人工智能

本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2~6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9~11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。
本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。

出版说明
前言
第1章绪论
1.1什么是人工智能
1.2人工智能的起源与发展历史
1.3人工智能研究的基本内容
1.3.1认知建模
1.3.2知识表示
1.3.3自动推理
1.3.4机器学习
1.4人工智能研究的主要学派
1.4.1符号主义
1.4.2连接主义
1.4.3行为主义
1.5人工智能的应用
1.6小结和展望
习题
第2章知识表示
2.1概述
2.2谓词逻辑
2.3产生式系统
2.4语义网络
2.4.1语义网络的概念和结构
2.4.2复杂知识的表示
2.4.3常用的语义联系
2.5框架
2.5.1框架结构
2.5.2框架网络
2.5.3推理方法
2.6状态空间
2.7面向对象的知识表示
2.8脚本
2.8.1脚本描述
2.8.2概念依赖关系
2.9本体
2.10小结
习题
第3章自动推理
3.1概述
3.2三段论推理
3.3盲目搜索
3.3.1深度优先搜索
3.3.2宽度优先搜索
3.3.3迭代加深搜索
3.4回溯策略
3.5启发式搜索
3.5.1启发性信息和评估函数
3.5.2爬山算法
3.5.3模拟退火算法
3.5.4最好优先算法
3.5.5通用图搜索算法
3.5.6A*算法
3.5.7迭代加深A*算法
3.6与或图启发式搜索
3.6.1问题归约的描述
3.6.2与或图表示
3.6.3AO*算法
3.7博弈搜索
3.7.1极大极小过程
3.7.2α-β过程
3.8归结演绎推理
3.8.1子句型
3.8.2置换和合一
3.8.3合一算法
3.8.4归结式
3.8.5归结反演
3.8.6答案的提取
3.8.7归结反演的搜索策略
3.9产生式系统
3.9.1产生式系统的基本结构
3.9.2正向推理
3.9.3反向推理
3.9.4混合推理
3.10自然演绎推理
3.11非单调推理
3.11.1默认推理
3.11.2限制推理
3.12小结
习题
第4章不确定性推理
4.1概述
4.1.1不确定性知识分类
4.1.2不确定性推理的基本问题
4.1.3不确定性推理方法分类
4.2可信度方法
4.2.1建造医学专家系统时的问题
4.2.2可信度模型
4.2.3确定性方法的说明
4.3主观贝叶斯方法
4.3.1贝叶斯公式
4.3.2知识不确定性的表示
4.3.3证据不确定性的表示
4.3.4组合证据不确定性的计算
4.3.5不确定性的传递算法
4.3.6结论不确定性的合成
4.4证据理论
4.4.1假设的不确定性
4.4.2证据的组合函数
4.4.3规则的不确定性
4.4.4不确定性的组合
4.5模糊逻辑和模糊推理
4.5.1模糊集合及其运算
4.5.2语言变量
4.5.3模糊逻辑
4.5.4模糊推理
4.6小结
习题
第5章机器学习
5.1机器学习概述
5.1.1简单的学习模型
5.1.2什么是机器学习
5.1.3机器学习的研究概况
5.2归纳学习
5.2.1归纳学习的基本概念
5.2.2变型空间学习
5.2.3决策树
5.3类比学习
5.3.1相似性
5.3.2转换类比
5.3.3基于案例的推理
5.3.4迁移学习
5.4统计学习
5.4.1逻辑回归
5.4.2支持向量机
5.4.3提升方法
5.5强化学习
5.5.1强化学习模型
5.5.2学习自动机
5.5.3自适应动态程序设计
5.5.4Q-学习
5.6进化计算
5.6.1达尔文进化算法
5.6.2遗传算法
5.6.3进化策略
5.6.4进化规划
5.7群体智能
5.7.1蚁群算法
5.7.2粒子群优化
5.8知识发现
5.9小结
习题
第6章神经网络
6.1概述
6.2神经信息处理的基本原理
6.3感知机
6.3.1基本神经元
6.3.2感知机模型
6.4前馈神经网络
6.4.1前馈神经网络模型
6.4.2误差反向传播算法
6.4.3BP算法的若干改进
6.5Hopfield网络
6.5.1离散Hopfield网络
6.5.2连续Hopfield网络
6.6随机神经网络
6.6.1模拟退火算法
6.6.2玻耳兹曼机
6.7深度学习
6.7.1人脑视觉机理
6.7.2自编码器
6.7.3受限玻耳兹曼机
6.7.4深度信念网络
6.7.5卷积神经网络
6.8自组织神经网络
6.8.1网络的拓扑结构
6.8.2网络自组织算法
6.8.3监督学习
6.9小结
习题
第7章专家系统
7.1专家系统概述
7.1.1什么是专家系统
7.1.2专家系统的特点
7.1.3专家系统的发展史
7.2专家系统的基本结构
7.3专家系统MYCIN
7.3.1咨询子系统
7.3.2静态数据库
7.3.3控制策略
7.4专家系统工具CLIPS
7.4.1概述
7.4.2CLIPS中的知识表示
7.4.3CLIPS运行
7.4.4Rete匹配算法
7.5专家系统工具JESS
7.6面向对象专家系统工具OKPS
7.6.1OKPS中的知识表示
7.6.2推理控制语言ICL
7.7专家系统建造
7.7.1需求分析
7.7.2系统设计
7.7.3知识库构建
7.7.4系统开发
7.7.5系统测试
7.8新型专家系统
7.8.1分布式专家系统
7.8.2协同式专家系统
7.8.3神经网络专家系统
7.8.4基于互联网的专家系统
7.9小结
习题
第8章自然语言处理
8.1概述
8.1.1什么是自然语言处理
8.1.2自然语言处理的发展
8.1.3自然语言处理的层次
8.2词法分析
8.3句法分析
8.3.1短语结构语法
8.3.2乔姆斯基形式语法
8.3.3句法分析树
8.3.4转移网络
8.3.5扩充转移网络
8.4语义分析
8.4.1语义文法
8.4.2格文法
8.5语用分析
8.6语料库
8.6.1语料库语言学
8.6.2统计方法的应用
8.6.3汉语语料库加工
8.7信息检索
8.8机器翻译
8.9问答系统
8.10小结
习题
第9章分布式人工智能与智能体
9.1概述
9.2分布式问题求解
9.2.1分布式人工智能的兴起
9.2.2分布式问题求解系统分类
9.2.3分布式问题求解过程
9.3智能体理论
9.3.1理性智能体
9.3.2BDI智能体模型
9.4智能体结构
9.4.1智能体基本结构
9.4.2慎思智能体
9.4.3反应智能体
9.4.4层次智能体
9.5智能体通信语言ACL
9.5.1智能体间通信概述
9.5.2FIPAACL消息
9.6协调和协作
9.6.1引言
9.6.2合同网
9.6.3基于生态学的协作
9.6.4基于对策论的协商
9.6.5基于意图的协商
9.7移动智能体
9.8多智能体环境MAGE
9.9小结
习题
第10章智能机器人
10.1概述
10.2智能机器人的体系结构
10.3机器人视觉系统
10.3.1视觉系统分类
10.3.2定位技术
10.3.3自主视觉导航
10.3.4视觉伺服系统
10.4机器人规划
10.4.1任务规划
10.4.2分层任务网络规划
10.4.3路径规划
10.4.4轨迹规划
10.5情感机器人
10.6发育机器人
10.7机器人应用
10.8智能机器人发展趋势
10.9小结
习题
第11章互联网智能
11.1概述
11.2语义Web
11.2.1语义Web的层次模型
11.2.2本体的基本概念
11.2.3本体描述语言OWL
11.3本体知识管理
11.3.1知识管理系统Protégé
11.3.2知识管理系统KMSphere
11.4Web技术的演化
11.5Web挖掘
11.5.1Web内容挖掘
11.5.2Web结构挖掘
11.5.3Web使用挖掘
11.6搜索引擎
11.6.1搜索引擎原理
11.6.2知识图谱
11.7集体智能
11.7.1引言
11.7.2社群智能
11.7.3集体智能系统
11.7.4全球脑
11.8小结
习题
第12章类脑智能
12.1概述
12.2大数据智能
12.3认知计算
12.4欧盟人脑计划
12.5美国脑计划
12.6脑模拟系统Spaun
12.7神经形态芯片
12.8类脑智能路线图
习题
附录课程实习
参考文献

人工智能是计算机科学的一个分支，是采用人工的方法和技术，通过研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。人工智能自1956年诞生以来，历经艰辛与坎坷，取得了举世瞩目的成就，特别是机器学习、数据挖掘、计算机视觉、专家系统、自然语言处理、模式识别、机器人等相关的应用带来了良好的经济效益和社会效益。广泛使用的互联网也正在探索应用知识表示和推理，构建语义Web, 提高互联网信息的效率。2015年7月4日，国务院发布《关于积极推进“互联网＋”行动的指导意见》，明确未来三年以及十年的发展目标，提出包括“互联网＋”创业创新、“互联网＋”协同制造、“互联网＋”现代农业、“互联网＋”智慧能源、“互联网＋”普惠金融、“互联网＋”益民服务、“互联网＋”高效物流、“互联网＋”电子商务、“互联网＋”便捷交通、“互联网＋”绿色生态和“互联网＋”人工智能11项重点行动，充分发挥智能科学与技术的作用，形成经济发展新动能，催生经济新格局。 人工智能的长期目标是建立达到人类智力水平的人工智能，智能科学指明了其实现的途径，发达国家都在积极开展探索。2013年1月28日，欧盟启动了旗舰“人类大脑计划”, 未来10年将投入10亿欧元的研发经费，目标是用超级计算机多段多层完全模拟人脑，帮助理解人脑功能。2013年4月2日，美国总统奥巴马宣布一项重大计划，将进行历时10年左右、总额10亿美元的研究计划——运用先进创新型神经技术的大脑研究BRAIN，目标是研究大脑中数十亿神经元的功能，探索人类感知、行为和意识，希望找出治疗阿尔茨海默氏症(老年痴呆症)等与大脑有关疾病的方法。我国也在积极酝酿开展类脑智能的研究。 数字化、网络化和智能化是信息社会发展的必然趋势，智能革命将开创人类后文明史。如果说蒸汽机创造了工业社会，那么智能机也一定能奇迹般地创造出智能社会，实现社会生产的自动化和智能化，促进知识密集型经济的大发展，在这方面人工智能将发挥重大作用。 本书是作者在多年的科研与教学实践基础上，吸取国内外多种人工智能教材的优点，参考国际上最新的研究成果编写而成，具有下列特点： 1）科学性。全面阐述人工智能的基础理论，力求概念正确，有效结合求解智能问题的数据结构以及实现的算法。 2）实用性。根据人工智能实际应用需求，安排知识表示、自动推理、机器学习、神经网络、专家系统和自然语言处理等内容，并通过大量的例题讲解解题方法。 3）先进性。尽可能吸收国际上最新的研究成果，反映人工智能领域在分布式人工智能、机器人、互联网智能和类脑智能等方面的最先进水平。 4）可读性。文字表述力求通俗易懂，文笔流畅，使读者易于理解所学内容。在内容安排上力求由浅入深，循序渐进。 全书共12章。第1章简要介绍人工智能的基本概念、研究发展的状况以及各个学派的观点，并对其研究与应用领域进行了必要的讨论。第2章介绍基本的知识表示方法，包括产生式系统、语义网络、框架理论和状态空间，并介绍概念依赖、脚本和本体等方法。第3章讨论自动推理，对各种搜索技术、博弈问题、产生式系统、归结推理规则和归结原理，以及非单调推理等进行讨论。第4章是不确定性推理，讨论主观贝叶斯方法、确定性理论、证据理论，以及模糊逻辑和模糊推理等内容。第5章是机器学习，介绍归纳学习、ID3算法、类比学习、统计学习和SVM、强化学习、进化计算和群体智能等。第6章讨论神经网络，重点介绍感知机、前馈神经网络、Hopfield网络、随机神经网络、深度学习和自组织神经网络。第7章介绍专家系统，主要介绍专家系统的基本原理、典型的专家系统和开发工具。第8章是自然语言处理，主要阐述自然语言词法、句法、语义分析、真实文本语料库和语用分析等方面，介绍自然语言处理所涉及的关键技术。第9章讨论智能体技术的重要概念和关键技术。第10章论述智能机器人，探讨智能机器人的体系结构、视觉系统、自动规划，列举智能机器人的重要应用。第11章是互联网智能，介绍语义Web、本体知识管理、Web技术、Web挖掘、搜索引擎和集体智能等。最后一章探讨类脑智能，展望类脑智能发展的路线图。 在本书的每章后面都附有一定数量的习题，以巩固所学知识。为了加强课程的实践环节，书后列出了课程习题，使读者能够应用所学内容解决实际问题。在最后列出了参考文献，读者可以从中得到进一步的学习。 本书内容力求做到由浅入深、循序渐进、条理清晰、前后一致，既强调基本原理和工程应用，又要反映国内外研究和应用的最新进展，具有科学性、先进性和实用性。本书包含了作者多年的科研和教学实践，也吸取了国内外同类教材和有关文献的精华，在此谨向这些教材和文献的作者表示感谢，也向提供帮助的许多老师和学生表示感谢。 本书研究工作得到国家重点基础研究发展计划（973）“脑机协同的认知计算模型”（项目编号：2013CB329502）、国家自然科学基金重点项目“基于云计算的海量数据挖掘”（批准号：61035003）、国家科技支撑项目“颌面部组织缺损和畸形重建相关技术研究” （批准号：2012BA107B02）等的支持。在本书编写和出版过程中，得到了机械工业出版社的大力支持，在此谨表诚挚的谢意。 本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。在教学过程中老师可以根据实际需要对内容进行取舍。 由于作者水平有限，加之人工智能发展迅速，书中不妥和错误之处在所难免，诚恳地希望专家和读者提出宝贵意见，以帮助本书改进和完善。