人工智能

本書是人工智能領域的經典書籍，新版做了全面修訂，增加了關於機器學習的內容，並更新了代碼示例和練習。本書主要討論智能體（agent）的基本概念和體系結構，從計算的角度介紹相關的規劃、學習、推理、協商、交互機制等理論，基於自主送貨機器人、診斷助手、智能輔導系統和交易智能體四個原型應用，在一個連貫的框架下研究智能體的設計、構建和實現，並從十個維度考慮設計空間的複雜性。本書適合作為高等院校計算機科學等相關專業的人工智能入門教材，也適合該領域的技術人員參考。 ^[1] 

譯者序

前言

致謝

部分　世界中的智能體：什麼是智能體？如何創建智能體？

第1章　人工智能與智能體2

1.1　什麼是人工智能2

1.1.1　人工智能和自然智能3

1.2　人工智能簡史5

1.2.1　與其他學科的關係7

1.3　環境中的智能體7

1.4　設計智能體8

1.4.1　設計時間計算、離線計算和在線計算8

1.4.2　任務10

1.4.3　定義解決方案11

1.4.4　表示12

1.5　智能體設計空間14

1.5.1　模塊性14

1.5.2　規劃視野14

1.5.3　表示15

1.5.4　計算限制16

1.5.5　學習17

1.5.6　不確定性18

1.5.7　偏好19

1.5.8　智能體數量19

1.5.9　交互性20

1.5.10　各維度的相互作用20

1.6　原型應用21

1.6.1　自主送貨機器人22

1.6.2　診斷助手24

1.6.3　智能輔導系統25

1.6.4　交易智能體27

1.6.5　智能家居28

1.7　本書概覽29

1.8　回顧29

1.9　參考文獻和進一步閲讀30

1.10　練習31

第2章　智能體的體系結構與層次控制32

2.1　智能體32

2.2　智能體系統33

2.2.1　智能體的功能33

2.3　層級控制36

2.4　用推理行動42

2.4.1　智能體建模世界42

2.4.2　知識和行動43

2.4.3　設計時間計算和離線計算44

2.4.4　在線計算45

2.5　回顧46

2.6　參考文獻和進一步閲讀46

2.7　練習47

第二部分　確定性推理、規劃與學習

第3章　搜索解決方案50

3.1　以搜索的方式解決問題50

3.2　狀態空間51

3.3　圖搜索53

3.3.1　形式化圖搜索53

3.4　通用搜索算法55

3.5　無信息搜索策略57

3.5.1　廣度優先搜索57

3.5.2　深度優先搜索59

3.5.3　迭代深化62

3.5.4　代價優先搜索64

3.6　啓發式搜索65

3.6.1　A搜索66

3.6.2　設計啓發式函數69

3.7　搜索空間的修剪70

3.7.1　環修剪70

3.7.2　多路徑修剪70

3.7.3　搜索策略小結72

3.8　更復雜的搜索73

3.8.1　分支定界73

3.8.2　搜索的方向75

3.8.3　動態規劃77

3.9　回顧79

3.10　參考文獻和進一步閲讀80

3.11　練習80

第4章　約束推理83

4.1　可能世界、變量和約束83

4.1.1　變量和世界83

4.1.2　約束86

4.1.3　約束滿足問題87

4.2　生成和測試算法88

4.3　使用搜索求解CSP88

4.4　一致性算法89

4.5　域分割93

4.6　變量消除94

4.7　局部搜索96

4.7.1　迭代改進98

4.7.2　隨機算法98

4.7.3　局部搜索的變體99

4.7.4　評估隨機算法102

4.7.5　隨機重啓104

4.8　基於種羣的方法104

4.9　優化器106

4.9.1　系統化的優化方法108

4.9.2　用於優化的局部搜索110

4.10　回顧111

4.11　參考文獻和進一步閲讀112

4.12　練習112

第5章　命題與推理115

5.1　命題115

5.1.1　命題演算的語法115

5.1.2　命題演算的語義116

5.2　命題約束119

5.2.1　用於一致性算法的子句形式120

5.2.2　在局部搜索中利用命題結構121

5.3　命題確定子句121

5.3.1　問題和答案123

5.3.2　證明124

5.4　知識表示問題129

5.4.1　背景知識和觀察129

5.4.2　查詢用户130

5.4.3　知識層面的解釋131

5.4.4　知識層面的調試133

5.5　反證法137

5.5.1　霍恩子句137

5.5.2　假設與衝突138

5.5.3　基於一致性的診斷139

5.5.4　用假設和霍恩子句進行推理140

5.6　完備知識假設143

5.6.1　非單調推理145

5.6.2　否定作為失敗的證明過程146

5.7　溯因法148

5.8　因果模型152

5.9　回顧153

5.10　參考文獻和進一步閲讀153

5.11　練習154

第6章　確定性規劃161

6.1　狀態、動作、目標的表示161

6.1.1　顯式狀態空間表示162

6.1.2　STRIPS表示163

6.1.3　基於特徵的動作表示164

6.1.4　初始化狀態和目標166

6.2　前向規劃166

6.3　迴歸規劃168

6.4　CSP規劃169

6.4.1　動作特徵171

6.5　偏序規劃173

6.6　回顧175

6.7　參考文獻和進一步閲讀176

6.8　練習176

第7章　有監督機器學習179

7.1　學習問題179

7.2　有監督學習181

7.2.1　評估預測值183

7.2.2　誤差類型187

7.2.3　無輸入特徵的點估算189

7.3　有監督學習的基本模型190

7.3.1　學習決策樹191 ^[1]