内容提要
本书是一本经典的人工智能教材。全面系统地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“随机方法”的介绍，提出了自然语言理解中的一些问题。
本书适合作为高等院校计算机教学中的人工智能教材，也可供人工智能领域的研究者及相关工程技术人员参考。
目录
出版者的话
专家指导委员会
译者序
前言
致谢
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
1.2 人工智能的应用领域
1.3 人工智能概要
1.4 结语和参考文献
1.5 习题
第二部分 作为表示和搜索的人工智能
第2章 谓词演算
2.0 简介
2.1 命题演算
2.2 谓词演算
2.3 使用推理规则产生谓词演算表达式
2.4 应用:一个基于逻辑的财务顾问
2.5 结语和参考文献
数据挖掘实验室 2.6 习题
第3章 用以搜索状态空间的结构和策略
3.0 简介
3.1 图论
3.2 用于状态空间搜索的策略
3.3 利用状态空间来表示谓词演算推理
3.4 结语和参考文献
3.5 习题
第4章 启发式搜索
4.0 简介
4.1 记发式搜索算法
4.2 最佳优先搜索算法
4.3 可采纳性、单调性和信息度
4.4 在博弈中使用启发
4.5 复杂度问题
4.6 结语和参考文献
4.7 习题
第5章 随机方法
5.0 简介
5.1 计数基础（选读）
5.2 概率论基础
5.3 随机方法学的应用
5.4 贝叶斯定理
5.5 结语和参考文献
5.6 习题
第6章 为状态空间搜索建立控制算法
6.0 简介
6.1 基于递归搜索的例子:模式驱动推理
6.2 产生式系统
6.3 用于问题求解的黑板结构
6.4 结语和参考文献
6.5 习题
第三部分 表示和智能:Al中的挑战
第7章 知识表示
第8章 求解问题的强方法
第9章 不确定条件下的推理
第四部分 机器学习
第10章 基于符号的机器学习
第11章 连接主义的机器学习
第12章 机器学习:社会性和涌现性
第五部分 人工智能问题求解的高级课题
第13章 自动推理
数据挖掘交友 第14章 自然语言理解
第六部分 人工智能语言与程序设计
第15章 PROLOG介绍
第16章 LISP介绍
第七部分 后记
第17章 人工智能是经验式的学科
参考文献
作者索引
主题索引
