“人工智能导论”是人工智能专业的入门课程。本书是继2019年首版后修订再版的。本版编写的原则是：坚持教材的现代性，即新的技术路线与新的体系，并形成新一代人工智能技术；坚持教材的应用性，即将人工智能与其他学科、领域进行融合，将其应用到多个行业中去；坚持教材的引导性，即体现教材的基础性、入门性作用。
本书由4篇（共17章）组成。第1篇是基础理论篇，共9章（第1～9章），从整体角度介绍人工智能的基本概念与基础理论。第2篇是应用技术篇，共4章（第10～13章），是基础理论与相关应用领域相融合所产生的新技术。第3篇是应用篇，共3章（第14～16章），介绍智能产品的开发及目前流行的4种应用。第4篇是展望篇，共1章（第17章），对人工智能学科发展提供建议与看法。
本书适合作为人工智能、计算机类专业及相关融合型专业的“人工智能导论”课程的教材及高校人工智能公共课程的教材，也适合作为人工智能应用、开发人员的基础读物。

徐洁磐，南京大学计算机系教授，曾任中国人工智能学会理事，中国离散数学学会理事长，中国计算机学会计算机理论专业委员会副主任，数据库专业委员会委员。主要研究方向为计算机理论与数据库技术。曾获部、省级科技进步二、三等奖5项，发表论文30余篇，出版专著及教材10余本，其中《数据库系统教程》被评为普通高等教育“十一五”国家级规划教材，并被评为教育部普通高等教育精品教材。

第1篇 基础理论篇
第1章 总论
1.1 人工智能发展历史
1.2 人工智能概念介绍
1.3 人工智能发展三大学派
1.4 人工智能的学科体系
小结
习题
第2章 知识及知识表示
2.1 概述
2.2 产生式表示法
2.3 状态空间表示法
2.4 谓词逻辑表示法
2.5 知识图谱表示法
小结
习题
第3章 知识组织与管理——知识库介绍
3.1 知识库概述
3.2 知识库发展历史
3.3 典型知识库系统介绍
小结
习题
第4章 知识获取之搜索策略方法
4.1 概述
4.2 盲目搜索
4.3 启发式搜索
4.4 博弈树的启发式搜索
小结
习题
实验
第5章 知识获取之推理方法
5.1 知识推理基本理论
5.2 谓词逻辑自然推理
5.3 谓词逻辑的自动定理证明
5.4 知识推理方法之评价
小结
习题
实验
第6章 知识获取之机器学习方法
6.1 机器学习概述
6.2 人工神经网络
6.3 决策树
6.4 贝叶斯方法
6.5 支持向量机方法
6.6 关联规则方法
6.7 聚类方法
6.8 迁移学习
6.9 强化学习方法
小结
习题
实验
第7章 深度学习与卷积神经网络
7.1 浅层学习与深度学习
7.2 深度学习概述
7.3 卷积神经网络
小结
习题
实验
第8章 知识获取之知识图谱方法
8.1 知识图谱中的知识获取概述
8.2 知识图谱中的知识获取方法
8.3 著名的知识图谱介绍
8.4 知识图谱中的知识存储管理
8.5 知识图谱的应用
小结
习题
实验
第9章 知识获取之Agent方法
9.1 Agent介绍
9.2 多Agent
9.3 移动Agent
9.4 智能Agent
小结
习题
第2篇 应用技术篇
第10章 知识工程与专家系统
10.1 知识工程与专家系统概述
10.2 专家系统组成
10.3 专家系统分类
10.4 专家系统开发
10.5 传统专家系统与新一代专家系统
小结
习题
第11章 计算机视觉
11.1 计算机视觉概述
11.2 计算机视觉中的图像分析和理解
11.3 计算机视觉应用
小结
习题
实验
第12章 自然语言处理
12.1 自然语言处理中的自然语言理解
12.2 自然语言处理中的自然语言生成
12.3 语音处理
12.4 自然语言处理应用实例
小结
习题
实验
第13章 机器人
13.1 机器人概述
13.2 机器人组织结构
13.3 机器人工作原理
13.4 机器人的应用
小结
习题
第3篇 应用篇
第14章 大数据技术
14.1 大数据技术概述
14.2 大数据基础平台
14.3 大数据软件平台——Hadoop
14.4 大数据管理
14.5 大数据计算
14.6 大数据用户接口与可视化
小结
习题
第15章 知识获取——计算机智能系统开发
15.1 概述
15.2 计算机智能系统开发的三大要素
15.3 计算机智能系统组成
15.4 计算机智能系统开发流程
15.5 人工智能知识获取的3种典型方法
小结
习题
第16章 智能应用——人工智能应用系统开发
16.1 人工智能应用系统组成
16.2 人工智能应用系统开发
16.3 人工智能典型应用产品介绍
小结
习题
第4篇 展望篇
第17章 人工智能发展展望
17.1 人工智能学科发展
17.2 人工智能所引发的社会问题及其解决
小结
习题