第1章 引言：人工智能领域的局限 1
1.1引言 1
1.2人工智能的局限 4
1.2.1创造一台思考机器的困难 4
1.2.2缺乏常识性推理 7
1.2.3难以驾驭的特性 9
1.3智能系统的解释能力 11
1.3.1系统的透明度 12
1.3.2系统的灵活性 14
1.4人工智能的未来：面向交互式的图表 17
参考文献 18
第2章 思维模型：在人眼中的图表 20
2.1思维模型的定义 20
2.2知识的组织 23
2.2.1内部连接 23
2.2.2外部连接 35
2.3讨论 45
参考文献 47
第3章 图表的类型 50
3.1引言 50
3.2系统拓扑 54
3.3顺序和流程 55
3.3.1活动图表 57
3.3.2泳道：分割一幅活动图表 60
3.3.3案例研究：在急救室中的治疗类选法 61
3.4层次和分类 64
3.4.1组织图表 65
3.4.2遗传层次 66
3.4.3组成模型 68
3.5关联 68
3.5.1语义网络 69
3.5.2实体关系图表 70
3.6因果关系 72
3.6.1有向图 73
3.6.2其他符号系统 76
3.6.3因果关系推理中的谬论 80
3.7决策图表 83
3.7.1决策树 84
3.7.2影响图表 86
3.7.3顺序的决策 86
3.8讨论 90
参考文献 91
第4章 应用图表的逻辑推理 93
4.1引言 93
4.2论证图表 94
4.3用动态维恩图表进行逻辑推理 96
4.3.1维恩图表介绍 98
4.3.2通过维恩图表的演绎推论：第一个途径 102
4.3.3转换规则 106
4.4回顾演绎推理 113
4.4.1两种表示系统的检验：语言学（一阶逻辑）对应非语言学（维恩图表） 115
参考文献 120
第5章 基于规则的专家系统 121
5.1引言 121
5.2基于规则的推理 125
5.2.1基于规则的专家系统的组成部分 128
5.2.2推理机 129
5.2.3冲突结果 135
5.2.4 CLIPS 138
5.3利益与局限 150
5.3.1很难对专门技术进行提取 153
5.3.2不能捕获所有的知识 154
5.3.3专家系统不能够学习 154
5.3.4专家系统缺乏灵活性 154
5.3.5缺乏对专家系统的信任，同时在解释结果上面专家系统的能力有限 154
5.3.6专家系统很难检验和验证 155
附录A股票选择专家系统 156
参考文献 161
第6章 带有图形的基于规则的推理 162
6.1专家系统的透明性 163
6.2用图表表示一个简单的专家系统 168
6.3更复杂的应用：运输模式选择 170
6.4知识库的分层模型 173
6.5专家系统的灵活性 177
6.6规则轨迹图 180
6.7策略知识 182
6.8讨论 189
附录A运输模式知识库 191
参考文献 195
第7章 基于模型的推理 196
7.1基于模型的诊断 198
7.1.1排除一个简单设备的故障 199
7.1.2排除逻辑门设备故障 203
7.2设计商业后勤网络 205
7.2.1 LogNet描述 206
7.2.2网络基准 207
7.3带有图形用户界面的可视化交互模型 209
7.4基于模型的推理：通向一个较好网络设计的向导 211
7.4.1网络整理 211
7.4.2网络分散 213
7.5使用LogNet解决问题：两个方案 215
7.6基于启发式搜索的调整 220
7.7讨论 222
参考文献 224
第8章 基于置信度与贝叶斯网络的不精确推理 226
8.1置信度 227
8.1.1信度网络 230
8.1.2恶意病毒检测系统 231
8.2概率论基本原理 237
8.2.1基本概念 238
8.2.2条件概率与贝叶斯定理 241
8.3贝叶斯网络 245
8.4讨论 253
参考文献 254
第9章 理解图表推理的框架 256
9.1评估图表准则 258
9.1.1有效图表可以深化对系统的理解 258
9.1.2有效图表表述非常明确 259
9.1.3有效图表是最简的 260
9.1.4有效图表是相关的 261
9.1.5有效图表支持多层的描述 261
9.2比较两个图表：信息能力和计算能力 262
9.3超越静态图表 266
9.4编后：应用并超越人工智能技术的图形化用户界面 268
参考文献 270