本书系统地介绍了人工智能的基本原理、方法和应用技术，全面反映了国内外人工智能研究领域的最新进展和发展方向。全书共12章。第1章简要介绍了人工智能的概况。第2～6章阐述了人工智能的基本原理和方法，重点论述了知识表示、自动推理、机器学习和神经网络等。第7章和第8章介绍了专家系统、自然语言处理等应用技术。第9～11章阐述了当前人工智能的研究热点，包括分布式人工智能与智能体、智能机器人和互联网智能等。第12章探讨了类脑智能，展望人工智能的发展。
本书力求科学性、实用性和先进性，可读性好。内容由浅入深、循序渐进，条理清晰，让学生在有限的时间内掌握人工智能的基本原理与应用技术，提高对人工智能习题的求解能力。
本书可以作为高等院校计算机科学与技术、自动化等相关专业的研究生和高年级本科生的人工智能课程教材，也可以供从事人工智能研究与应用的科技人员学习参考。

出版说明
前言
第1章 绪论
1.1 什么是人工智能
1.2 人工智能的起源与发展历史
1.3 人工智能研究的基本内容
1.3.1 认知建模
1.3.2 知识表示
1.3.3 自动推理
1.3.4 机器学习
1.4 人工智能研究的主要学派
1.4.1 符号主义
1.4.2 连接主义
1.4.3 行为主义
1.5 人工智能的应用
1.6 小结和展望
习题
第2章 知识表示
2.1 概述
2.2 谓词逻辑
2.3 产生式系统
2.4 语义网络
2.4.1 语义网络的概念和结构
2.4.2 复杂知识的表示
2.4.3 常用的语义联系
2.5 框架
2.5.1 框架结构
2.5.2 框架网络
2.5.3 推理方法
2.6 状态空间
2.7 面向对象的知识表示
2.8 脚本
2.8.1 脚本描述
2.8.2 概念依赖关系
2.9 本体
2.10 小结
习题
第3章 自动推理
3.1 概述
3.2 三段论推理
3.3 盲目搜索
3.3.1 深度优先搜索
3.3.2 宽度优先搜索
3.3.3 迭代加深搜索
3.4 回溯策略
3.5 启发式搜索
3.5.1 启发性信息和评估函数
3.5.2 爬山算法
3.5.3 模拟退火算法
3.5.4 最好优先算法
3.5.5 通用图搜索算法
3.5.6 A*算法
3.5.7 迭代加深A*算法
3.6 与或图启发式搜索
3.6.1 问题归约的描述
3.6.2 与或图表示
3.6.3 AO*算法
3.7 博弈搜索
3.7.1 极大极小过程
3.7.2 α-β过程
3.8 归结演绎推理
3.8.1 子句型
3.8.2 置换和合一
3.8.3 合一算法
3.8.4 归结式
3.8.5 归结反演
……
第4章 不确定性推理
第5章 机器学习
第6章 神经网络
第7章 专家系统
第8章 自然语言处理
第9章 分布式人工智能与智能体
第10章 智能机器人
第11章 互联网智能
第12章 类脑智能
附录 课程实习
参考文献