人工智能
点击看大图基本信息
- 原书名：Artifical Intelligence:A new Synthesis
- 原出版社： Morgan Kaufmann
内容简介回到顶部↑
本书从一个新颖的角度对人工智能各方面的问题进行了探讨。由浅入深地介绍了整个人工智能系统和agent的发展历程。首先，描述了仅能对周围环境中可感知特征做出反应的原始agent，以及它们所涉及的机器视觉、机器学习和机器进化等问题；然后，逐步介绍了agent 可以从无法立即感知的任务环境中获取信息的技术。本书不仅是对人工智能技术的介绍，而且能为人工智能的研究提供参考和建议。
本书作为人工智能的入门教材，适合所有对人工智能这门学科感兴趣的读者参考，尤其适合大专院校的计算机专业及相关专业的学生用做教材或教学参考书。
本书作为人工智能的入门教材，适合所有对人工智能这门学科感兴趣的读者参考，尤其适合大专院校的计算机专业及相关专业的学生用做教材或教学参考书。
作译者回到顶部↑
本书提供作译者介绍
郑扣根，男，1964年11月出生于江苏镇江。1986年东北重型机械学院自动控制系本科毕业，同年考入浙江大学科仪系攻读硕士学位，1987年公派至英国Warwick大学继续攻读工程硕士，并于1990年获Warwick大学博士学位。同年至英国Leicester 大学做博士后，1993年12月回国至浙江大学计算机系做博士后，1994年5月晋升为副研究员，1996年1月出站并留在浙江大学计算机系任教至今。主要研究方向为操作系统、人工智能、地理信息系统、并行算法等。
庄越挺，1965年6月出生于浙江慈溪。获浙江大学计算机应用博.. << 查看详细
庄越挺，1965年6月出生于浙江慈溪。获浙江大学计算机应用博.. << 查看详细
目录回到顶部↑
目 录
译者序
前言
第1章 绪论 1
1.1 什么是人工智能 1
1.2 人工智能的研究方法 4
1.3 人工智能简史 5
1.4 本书规划 7
1.5 补充读物和讨论 9
第一部分 响应机器
第2章 刺激响应agent 13
2.1 感知和动作 13
2.1.1 感知 15
2.1.2 动作 15
2.1.3 布尔代数 16
2.1.4 布尔函数的类别和形式 16
2.2 动作函数的表达和执行 17
2.2.1 产生式系统 17
2.2.2 网络 18
2.2.3 包含体系结构 20
译者序
前言
第1章 绪论 1
1.1 什么是人工智能 1
1.2 人工智能的研究方法 4
1.3 人工智能简史 5
1.4 本书规划 7
1.5 补充读物和讨论 9
第一部分 响应机器
第2章 刺激响应agent 13
2.1 感知和动作 13
2.1.1 感知 15
2.1.2 动作 15
2.1.3 布尔代数 16
2.1.4 布尔函数的类别和形式 16
2.2 动作函数的表达和执行 17
2.2.1 产生式系统 17
2.2.2 网络 18
2.2.3 包含体系结构 20
译者序回到顶部↑
译 者 序
人类总是在不断深入地研究自然界，最复杂的研究对象便是人类本身。人工智能在20世纪50年代诞生并随之兴起，此后掀起了用机器来研究与模拟人类思维的阵阵热浪。人工智能的发展历史反复经历了高峰和低谷的转换。起初，研究者们对之极为乐观，期望在不远的将来，人类所创造的机器能够成为作曲家、艺术家、工程师和象棋大师等。在这种目标的激励下，人工智能的研究热潮一浪高过一浪，很快在问题求解、博弈、演绎逻辑及机器自动证明理论和技术等方面有了突飞猛进的发展。但是人类智能之复杂及计算机软硬件之局限，决定了人工智能的发展道路崎岖不平。过高的期望也给许多人带来了失望。跳棋程序到了一定程度水平难以再提高、通用解题程序遇到了难以逾越的困难、归结方法难以克服“组合爆炸”等等，人工智能的研究曾一度陷入低谷。但近几年来，通过人工智能研究者们的不断争论、探索和创新，并随着相关领域、特别是计算机技术的飞速发展，人工智能又进入一个新的发展期，一些新技术、新观念被集成到这个领域，本书即是作者在此背景下撰写而成的。
本书的作者Nilsson教授是人工智能研究中逻辑学派的奠基人之一，他早期的一些人工智能著作堪称为该领域的经典，曾经在全世界许多国家被用做大学的教材。本书是Nilsson教授在综合了当前人工智能领域的最新研究、计算机及相关领域的最新发展，增添了大量新的研究内容之后撰写完成的。本书取材新颖，概念清楚，通俗易懂，在广度、深度及先进性方面都作了综合的考虑。与作者的其他著作风格不同的是，在每章的最后一节均附有“补充阅读和讨论”，系统地总结了与所讨论的章节相关的参考文献和评论，为读者进一步深入了解书中的基本原理提供了很大的帮助。
本书的翻译力求忠于作者原意。考虑到本书可作为一本人工智能的基础教材，我们在许多人工智能的专业术语后面的括号内注上英文原文。这一方面是为了方便读者能对照理解，为其以后的学习打下基础；另一方面也为了避免以往就存在的不同中文译法而带来的歧义，以节省读者的宝贵时间。另外，本书频繁地使用了“agent”这一术语，书中可译为“智能体”或“智能主体”，但由于“agent”这一单词近几年在人工智能和计算机界使用非常广泛，且大都沿用原文，故我们在本书中也按此习惯，未将其译为中文。译者希望本书的翻译既能吸引更多的读者进入这个领域，同时也能给人工智能研究者们提供知识的更新和补充。
本书的翻译由郑扣根和庄越挺合作完成，全书由潘云鹤教授校阅。
在本书的翻译过程中，得到了马社亮、田鹏、任海波、田稷等同志的许多帮助，在此表示深深的谢意。同时也非常感谢机械工业出版社的编辑们给予我们耐心的等待和支持。
由于种种原因，书中错误和不妥之处在所难免，恳请读者批评指正。
译 者
2000年4月
人类总是在不断深入地研究自然界，最复杂的研究对象便是人类本身。人工智能在20世纪50年代诞生并随之兴起，此后掀起了用机器来研究与模拟人类思维的阵阵热浪。人工智能的发展历史反复经历了高峰和低谷的转换。起初，研究者们对之极为乐观，期望在不远的将来，人类所创造的机器能够成为作曲家、艺术家、工程师和象棋大师等。在这种目标的激励下，人工智能的研究热潮一浪高过一浪，很快在问题求解、博弈、演绎逻辑及机器自动证明理论和技术等方面有了突飞猛进的发展。但是人类智能之复杂及计算机软硬件之局限，决定了人工智能的发展道路崎岖不平。过高的期望也给许多人带来了失望。跳棋程序到了一定程度水平难以再提高、通用解题程序遇到了难以逾越的困难、归结方法难以克服“组合爆炸”等等，人工智能的研究曾一度陷入低谷。但近几年来，通过人工智能研究者们的不断争论、探索和创新，并随着相关领域、特别是计算机技术的飞速发展，人工智能又进入一个新的发展期，一些新技术、新观念被集成到这个领域，本书即是作者在此背景下撰写而成的。
本书的作者Nilsson教授是人工智能研究中逻辑学派的奠基人之一，他早期的一些人工智能著作堪称为该领域的经典，曾经在全世界许多国家被用做大学的教材。本书是Nilsson教授在综合了当前人工智能领域的最新研究、计算机及相关领域的最新发展，增添了大量新的研究内容之后撰写完成的。本书取材新颖，概念清楚，通俗易懂，在广度、深度及先进性方面都作了综合的考虑。与作者的其他著作风格不同的是，在每章的最后一节均附有“补充阅读和讨论”，系统地总结了与所讨论的章节相关的参考文献和评论，为读者进一步深入了解书中的基本原理提供了很大的帮助。
本书的翻译力求忠于作者原意。考虑到本书可作为一本人工智能的基础教材，我们在许多人工智能的专业术语后面的括号内注上英文原文。这一方面是为了方便读者能对照理解，为其以后的学习打下基础；另一方面也为了避免以往就存在的不同中文译法而带来的歧义，以节省读者的宝贵时间。另外，本书频繁地使用了“agent”这一术语，书中可译为“智能体”或“智能主体”，但由于“agent”这一单词近几年在人工智能和计算机界使用非常广泛，且大都沿用原文，故我们在本书中也按此习惯，未将其译为中文。译者希望本书的翻译既能吸引更多的读者进入这个领域，同时也能给人工智能研究者们提供知识的更新和补充。
本书的翻译由郑扣根和庄越挺合作完成，全书由潘云鹤教授校阅。
在本书的翻译过程中，得到了马社亮、田鹏、任海波、田稷等同志的许多帮助，在此表示深深的谢意。同时也非常感谢机械工业出版社的编辑们给予我们耐心的等待和支持。
由于种种原因，书中错误和不妥之处在所难免，恳请读者批评指正。
译 者
2000年4月
前言回到顶部↑
前 言
本书从一个新颖的角度对人工智能(Artificial Intelligence，简称AI)各方面的问题进行了探讨，由浅入深地介绍整个人工智能系统或agent的发展历程。首先，将介绍仅能对周围环境中可感知特征做出反应的原始agent，以及这些简单的机器所涉及的机器视觉、机器学习和机器进化等问题；然后，将逐步介绍使agent可以在无法立即感知的任务环境中获取信息的技术。这些信息可以采用环境状态、环境图标模型、状态空间图和逻辑表示等描述性信息的形式。因为AI的发展历程类似于动物的进化过程，因此我称其为演化人工智能(evolutionary artificial intelligence)。希望本书不仅是对人工智能技术的介绍，而且能为研究人工智能提供参考（建议）。为此，书中的例子为人工智能的学习提供激励和基础。
尽管我运用agent来说明人工智能技术，但人工智能技术本身拥有更广泛的应用。许多人工智能研究者的思想已经渗透到计算机科学中，AI已广泛应用于专家系统、自然语言处理、人机交互、信息检索、图形图象处理、数据挖掘和机器人技术（对此将会举例说明）。这里，agent旨在把一系列看似不相关的主题组织到一起。
本书涉及的范围，将力图控制在理论和实践之间的中间地带。这一地带拥有丰富而重要的人工智能的思想，并且，在本书中我将尽力选取并说明那些在人工智能领域中具有经久不衰的价值观点（当然，在选取论题并做出结论时不可避免地会出现遗漏和错误）。同时，在书中将对某些论题进行深入探讨—不仅因为这些论题更加重要，而且我想要在书中提供一些深层剖析的例子。虽然书中出现了伪代码算法，但本书并非人工智能编程的教材（“人工智能技术”的书包括：[Shoham 1994，Norvig 1992，Tracy & Bouthoorn 1997]）。我并不对所有重要的理论结果给出证明，但会对那些形式证明尽力提供直观的论据和引用。我的目的是为一个学期的大学初级课程提供一本厚度适中的入门教材，激发学生和读者的兴趣，为进一步学习更高级的人工智能课程做好准备，同时使大量关于人工智能的文献易于查阅。
本书的一个打破常规之处是机器学习（machine learning）并未作为单独的论题讨论，而是将其贯穿本书始终。首先讨论神经网络（neural net）和受监督的学习（supervised learning）的基本思想；接着在“搜索（search）”章节中将讨论学习启发式搜索和动作策略的技术；然后，在有关“逻辑（logic）”章节之后将讨论规则学习(rule learning)，归纳逻辑编程（inductive logic programming）和基于解释的学习（explanation-based learning）；最后，在讨论了基于逻辑的计划（logic-based planning）之后，将讨论有关学习规划（learning plan）。
我以前的书中每章末尾均提供“参考书目和历史评价”（有的读者或许觉得仍有用），但是在这本书中我并没有这样做。因为随着人工智能的发展，它所包含的内容已经愈加广泛，而且另一本更加详尽的教材已经作了这项工作（Russell & Norvig 1995）。但我在本书中引入了适当的评价和引用，并且在多数章节末尾的讨论小节中给出了另外一些讨论。那些有志于以人工智能为研究方向的学生可以查阅这些参考书，希望这些大量的引用不会给一般读者带来困扰。
每章末尾均附有习题，有些只是书中概念的简单应用，有些则稍具挑战性，难度不一。我希望教师能根据自己的需要扩充习题，包括上机练习和项目编程（为了与以思想而不是以程序为中心的初衷保持一致，我并没有在书中涉及任何计算机上机练习和项目编程。在专门的人工智能编程技术教材中可找到相关内容。）
本书使用如下的排版约定：黑体大写字母如W和X用来表示矢量、矩阵和模式操作符。小写希腊字母表示谓词演算表达式和子表达式所涉及的元变量，有时也表示替换。大写希腊字母用来表示谓词演算公式的集合。小写字母p表示概率。
通过万维网（WWW），学生和研究者可以找到大量关于人工智能的资料，这里并没有列出它们的网址，因为现在列出的清单数月后会变得不完整和不确切。另外，通过Web搜索引擎，读者可迅速查找到应用实例、常见问题、参考书目、研究论文、程序、交互演示、研究所和会议的公告及研究者的主页等等。
在出版者的Web站点www.mkp.com/nils的网页上可找到本书的相关资料，如发现错误，请通过以下地址给出版商发电子邮件：aibugs@mkp.com。错误及更正可以在以下网址中找到：http://www.mkp.com/nils/clarified。
本书从一个新颖的角度对人工智能(Artificial Intelligence，简称AI)各方面的问题进行了探讨，由浅入深地介绍整个人工智能系统或agent的发展历程。首先，将介绍仅能对周围环境中可感知特征做出反应的原始agent，以及这些简单的机器所涉及的机器视觉、机器学习和机器进化等问题；然后，将逐步介绍使agent可以在无法立即感知的任务环境中获取信息的技术。这些信息可以采用环境状态、环境图标模型、状态空间图和逻辑表示等描述性信息的形式。因为AI的发展历程类似于动物的进化过程，因此我称其为演化人工智能(evolutionary artificial intelligence)。希望本书不仅是对人工智能技术的介绍，而且能为研究人工智能提供参考（建议）。为此，书中的例子为人工智能的学习提供激励和基础。
尽管我运用agent来说明人工智能技术，但人工智能技术本身拥有更广泛的应用。许多人工智能研究者的思想已经渗透到计算机科学中，AI已广泛应用于专家系统、自然语言处理、人机交互、信息检索、图形图象处理、数据挖掘和机器人技术（对此将会举例说明）。这里，agent旨在把一系列看似不相关的主题组织到一起。
本书涉及的范围，将力图控制在理论和实践之间的中间地带。这一地带拥有丰富而重要的人工智能的思想，并且，在本书中我将尽力选取并说明那些在人工智能领域中具有经久不衰的价值观点（当然，在选取论题并做出结论时不可避免地会出现遗漏和错误）。同时，在书中将对某些论题进行深入探讨—不仅因为这些论题更加重要，而且我想要在书中提供一些深层剖析的例子。虽然书中出现了伪代码算法，但本书并非人工智能编程的教材（“人工智能技术”的书包括：[Shoham 1994，Norvig 1992，Tracy & Bouthoorn 1997]）。我并不对所有重要的理论结果给出证明，但会对那些形式证明尽力提供直观的论据和引用。我的目的是为一个学期的大学初级课程提供一本厚度适中的入门教材，激发学生和读者的兴趣，为进一步学习更高级的人工智能课程做好准备，同时使大量关于人工智能的文献易于查阅。
本书的一个打破常规之处是机器学习（machine learning）并未作为单独的论题讨论，而是将其贯穿本书始终。首先讨论神经网络（neural net）和受监督的学习（supervised learning）的基本思想；接着在“搜索（search）”章节中将讨论学习启发式搜索和动作策略的技术；然后，在有关“逻辑（logic）”章节之后将讨论规则学习(rule learning)，归纳逻辑编程（inductive logic programming）和基于解释的学习（explanation-based learning）；最后，在讨论了基于逻辑的计划（logic-based planning）之后，将讨论有关学习规划（learning plan）。
我以前的书中每章末尾均提供“参考书目和历史评价”（有的读者或许觉得仍有用），但是在这本书中我并没有这样做。因为随着人工智能的发展，它所包含的内容已经愈加广泛，而且另一本更加详尽的教材已经作了这项工作（Russell & Norvig 1995）。但我在本书中引入了适当的评价和引用，并且在多数章节末尾的讨论小节中给出了另外一些讨论。那些有志于以人工智能为研究方向的学生可以查阅这些参考书，希望这些大量的引用不会给一般读者带来困扰。
每章末尾均附有习题，有些只是书中概念的简单应用，有些则稍具挑战性，难度不一。我希望教师能根据自己的需要扩充习题，包括上机练习和项目编程（为了与以思想而不是以程序为中心的初衷保持一致，我并没有在书中涉及任何计算机上机练习和项目编程。在专门的人工智能编程技术教材中可找到相关内容。）
本书使用如下的排版约定：黑体大写字母如W和X用来表示矢量、矩阵和模式操作符。小写希腊字母表示谓词演算表达式和子表达式所涉及的元变量，有时也表示替换。大写希腊字母用来表示谓词演算公式的集合。小写字母p表示概率。
通过万维网（WWW），学生和研究者可以找到大量关于人工智能的资料，这里并没有列出它们的网址，因为现在列出的清单数月后会变得不完整和不确切。另外，通过Web搜索引擎，读者可迅速查找到应用实例、常见问题、参考书目、研究论文、程序、交互演示、研究所和会议的公告及研究者的主页等等。
在出版者的Web站点www.mkp.com/nils的网页上可找到本书的相关资料，如发现错误，请通过以下地址给出版商发电子邮件：aibugs@mkp.com。错误及更正可以在以下网址中找到：http://www.mkp.com/nils/clarified。
评论交流
共有20人开贴评论 37人参与评论 17人参与打分 查看
评价等级：
发表于：2002-2-1 19:29:00
另外一个较为严重的问题就是：虽然本书的翻译工作者对本书的理解非常透彻，但是书中的语言还存在着很浓厚的英语语法的影子，让人不由得想到了“英国汉语”，也就是按照讲英语的习惯将出来的汉语。例如本书的第十九章中第203页对“贝叶斯网”的定义翻译为：“一个贝叶斯网规定图中的每个节点Vi条件独立于由Vi的父节点给定的Vi的非后代节点构成的任何节点子集。”句子非常得长，读起来晦涩难懂，很像英文中的嵌套的长句。如果翻译为：“一个贝叶斯网是这样的一个节点集，其中的节点满足下面两个条件:1、……；2、……。”这样就明白得多了。上面所举的两个例子仅仅是其中的典型情况，书中还存在很多的类似表述，不再赘述。
)
加载中...| 我要写评论 |
| 查看所有评论交流(共20条) |
