人工智能及其應用，第6版
編著蔡自興等
出版社：北京: 清華大學出版社
出版時間：2020
內容簡介
本書涵蓋了人工智能的廣泛主題，具有三個不同的特征。首先，本書系統而全面，包括“傳統”人工智能的基本理論和技術，以及計算智能的基本原理和方法。其主要研究和應用領域包括知識表示和推理，計算智能，專家系統，機器學習，智能規劃，分布式智能和自然語言理解。其次，本書內容較新，注重創新，介紹了人工智能的先進研究方法，特別是一些新技術和交叉技術應用。例如，基于本體的知識表示，各種基于生物行為的算法，新型專家系統，深度學習算法，分布式智能系統和語料庫語言學。第三，該書的理論和實踐高度整合。有理論，技術和方法論的解釋，以及許多應用實例，這將有助于讀者理解人工智能的理論及其應用發展。由于上述特點，本書已出版六版，已發行近70萬冊，已被廣泛使用，并獲得多項國內外技術和教育獎項。本書是本科生和大學研究生學習人工智能的必備參考書。它也是人工智能研發人員進行相關人工智能項目研究的綜合手冊和實用指南。
本書第6版共10章。第1章敘述人工智能的定義、起源與發展，簡介人工智能不同學派的認知觀，列舉出人工智能的研究與應用領域。第2章和第3章主要研究傳統人工智能的知識表示方法和搜索推理技術。第4章探討不確定性推理方法，涉及概率推理、主觀貝葉斯方法、可信度方法和證據理論等。第5章闡述計算智能的基本知識，包含神經計算、模糊計算、進化計算、人工生命、粒群優化和蟻群計算諸內容。第6章至第10章比較詳細地逐一討論了人工智能的主要應用領域，包括專家系統、機器學習、自動規劃、分布式人工智能和自然語言理解等。與第5版本科生用書相比，許多內容都是第一次出現的，多數章節內容也在第5版的基礎上或多或少作了相應的修改、精簡或補充。
前沿學科的最精彩成就
代序
計算機時代的腦力勞動機械化與科學技術現代化
(可以第三版研究生用書編輯稿為準)
西方在18世紀的工業革命中，以機器代替或減輕人的體力勞動，使科學技術突飛猛進。而在東方，從元明以來中國各方面本已落后于西方。清初更因種種原因未趕上工業革命的潮流，使本已落后的局面更為嚴重，幾乎陷于萬劫不復的局面。現在由于計算機的出現，人類正在進入一個嶄新的工業革命時代，它以機器代替或減輕人的腦力勞動為其重要標志。中國是否能認清形勢，借此契機重新崛起，是每一個中華兒女應該深長思考的問題。
試先就過去和正在到來的兩次工業革命借用控制理論奠基人美國維納（N. Wiener）的話來加以說明。維納先生說（據錢學森、宋健著《工程控制論》）：
第一次工業革命是人手由于機器競爭而貶值。
現在的工業革命則在于人腦的貶值。至少人腦所起的簡單的較具體較具有常規性質的判斷作用將要貶值。
我把維納所說人手和人腦的貶值，改成體力勞動與腦力勞動的代替或減輕。說法有異，但其內容實質，基本上應該是相同的。
事實上，這種提法早已有之。例如，已故周恩來總理在1956年1月14日《關于知識分子問題報告》中就提出：
由于電子學和其它科學的進步而產生的電子自動控制機器，已經可以開始有條件地代替一部份特定的腦力勞動，就像其它機器代替體力勞動一樣，從而大大提高了自動化技術的水平。這些最新的成就，使人類面臨著一個新的科學技術革命和工業革命的前夕。這個革命，就它的意義來說，遠遠超過蒸氣機和電的出現而產生的工業革命。
在《科學技術8年規劃綱要》中也說：
現代科學技術……正經歷著一場偉大的革命。特別是電子計算機技術的發展和應用，使機器不僅能夠代替腦力勞動，而且能夠代替腦力勞動的某些職能，成為記憶、運算和邏輯推理的輔助工具。
體力勞動以機器來代替或減輕，通常稱為體力勞動的機械化。因而腦力勞動用適當的設備來代替或減輕，在以下也將稱為腦力勞動的機械化。
應該指出，體力勞動千差萬別，不同類型的體力勞動，只能用不同類型的機器來代替或減輕。其次，體力勞動的機械化，是一個漫長而幾乎無終點可言的過程，根本談不上完成二字。腦力勞動遠比體力勞動復雜。我們對它的認識還停留在表面上，它的機械化路程的復雜與漫長將遠遠超過體力勞動的機械化，是可想而知的。
盡管如此，歷史上減輕腦力勞動的嘗試卻是由來已久。略舉數例如下：
- Napier（1550-1617）在1614年發明對數。使繁復的乘除計算轉化為簡單得多的加減計算。
- Descartes（1596-1650）在1637的《幾何學》一書中，引進相當于座標的方法，使艱難的幾何推理，轉化為易于駕馭的代數運算。這使艱深的腦力勞動有望減輕。
- Pascal（1023-1662）與L. Leibniz（1646-1716）分別于1642與1672造出了加法計算器與加乘計算器，為用適當機器進行某種腦力勞動作出范例。Leibniz甚至說，把計算交給機器去做，可以使優秀人才從繁重的計算中解脫出來。
兩位偉大的思想家Descartes與Leibniz，不僅進行了某些具體的減輕腦力勞動的嘗試，還對一般的腦力勞動的代替與減輕即我們所說腦力勞動的機械化提出了許多有普通意義的思想與主張。現據美國數學史家M. Kline所著《古今數學思想》一書所提到的某些有關片段，抄錄如下：
[Descartes]認為代數使數學機械化，因而使思考和運算步驟變得簡單，而無需花很大的腦力。這可能使數學創造變成一種幾乎是自動化的工作。
[Descartes認為]甚至邏輯上的原理和方法也可能用符號來表達，而整個體系則可用之于使一切推理過程機械化。
[Leibniz]為一種寬廣演算的可能性所激動。這種運算將使人們在一切領域中能夠機械地輕易地去推理。
自Descartes與Leibniz在17世紀提出腦力勞動機械化并作出某些具體成就外，此后兩百余年間，在他們指引的道路上不斷有所前進。略舉若干進展如下。
- Boole（1815-1864）創立了邏輯代數即現今所稱的布爾代數，基本上完成了Descartes與Leibniz所提出的一種“用符號表達使一切推理過程機械化的寬廣的演算。”
Boole所開創的工作后來為W.S. Jevons, C.S. Peince, F.W. Schnoden, G. Frege, G. Peano, A.N. Whitehead與B. Russell等所繼承與發展。特別是D.Hilbert（1862-1943）在20世紀初開創了數理邏輯這一學門，建立了證明論。又提出了數學相容性的命題，它相當于認為整個數學可以機械化。但是，與Hilbert的預期相反，1930年時，奧地得K. Godel（1906-1978）證明了形式系統的不完全定理，使Hilbert的相容性命題完全破產。Godel的發現成為20世紀數學上最驚人的一項成果，它隱含了許多數學領域機械化的不可能性。Godel與其后的許多數理邏輯學家，就證明了不少具體的數學領域與問題用邏輯的慣用語言來說是不可判定的，或用我們所使用的語言來說是不能機械化的。舉例來說, Hilbert在他有名的23個問題中，第10個問題相當于要求機械化地解任意不定方程組，但經過幾十年的努力，最后的結論卻是：這種機械化的解法是不可能有的。
與以上相反，波蘭的數學家A.Tanski（1901-1983）在1950年卻證明了初等代數與初等幾何的定理證明都是邏輯上可判定的，也就是說是可以機械化的。這似乎出人意料。
但是，上面所列舉的許多成果，基本上都是理論上的探討。上世紀40年代出現了計算機，使局面為之改觀。計算機為機械化提供了一種現實可行的工具手段。它使原來的理論探討可以考慮如何通過計算機來具體實現。例如Tanski即曾提出過為他初等代數與初等幾何定理的機械化證明方法專門制造一種判斷機或證明機。到70年代美國還曾利用當時的計算機對 Tanski的方法進行過實驗。但是以方法過于復雜遠遠超出計算機的計算能力而無故而終。1976年時，美國的K. Appel與W. Haken借助于計算機證明了地圖四色定理，引起了數學界的震動。但這只是說明計算機可以對特殊的個別問題起到輔助作用而已。真正的成功應該是在1959年。當時我國留美的王浩教授（1921-1995）在一臺計算機上只用了幾分鐘的計算時間，就證明了Whitehead-Russell的名著《數學原理》中的幾百條命題。這可以說是開創了數學機械化的新時代。
計算機的出現對現代數學這種腦力勞動的發展帶來了不可估量的影響。計算機不僅可以代替繁重的人工計算，而且Tanski, Appel與Haken, 特別是王浩先生等的工作說明計算機還可以至少幫助人們進行看來與機械化很不相容像定理證明這一類的工作。計算機將使數學面臨脫離傳統的一張紙一支筆方式，而代之以以計算機進行不僅計算且能推理誰的全新形式。例如在20世紀的70年代，對于計算機的發明有過重要貢獻的法蘭數學家S. Ulam就曾說過：“將來會出現一個數學研究的新時代，計算機將成為數學研究必不可少的工具。”
事實上，王浩先生早在他1959年劃時代的工作之后，就曾寫有專文說明計算機對于數學研究的重要意義。現據王浩先生原文試意譯片段如下：
“可以認為一門新的應用邏輯分支已經趨于成熟。它可以稱為‘推理’分析，用以處理證明，就像數值分析之處理計算那樣。可以相信，這一學門將在不遠的將來，導致用機器來證明艱難的新定理。
適用于一切數學問題的普遍的判定程序已知是不可能有的。但是形式化使我們相信，機器能完成當代數學研究所需的大部份工作。”
計算機發明人類進入計算機時代以后，腦力勞動的機械化具有了某種程度的現實可行性。除了上面所說的種種成就外，另一項有著重大意義的成就是在上世紀50年代人工智能這一新學科的誕生。
所謂人工智能，意指人類的各種腦力勞動，或智能行為，諸如判斷、推理、證明、識別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動，可用某種智能化的機器來予以人工的實現。（見本書頁2定義1.3）。諸如機器編譯、機器診斷、機器推理、機器下棋以及各種專家系統，在上世紀60年代后，都不斷出現，并有相應的軟件與器件問世。特別是世界國際象棋冠軍卡斯波洛夫與計算機的人機大戰，曾引起轟動。
2003年11月，在廣州召開了全國人工智能大會的第10屆全國學術年會，筆者有幸參加。在會議期間，參觀了廣州工業大學舉辦的一次機器人的足球比賽。目前，具有某種智能行為的各種機器蛇、機器人等等已頻繁出現。總之，人工智能已成為一個受到廣泛重視與認可并有廣闊應用潛能的龐大學科。另一面，又由于學科所牽涉到的許多概念與方法的不確定性，引發了學科內部的許多爭論。總之，關于人工智能的方方面面，讀者包括筆者在內，可從本書獲得充分的了解。
在腦力勞動的機械化中，數學家們起了特殊的作用。計算機的發明與發展過程中，數學家如J. von Neumann, A. Turing, K. Godel等都有著特出的貢獻。對于腦力勞動機械化的認識，前面已提到過Descartes與Leibniz的思想影響與實際作為。這兩位既是思想家又是數學家。此外在前面提到過的許多人物，大多也是數學家。這決不是因為筆者本人是數學工作者對數學情有獨鐘而有意提到那些數學家。事實上此事決非偶然，而是有著深層次的原因，使得數學家們自然而然地要在腦力勞動機械化的偉大事業中扮演重要的角色。首先，數學研究現實世界中的數與形。由于數與形無處不在，因而數學也就通過數與形滲透到形形色色幾乎所有的不同領域，成為具有最廣泛的基礎性的學門。這說明了數學在各種腦力勞動的機械化中，顯得更為迫切，而應享有機械化的最高優先權。其次，數學作為一種典型的腦力勞動，它與前面人工智能中所提到的各種智能型腦力勞動相較，具有表達嚴密精確，且又極其簡明等特點。因而在各種腦力勞動的機械化中，理應更為容易取得突破。Tanski, Appel-Haken, 王浩先生等人的工作，以及筆者本人在上世紀70年代以來在幾何定理證明方面所做的工作，足可說明易于突破之說決非妄言。
人們在中學時代的學習中，都熟知幾何定理證明的一般方式。一個幾何定理包含假設與結論兩部份。為了證明這一定理，需要從假設這一敘述出發，根據某些已給公理或是某些已經證明過的定理，得出另一個敘述。然后再據某些已給的公理，或是某些已經證明過的定理，得出又一個新的敘述。如此逐次進行，如果到某一步所得的敘述恰好是原來已給的結論，定理就算是獲得了證明。在證明的過程中，每一步已給公理或已證定理的選擇，漫無依據可言。總之定理的這種證明方式，與機械化毫無共同之處，而是極端非機械化的。它是一種超高強度的腦力勞動。
然而，筆者在上世紀70年代有幸學習中國古代的數學，開始發現中國古代的傳統數學遵循了一條與源自古希臘的現代所謂公理化數學完全不相同的途徑。它與源于古希臘的所謂演繹體系相反而無共同之處。簡言之，中國的古代數學是高度機械化的。它使數學研究這種腦力勞動的強度大大減輕。這具體表現在幾何定理的證明上面。試說明如下。
源于古希臘的現代公理化數學體系主要內容是證定理。它的成果往往以定理的形式出現。與之相反，中國古代的傳統數學根本不考慮定理的證明，根本沒有公理、定理與證明這樣的概念，自然也沒有什么演繹體系。中國的古代數學重視的是解決問題，而考慮的問題主要來自客觀實際，雖然也有例外。由于問題的原始數據與所求的結果數據總是用某種類型現代所謂方程的形式聯系起來，而多項式方程是這種最根本也是最自然的形式，因而解多項式方程（組）的問題自然成為我國古代數學幾千年研究與發展的核心。這一發展到元代（1271-1368）朱世杰時達到了頂峰。朱世杰在所著《四元玉鑑（1303）》一書中給出了解任意多項式方程組的思想路線與具體的方法過程。朱所提出的思想路線與方法過程在原則上應該說是完滿無缺的。尤其應該指出的是：中國古代在解決問題時，結果數據往往用原始數據的某種公式的形式表示出來。這可以認為是某種形式的“定理”。因之中國古代的方程解法，實質上也已隱含了至少是某種形式的定理證明。事實上，朱在他的著作中已經指出了這一點，且已具體使用在某些著名的問題上。下面將再作具體說明。
筆者由于學習中國古代數學史而得到啟發，在1976年冬季進行用機械化方法證明幾何定理的嘗試。首先是引進適當座標，在通常的情況下，定理的假設與結論將各轉化為一個多項式方程組與一個多項式方程。于是定理變成一個純代數的問題：如何從相當于假設的多項式組得出相當于終結的多項式。從朱世杰的著作得知有一機械化的算法，可從雜亂無章的假設多項式組得到另一頗有條理的有序多項式組，由此即容易驗證是否可導出終結多項式來。循此途徑筆者對某些已知定理進行相應的計算驗證。但出于意外的是其間總是會遇到一些不合理的意外情況。經過幾個月的反復計算與深入思考，才發現了問題的癥結所在。終于在1977年春節期間獲得了恰當的證明幾何定理的機械化方法。此后的許多年間，即致力于置備適當的計算機使這一定理證明方法得以在機器上予以實現。在此期間曾得王浩先生的許多鼓勵與協作。特別是當時留美的周成青先生，利用美國的良好設備，在計算機上用上述方法證明甚至發現了幾百條艱深的幾何定理，每條定理的證明所需時間以微秒計。這成為周在美獲得博士學位的主要內容，并已寫成專著于1988年在國外出版。這說明王浩先生預測有一新學門“將在不遠的將來導致用機器來證明艱難的新定理”，事實上已經實現。
筆者在機器證明幾何定理上取得了成功。按前面筆者曾說過：數學作為一種典型的腦力勞動，在各種腦力勞動中，它的機械化應最為迫切而有最大的優先權。又說過：數學的機械化較之其它腦力勞動的機械化，應更易取得成功。幾何定理機器證明的成功足見筆者所言非虛。
在幾何定理機器證明取得成功之后的二十多年來，筆者與許多志同道合的同志們在科技部、科學院、基金委等大力支持下，開展了一場可謂“數學機械化”的“運動”。它在理論與應用諸多方面都已取得了若干成功。但總的說來還只能說是剛開始起步。漫長而更為艱難的路程正等著我們。
需要鄭重指出的是：我們工作的起點來自于對中國古代數學的認識。這是有深刻的道理的。中國古代數學以解多項式方程（組）為其主要目標。解方程的方法以依據確定步驟逐步機械地來進行。這種機械進程在我國經典著作中通稱為“術”，相當于現代辭條中的“算法”。如果有一臺計算機，即可依據“術”編成程序，將原始數據輸入后，即可機械地進行計算以解所設的方程。這種機械進行的“術”貫穿在中國古代的數學經典之中。因之中國的古代數學是一種算法型數學，或即是一門適合于現代計算機的“機械化”數學。
不僅如此而已。中國不僅具有作為典型腦力勞動的數學機械化的合適的土壤，而且也是各種腦力勞動機械化的沃土。
原因是，古代的中國是腦力勞動機械化的故鄉，也是腦力勞動機械化的發源地。它有著為發展腦力勞動機械化所需的堅實基礎、有效手段與豐富經驗。
我們都知道0與1的二進位制對于計算機的關鍵作用。雖然中國未真正進入到二進制，但完善的十進位位值制則早已在中國的遠古作出了典范。這一十進位位值制通過印度阿剌伯傳入西方后，曾被西方的科學家譽為亙古以來最偉大的一項發明創造。仿制為位值制二進制后，成為制造計算機以至腦力勞動機械化的不可或缺的組成部份。追本溯源，應該歸之于中國古代位值制十進制的創造。至于西方往往把這一創造歸之于印度，自然是一種歷史性的錯誤，是張冠李戴。
其次，在作為典型腦力勞動的數學方面，有過許多重大的大幅度減輕腦力勞動強度的特出成就。除有關定理證明者外，還試舉數例如下。
中國古代的十進位位值制，不僅可以使不論多大的整數有簡明的表達形式，而且加、減、乘、除以至分數運算甚至開方都可變得輕而易舉，因而大大減輕了計算中腦力勞動的強度。這是位值制被西方有識之士譽為最偉大創造的根本原因。此其一。
解放前我國的小學六年級或初中一年級往往要花整整一年的時間，學習各種四則難題的解法，這是一種極度非機械化的超高強度腦力勞動。但至少早在公元前二世紀時，我國就創造了解線性聯立方程組的各種消去算法。它使解四則難題變得輕而易舉。這些算法已被吸收入了初中代數教科書中，使年輕學子解除了不必要的腦力負擔。這是用機械化的方法大幅度減輕腦力勞動強度的又一實例，而這一實例來自古代中國。
解方程必須先列出方程。但列方程并無成法。事實上這是一個難題，它無必然的途徑可以遵循，也就是高度非機械化的。但中國在宋元時代，在過去已引進了的整數、分數或有理數，正負數以及小數、無理數、實數之外，又引進了一種新型的數，稱之為天元、地元等，相當于現代的未知數。這種天元、地元等可以作為通常的數那樣進行各種運算。由此產生了與現代多項式與有理函數等相當的概念及其運算方法，成為現代代數與代數幾何的先驅。不僅如此，天元、地元等的引入，使列方程這種非機械化的腦力勞動，從此變為容易得多的接近于機械化的腦力勞動。這是中國古代腦力勞動機械化的又一實例。
以上是筆者認為古代中國是腦力勞動機械化的故鄉與發源地的一些理由，是否言之過當，甚至有浮夸之嫌，愿各家學者有以教之。
科學技術是第一生產力，科技興國，在四個現代化中，科學技術的現代化具有特殊的關鍵地位。而科學技術的現代化，是與腦力勞動的機械化密不可分的。宋健同志曾作對聯說：“人智能則國智，科技強則國強，”把智能與科技并列，可謂一語道出了真諦。
自然，我們真正的意圖決不在于口舌之爭，在字面上夸夸其談。真正應該做的事是實干巧干，借計算機時代來臨的大好契機，率先在全世界推行腦力勞動機械化。以具體成就來說服世人我們的主張與我們的成功。
中國科學院數學與系統科學研究所
吳文俊
2004年3月
目錄
第一版序 傅京孫
前沿學科的最精彩成就 宋 健
代序—計算機時代的腦力勞動機械化與科學技術現代化 吳文俊
第五版前言 蔡自興
第六版前言 蔡自興
第一章 緒論
1.1 人工智能的定義和發展
1.1.1 人工智能的定義
1.1.2 人工智能的起源與發展
1.1.3 中國人工智能發展簡史
1.2 人工智能的各種認知觀
1.2.1 人工智能各學派的認知觀
1.2.2 人工智能的爭論
1.3 人類智能和人工智能
1.3.1 智能信息處理系統的假設
1.3.2 人類智能的計算機模擬
1.4 人工智能系統的分類
1.5 人工智能的研究目標和內容
1.5.1 人工智能的研究目標
1.5.2 人工智能研究的基本內容
1.5.3 人工智能的核心技術
1.5 人工智能研究的主要方法
1.6 人工智能的研究與應用領域
1.7 本書概要
習題1
參考文獻
第二章 知識表示方法
2.1 狀態空間表示
2.1.1 問題狀態描述
2.1.2 狀態圖示法
2.2 問題規約表示
2.2.1 問題規約描述
2.2.2 與或圖表示
2.3 謂詞邏輯表示
2.3.1 謂詞演算
2.3.2 謂詞公式
2.3.3 置換與合一
2.4 語義網絡表示
2.4.1 二元語義網絡的表示
2.4.2 多元語義網絡的表示
2.4.3 語義網絡的推理過程
2.5 框架表示
2.5.1 框架的構成
2.5.2 框架的推理
2.6 本體
2.6.1 本體的概念
2.6.2 本體架組成與分類
2.6.3 本體的建模
2.7 過程表示
2.8 小結
習題2
參考文獻
第三章 確定性推理
3.1 圖搜索策略
3.2 盲目搜索
3.2.1 寬度優先搜索
3.2.2 深度優先搜索
3.2.3 等代價搜索
3.3 啟發式搜索
3.3.1 啟發式搜索策略和估價函數
3.3.2 有序搜索
3.3.3 A＊算法
3.4 消解原理
3.4.1 子句集的求取
3.4.2 消解推理規則
3.4.3 含有變量的消解式
3.4.4 消解反演求解系統
3.5 規則演繹系統
3.5.1 規則正向演繹系統
3.5.2 規則逆向演繹系統
3.5.3 規則雙向演繹系統
3.6 產生式系統
3.6.1 產生式系統的組成
3.6.2 產生式系統的推理
3.6.3 產生式系統舉例
3.7 非單調推理
3.7.1 缺省推理
3.7.2 限定推理
3.8 小結
習題3
參考文獻
第四章 不確定性推理
4.1 經典推理與非經典推理
4.2 不確定性推理
4.2.1 不確定性的表示與度量
4.2.2 不確定性的算法
4.3 概率推理
4.3.1 概率的基本性質和計算公式
4.3.2 概率推理方法
4.4 主觀貝葉斯方法
4.4.1 知識不確定性的表示
4.4.2 證據不確定性的表示
4.4.3 主觀貝葉斯方法的推理過程
4.5 可信度方法
4.5.1 基于可信度的不確定性表示
4.5.2 可信度方法的推理算法
4.6 證據理論
4.6.1 證據理論的形式化描述
4.6.2 證據理論的不確定性推理模型
4.6.3 推理示例
4.7 小結
習題4
參考文獻
第五章 計算智能
5.1 概述
5.2 神經計算
5.2.1 人工神經網絡研究的進展
5.2.2 人工神經網絡的結構
5.2.3 人工神經網絡示例及其算法
5.2.4 基于神經網絡的知識表示與推理
5.3 模糊計算
5.3.1 模糊集合、模糊邏輯及其運算
5.3.2 模糊推理與模糊判決
5.4 遺傳算法
5.4.1 遺傳算法的基本機理
5.4.2 遺傳算法的求解步驟
5.5 人工生命
5.5.1 人工生命研究的起源和發展
5.5.2 人工生命的定義和研究意義
5.5.3 人工生命的研究內容和方法
5.5.4 人工生命實例
5.6 粒群優化
4.9.1 群智能和粒群優化概述
4.9.2 粒群優化算法
5.7 蟻群計算
4.10.1 蟻群計算理論
4.10.2 蟻群算法的研究與應用
5.8 小結（修改補充）
習題5
參考文獻
第六章 專家系統
6.1 專家系統概述
6.1.1 專家系統的定義與特點
5.1.2 專家系統的結構和建造步驟
6.2 基于規則的專家系統
6.2.1 基于規則專家系統的工作模型和結構
6.2.2 基于規則專家系統的特點
6.3 基于框架的專家系統
6.3.1 基于框架專家系統的定義、結構和設計方法
6.3.2 基于框架專家系統的繼承、槽和方法
6.4 基于模型的專家系統
6.4.1 基于模型專家系統的提出
6.4.2 基于神經網絡的專家系統
6.5 基于Web的專家系統
6.5.1 基于Web專家系統的結構
6.5.2 基于Web架專家系統的實例
6.6 新型專家系統
6.6.1 新型專家系統的特征
6.6.2 分布式專家系統
6.6.3 協同式專家系統
6.7 專家系統的設計
6.7.1 專家系統的設計過程
6.7.2 基于規則專家系統的一般設計方法
6.7.3 反向推理規則專家系統的設計任務
6.8 專家系統開發工具
6.8.1 專家系統的傳統開發工具
6.8.2 專家系統的Matlab開發工具
6.9 小結
習題6
參考文獻
第七章 機器學習
7.1 機器學習的定義和發展歷史
7.1.1 機器學習的定義
7.1.2 機器學習的發展史
7.2 機器學習的主要策略和基本結構
7.2.1 機器學習的主要策略
7.2.2 機器學習系統的基本結構
7.3 歸納學習
7.3.1 歸納學習的模式和規則
7.3.2 歸納學習方法
7.4 決策樹學習
7.4.1 決策樹和決策樹構造算法
7.4.2 決策樹學習算法ID3
7.5 類比學習
7.5.1 類比推理和類比學習類型
7.5.2 類比學習過程和研究類型
7.6 解釋學習
7.6.1 解釋學習過程和算法
7.6.2 解釋學習實例
7.7 神經網絡學習
7.7.1 基于反向傳播網絡的學習
7.7.2 基于Hopfield網絡的學習
7.8 知識發現
7.8.1 知識發現的發展和定義
7.8.2 知識發現的處理過程
7.8.3 知識發現的方法
7.8.4 知識發現的應用
7.9 增強學習
7.9.1 增強學習概述
7.9.2 Q－學習
7.10 深度學習
7.10.1 深度學習的定義與特點
7.10.2 深度學習基礎及神經網絡
7.10.3 深度學習的常用模型
7.10.3 深度學習應用簡介
7.10.4 討論
7.11 小結
習題7
參考文獻
第八章 自動規劃
8.1 自動規劃概述
8.1.1 規劃的概念和作用
8.1.2 規劃的分類和問題分解途徑
8.1.3 執行規劃系統任務的一般方法
8.2 任務規劃
8.2.1 積木世界的自動規劃
8.2.2 基于消解原理的規劃
8.2.3 具有學習能力的規劃系統
8.2.4 分層規劃（精簡）
8.2.5 基于專家系統的規劃
8.3 路徑規劃
8.3.1 機器人路徑規劃的主要方法和發展趨勢
8.3.2 基于模擬退火算法的機器人局部路徑規劃
8.3.3 基于免疫進化和示例學習的機器人路徑規劃
8.3.4 基于蟻群算法的機器人路徑規劃
8.4 軌跡規劃簡介
8.5 小結
習題8
參考文獻
第九章 分布式人工智能與Agent
9.1 分布式人工智能
9.2 Agent及其要素
9.2.1 Agent的定義和譯法
9.2.2 真體的要素和特性
9.3 真體的結構
9.3.1 真體的抽象結構和結構特點
9.3.2 真體結構的分類
9.4 真體通信
9.4.1 真體通信的過程
9.4.2 真體通信的類型和方式
9.4.3 交談的規劃與實現
9.4.4 真體的通信語言
9.5 移動真體和多真體系統
9.5.1 移動真體的定義和系統構成
9.5.2 多真體系統的特征和關鍵技術
9.5.3 多真體系統的模型和結構
9.5.4 多真體的協作、協商和協調
9.5.5 多真體的學習和規劃
9.5.6 多真體系統的研究和應用領域
9.6 小結
習題9
參考文獻
第十章 自然語言理解
10.1 自然語言理解概述
10.1.1 語言與語言理解
10.1.2 自然語言處理的概念和定義
10.1.3 自然語言處理的研究領域和意義
10.1.4 自然語言理解研究的基本方法和進展
10.1.5 自然語言理解過程的層次
10.2 詞法分析
10.3 句法分析
10.3.1 短語結構語法
10.3.2 喬姆斯基形式語法
10.3.3 轉移網絡
10.3.4 擴充轉移網絡
10.3.5 詞匯功能語法
10.4 語義分析 （修改補充）
10.5 句子的自動理解
10.5.1 簡單句的理解方法
10.5.2 復合句的理解方法
10.6 語料庫語言學
10.7 語音識別
10.7.1 語音識別基本原理
10.7.2 語音識別關鍵技術
10.7.3 語音識別技術的發展
10.7.4 語音識別技術展望
10.78 文本的自動翻譯——機器翻譯
10.89 自然語言理解系統的主要模型
10.910 自然語言理解系統應用舉例
10.910.1 自然語言自動理解系統
10.910.2 自然語言問答系統
10.1011 小結
習題10
參考文獻
結束語
索引
