深入浅出人工智能

《深入浅出人工智能(第2版)》通俗易懂且引人入胜，提供了对人工智能(AI)这一激动人心领域的准确介绍，内容覆盖人工智能领域的主要子学科，描述了智能体、逻辑、搜索、不确定性推理、机器学习、神经网络和强化学习等子学科的实际算法和具体应用。除了对上一版进行大幅修改和更新外，《深入浅出人工智能(第2版)》还包括对深度学习这一新内容的介绍。

　　
主要内容
　　给出聚焦应用和进行实际操作的学习方法，同时提供包含辅助教学资源的网站。
　　包含许多研究习题和答案、例子、定义、理论以及富含说服力的卡通插图。
　　包括谓词逻辑、Prolog、启发式搜索、概率推理、机器学习与数据挖掘、神经网络和强化学习等知识。
　　报告深度学习的进展，这些进展包括应用神经网络去产生有创造性的内容，如文本、音乐和艺术（★新增内容）。
　　分析聚类算法的性能评估，给出两个能解释贝叶斯定理的例子以及它们在日常生活中的相关性（★新增内容）。
　　讨论搜索算法，分析循环校验，解释车辆导航系统的路径规划，还介绍蒙特卡洛树搜索（★新增内容）。
　　讨论人工智能在就业和交通方面的应用（★新增内容）。
　　

读者对象
　　该是入门学习人工智能的理想指南，为计算机科学和相关学科的学生提供了易读易学
　　的人工智能概述。读者仅需具备高中数学知识水平，就能理解该书。

　　沃尔夫冈·埃特尔（Wolfgang Ertel）博士是德国韦恩加滕应用科学大学人工智能研究所的教授。
　　
　　文益民，上海交通大学计算机软件与理论方向博士、桂林电子科技大学教授、美国亚利桑那州立大学访问学者，研究方向包括机器学习与模式识别、数据挖掘、图像处理、教育大数据分析等，先后主持国家自然科学基金项目、教育部人文社会科学研究项目等4项，发表论文100余篇，出版学术专著1部、译著2部、教材2部，获得国家及省部级教学、科研奖励多项。
　　
　　蔡国永，浙江大学计算机科学与技术专业博士、桂林电子科技大学教授，曾在美国亚利桑那州立大学和澳大利亚麦多克大学等进行访问研究，主要研究领域包括情感计算、社交媒体挖掘、可信软件等，先后主持国家自然科学基金项目3项，发表学术研究论文80余篇，出版学术专著1部，教材1部。

第1章 导论
1．1 什么是人工智能
1．1．1 脑科学与问题求解
1．1．2 图灵测试及聊天机器人
1．2 AI的历史
1．2．1 人工智能的开始
1．2．2 基于逻辑的问题求解
1．2．3 新联接主义
1．2．4 不确定性推理
1．2．5 分布式的自治且有学习能力的智能体
1．2．6 人工智能的进一步发展
1．2．7 人工智能革命
1．3 人工智能与社会
1．3．1 人工智能会抢夺人类的工作吗
1．3．2 AI与交通
1．3．3 服务机器人
1．4 智能体
1．5 基于知识的系统
1．6 练习

第2章 命题逻辑
2．1 句法
2．2 语义
2．3 证明系统
2．4 归结
2．5 Horn子句
2．6 可计算性和复杂性
2．7 应用及限制
2．8 练习

第3章 一阶谓词逻辑
3．1 句法
3．2 语义
3．3 量词和范式
3．4 证明演算
3．5 归结
3．5．1 归结策略
3．5．2 等值
3．6 自动定理证明
3．7 数学例子
3．8 应用
3．9 小结
3．10 练习

第4章 逻辑的局限性
4．1 搜索空间问题
4．2 可判定性和不完备性
4．3 会飞的企鹅
4．4 模型的不确定性
4．5 练习

第5章 Prolog逻辑程序设计
5．1 Prolog系统及实现
5．2 简单例子
5．3 执行控制和过程要素
5．4 列表
5．5 自我修改程序
5．6 规划示例
5．7 约束逻辑编程
5．8 总结
5．9 练习

第6章 搜索、博弈与问题求解
6．1 引言
6．2 无信息搜索
6．2．1 宽度优先搜索
6．2．2 深度优先搜索
6．2．3 迭代深入
6．2．4 对比
6．2．5 循环校验
6．3 启发式搜索
6．3．1 贪婪搜索
6．3．2 A*搜索
6．3．3 A*搜索算法的路径规划
6．3．4 IDA*搜索
6．3．5 搜索算法的经验对比
6．3．6 总结
6．4 对弈
6．4．1 最小最大搜索
6．4．2 Alpha-Beta剪枝
6．4．3 非决定性游戏
6．5 启发式评估函数
6．6 搜索前沿现状
6．6．1 象棋
6．6．2 围棋
6．7 练习

第7章 不确定性推理
7．1 概率计算
7．2 最大熵的原理
7．2．1 概率推理规则
……
第8章 机器学习与数据挖掘
第9章 神经网络
第10章 强化学习
第11章 练习解答

　　随着云计算、高性能计算、物联网技术以及大数据技术的成熟与发展，近十年人工智能的各单项技术取得重大突破，以深度学习为标志，人工智能已经进入迅速发展阶段，在教育、交通、工业、医疗等众多领域开始大量应用。
　　有学者提出，人工智能给教育系统带来了以下三个方面的挑战：第一，从教育政策规划的角度出发，如何发掘人工智能在优化教育供给、更新教育管理、赋能教师与教学、提高学习质量等方面的潜能，扩大教育普及率和确保学习质量；第二，从外部人才需求的角度出发，为应对人工智能和自动化梯级替代低技能职业与任务，以及快速促生新职业导致的就业、创业技能的迭代变动，教育系统如何预测和培养人工智能时代生活和工作所需的技能；第三，从人的伦理观念和公平发展的角度出发，如何管控人工智能进一步加剧的国家间和社会阶层间的数字鸿沟，以及更隐蔽、更泛在的隐私和伦理侵犯，并发挥人工智能的潜力，以促进教育的公平性和全纳性。要应对这些挑战，加强人工智能的教育是关键。2019年5月16日到18日，由联合国教育科学与文化组织和中国政府联合发起，在北京举办了以“规划人工智能时代的教育：引领与跨越”为主题的国际人工智能与教育大会。会议最后通过了具有里程碑意义的有关人工智能与教育的《北京共识》。《北京共识》强调了人工智能教育的重要性。
　　人工智能教育呼唤高质量的人工智能教材。目前国内人工智能的教材不少，但适合本科生的人工智能教材并不多，人工智能导论的教材更少。本书的内容涵盖人工智能领域的关键分支，描述了在智能体、逻辑、搜索、不确定性推理、机器学习、神经网络和强化学习等领域的实际算法和具体应用。本书就是一本人工智能导论，体现了作者对人工智能理解的另一种视角。
　　本书的作者Wolfgang Ertel自1994年起在德国韦恩加滕应用科学大学（Ravensburg
　　Weingarten University ofApplication Sciences）任教，目前是该校人工智能研究所的教授，担任多门人工智能课程和计算机课程的教学，发表了数十篇关于计算机和人工智能的论文，具有丰富的教学科研经验。本书的特点在于：第一，详略得当，对人工智能各分支的介绍并不长篇大论，而是选取基础的内容加以介绍；第二，思路连贯，从搜索、推理和学习的角度介绍人工智能，使读者很自然地接受人工智能的各个相关概念；第三，理论与实践相结合，注重学科交叉，包括各个学科的很多生动的例子；第四，针对人工智能的基本概念，精心设计了许多练习，对于掌握人工智能的基本概念非常有好处。本书对数学知识的要求不超过高中水平，可作为非计算机类专业学生学习人工智能的选修教材，也可作为人工智能或智能科学专业的入门教材。
　　本书由桂林电子科技大学的文益民、蔡国永主译。宋亚飞、陈心怡、蔡雨萌、俸亚特、刘长杰等对本书部分内容的初译做了很多工作，清华大学出版社在本书的整个翻译过程提供了许多帮助，尤其是编辑人员踏实认真的态度给我们留下非常深刻的印象，在此一并予以衷心感谢！
　　译文虽经过多次认真修改和细致校对，但由于译者水平有限，加之时间仓促，疏漏在所难免，我们真诚地希望读者不吝赐教！