人工智能是研究理解和模拟人类智能、智能行为及其规律的一门学科，其主要任务是建立智能信息处理理论，进而设计可以展现某些近似于人类智能行为的计算系统。本书介绍人工智能的理论、方法和技术及其应用，除了讨论那些仍然有用的和有效的基本原理和方法之外，着重阐述一些新的和正在研究的人工智能方法与技术，特别是近期发展起来的方法和技术。此外，用比较多的篇幅论述人工智能的应用，包括新的应用研究。
贲可荣、张彦铎编著的《人工智能(第3版高等学校计算机教育规划教材)》包括下列内容：①简述人工智能的起源与发展，讨论人工智能的定义、人工智能与计算机的关系以及人工智能的研究和应用领域；②论述知识表示、推理和不确定推理的主要方法，包括谓词逻辑、产生式系统、语义网络、框架、知识图谱、归结推理、非单调推理、主观Bayes方法、确定性理论、证据理论、模糊逻辑和模糊推理等；③讨论常用搜索原理，如盲目搜索、启发式搜索、min-max搜索、α-β剪枝和约束满足等，并研究一些比较高级的搜索技术，如贪婪局部搜索、局部剪枝搜索、模拟退火算法、遗传算法等；④介绍分布式人工智能与Agent、计算智能、反向传播神经网络、深度学习、竞争网络支持向量化等已成为当前研究热点的人工智能技术和方法；⑤比较详细地分析人工智能的主要应用领域，涉及自动规划系统、自然语言处理、信息检索、语言翻译、语音识别、计算机视觉、群体智能机器人等。
本书适合作为高等学校计算机及相关专业大学高年级和非计算机专业研究生人工智能的教材，也可作为希望深入学习人工智能的科技人员的参考书。

第1章 绪论
1.1 人工智能的定义与概况
1.2 人类智能与人工智能
1.2.1 智能信息处理系统的假设
1.2.2 人类智能的计算机模拟
1.2.3 弱人工智能和强人工智能
1.3 人工智能各学派的认知观
1.4 人工智能的研究与应用领域
1.4.1 智能感知
1.4.2 智能推理
1.4.3 智能学习
1.4.4 智能行动
1.5 人工智能发展展望
1.5.1 新一轮人工智能的发展特征
1.5.2 未来40年的人工智能问题
1.5.3 人工智能鲁棒性和伦理
1.5.4 新一代人工智能发展规划
习题
第2章 知识表示和推理
2.1 概述
2.1.1 知识和知识表示
2.1.2 知识策略智能
2.1.3 人工智能对知识表示方法的要求
2.1.4 知识的分类
2.1.5 知识表示语言问题
2.1.6 现代逻辑学的基本研究方法
2.2 命题逻辑
2.2.1 语法
2.2.2 语义
2.2.3 命题演算形式系统PC
2.3 谓词逻辑
2.3.1 语法
2.3.2 语义
2.3.3 谓词逻辑形式系统FC
2.3.4 一阶谓词逻辑的应用
2.4 归结推理
2.4.1 命题演算中的归结推理
2.4.2 谓词演算中的归结推理
2.4.3 谓词演算归结反演的合理性和完备性
2.4.4 案例：一个基于逻辑的财务顾问
2.5 产生式系统
2.5.1 产生式系统的表示
2.5.2 案例：九宫图游戏
2.5.3 案例：传教士和野人问题
2.5.4 产生式系统的控制策略
2.6 语义网络
2.6.1 基本命题的语义网络表示
2.6.2 连接词在语义网络中的表示
2.6.3 语义网络的推理
2.6.4 语义网络表示的特点
2.7 框架
2.7.1 框架的构成
2.7.2 框架系统的推理
2.7.3 框架表示的特点
2.8 脚本
2.8.1 脚本概念
2.8.2 案例：饭店脚本
2.9 知识图谱
2.9.1 知识图谱及其表示
2.9.2 百度知识图谱技术方案
2.9.3 案例：知识图谱在互联网金融行业中的应用
2.10 基于知识的系统
2.10.1 知识获取
2.10.2 知识组织
2.10.3 知识应用
2.10.4 常识知识和大规模知识处理
2.10.5 常识推理
2.10.6 案例：知识图谱应用
2.11 小结
习题
第3章 搜索技术
3.1 概述
3.2 盲目搜索方法
3.3 启发式搜索
3.3.1 启发性信息和评估函数
3.3.2 最好优先搜索算法
3.3.3 贪婪最好优先搜索算法
3.3.4 A算法和A算法
3.3.5 迭代加深A算法
3.4 问题归约和ANDOR图启发式搜索
3.4.1 问题归约的描述
3.4.2 问题的ANDOR图表示
3.4.3 AO算法
3.5 博弈
3.5.1 极大极小过程
3.5.2 α-β过程
3.5.3 效用值估计方法
3.6 案例分析
3.6.1 八皇后问题
3.6.2 洞穴探宝
3.6.3 五子棋
习题
第4章 高级搜索
4.1 爬山法搜索
4.2 模拟退火搜索
4.2.1 模拟退火搜索的基本思想
4.2.2 模拟退火算法
4.2.3 模拟退火算法关键参数和操作的设计
4.3 遗传算法
4.3.1 遗传算法的基本思想
4.3.2 遗传算法的基本操作
4.4 案例分析
4.4.1 爬山算法求解旅行商问题
4.4.2 模拟退火算法求解旅行商问题
4.4.3 遗传算法求解旅行商问题
习题
第5章 不确定知识表示和推理
5.1 概述
5.1.1 什么是不确定推理
5.1.2 不确定推理要解决的基本问题
5.1.3 不确定性推理方法分类
5.2 非单调逻辑
5.2.1 非单调逻辑的产生
5.2.2 缺省推理逻辑
5.2.3 非单调逻辑系统
5.2.4 非单调规则
5.2.5 案例：有经纪人的交易
5.3 主观Bayes方法
5.3.1 全概率公式和Bayes公式
5.3.2 主观 Bayes方法
5.4 确定性理论
5.4.1 建造医学专家系统时的问题
5.4.2 CF模型
5.4.3 案例：帆船分类专家系统
5.5 证据理论
5.5.1 假设的不确定性
5.5.2 证据的不确定性与证据组合
5.5.3 规则的不确定性
5.5.4 不确定性的传递与组合
5.5.5 证据理论案例
5.6 模糊逻辑和模糊推理
5.6.1 模糊集合及其运算
5.6.2 模糊关系
5.6.3 语言变量
5.6.4 模糊逻辑和模糊推理
5.6.5 案例：抵押申请评估决策支持系统
5.7 小结
习题
第6章 Agent
6.1 概述
6.2 Agent及其结构
6.2.1 Agent的定义
6.2.2 Agent要素及特性
6.2.3 Agent的结构特点
6.2.4 Agent的结构分类
6.3 Agent应用案例
6.4 Agent通信
6.4.1 通信方式
6.4.2 Agent通信语言ACL
6.5 协调与协作
6.5.1 引言
6.5.2 合同网
6.5.3 协作规划
6.6 移动Agent
6.6.1 移动Agent产生的背景
6.6.2 定义和系统组成