本书由四篇共17章组成。第一篇是基础理论篇，共九章（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。第二篇是应用技术篇，共四章（第10～13章），介绍人工智能基础理论与相关分支领域相融合所产生的新技术。第三篇是应用篇，共三章（第14～16章），介绍智能产品的开发及目前广为流行的四种应用实例。第四篇是展望篇，共一章（第17章），对人工智能学科今后发展提出建议和看法。
在本书的编写中坚持三项原则：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；教材的应用性，即更加关注人工智能与其他学科、领域的融合，将人工智能应用到多个行业中去；教材的引导性，即坚持教材的入门与引导作用。本书的出版，在一定程度上填补了新一代人工智能教材的空白。
本书适合作为人工智能、计算机类专业及相关专业“人工智能”课程教材及培训教材，也可作为人工智能应用、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。

第一篇 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1
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2
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3
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4
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5
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6
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7
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
8.5 知识图谱的应用
小结
习题8
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9
第二篇 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10
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11
第12章 自然语言处理
12.1 自然语言处理之自然语言理解
12.2 自然语言处理之自然语言生成
12.3 语音处理
12.4 自然语言处理应用实例
小结
习题12
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13
第三篇 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 大数据管理系统标准 NoSQL
14.5 大数据计算
14.6 大数据用户接口与可视化
小结
习题14
第15章 人工智能应用系统开发
15.1 概述
15.2 人工智能应用开发的三大要素
15.3 人工智能应用开发系统结构
15.4 人工智能应用系统开发流程
15.5 人工智能应用的三种典型方法
小结
习题15
第16章 人工智能的应用系统
16.1 自动驾驶与网联车
16.2 人脸识别
16.3 机器翻译
16.4 智能医学图像处理
小结
习题16
第四篇 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17
参考文献