《人工智能復(fù)雜問(wèn)題求解的結(jié)構(gòu)和策略（原書(shū)第6版）》是一本經(jīng)典的人工智能教材，全面闡述了人工智能的基礎(chǔ)理論，有效結(jié)合了求解智能問(wèn)題的數(shù)據(jù)結(jié)構(gòu)以及實(shí)現(xiàn)的算法，把人工智能的應(yīng)用程序應(yīng)用于實(shí)際環(huán)境中，并從社會(huì)和哲學(xué)、心理學(xué)以及神經(jīng)生理學(xué)角度對(duì)人工智能進(jìn)行了獨(dú)特的討論。新版中增加了對(duì)“基于隨機(jī)方法的機(jī)器學(xué)習(xí)”的介紹，并提出了一些新的主題，如涌現(xiàn)計(jì)算、本體論、隨機(jī)分割算法等。
《人工智能復(fù)雜問(wèn)題求解的結(jié)構(gòu)和策略（原書(shū)第6版）》適合作為高等院校計(jì)算機(jī)專業(yè)人工智能教材，也可供人工智能領(lǐng)域的研究者及相關(guān)工程技術(shù)人員參考。
《人工智能復(fù)雜問(wèn)題求解的結(jié)構(gòu)和策略（原書(shū)第6版）》是一本經(jīng)典的人工智能教材，全面闡述了人工智能的基礎(chǔ)理論，有效結(jié)合了求解智能問(wèn)題的數(shù)據(jù)結(jié)構(gòu)以及實(shí)現(xiàn)的算法。把人工智能的應(yīng)用程序應(yīng)用于實(shí)際環(huán)境中，并從社會(huì)和哲學(xué)、心理學(xué)以及神經(jīng)生理學(xué)角度對(duì)人工智能進(jìn)行了全面的討論。 本版新增內(nèi)容 ●新增一章，介紹用于機(jī)器學(xué)習(xí)的隨機(jī)方法，包括一階貝葉斯網(wǎng)絡(luò)、各種隱馬爾可夫模型、馬爾可 夫隨機(jī)場(chǎng)推理和循環(huán)信念傳播。 ●介紹針對(duì)期望最大化學(xué)習(xí)以及利用馬爾可夫鏈蒙特卡羅抽樣的結(jié)構(gòu)化學(xué)習(xí)的參數(shù)選擇，強(qiáng)化學(xué)習(xí) 中馬爾可夫決策過(guò)程的利用。 ●介紹智能體技術(shù)和本體的使用。 ●介紹自然語(yǔ)言處理的動(dòng)態(tài)規(guī)劃（Earley語(yǔ)法分析）以及Viterbi等其他概率語(yǔ)法分析技術(shù)。 ●書(shū)中的許多算法采用Prolog，LISP和Java語(yǔ)言來(lái)構(gòu)建。
人工智能（AI）最開(kāi)始的動(dòng)機(jī)是想創(chuàng)造一種機(jī)器，它不僅能夠思考，而且還有可能和人類交流，這是計(jì)算的最高級(jí)目標(biāo)。在過(guò)去的許多年里，人工智能的研究者們?cè)谔剿髦悄軝C(jī)制的同時(shí)，還使人工智能在實(shí)際領(lǐng)域取得了更廣泛的應(yīng)用。我們可以使用不同的人工智能策略解決很多在實(shí)際應(yīng)用計(jì)算機(jī)技術(shù)時(shí)出現(xiàn)的復(fù)雜問(wèn)題。眾所周知，智能本身是非常復(fù)雜的，難以用單一的理論來(lái)描述。因此，產(chǎn)生了一系列的理論從不同的抽象層次刻畫(huà)這個(gè)主題。在最低層次，神經(jīng)網(wǎng)絡(luò)、遺傳算法以及其他形式的理論可以輔助理解適應(yīng)性原理、感知機(jī)制以及與物理世界的交互機(jī)制。在更加抽象的層次，專家系統(tǒng)的設(shè)計(jì)、智能主體、隨機(jī)模型以及自然語(yǔ)言理解程序反映了知識(shí)在智能中的角色和創(chuàng)建、傳遞、保持的社會(huì)過(guò)程。更深一層，邏輯學(xué)家提出了演繹、反繹、歸納、真值維護(hù)以及其他的推理模型和方式。
在第6版中，George F. Luger闡述了復(fù)雜問(wèn)題求解結(jié)構(gòu)和策略的所有這些層次的理論，同時(shí)，他還指出了智能研究本身的令人興奮之處，演示了怎樣使用不同的軟件工具和技術(shù)去解決計(jì)算機(jī)科學(xué)家面臨的復(fù)雜問(wèn)題。
這本暢銷教材的主要特點(diǎn)是：
·徹底和全面闡述人工智能的基礎(chǔ)理論。
·有效結(jié)合了求解智能問(wèn)題的數(shù)據(jù)結(jié)構(gòu)以及實(shí)現(xiàn)的算法。
·用LISP、Prolog或Java語(yǔ)言編寫(xiě)實(shí)例程序。
·把人工智能的應(yīng)用程序應(yīng)用于實(shí)際環(huán)境中。
·從社會(huì)和哲學(xué)角度出發(fā)對(duì)人工智能進(jìn)行全面的討論。
與第5版相比，第6版主要擴(kuò)充了獲取人工智能的隨機(jī)方法的相關(guān)材料，包括：
·修改9.3節(jié)、加入第13章來(lái)介紹基于概率的機(jī)器學(xué)習(xí)。
·擴(kuò)充了關(guān)于有限狀態(tài)自動(dòng)機(jī)和概率接受器以及動(dòng)態(tài)規(guī)劃的使用，尤其是使用隨機(jī)測(cè)量的動(dòng)態(tài)規(guī)劃算法（Viterbi算法）的例子。
此外，第6版除了介紹Prolog和LISP，還收集了一些用Java實(shí)現(xiàn)的人工智能算法。
本書(shū)共16章。第1章（第一部分）簡(jiǎn)單介紹人工智能；第2、3、4、5、6章（第二部分）介紹AI問(wèn)題求解的研究工具；第7、8、9章（第三部分）介紹人工智能和知識(shí)密集型問(wèn)題求解以及變化和模糊情況下推理的表示法；第10、11、12、13章（第四部分）提供機(jī)器學(xué)習(xí)中問(wèn)題的擴(kuò)充說(shuō)明；第14、15章構(gòu)成本書(shū)的第五部分，第14章討論這一領(lǐng)域中最早的程序，第15章介紹自然語(yǔ)言理解；第16章（第六部分）作為本書(shū)的結(jié)束語(yǔ)。
本書(shū)適合作為高等院校計(jì)算機(jī)、自動(dòng)化、電子等專業(yè)本科生及研究生的人工智能教材。同時(shí)，本書(shū)也是人工智能領(lǐng)域的研究者或那些想了解和應(yīng)用當(dāng)前人工智能技術(shù)的工作人員的一本寶貴的參考資料。
本書(shū)第6版的翻譯工作由郭茂祖主持，郭茂祖審校了全部譯稿，玄萍負(fù)責(zé)校對(duì)。其中，郭茂祖翻譯了第1、2、3、4、5章，劉揚(yáng)翻譯了第7、8、9、10章，玄萍翻譯了第11、12、13、14章，王春宇翻譯了第6、15、16章。在本書(shū)的翻譯過(guò)程中，李建伏、鄧超、鄒權(quán)、于建濤、王峻、李艷娟、吳偉寧、徐磊、艾淼、邢志安給予了很多幫助，對(duì)他們表示由衷的感謝。另外，本書(shū)的翻譯參考了第5版的中文版，在此一并表示感謝。
George F. Luger，1973年在賓夕法尼亞大學(xué)獲得博士學(xué)位，并在之后的5年間在愛(ài)丁堡大學(xué)人工智能系進(jìn)行博士后研究，現(xiàn)在是新墨西哥大學(xué)計(jì)算機(jī)科學(xué)研究、語(yǔ)言學(xué)及心理學(xué)教授。
出版者的話
譯者序
前言
第一部分 人工智能的歷史淵源及研究范圍
第1章 人工智能的歷史及應(yīng)用
1.1 從伊甸園到第一臺(tái)電子計(jì)算機(jī)：對(duì)智能、知識(shí)和人類技能的態(tài)度
1.1.1 人工智能基礎(chǔ)的簡(jiǎn)要?dú)v史
1.1.2 理性主義和經(jīng)驗(yàn)主義學(xué)派對(duì)人工智能的影響
1.1.3 形式邏輯的發(fā)展
1.1.4 圖靈測(cè)試
1.1.5 智能的生物和社會(huì)模型：主體理論
1.2 人工智能應(yīng)用領(lǐng)域概述
1.2.1 博弈
1.2.2 自動(dòng)推理和定理證明
1.2.3 專家系統(tǒng)
1.2.4 自然語(yǔ)言理解和語(yǔ)義學(xué)
1.2.5 對(duì)人類表現(xiàn)建模
1.2.6 規(guī)劃和機(jī)器人學(xué)
1.2.7 人工智能的語(yǔ)言和環(huán)境
1.2.8 機(jī)器學(xué)習(xí)
1.2.9 其他表示：神經(jīng)網(wǎng)絡(luò)和遺傳算法
1.2.1 0AI和哲學(xué)
1.3 人工智能小結(jié)
1.4 結(jié)語(yǔ)和參考文獻(xiàn)
1.5 習(xí)題
第二部分 作為表示和搜索的人工智能
第2章 謂詞演算
2.0 簡(jiǎn)介
2.1 命題演算（選讀）
2.1.1 符號(hào)和語(yǔ)句
2.1.2 命題演算的語(yǔ)義
2.2 謂詞演算
2.2.1 謂詞的語(yǔ)法和語(yǔ)句
2.2.2 謂詞演算的語(yǔ)義
2.2.3 語(yǔ)義含義的積木世界例子
2.3 使用推理規(guī)則產(chǎn)生謂詞演算表達(dá)式
2.3.1 推理規(guī)則
2.3.2 合一算法
2.3.3 合一的例子
2.4 應(yīng)用：一個(gè)基于邏輯的財(cái)務(wù)顧問(wèn)
2.5 結(jié)語(yǔ)和參考文獻(xiàn)
2.6 習(xí)題
第3章 狀態(tài)空間搜索的結(jié)構(gòu)和策略
3.0 簡(jiǎn)介
3.1 狀態(tài)空間搜索的結(jié)構(gòu)
3.1.1 圖論（選讀）
3.1.2 有限狀態(tài)自動(dòng)機(jī)（選讀）
3.1.3 問(wèn)題的狀態(tài)空間表示
3.2 用于狀態(tài)空間搜索的策略
3.2.1 數(shù)據(jù)驅(qū)動(dòng)搜索和目標(biāo)驅(qū)動(dòng)搜索
3.2.2 圖搜索的實(shí)現(xiàn)
3.2.3 深度優(yōu)先搜索和寬度優(yōu)先搜索
3.2.4 迭代加深的深度優(yōu)先搜索
3.3 利用狀態(tài)空間來(lái)表示命題演算和謂詞演算的推理
3.3.1 邏輯系統(tǒng)的狀態(tài)空間描述
3.3.2 與或圖
3.3.3 進(jìn)一步的例子和應(yīng)用
3.4 結(jié)語(yǔ)和參考文獻(xiàn)
3.5 習(xí)題
第4章 啟發(fā)式搜索
4.0 簡(jiǎn)介
4.1 爬山法和動(dòng)態(tài)規(guī)劃法
4.1.1 爬山
4.1.2 動(dòng)態(tài)規(guī)劃
4.2 最佳優(yōu)先搜索算法
4.2.1 實(shí)現(xiàn)最佳優(yōu)先搜索
4.2.2 實(shí)現(xiàn)啟發(fā)評(píng)估函數(shù)
4.2.3 啟發(fā)式搜索和專家系統(tǒng)
4.3 可采納性、單調(diào)性和信息度
4.3.1 可采納性度量
4.3.2 單調(diào)性
4.3.3 信息度更高的啟發(fā)是更好的啟發(fā)
4.4 在博弈中使用啟發(fā)
4.4.1 在可窮舉搜索圖上的極小極大過(guò)程
4.4.2 固定層深的極小極大過(guò)程
4.4.3 α-β過(guò)程
4.5 復(fù)雜度問(wèn)題
4.6 結(jié)語(yǔ)和參考文獻(xiàn)
4.7 習(xí)題
第5章 隨機(jī)方法
5.0 簡(jiǎn)介
5.1 計(jì)數(shù)基礎(chǔ)（選讀）
5.1.1 加法和乘法規(guī)則
5.1.2 排列與組合
5.2 概率論基礎(chǔ)
5.2.1 樣本空間、概率和獨(dú)立性
5.2.2 概率推理：一個(gè)道路/交通例子
5.2.3 隨機(jī)變量
5.2.4 條件概率
5.3 貝葉斯定理
5.4 隨機(jī)方法學(xué)的應(yīng)用
5.4.1 “tomato”是如何發(fā)音的
5.4.2 道路/交通例子的擴(kuò)展
5.5 結(jié)語(yǔ)和參考文獻(xiàn)
5.6 習(xí)題
第6章 為狀態(tài)空間搜索建立控制算法
6.0 簡(jiǎn)介
6.1 基于遞歸的搜索（選讀）
6.1.1 遞歸
6.1.2 一個(gè)遞歸搜索的例子：模式驅(qū)動(dòng)推理
6.2 產(chǎn)生式系統(tǒng)
6.2.1 定義和歷史
6.2.2 產(chǎn)生式系統(tǒng)的例子
6.2.3 產(chǎn)生式系統(tǒng)中的搜索控制
6.2.4 AI產(chǎn)生式系統(tǒng)的優(yōu)點(diǎn)
6.3 用于問(wèn)題求解的黑板結(jié)構(gòu)
6.4 結(jié)語(yǔ)和參考文獻(xiàn)
6.5 習(xí)題
第三部分 捕獲智能：AI中的挑戰(zhàn)
第7章 知識(shí)表示
7.0 知識(shí)表示問(wèn)題
7.1 AI表示模式的簡(jiǎn)要?dú)v史
7.1.1 語(yǔ)義關(guān)聯(lián)理論
7.1.2 語(yǔ)義網(wǎng)的早期研究
7.1.3 網(wǎng)絡(luò)關(guān)系的標(biāo)準(zhǔn)化
7.1.4 腳本
7.1.5 框架
7.2 概念圖：網(wǎng)絡(luò)語(yǔ)言
7.2.1 概念圖簡(jiǎn)介
7.2.2 類型、個(gè)體和名字
7.2.3 類型層次
7.2.4 泛化和特化
7.2.5 命題結(jié)點(diǎn)
7.2.6 概念圖和邏輯
7.3 其他表示方法和本體
7.3.1 Brooks的包容結(jié)構(gòu)
7.3.2 Copycat結(jié)構(gòu)
7.3.3 多種表示、本體和知識(shí)服務(wù)
7.4 基于主體的和分布式的問(wèn)題求解方法
7.4.1 基于主體的定義
7.4.2 基于主體的應(yīng)用
7.5 結(jié)語(yǔ)和參考文獻(xiàn)
7.6 習(xí)題
第8章 求解問(wèn)題的強(qiáng)方法
8.0 簡(jiǎn)介
8.1 專家系統(tǒng)技術(shù)概覽
8.1.1 基于規(guī)則的專家系統(tǒng)設(shè)計(jì)
8.1.2 問(wèn)題選擇和知識(shí)工程的步驟
8.1.3 概念模型及其在知識(shí)獲取中的作用
8.2 基于規(guī)則的專家系統(tǒng)
8.2.1 產(chǎn)生式系統(tǒng)和目標(biāo)驅(qū)動(dòng)問(wèn)題求解
8.2.2 目標(biāo)驅(qū)動(dòng)推理中的解釋和透明性
8.2.3 利用產(chǎn)生式系統(tǒng)進(jìn)行數(shù)據(jù)驅(qū)動(dòng)推理
8.2.4 專家系統(tǒng)的啟發(fā)和控制
8.3 基于模型系統(tǒng)、基于案例系統(tǒng)和混合系統(tǒng)
8.3.1 基于模型推理簡(jiǎn)介
8.3.2 基于模型推理：來(lái)自NASA的例子
8.3.3 基于案例推理介紹
8.3.4 混合設(shè)計(jì)：強(qiáng)方法系統(tǒng)的優(yōu)勢(shì)和不足
8.4 規(guī)劃
8.4.1 規(guī)劃簡(jiǎn)介：機(jī)器人學(xué)
8.4.2 使用規(guī)劃宏：STRIPS
8.4.3 teleo?reactive規(guī)劃
8.4.4 規(guī)劃：來(lái)自NASA的例子
8.5 結(jié)語(yǔ)和參考文獻(xiàn)
8.6 習(xí)題
第9章 不確定條件下的推理
9.0 簡(jiǎn)介
9.1 基于邏輯的反繹推理
9.1.1 非單調(diào)推理邏輯
9.1.2 真值維護(hù)系統(tǒng)
9.1.3 基于最小模型的邏輯
9.1.4 集合覆蓋和基于邏輯的反繹
9.2 反繹：邏輯之外的辦法
9.2.1 Stanford確信度代數(shù)
9.2.2 模糊集推理
9.2.3 Dempster?Shafer證據(jù)理論
9.3 處理不確定性的隨機(jī)方法
9.3.1 有向圖模型：貝葉斯信念網(wǎng)絡(luò)
9.3.2 有向圖模型：d-可分
9.3.3 有向圖模型：一個(gè)推理算法
9.3.4 有向圖模型：動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
9.3.5 馬爾可夫模型：離散馬爾可夫過(guò)程
9.3.6 馬爾可夫模型：變形
9.3.7 BBN概率建模的一階替代方案
9.4 結(jié)語(yǔ)和參考文獻(xiàn)
9.5 習(xí)題
第四部分 機(jī)器學(xué)習(xí)
第10章 基于符號(hào)的機(jī)器學(xué)習(xí)
10.0 簡(jiǎn)介
10.1 基于符號(hào)學(xué)習(xí)的框架
10.2 變形空間搜索
10.2.1 泛化操作符和概念空間
10.2.2 候選解排除算法
10.2.3 LEX：?jiǎn)l(fā)式歸納搜索
10.2.4 評(píng)估候選解排除算法
10.3 ID3決策樹(shù)歸納算法
10.3.1 自頂向下決策樹(shù)歸納
10.3.2 測(cè)試選擇的信息論方法
10.3.3 評(píng)價(jià)ID3
10.3.4 決策樹(shù)數(shù)據(jù)問(wèn)題：打包、推進(jìn)
10.4 歸納偏置和學(xué)習(xí)能力
10.4.1 歸納偏置
10.4.2 可學(xué)習(xí)性理論
10.5 知識(shí)和學(xué)習(xí)
10.5.1 Meta?DENDRAL
10.5.2 基于解釋的學(xué)習(xí)
10.5.3 EBL和知識(shí)層學(xué)習(xí)
10.5.4 類比推理
10.6 無(wú)監(jiān)督學(xué)習(xí)
10.6.1 發(fā)現(xiàn)和無(wú)監(jiān)督學(xué)習(xí)
10.6.2 概念聚類
10.6.3 COBWEB和分類知識(shí)的結(jié)構(gòu)
10.7 強(qiáng)化學(xué)習(xí)
10.7.1 強(qiáng)化學(xué)習(xí)的組成部分
10.7.2 一個(gè)例子：九宮游戲
10.7.3 強(qiáng)化學(xué)習(xí)的推理算法和應(yīng)用
10.8 結(jié)語(yǔ)和參考文獻(xiàn)
10.9 習(xí)題
第11章 機(jī)器學(xué)習(xí)：連接機(jī)制
11.0 簡(jiǎn)介
11.1 連接網(wǎng)絡(luò)的基礎(chǔ)
11.2 感知機(jī)學(xué)習(xí)
11.2.1 感知機(jī)訓(xùn)練算法
11.2.2 例子：用感知機(jī)網(wǎng)絡(luò)進(jìn)行分類
11.2.3 通用delta規(guī)則
11.3 反傳學(xué)習(xí)
11.3.1 反傳算法的起源
11.3.2 反傳算法實(shí)例1：NETtalk
11.3.3 反傳算法實(shí)例2：異或
11.4 競(jìng)爭(zhēng)學(xué)習(xí)
11.4.1 對(duì)于分類的“勝者全拿”學(xué)習(xí)
11.4.2 學(xué)習(xí)原型的Kohonen網(wǎng)絡(luò)
11.4.3 outstar網(wǎng)絡(luò)和逆?zhèn)?br>11.4.4 支持向量機(jī)
11.5 Hebbian一致性學(xué)習(xí)
11.5.1 概述
11.5.2 無(wú)監(jiān)督Hebbian學(xué)習(xí)的例子
11.5.3 有監(jiān)督Hebbian學(xué)習(xí)
11.5.4 聯(lián)想記憶和線性聯(lián)想器
11.6 吸引子網(wǎng)絡(luò)或“記憶”
11.6.1 概述
11.6.2 雙向聯(lián)想記憶
11.6.3 BAM處理的例子
11.6.4 自相關(guān)記憶和Hopfield網(wǎng)絡(luò)
11.7 結(jié)語(yǔ)和參考文獻(xiàn)
11.8 習(xí)題
第12章 機(jī)器學(xué)習(xí)：遺傳性和涌現(xiàn)性
12.0 社會(huì)性和涌現(xiàn)性的學(xué)習(xí)模型
12.1 遺傳算法
12.1.1 兩個(gè)例子：CNF可滿足性問(wèn)題和巡回推銷員問(wèn)題
12.1.2 遺傳算法的評(píng)估
12.2 分類器系統(tǒng)和遺傳程序設(shè)計(jì)
12.2.1 分類器系統(tǒng)
12.2.2 用遺傳算子進(jìn)行程序設(shè)計(jì)
12.3 人工生命和基于社會(huì)的學(xué)習(xí)
12.3.1 生命游戲
12.3.2 進(jìn)化規(guī)劃
12.3.3 涌現(xiàn)的實(shí)例研究
12.4 結(jié)語(yǔ)和參考文獻(xiàn)
12.5 習(xí)題
第13章 機(jī)器學(xué)習(xí)：概率理論
13.0 學(xué)習(xí)中的隨機(jī)模型和動(dòng)態(tài)模型
13.1 隱馬爾可夫模型(HMM)
13.1.1 隱馬爾可夫模型的介紹和定義
13.1.2 隱馬爾可夫模型的重要變形
13.1.3 使用HMM和Viterbi解碼音素串
13.2 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)和學(xué)習(xí)
13.2.1 動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)
13.2.2 學(xué)習(xí)貝葉斯網(wǎng)絡(luò)
13.2.3 期望最大化：一個(gè)例子
13.3 強(qiáng)化學(xué)習(xí)的隨機(jī)擴(kuò)展
13.3.1 馬爾可夫決策過(guò)程
13.3.2 部分 可觀測(cè)的馬爾可夫決策過(guò)程
13.3.3 馬爾可夫決策過(guò)程實(shí)現(xiàn)的例子
13.4 結(jié)語(yǔ)和參考文獻(xiàn)
13.5 習(xí)題
第五部分 人工智能問(wèn)題求解的高級(jí)課題
第14章 自動(dòng)推理
14.0 定理證明中的弱方法
14.1 通用問(wèn)題求解器和差別表
14.2 歸結(jié)定理證明
14.2.1 概述
14.2.2 為歸結(jié)反駁生成子句形式
14.2.3 二元?dú)w結(jié)證明過(guò)程
14.2.4 歸結(jié)策略和簡(jiǎn)化技術(shù)
14.2.5 從歸結(jié)反駁中抽取解答
14.3 Prolog和自動(dòng)推理
14.3.1 概述
14.3.2 邏輯程序設(shè)計(jì)和Prolog
14.4 自動(dòng)推理進(jìn)一步的問(wèn)題
14.4.1 弱方法求解的統(tǒng)一表示法
14.4.2 可選推理規(guī)則
14.4.3 歸結(jié)反駁支持下的問(wèn)答機(jī)制
14.4.4 搜索策略及其使用
14.5 結(jié)語(yǔ)和參考文獻(xiàn)
14.6 習(xí)題
第15章 自然語(yǔ)言理解
15.0 自然語(yǔ)言理解問(wèn)題
15.1 解構(gòu)語(yǔ)言：分析
15.2 語(yǔ)法
15.2.1 使用上下文無(wú)關(guān)文法說(shuō)明和解析
15.2.2 Earley解析器：動(dòng)態(tài)規(guī)劃二次訪問(wèn)
15.3 轉(zhuǎn)移網(wǎng)絡(luò)解析器及語(yǔ)義學(xué)
15.3.1 轉(zhuǎn)移網(wǎng)絡(luò)解析器
15.3.2 喬姆斯基層次和上下文相關(guān)文法
15.3.3 ATN解析器的語(yǔ)義
15.3.4 結(jié)合句法和語(yǔ)義知識(shí)的ATN
15.4 語(yǔ)言理解的隨機(jī)工具
15.4.1 概述：語(yǔ)言分析中的統(tǒng)計(jì)技術(shù)
15.4.2 馬爾可夫模型方法
15.4.3 決策樹(shù)方法
15.4.4 解析的概率方法
15.4.5 概率上下文無(wú)關(guān)解析器
15.5 自然語(yǔ)言應(yīng)用
15.5.1 故事理解和問(wèn)題解答
15.5.2 數(shù)據(jù)庫(kù)前端
15.5.3 Web信息抽取和摘要系統(tǒng)
15.5.4 用學(xué)習(xí)算法來(lái)泛化抽取的信息
15.6 結(jié)語(yǔ)和參考文獻(xiàn)
15.7 習(xí)題
第六部分 后記
第16章 人工智能是經(jīng)驗(yàn)式的學(xué)科
16.0 簡(jiǎn)介
16.1 人工智能：修訂的定義
16.1.1 人工智能和物理符號(hào)系統(tǒng)假設(shè)
16.1.2 連接或者“神經(jīng)”計(jì)算
16.1.3 主體、涌現(xiàn)和智能
16.1.4 概率模型和隨機(jī)技術(shù)
16.2 智能系統(tǒng)科學(xué)
16.2.1 心理學(xué)約束
16.2.2 認(rèn)識(shí)論問(wèn)題
16.3 人工智能：當(dāng)前的挑戰(zhàn)和未來(lái)的方向
16.4 結(jié)語(yǔ)和參考文獻(xiàn)
1.1 從伊甸園到第一臺(tái)電子計(jì)算機(jī)：對(duì)智能、知識(shí)和人類技能的態(tài)度
普羅米修斯這樣評(píng)價(jià)他違反奧林匹斯山神靈所取得的戰(zhàn)果：他不僅僅為人類盜取了火種，而且用智慧也就是心靈的鑰匙——一種“理性思想”——啟蒙了人類。智慧是一切人類技術(shù)乃至文明之本。古希臘劇作家埃斯庫(kù)羅斯用這個(gè)神話闡述了一種對(duì)知識(shí)的非凡威力的深邃而又古樸的理解。今天，人工智能已經(jīng)被應(yīng)用到普羅米修斯貢獻(xiàn)過(guò)的所有領(lǐng)域——醫(yī)學(xué)、哲學(xué)、生物學(xué)、天文學(xué)、地理學(xué)，以及埃斯庫(kù)羅斯無(wú)法預(yù)見(jiàn)的許多其他科學(xué)領(lǐng)域。
雖然普羅米修斯把人類從無(wú)知的禁錮中解放出來(lái)，但是他的行為卻激怒了宙斯。由于普羅米修斯竊取了本來(lái)只屬于奧林匹斯山神靈的智慧，因此宙斯下令把普羅米修斯鎖在光禿禿的石頭上經(jīng)受永世的折磨。關(guān)于人類獲取知識(shí)的努力觸犯了神靈或自然法則的觀點(diǎn)在西方思想中根深蒂固，這就是伊甸園故事的基礎(chǔ)，也出現(xiàn)在但丁和米爾頓的著作中。莎士比亞和古希臘悲劇家們都把對(duì)知識(shí)的渴望描述為災(zāi)難之源。這種尋求知識(shí)最終會(huì)導(dǎo)致災(zāi)難的觀念自產(chǎn)生以來(lái)一直存在，無(wú)論是文藝復(fù)興時(shí)期、還是啟蒙運(yùn)動(dòng)時(shí)期，甚至包括在科學(xué)和哲學(xué)大發(fā)展的19世紀(jì)和20世紀(jì)。因此，人工智能在學(xué)術(shù)領(lǐng)域和大眾思想中引發(fā)的諸多爭(zhēng)議根本不足為奇。
事實(shí)上，現(xiàn)代科技并沒(méi)有使人們消除這種自古而來(lái)的恐懼——即渴望知識(shí)會(huì)導(dǎo)致惡果，而是使人們意識(shí)到產(chǎn)生那樣的后果是很有可能的，甚至是即將來(lái)臨的。今天，人們用科技社會(huì)的語(yǔ)言重新講述著普羅米修斯、夏娃和浮士德的神話。瑪麗·雪萊在她的《弗蘭肯斯坦》（該書(shū)的副標(biāo)題很有趣，叫《現(xiàn)代普羅米修斯》）一書(shū)的序言中這樣寫(xiě)道。
新書(shū)資訊