人工智能：复杂问题求解的结构和策略(原书第6版)
点击看大图基本信息
内容简介回到顶部↑
书籍
计算机书籍
本书是一本经典的人工智能教材，全面阐述了人工智能的基础理论，有效结合了求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了独特的讨论。新版中增加了对“基于随机方法的机器学习”的介绍，并提出了一些新的主题，如涌现计算、本体论、随机分割算法等。
本书适合作为高等院校计算机专业人工智能教材，也可供人工智能领域的研究者及相关工程技术人员参考。
本书是一本经典的人工智能教材，全面阐述了人工智能的基础理论，有效结合了求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了全面的讨论。
本版新增内容
·新增一章，介绍用于机器学习的随机方法，包括一阶贝叶斯网络、各种隐马尔可夫模型、马尔可夫随机场推理和循环信念传播。
·介绍针对期望最大化学习以及利用马尔可夫链蒙特卡罗抽样的结构化学习的参数选择，强化学习中马尔可夫决策过程的利用。
·介绍智能体技术和本体的使用。
·介绍自然语言处理的动态规划（earley语法分析）以及viterbi等其他概率语法分析技术。
·书中的许多算法采用prolog、lisp和java语言来构建。
计算机书籍
本书是一本经典的人工智能教材，全面阐述了人工智能的基础理论，有效结合了求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了独特的讨论。新版中增加了对“基于随机方法的机器学习”的介绍，并提出了一些新的主题，如涌现计算、本体论、随机分割算法等。
本书适合作为高等院校计算机专业人工智能教材，也可供人工智能领域的研究者及相关工程技术人员参考。
本书是一本经典的人工智能教材，全面阐述了人工智能的基础理论，有效结合了求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了全面的讨论。
本版新增内容
·新增一章，介绍用于机器学习的随机方法，包括一阶贝叶斯网络、各种隐马尔可夫模型、马尔可夫随机场推理和循环信念传播。
·介绍针对期望最大化学习以及利用马尔可夫链蒙特卡罗抽样的结构化学习的参数选择，强化学习中马尔可夫决策过程的利用。
·介绍智能体技术和本体的使用。
·介绍自然语言处理的动态规划（earley语法分析）以及viterbi等其他概率语法分析技术。
·书中的许多算法采用prolog、lisp和java语言来构建。
作译者回到顶部↑
目录回到顶部↑
出版者的话
译者序
前言
第一部分人工智能的历史渊源及研究范围
第1章人工智能的历史及应用
1．1从伊甸园到第一台电子计算机：对智能、知识和人类技能的态度
1．1．1人工智能基础的简要历史
1．1．2理性主义和经验主义学派对人工智能的影响
1．1．3形式逻辑的发展
1．1．4图灵测试
1．1．5智能的生物和社会模型：主体理论
1．2人工智能应用领域概述
1．2．1博弈
1．2．2自动推理和定理证明
1．2．3专家系统
1．2．4自然语言理解和语义学
1．2．5对人类表现建模
1．2．6规划和机器人学
1．2．7人工智能的语言和环境
1．2．8机器学习
译者序
前言
第一部分人工智能的历史渊源及研究范围
第1章人工智能的历史及应用
1．1从伊甸园到第一台电子计算机：对智能、知识和人类技能的态度
1．1．1人工智能基础的简要历史
1．1．2理性主义和经验主义学派对人工智能的影响
1．1．3形式逻辑的发展
1．1．4图灵测试
1．1．5智能的生物和社会模型：主体理论
1．2人工智能应用领域概述
1．2．1博弈
1．2．2自动推理和定理证明
1．2．3专家系统
1．2．4自然语言理解和语义学
1．2．5对人类表现建模
1．2．6规划和机器人学
1．2．7人工智能的语言和环境
1．2．8机器学习
译者序回到顶部↑
人工智能（AI）最开始的动机是想创造一种机器，它不仅能够思考，而且还有可能和人类交流，这是计算的最高级目标。在过去的许多年里，人工智能的研究者们在探索智能机制的同时，还使人工智能在实际领域取得了更广泛的应用。我们可以使用不同的人工智能策略解决很多在实际应用计算机技术时出现的复杂问题。众所周知，智能本身是非常复杂的，难以用单一的理论来描述。因此，产生了一系列的理论从不同的抽象层次刻画这个主题。在最低层次，神经网络、遗传算法以及其他形式的理论可以辅助理解适应性原理、感知机制以及与物理世界的交互机制。在更加抽象的层次，专家系统的设计、智能主体、随机模型以及自然语言理解程序反映了知识在智能中的角色和创建、传递、保持的社会过程。更深一层，逻辑学家提出了演绎、反绎、归纳、真值维护以及其他的推理模型和方式。
在第6版中，George F. Luger阐述了复杂问题求解结构和策略的所有这些层次的理论，同时，他还指出了智能研究本身的令人兴奋之处，演示了怎样使用不同的软件工具和技术去解决计算机科学家面临的复杂问题。
这本畅销教材的主要特点是：
·彻底和全面阐述人工智能的基础理论。
·有效结合了求解智能问题的数据结构以及实现的算法。
·用LISP、Prolog或Java语言编写实例程序。
·把人工智能的应用程序应用于实际环境中。
·从社会和哲学角度出发对人工智能进行全面的讨论。
与第5版相比，第6版主要扩充了获取人工智能的随机方法的相关材料，包括：
·修改9.3节、加入第13章来介绍基于概率的机器学习。
·扩充了关于有限状态自动机和概率接受器以及动态规划的使用，尤其是使用随机测量的动态规划算法（Viterbi算法）的例子。
此外，第6版除了介绍Prolog和LISP，还收集了一些用Java实现的人工智能算法。
本书共16章。第1章（第一部分）简单介绍人工智能；第2、3、4、5、6章（第二部分）介绍AI问题求解的研究工具；第7、8、9章（第三部分）介绍人工智能和知识密集型问题求解以及变化和模糊情况下推理的表示法；第10、11、12、13章（第四部分）提供机器学习中问题的扩充说明；第14、15章构成本书的第五部分，第14章讨论这一领域中最早的程序，第15章介绍自然语言理解；第16章（第六部分）作为本书的结束语。
本书适合作为高等院校计算机、自动化、电子等专业本科生及研究生的人工智能教材。同时，本书也是人工智能领域的研究者或那些想了解和应用当前人工智能技术的工作人员的一本宝贵的参考资料。
本书第6版的翻译工作由郭茂祖主持，郭茂祖审校了全部译稿，玄萍负责校对。其中，郭茂祖翻译了第1、2、3、4、5章，刘扬翻译了第7、8、9、10章，玄萍翻译了第11、12、13、14章，王春宇翻译了第6、15、16章。在本书的翻译过程中，李建伏、邓超、邹权、于建涛、王峻、李艳娟、吴伟宁、徐磊、艾淼、邢志安给予了很多帮助，对他们表示由衷的感谢。另外，本书的翻译参考了第5版的中文版，在此一并表示感谢。
在第6版中，George F. Luger阐述了复杂问题求解结构和策略的所有这些层次的理论，同时，他还指出了智能研究本身的令人兴奋之处，演示了怎样使用不同的软件工具和技术去解决计算机科学家面临的复杂问题。
这本畅销教材的主要特点是：
·彻底和全面阐述人工智能的基础理论。
·有效结合了求解智能问题的数据结构以及实现的算法。
·用LISP、Prolog或Java语言编写实例程序。
·把人工智能的应用程序应用于实际环境中。
·从社会和哲学角度出发对人工智能进行全面的讨论。
与第5版相比，第6版主要扩充了获取人工智能的随机方法的相关材料，包括：
·修改9.3节、加入第13章来介绍基于概率的机器学习。
·扩充了关于有限状态自动机和概率接受器以及动态规划的使用，尤其是使用随机测量的动态规划算法（Viterbi算法）的例子。
此外，第6版除了介绍Prolog和LISP，还收集了一些用Java实现的人工智能算法。
本书共16章。第1章（第一部分）简单介绍人工智能；第2、3、4、5、6章（第二部分）介绍AI问题求解的研究工具；第7、8、9章（第三部分）介绍人工智能和知识密集型问题求解以及变化和模糊情况下推理的表示法；第10、11、12、13章（第四部分）提供机器学习中问题的扩充说明；第14、15章构成本书的第五部分，第14章讨论这一领域中最早的程序，第15章介绍自然语言理解；第16章（第六部分）作为本书的结束语。
本书适合作为高等院校计算机、自动化、电子等专业本科生及研究生的人工智能教材。同时，本书也是人工智能领域的研究者或那些想了解和应用当前人工智能技术的工作人员的一本宝贵的参考资料。
本书第6版的翻译工作由郭茂祖主持，郭茂祖审校了全部译稿，玄萍负责校对。其中，郭茂祖翻译了第1、2、3、4、5章，刘扬翻译了第7、8、9、10章，玄萍翻译了第11、12、13、14章，王春宇翻译了第6、15、16章。在本书的翻译过程中，李建伏、邓超、邹权、于建涛、王峻、李艳娟、吴伟宁、徐磊、艾淼、邢志安给予了很多帮助，对他们表示由衷的感谢。另外，本书的翻译参考了第5版的中文版，在此一并表示感谢。
前言回到顶部↑
我们通过做来学习我们必须做的……
——亚里士多德《伦理学》（Ethics）
欢迎阅读第6版
我很高兴被邀请写作这本《人工智能》教材的第6版。这是对20多年来前几个版本的褒奖，说明我们获取AI的方法得到了大家的高度评价。同样令人兴奋的是，随着人工智能领域的新的发展，我们能够在每个新版本中介绍这些新发展和新技术。我们感谢许多读者、同事和学生督促我们及时地更新相关主题。
前几版中的许多章节现在仍然具有很好的适用性，包括对逻辑、搜索算法、知识表示、产生式系统、机器学习以及用LISP、Prolog和本版中的Java开发的程序设计技术的介绍。这些仍然是人工智能的中心问题，也是这个新版本的重点。
这本书仍然是容易理解的。我们介绍了关键的表示技术，包括逻辑、语义和连接主义网络、图模型等。我们首先用伪代码的形式清楚地描述了搜索算法，然后在补充材料中介绍了许多用Prolog、LISP和/或Java实现的搜索算法。希望有学习主动性的学生能够掌握我们这些核心实现并把它们扩展到新的应用领域。
第6版中增加了新的一章(第13章)来介绍基于随机方法的机器学习。随机技术对人工智能的影响日益增大，尤其是在诊断推理、预测推理、自然语言理解、机器人学和机器学习这些领域。为了支持这些新兴的技术，我们扩充了对贝叶斯定理、马尔可夫模型、贝叶斯网络以及相关图模型的介绍。另外，还扩充讨论了概率有限状态自动机、隐马尔可夫模型、基于Earley解析器和Viterbi算法实现的动态规划。其他一些主题（如涌现计算、本体论、随机分割算法）在前几版中写得有些仓促，现在已成为比较重要的主题，值得更加全面地讨论。第6版中所做的修改反映出了新出现的人工智能问题，同时也是人工智能领域具有持久活力的证明。
随着AI研究课题的不断扩大，我们得到了很多人（包括出版商、编辑、朋友、同事，尤其是广大读者）的支持，他们使我们的工作具有长久而又有意义的生命力。能得到这样的机会，我们仍然很兴奋：因为很少有人会鼓励科学家从他们自己较窄的研究兴趣出发写出宏篇巨著。我们对出版商和读者为我们提供这样的机会表示感谢。我们也很受鼓舞，因为本书前几版已经用于全世界许多人工智能领域，而且被翻译成了许多不同语言（包括德语、波兰语、葡萄牙语、俄语以及中文简体和繁体）。
虽然人工智能和大多数工程学科一样，必须通过为实际问题提供解决方案来证明自己对商业领域的价值，但是我们与许多同事和学生却以相同的原因进入AI领域：我们想要理解和探索能够进行智能思考和动作的头脑的工作机制。我们避免使用“智能是人类的特有能力”这样粗浅的说法，而是相信我们能够通过设计和评估人工智能产物来有效地研究可能的智能空间。尽管我们的经历使我们没有理由改变初衷，但是我们的工作在广度、复杂度和创新性方面又上了一个新的台阶。在前面版本的前言中，我们概括了三点主张，我们相信坚持这三点主张可以使我们的方法在人工智能教学过程中取得卓越的成效。在这一版的前言中，自然要回到这些主题看看它们是如何随着领域发展而延续的。
第一点主张是通过详细讨论人工智能的理论基础来统一不同的分支。在我们首次采纳这点主张时，主要问题似乎是协调两种研究者，一种着重于对人工智能进行详细描述和形式化理论分析（整洁派），另一种相信智能本身是某种豪华的工具并且能够用应用驱动的特定方法获得（杂乱派）。事实证明，这种二分法过于简单。
在当代的AI中，整洁派和杂乱派之间的争论，已经引起了物理符号系统支持者和神经网络研究者、逻辑学家和非逻辑方式进化人工生命形式的设计者、专家系统建造者和基于案例的推理者以及相信已经获得人工智能的人和认为人工智能永远无法获得的人之间的许多争论。AI是一门前沿科学，在这里，离经叛道者、探索者、极端预言家和其他梦想家被形式主义和经验主义慢慢驯服。我们最初的这种印象现在让位于一个不同的比喻：在一个巨大、无秩序但大体上和平的城市里，有秩序的中产阶级邻居从不同的、混乱的、狂放不羁的地区来此谋生。在我们致力于写作本书不同版本的几年中，一幅关于智能结构的引人注目的图画开始从城市的结构、艺术和工业中显现出来。
智能太复杂了，无法用任何单一的理论来描述；研究者正在构建一个从多个抽象层次上刻画智能的理论层次结构。在这个结构的底层，神经网络、遗传算法和其他形式的涌现计算使我们能理解所有形式的智能行为之下必然隐含的适应、感知、表现和与物质世界交互的过程。通过某些仍然是部分理解的归结，这个由盲目原始的参与者构成的混乱群体引出了逻辑推理的更冷静模式。在这个更高的层次上，逻辑学家在亚里士多德贡献的基础上，描绘演绎、反绎、归纳、真值维护和推理的无数其他方式和方法。在更高层抽象上，专家系统、智能主体和自然语言理解程序的设计者渐渐认识到社会过程在产生、传播和维持知识方面所起的作用。
从这一点来看，在AI事业中，理性主义和经验主义两种极端都只能得到一些片面的结论，两种极端的适用性和普遍性都受到限制。作者采取了另一种态度，即认为经验主义者的条件作用(语义网、脚本、包容结构)和理性主义者清晰明确的观点(谓词演算、非单调逻辑、自动推理)构成了第三个观点——贝叶斯定理。关联不变性的经验以智能的多个智能主体的期望为条件，学习这些不变性反过来可以使将来的期望发生偏离。作为哲学家，我们有责任分析人工智能事业在认识论上的合法性。为完成这一任务，我们在第16章讨论了理性主义工程、经验主义难题，并提出了一个基于贝叶斯的构造论者的一致观点。在第6版中，我们触及了呈现这个AI事业的所有层次。
我们在前面版本中提出的第二点主张是在AI方法学中高级表示形式和搜索技术占有中心位置。这可能是前面版本及AI许多早期工作中最有争议的方面，许多涌现计算的研究者质疑符号推理和指称语义在思考中是否有作用。虽然为事物给定名字的表示法思想受到了神经网络或人工生命的涌现模式提供的隐含表示法的挑战，但我们相信对于任何严谨的人工智能研究者，理解表示法和搜索仍然是基本的。同时，我们认为第1章对历史传统和先驱的回顾是人工智能教育不可或缺的部分。而且，高级表示形式和搜索技术也是分析非符号人工智能的多个方面（如分析神经网络的表达能力或者通过遗传算法的适应度范围计算候选问题解的进展）的无价工具。第16章中对现代AI的不同方法进行了比较和评论。
我们在前面版本中提出的第三点主张是将人工智能放到经验科学的上下文中。引用以前版本中Newell and Simon(1976)的图灵奖演讲：
……AI不是对科学传统的某种奇怪的偏离，而……是对关于智能知识的寻求和对智能本身的理解的一部分。另外，AI程序设计工具和研究程序设计的方法学……对探究外界环境都是完美的。我们的工具提供了一种理解和质疑的方法。我们通过逐步近似来察觉和了解自然现象。
这样，将每个设计和程序都看成是对自然的一个试验：我们提出一个表示，生成一个搜索算法，并质疑这样的描述是否能够适当地说明部分智能现象。自然世界给我们的疑问一个回答。我们的实验可能会被拆解、修订、扩充，然后再次运行。模型可能被改进，同时我们的理解范围也进一步扩大了。
第6版的新内容
第6版最主要的修改是扩充了获取人工智能的随机方法。为此，我们修改了93节，并且加入了第13章来介绍基于概率的机器学习。我们更加全面地介绍了随机的人工智能工具及其在学习和自然语言中的应用。
我们从集合论和计数的基础知识开始，逐步引出概率、随机变量和独立性等概念。接着，以一种症状和一种疾病为例，介绍并使用了贝叶斯定理，然后将其推广到最通用的形式。我们分析研究了应用贝叶斯定理的假设，介绍了argmax和简单贝叶斯方法。我们介绍了随机推理的一些例子，包括语言现象分析和Viterbi算法。我们还介绍了条件独立性的思想，随后在第9章引出了关于贝叶斯信念网络（BBN）的介绍。
——亚里士多德《伦理学》（Ethics）
欢迎阅读第6版
我很高兴被邀请写作这本《人工智能》教材的第6版。这是对20多年来前几个版本的褒奖，说明我们获取AI的方法得到了大家的高度评价。同样令人兴奋的是，随着人工智能领域的新的发展，我们能够在每个新版本中介绍这些新发展和新技术。我们感谢许多读者、同事和学生督促我们及时地更新相关主题。
前几版中的许多章节现在仍然具有很好的适用性，包括对逻辑、搜索算法、知识表示、产生式系统、机器学习以及用LISP、Prolog和本版中的Java开发的程序设计技术的介绍。这些仍然是人工智能的中心问题，也是这个新版本的重点。
这本书仍然是容易理解的。我们介绍了关键的表示技术，包括逻辑、语义和连接主义网络、图模型等。我们首先用伪代码的形式清楚地描述了搜索算法，然后在补充材料中介绍了许多用Prolog、LISP和/或Java实现的搜索算法。希望有学习主动性的学生能够掌握我们这些核心实现并把它们扩展到新的应用领域。
第6版中增加了新的一章(第13章)来介绍基于随机方法的机器学习。随机技术对人工智能的影响日益增大，尤其是在诊断推理、预测推理、自然语言理解、机器人学和机器学习这些领域。为了支持这些新兴的技术，我们扩充了对贝叶斯定理、马尔可夫模型、贝叶斯网络以及相关图模型的介绍。另外，还扩充讨论了概率有限状态自动机、隐马尔可夫模型、基于Earley解析器和Viterbi算法实现的动态规划。其他一些主题（如涌现计算、本体论、随机分割算法）在前几版中写得有些仓促，现在已成为比较重要的主题，值得更加全面地讨论。第6版中所做的修改反映出了新出现的人工智能问题，同时也是人工智能领域具有持久活力的证明。
随着AI研究课题的不断扩大，我们得到了很多人（包括出版商、编辑、朋友、同事，尤其是广大读者）的支持，他们使我们的工作具有长久而又有意义的生命力。能得到这样的机会，我们仍然很兴奋：因为很少有人会鼓励科学家从他们自己较窄的研究兴趣出发写出宏篇巨著。我们对出版商和读者为我们提供这样的机会表示感谢。我们也很受鼓舞，因为本书前几版已经用于全世界许多人工智能领域，而且被翻译成了许多不同语言（包括德语、波兰语、葡萄牙语、俄语以及中文简体和繁体）。
虽然人工智能和大多数工程学科一样，必须通过为实际问题提供解决方案来证明自己对商业领域的价值，但是我们与许多同事和学生却以相同的原因进入AI领域：我们想要理解和探索能够进行智能思考和动作的头脑的工作机制。我们避免使用“智能是人类的特有能力”这样粗浅的说法，而是相信我们能够通过设计和评估人工智能产物来有效地研究可能的智能空间。尽管我们的经历使我们没有理由改变初衷，但是我们的工作在广度、复杂度和创新性方面又上了一个新的台阶。在前面版本的前言中，我们概括了三点主张，我们相信坚持这三点主张可以使我们的方法在人工智能教学过程中取得卓越的成效。在这一版的前言中，自然要回到这些主题看看它们是如何随着领域发展而延续的。
第一点主张是通过详细讨论人工智能的理论基础来统一不同的分支。在我们首次采纳这点主张时，主要问题似乎是协调两种研究者，一种着重于对人工智能进行详细描述和形式化理论分析（整洁派），另一种相信智能本身是某种豪华的工具并且能够用应用驱动的特定方法获得（杂乱派）。事实证明，这种二分法过于简单。
在当代的AI中，整洁派和杂乱派之间的争论，已经引起了物理符号系统支持者和神经网络研究者、逻辑学家和非逻辑方式进化人工生命形式的设计者、专家系统建造者和基于案例的推理者以及相信已经获得人工智能的人和认为人工智能永远无法获得的人之间的许多争论。AI是一门前沿科学，在这里，离经叛道者、探索者、极端预言家和其他梦想家被形式主义和经验主义慢慢驯服。我们最初的这种印象现在让位于一个不同的比喻：在一个巨大、无秩序但大体上和平的城市里，有秩序的中产阶级邻居从不同的、混乱的、狂放不羁的地区来此谋生。在我们致力于写作本书不同版本的几年中，一幅关于智能结构的引人注目的图画开始从城市的结构、艺术和工业中显现出来。
智能太复杂了，无法用任何单一的理论来描述；研究者正在构建一个从多个抽象层次上刻画智能的理论层次结构。在这个结构的底层，神经网络、遗传算法和其他形式的涌现计算使我们能理解所有形式的智能行为之下必然隐含的适应、感知、表现和与物质世界交互的过程。通过某些仍然是部分理解的归结，这个由盲目原始的参与者构成的混乱群体引出了逻辑推理的更冷静模式。在这个更高的层次上，逻辑学家在亚里士多德贡献的基础上，描绘演绎、反绎、归纳、真值维护和推理的无数其他方式和方法。在更高层抽象上，专家系统、智能主体和自然语言理解程序的设计者渐渐认识到社会过程在产生、传播和维持知识方面所起的作用。
从这一点来看，在AI事业中，理性主义和经验主义两种极端都只能得到一些片面的结论，两种极端的适用性和普遍性都受到限制。作者采取了另一种态度，即认为经验主义者的条件作用(语义网、脚本、包容结构)和理性主义者清晰明确的观点(谓词演算、非单调逻辑、自动推理)构成了第三个观点——贝叶斯定理。关联不变性的经验以智能的多个智能主体的期望为条件，学习这些不变性反过来可以使将来的期望发生偏离。作为哲学家，我们有责任分析人工智能事业在认识论上的合法性。为完成这一任务，我们在第16章讨论了理性主义工程、经验主义难题，并提出了一个基于贝叶斯的构造论者的一致观点。在第6版中，我们触及了呈现这个AI事业的所有层次。
我们在前面版本中提出的第二点主张是在AI方法学中高级表示形式和搜索技术占有中心位置。这可能是前面版本及AI许多早期工作中最有争议的方面，许多涌现计算的研究者质疑符号推理和指称语义在思考中是否有作用。虽然为事物给定名字的表示法思想受到了神经网络或人工生命的涌现模式提供的隐含表示法的挑战，但我们相信对于任何严谨的人工智能研究者，理解表示法和搜索仍然是基本的。同时，我们认为第1章对历史传统和先驱的回顾是人工智能教育不可或缺的部分。而且，高级表示形式和搜索技术也是分析非符号人工智能的多个方面（如分析神经网络的表达能力或者通过遗传算法的适应度范围计算候选问题解的进展）的无价工具。第16章中对现代AI的不同方法进行了比较和评论。
我们在前面版本中提出的第三点主张是将人工智能放到经验科学的上下文中。引用以前版本中Newell and Simon(1976)的图灵奖演讲：
……AI不是对科学传统的某种奇怪的偏离，而……是对关于智能知识的寻求和对智能本身的理解的一部分。另外，AI程序设计工具和研究程序设计的方法学……对探究外界环境都是完美的。我们的工具提供了一种理解和质疑的方法。我们通过逐步近似来察觉和了解自然现象。
这样，将每个设计和程序都看成是对自然的一个试验：我们提出一个表示，生成一个搜索算法，并质疑这样的描述是否能够适当地说明部分智能现象。自然世界给我们的疑问一个回答。我们的实验可能会被拆解、修订、扩充，然后再次运行。模型可能被改进，同时我们的理解范围也进一步扩大了。
第6版的新内容
第6版最主要的修改是扩充了获取人工智能的随机方法。为此，我们修改了93节，并且加入了第13章来介绍基于概率的机器学习。我们更加全面地介绍了随机的人工智能工具及其在学习和自然语言中的应用。
我们从集合论和计数的基础知识开始，逐步引出概率、随机变量和独立性等概念。接着，以一种症状和一种疾病为例，介绍并使用了贝叶斯定理，然后将其推广到最通用的形式。我们分析研究了应用贝叶斯定理的假设，介绍了argmax和简单贝叶斯方法。我们介绍了随机推理的一些例子，包括语言现象分析和Viterbi算法。我们还介绍了条件独立性的思想，随后在第9章引出了关于贝叶斯信念网络（BBN）的介绍。
媒体评论回到顶部↑
“在人工智能领域里，学生经常遇到许多很难的概念；本书通过精选的实例与简单明了的视图，清晰而准确地阐述这些概念。”
——Joseph，圣迭哥州立大学
“本书是人工智能课程的完美补充。它既给读者以历史的观点，又给出所有技术的实用指南。这是一本必须要推荐的人工智能的图书。”
——Pascal Rebreyend，瑞典达拉那大学
“该书的写作风格和全面的论述使它成为人工智能领域很有价值的文献。”
——Malachy Eaton，利默里克大学
——Joseph，圣迭哥州立大学
“本书是人工智能课程的完美补充。它既给读者以历史的观点，又给出所有技术的实用指南。这是一本必须要推荐的人工智能的图书。”
——Pascal Rebreyend，瑞典达拉那大学
“该书的写作风格和全面的论述使它成为人工智能领域很有价值的文献。”
——Malachy Eaton，利默里克大学
评论交流
共有5人开贴评论 6人参与评论 0人参与打分 查看
)
发表于：2011-3-26 14:22:00
导师推荐的人工智能入门书籍。首先，该书言简意赅比较容易读懂。第二，有很多例子穿插在在课文中，帮助读者能将每种人工智能的方法应用于只见众。第三，算法或者数据结构的解释被巧妙地阐释出来，而不是对一大堆资料的冗长的总结。最后，编程章节让学生能更深刻地理解资料，同时也穿插着许多对实现细节的参考。本书比较适合作为大学教材，在涉及的人工智能方面的内容非常广，唯一不足的可能是深度不足，读者通过该书入门之后可以阅读进阶书籍。
PS:本书中的代码使用PROLOG和LISP，但是如果你不会他们也不需要买其他书了，因为书中有章节专门讲这两门语言的基础，所以在学习AI同时你也能学到对这两门语言的运用。
PS:本书中的代码使用PROLOG和LISP，但是如果你不会他们也不需要买其他书了，因为书中有章节专门讲这两门语言的基础，所以在学习AI同时你也能学到对这两门语言的运用。
加载中...| 我要写评论 |
| 查看所有评论交流(共5条) |
