第 一部分 人工智能基礎(chǔ) 第 1 章 緒論 2 1.1 什么是人工智能 2 1.2 人工智能的基礎(chǔ) 6 1.3 人工智能的歷史 16 1.4 目前的先進(jìn)技術(shù) 24 1.5 人工智能的風(fēng)險和收益 27 小結(jié) 30 參考文獻(xiàn)與歷史注釋 31 第 2 章 智能體 32 2.1 智能體和環(huán)境 32 2.2 良好行為：理性的概念 34 2.3 環(huán)境的本質(zhì) 37 2.4 智能體的結(jié)構(gòu) 41 小結(jié) 50 參考文獻(xiàn)與歷史注釋 51 第二部分 問題求解 第 3 章 通過搜索進(jìn)行問題求解 54 3.1 問題求解智能體 54 3.2 問題示例 57 3.3 搜索算法 61 3.4 無信息搜索策略 65 3.5 有信息（啟發(fā)式）搜索策略 73 3.6 啟發(fā)式函數(shù) 85 小結(jié) 90 參考文獻(xiàn)與歷史注釋 92 第 4 章 復(fù)雜環(huán)境中的搜索 95 4.1 局部搜索和*優(yōu)化問題 95 4.2 連續(xù)空間中的局部搜索 102 4.3 使用非確定性動作的搜索 104 4.4 部分可觀測環(huán)境中的搜索 108 4.5 在線搜索智能體和未知環(huán)境 115 小結(jié) 120 參考文獻(xiàn)與歷史注釋 121 第 5 章 對抗搜索和博弈 124 5.1 博弈論 124 5.2 博弈中的優(yōu)化決策 126 5.3 啟發(fā)式 α-β 樹搜索 132 5.4 蒙特卡羅樹搜索 136 5.5 隨機(jī)博弈 139 5.6 部分可觀測博弈 142 5.7 博弈搜索算法的局限性 146 小結(jié) 147 參考文獻(xiàn)與歷史注釋 148 第 6 章 約束滿足問題 152 6.1 定義約束滿足問題 152 6.2 約束傳播：CSP 中的推斷 156 6.3 CSP 的回溯搜索 161 6.4 CSP 的局部搜索 166 6.5 問題的結(jié)構(gòu) 168 小結(jié) 171 參考文獻(xiàn)與歷史注釋 172 第三部分 知識、推理和規(guī)劃 第 7 章 邏輯智能體 176 7.1 基于知識的智能體 176 7.2 wumpus 世界 178 7.3 邏輯 180 7.4 命題邏輯：一種非常簡單的邏輯 183 7.5 命題定理證明 187 7.6 高效命題模型檢驗 196 7.7 基于命題邏輯的智能體 200 小結(jié) 207 參考文獻(xiàn)與歷史注釋 208 第 8 章 一階邏輯 211 8.1 回顧表示 211 8.2 一階邏輯的語法和語義 215 8.3 使用一階邏輯 223 8.4 一階邏輯中的知識工程 228 小結(jié) 233 參考文獻(xiàn)與歷史注釋 234 第 9 章 一階邏輯中的推斷 236 9.1 命題推斷與一階推斷 236 9.2 合一與一階推斷 238 9.3 前向鏈接 241 9.4 反向鏈接 247 9.5 歸結(jié) 252 小結(jié) 261 參考文獻(xiàn)與歷史注釋 262 第 10 章 知識表示 265 10.1 本體論工程 265 10.2 類別與對象 267 10.3 事件 272 10.4 精神對象和模態(tài)邏輯 275 10.5 類別的推理系統(tǒng) 278 10.6 用缺省信息推理 281 小結(jié) 284 參考文獻(xiàn)與歷史注釋 285 第 11 章 自動規(guī)劃 290 11.1 經(jīng)典規(guī)劃的定義 290 11.2 經(jīng)典規(guī)劃的算法 294 11.3 規(guī)劃的啟發(fā)式方法 297 11.4 分層規(guī)劃 300 11.5 非確定性域的規(guī)劃和行動 307 11.6 時間、調(diào)度和資源 315 11.7 規(guī)劃方法分析 318 小結(jié) 319 參考文獻(xiàn)與歷史注釋 320 第四部分 不確定知識和不確定推理 第 12 章 不確定性的量化 326 12.1 不確定性下的動作 326 12.1.1 不確定性概述 327 12.1.2 不確定性與理性決策 328 12.2 基本概率記號 329 12.3 使用完全聯(lián)合分布進(jìn)行推斷 334 12.4 獨(dú)立性 336 12.5 貝葉斯法則及其應(yīng)用 337 12.6 樸素貝葉斯模型 340 12.7 重游 wumpus 世界 342 小結(jié) 344 參考文獻(xiàn)與歷史注釋 345 第 13 章 概率推理 348 13.1 不確定域的知識表示 348 13.2 貝葉斯網(wǎng)絡(luò)的語義 350 13.3 貝葉斯網(wǎng)絡(luò)中的精確推斷 360 13.4 貝葉斯網(wǎng)絡(luò)中的近似推理 367 13.5 因果網(wǎng)絡(luò) 379 小結(jié) 382 參考文獻(xiàn)與歷史注釋 383 第 14 章 時間上的概率推理 388 14.1 時間與不確定性 388 14.2 時序模型中的推斷 391 14.3 隱馬爾可夫模型 398 14.4 卡爾曼濾波器 403 14.5 動態(tài)貝葉斯網(wǎng)絡(luò) 408 小結(jié) 417 參考文獻(xiàn)與歷史注釋 418 第 15 章 概率編程 421 15.1 關(guān)系概率模型 421 15.2 開宇宙概率模型 427 15.3 追蹤復(fù)雜世界 433 15.4 作為概率模型的程序 436 小結(jié) 440 參考文獻(xiàn)與歷史注釋 440 第 16 章 做簡單決策 444 16.1 在不確定性下結(jié)合信念與愿望 444 16.2 效用理論基礎(chǔ) 445 16.3 效用函數(shù) 448 16.4 多屬性效用函數(shù) 454 16.5 決策網(wǎng)絡(luò) 458 16.6 信息價值 460 16.7 未知偏好 465 小結(jié) 468 參考文獻(xiàn)與歷史注釋 469 第 17 章 做復(fù)雜決策 473 17.1 序貫決策問題 473 17.2 MDP 的算法 482 17.3 老虎機(jī)問題 489 17.4 部分可觀測MDP 495 17.5 求解POMDP 的算法 497 小結(jié) 501 參考文獻(xiàn)與歷史注釋 502 第 18 章 多智能體決策 505 18.1 多智能體環(huán)境的特性 505 18.2 非合作博弈論 510 18.3 合作博弈論 527 18.4 制定集體決策 533 小結(jié) 544 參考文獻(xiàn)與歷史注釋 545 第五部分 機(jī)器學(xué)習(xí) 第 19 章 樣例學(xué)習(xí) 550 19.1 學(xué)習(xí)的形式 550 19.2 監(jiān)督學(xué)習(xí) 552 19.3 決策樹學(xué)習(xí) 555 19.4 模型選擇與模型優(yōu)化 563 19.5 學(xué)習(xí)理論 569 19.6 線性回歸與分類 572 19.7 非參數(shù)模型 581 19.8 集成學(xué)習(xí) 589 19.9 開發(fā)機(jī)器學(xué)習(xí)系統(tǒng) 596 小結(jié) 604 參考文獻(xiàn)與歷史注釋 605 第 20 章 概率模型學(xué)習(xí) 610 20.1 統(tǒng)計學(xué)習(xí) 610 20.2 完全數(shù)據(jù)學(xué)習(xí) 613 20.3 隱變量學(xué)習(xí)：EM 算法 624 小結(jié) 632 參考文獻(xiàn)與歷史注釋 632 第 21 章 深度學(xué)習(xí) 635 21.1 簡單前饋網(wǎng)絡(luò) 636 21.2 深度學(xué)習(xí)的計算圖 640 21.3 卷積網(wǎng)絡(luò) 643 21.4 學(xué)習(xí)算法 648 21.5 泛化 650 21.6 循環(huán)神經(jīng)網(wǎng)絡(luò) 654 21.7 無監(jiān)督學(xué)習(xí)與遷移學(xué)習(xí) 657 21.8 應(yīng)用 662 小結(jié) 664 參考文獻(xiàn)與歷史注釋 664 第 22 章 強(qiáng)化學(xué)習(xí) 668 22.1 從獎勵中學(xué)習(xí) 668 22.2 被動強(qiáng)化學(xué)習(xí) 670 22.3 主動強(qiáng)化學(xué)習(xí) 674 22.4 強(qiáng)化學(xué)習(xí)中的泛化 680 22.5 策略搜索 686 22.6 學(xué)徒學(xué)習(xí)與逆強(qiáng)化學(xué)習(xí) 688 22.7 強(qiáng)化學(xué)習(xí)的應(yīng)用 690 小結(jié) 692 參考文獻(xiàn)與歷史注釋 693 第六部分 溝通、感知和行動 第 23 章 自然語言處理 698 23.1 語言模型 698 23.2 文法 707 23.3 句法分析 709 23.4 擴(kuò)展文法 713 23.5 真實自然語言的復(fù)雜性 717 23.6 自然語言任務(wù) 720 小結(jié) 722 參考文獻(xiàn)與歷史注釋 722 第 24 章 自然語言處理中的深度學(xué)習(xí) 727 24.1 詞嵌入 727 24.2 自然語言處理中的循環(huán)神經(jīng)網(wǎng)絡(luò) 730 24.3 序列到序列模型 733 24.4 Transformer 架構(gòu) 737 24.5 預(yù)訓(xùn)練和遷移學(xué)習(xí) 739 24.6 Z高水平（SOTA） 742 小結(jié) 745 參考文獻(xiàn)與歷史注釋 745 第 25 章 計算機(jī)視覺 748 25.1 引言 748 25.2 圖像形成 749 25.3 簡單圖像特征 754 25.4 圖像分類 760 有效的原因 762 25.5 物體檢測 763 25.6 三維世界 766 25.7 計算機(jī)視覺的應(yīng)用 769 小結(jié) 780 參考文獻(xiàn)與歷史注釋 781 第 26 章 機(jī)器人學(xué) 785 26.1 機(jī)器人 785 26.2 機(jī)器人硬件 786 26.3 機(jī)器人學(xué)解決哪些問題 789 26.4 機(jī)器人感知 790 26.5 規(guī)劃與控制 796 26.6 規(guī)劃不確定的運(yùn)動 810 26.7 機(jī)器人學(xué)中的強(qiáng)化學(xué)習(xí) 812 26.8 人類與機(jī)器人 814 26.9 其他機(jī)器人框架 820 26.10 應(yīng)用領(lǐng)域 822 小結(jié) 825 參考文獻(xiàn)與歷史注釋 826 第七部分 總結(jié) 第 27 章 人工智能的哲學(xué)、倫理和安全性 832 27.1 人工智能的極限 832 27.2 機(jī)器能真正地思考嗎 835 27.3 人工智能的倫理 836 小結(jié) 851 參考文獻(xiàn)與歷史注釋 852 第 28 章 人工智能的未來 857 28.1 人工智能組件 857 28.2 人工智能架構(gòu) 862 附錄 A 數(shù)學(xué)背景知識 865 附錄 B 關(guān)于語言與算法的說明 871 參考文獻(xiàn) 873 索引 914