作为计算机科学的一个分支，人工智能主要研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，涉及机器人、语音识别、图像识别、自然语言处理和专家系统等方向。
本书包括引言、基础知识、基于知识的系统、人工智能高级专题、人工智能的现在和未来以及安全与编程六部分内容。第一部分从人工智能的定义讲起，对人工智能的早期历史、思维和智能的内涵、图灵测试、启发式方法、新千年人工智能的发展进行了简要论述。第二部分详细讲述了人工智能中的盲目搜索、知情搜索、博弈中的搜索、人工智能中的逻辑、知识表示和产生式系统等基础知识。第三部分介绍并探究了人工智能领域的成功案例，如DENDRAL、MYCIN、EMYCIN 等经典的专家系统，振动故障诊断、自动牙科识别等新的专家系统，也介绍了机器学习、深度学习以及受到自然启发的搜索算法等。第四部分介绍了自然语言处理和自动规划等高级专题。第五部分对人工智能的历史和现状进行了梳理，回顾了几十年来人工智能所取得的诸多成就，并对其未来进行了展望。第六部分主要介绍人工智能的安全以及编程问题。
本书系统、全面地讲解了人工智能的相关知识，既简明扼要地介绍了这一学科的基础知识，也对自然语言处理、自动规划、神经网络等内容进行了拓展，更辅以实例，可以帮助读者扎扎实实打好基础。本书内容易读易学，适合人工智能相关领域和对该领域感兴趣的读者阅读，也适合高校计算机专业的教师和学生参考。

第一部分 引言
第1章 人工智能概述
1.0 引言
1.0.1 人工智能的定义
1.0.2 思维与智能
1.1 图灵测试
1.1.1 图灵测试的定义
1.1.2 图灵测试的争议和批评
1.2 强人工智能与弱人工智能
1.3 启发式方法
1.3.1 长方体的对角线：解决一个相对简单但相关的问题
1.3.2 水壶问题：反向倒推
1.4 识别适用人工智能来求解的问题
1.5 应用和方法
1.5.1 搜索算法和拼图问题
1.5.2 二人博弈
1.5.3 自动推理
1.5.4 产生式规则和专家系统
1.5.5 细胞自动机
1.5.6 神经计算
1.5.7 遗传算法
1.5.8 知识表示
1.5.9 不确定性推理
1.6 人工智能的早期历史
1.7 人工智能的近期历史到现在
1.7.1 计算机博弈
1.7.2 专家系统
1.7.3 神经计算
1.7.4 进化计算
1.7.5 自然语言处理
1.7.6 生物信息学
1.8 新千年人工智能的发展
1.9 本章小结
第二部分 基础知识
第2章 盲目搜索
2.0 简介：智能系统中的搜索
2.1 状态空间图
2.1.1 假币问题
2.2 生成-测试范式
2.2.1 回溯法
2.2.2 贪心算法
2.2.3 旅行商问题
2.3 盲目搜索算法
2.3.1 深度优先搜索
2.3.2 广度优先搜索
2.4 盲目搜索算法的实现和比较
2.4.1 深度优先搜索的实现
2.4.2 广度优先搜索的实现
2.4.3 问题求解性能的衡量指标
2.4.4 DFS和BFS的比较
2.5 本章小结
第3章 知情搜索
3.0 引言
3.1 启发式方法
3.2 知情搜索（第一部分）——找到任一解
3.2.1 爬山法
3.2.2 最陡爬山法
3.3 最佳优先搜索
3.4 集束搜索
3.5 搜索算法的其他指标
3.6 知情搜索（第二部分）——找到最优解
3.6.1 分支定界法
3.6.2 使用低估计启发值的分支定界法
3.6.3 采用动态规划的分支定界法
3.6.4 A*搜索
3.7 知情搜索（第三部分）—高级搜索算法
3.7.1 约束满足搜索
3.7.2 与或树
3.7.3 双向搜索
3.8 本章小结
第4章 博弈中的搜索
4.0 引言
4.1 博弈树和极小化极大评估
4.1.1 启发式评估
4.1.2 博弈树的极小化极大评估
4.2 带α-β剪枝的极小化极大算法
4.3 极小化极大算法的变体和改进
4.3.1 负极大值算法
4.3.2 渐进深化法
4.3.3 启发式方法的后续和地平线效应
4.4 机会博弈和期望极小化极大算法
4.5 博弈论
4.6 本章小结
第5章 人工智能中的逻辑
5.0 引言
5.1 逻辑和表示
5.2 命题逻辑
5.2.1 基础知识
5.2.2 命题逻辑中的论证
5.2.3 证明命题逻辑论证有效的第二种方法
5.3 谓词逻辑简介
5.3.1 谓词逻辑中的合一
5.3.2 谓词逻辑中的归结
5.3.3 将谓词表达式转换为子句形式
5.4 其他一些逻辑
5.4.1 二阶逻辑
5.4.2 非单调逻辑
5.4.3 模糊逻辑
5.4.4 模态逻辑
5.5 本章小结
第6章 知识表示
6.0 引言
6.1 图形草图和人类视窗
6.2 图和哥尼斯堡桥问题
6.3 搜索树
6.3.1 决策树
6.4 表示方法的选择
6.5 产生式系统
6.6 面向对象
6.7 框架
6.8 脚本和概念依赖系统
6.9 语义网络
6.10 关联
6.11 最近的方法
6.11.1 概念地图
6.11.2 概念图
6.11.3 Baecker的工作
6.12 智能体：智能或其他
6.12.1 智能体的一些历史
6.12.2 当代智能体
6.12.3 语义网
6.12.4 IBM眼中的未来世界
6.12.5 本书作者的观点
6.13 本章小结
第7章 产生式系统
7.0 引言
7.1 背景
7.2 基本示例
7.3 CarBuyer系统
7.4 产生式系统和推理方法
7.4.1 冲突消解
7.4.2 前向链接
7.4.3 后向链接
7.5 产生式系统和细胞自动机
7.6 随机过程与马尔可夫链
7.7 本章小结
第三部分 基于知识的系统
第8章 人工智能中的不确定性
8.0 引言
8.1 模糊集
8.2 模糊逻辑
8.3 模糊推理
8.4 概率论和不确定性
8.5 本章小结
第9章 专家系统
9.0 引言
9.1 背景
9.1.1 人类专家和机器专家
9.2 专家系统的特点
9.3 知识工程
9.4 知识获取
9.5 经典的专家系统
9.5.1 DENDRAL
9.5.2 MYCIN
9.5.3 EMYCIN
9.5.4 PROSPECTOR
9.5.5 模

人工智能经典教材，更加适合本科生、研究生使用。
新增深度学习、人工智能安全和人工智能编程等新进展、新成果；
图文并茂，结合人物轶事、应用之窗，提高趣味性和实用性；
章末提供习题，并附有解决方案，巩固知识、夯实基础；
突出人工智能发展中人的作用和贡献，体现了以人为本的人工智能；
译者倾情编写本书使用建议，让学习更高效。