392
10.2机器学习 394
10.2.1学习的一般概念 394
10.2.2学习的一般理论 396
10.2.3几种常用的机器学习方法 400
10.3智能机器人和智能信息网络 404
10.3.1智能机器人 404
10.3.2智能信息网络 408
10.3.3智能技术的应用前景 412
10.4小结与评注 414
参考文献 415
结语 417
索引 421