人工智能

譯者序
前言
第1章 緒論 1
1.1 什么是人工智能 1
1.2 人工智能的研究方法 4
1.3 人工智能簡史 5
1.4 本書規(guī)劃 7
1.5 補(bǔ)充讀物和討論 9
第一部分 響應(yīng)機(jī)器
第2章 刺激響應(yīng)agent 13
2.1 感知和動作 13
2.1.1 感知 15
2.1.2 動作 15
2.1.3 布爾代數(shù) 16
2.1.4 布爾函數(shù)的類別和形式 16
2.2 動作函數(shù)的表達(dá)和執(zhí)行 17
2.2.1 產(chǎn)生式系統(tǒng) 17
2.2.2 網(wǎng)絡(luò) 18
2.2.3 包含體系結(jié)構(gòu) 20
2.3 補(bǔ)充讀物和討論 21
第3章 神經(jīng)網(wǎng)絡(luò) 23
3.1 引言 23
3.2 訓(xùn)練單個TLU 23
3.2.1 TLU幾何學(xué) 23
3.2.2 擴(kuò)充向量 24
3.2.3 梯度下降方法 24
3.2.4 Widrow-Hoff程序 25
3.2.5 一般化Delta程序 26
3.2.6 糾錯程序 27
3.3 神經(jīng)網(wǎng)絡(luò) 28
3.3.1 動機(jī) 28
3.3.2 表示符號 28
3.3.3 反向傳播方法 29
3.3.4 計算最后一層的權(quán)值變化 30
3.3.5 計算中間層的權(quán)值變化 30
3.4 一般化、準(zhǔn)確度和過度擬合 32
3.5 補(bǔ)充讀物和討論 34
第4章 機(jī)器進(jìn)化 37
4.1 進(jìn)化計算 37
4.2 遺傳編程 37
4.2.1 遺傳編程的程序表示 37
4.2.2 遺傳編程過程 39
4.2.3 進(jìn)化一個沿墻運(yùn)動的機(jī)器人 40
4.3 補(bǔ)充讀物和討論 43
第5章 狀態(tài)機(jī) 45
5.1 用特征向量來表示環(huán)境 45
5.2 Elman網(wǎng)絡(luò) 46
5.3 圖標(biāo)表示 47
5.4 黑板系統(tǒng) 49
5.5 補(bǔ)充讀物和討論 50
第6章 機(jī)器人視覺 53
6.1 引言 53
6.2 操縱一輛汽車 54
6.3 機(jī)器人視覺的兩個階段 55
6.4 圖象處理 56
6.4.1 平均法 56
6.4.2 邊緣增強(qiáng) 58
6.4.3 邊緣增強(qiáng)與平均法的結(jié)合 59
6.4.4 區(qū)域查找 61
6.4.5 運(yùn)用亮度以外的其他圖象的屬性 62
6.5 場景分析 63
6.5.1 解釋圖象中的線條和曲線 63
6.5.2 基于模型的視覺 65
6.6 立體視覺和深度信息 66
6.7 補(bǔ)充讀物和討論 67
第二部分 狀態(tài)空間搜索
第7章 能計劃的agent 71
7.1 存儲與計算 71
7.2 狀態(tài)空間圖 72
7.3 顯式狀態(tài)空間搜索 74
7.4 基于特征的狀態(tài)空間 74
7.5 圖記號 75
7.6 補(bǔ)充讀物和討論 76
第8章 盲目搜索 78
8.1 用公式表示狀態(tài)空間 78
8.2 隱式狀態(tài)空間圖的組成 78
8.3 廣度優(yōu)先搜索 79
8.4 深度優(yōu)先或回溯搜索 80
8.5 迭代加深 81
8.6 補(bǔ)充讀物和討論 82
第9章 啟發(fā)式搜索 84
9.1 使用評估函數(shù) 84
9.2 一個通用的圖搜索算法 85
9.2.1 算法A* 86
9.2.2 A*的可接納性 88
9.2.3 一致性（或單調(diào)）條件 91
9.2.4 迭代加深的A* 92
9.2.5 遞歸最優(yōu)搜索 93
9.3 啟發(fā)式函數(shù)和搜索效率 94
9.4 補(bǔ)充讀物和討論 97
第10章 計劃、動作和學(xué)習(xí) 99
10.1 感知/計劃/動作循環(huán) 99
10.2 逼近搜索 100
10.2.1 孤島驅(qū)動搜索 100
10.2.2 層次搜索 101
10.2.3 有限范圍搜索 102
10.2.4 循環(huán) 103
10.2.5 建立反應(yīng)過程 104
10.3 學(xué)習(xí)啟發(fā)式函數(shù) 105
10.3.1 顯式圖 105
10.3.2 隱式圖 106
10.4 獎賞代替目標(biāo) 107
10.5 補(bǔ)充讀物和討論 108
第11章 其他搜索公式及其應(yīng)用 111
11.1 賦值問題 111
11.2 構(gòu)造性方法 112
11.3 啟發(fā)式修補(bǔ) 114
11.4 函數(shù)優(yōu)化 115
第12章 敵對搜索 118
12.1 雙agent博弈 118
12.2 最小最大化過程 119
12.3 a -b 過程 122
12.4 a -b 過程的搜索效率 125
12.5 其他重要問題 125
12.6 概率博弈 126
12.7 學(xué)習(xí)評估函數(shù) 127
12.8 補(bǔ)充讀物和討論 128
第三部分 知識的表示和推理
第13章 命題演算 131
13.1 對特征值加以約束 131
13.2 語言 132
13.3 推理規(guī)則 133
13.4 驗(yàn)證定義 133
13.5 語義 134
13.5.1 解釋 134
13.5.2 命題真值表 134
13.5.3 可滿足性與模型 135
13.5.4 永真性 136
13.5.5 等價 136
13.5.6 涵蘊(yùn) 136
13.6 合理性和完備性 137
13.7 命題可滿足性問題 137
13.8 另一些重要的問題 138
13.8.1 語言差異 138
13.8.2 元定理 138
13.8.3 結(jié)合律 139
13.8.4 分配律 139
第14章 命題演算中的歸結(jié) 140
14.1 一種新的推理規(guī)則：歸結(jié) 140
14.1.1 作為合式公式的子句 140
14.1.2 子句上的歸結(jié) 140
14.1.3 歸結(jié)的合理性 141
14.2 轉(zhuǎn)換任意的合式公式為子句的合取式 141
14.3 歸結(jié)反駁 142
14.4 歸結(jié)反駁搜索策略 142
14.4.1 排序策略 143
14.4.2 精確策略 143
14.5 Horn 子句 144
第15章 謂詞演算 146
15.1 動機(jī) 146
15.2 謂詞演算語言和它的句法 146
15.3 語義 147
15.3.1 世界 147
15.3.2 解釋 147
15.3.3 模型及其相關(guān)的概念 148
15.3.4 知識 149
15.4 量化 150
15.5 量詞語義學(xué) 150
15.5.1 全稱量詞 150
15.5.2 存在量詞 151
15.5.3 有用的等價式 151
15.5.4 推理規(guī)則 151
15.6 謂詞演算作為一種表示知識的語言 151
15.6.1 概念化 151
15.6.2 舉例 152
15.7 補(bǔ)充讀物和討論 153
第16章 謂詞演算中的歸結(jié) 155
16.1 合一 155
16.2 謂詞演算歸結(jié) 157
16.3 完備性和合理性 158
16.4 把任意的合式公式轉(zhuǎn)化為子句形式 158
16.5 用歸結(jié)證明定理 160
16.6 回答提取 161
16.7 等式謂詞 161
16.8 補(bǔ)充讀物和討論 163
第17章 基于知識的系統(tǒng) 166
17.1 面對現(xiàn)實(shí)世界 166
17.2 用Horn子句進(jìn)行推理 166
17.3 動態(tài)知識庫的維持 170
17.4 基于規(guī)則的專家系統(tǒng) 173
17.5 規(guī)則學(xué)習(xí) 176
17.5.1 學(xué)習(xí)命題演算規(guī)則 177
17.5.2 學(xué)習(xí)一階邏輯規(guī)則 180
17.5.3 基于解釋的一般化 183
17.6 補(bǔ)充讀物和討論 184
第18章 表示常識知識 187
18.1 常識世界 187
18.1.1 什么是常識知識 187
18.1.2 表示常識知識的困難 188
18.1.3 常識知識的重要性 189
18.1.4 研究領(lǐng)域 189
18.2 時間 190
18.3 用網(wǎng)絡(luò)表示知識 191
18.3.1 分類的知識 191
18.3.2 語義網(wǎng)絡(luò) 192
18.3.3 語義網(wǎng)絡(luò)的非單調(diào)推理 193
18.3.4 框架 194
18.4 補(bǔ)充讀物和討論 194
第19章 用不確定信息進(jìn)行推理 197
19.1 概率論簡介 197
19.1.1 基本思想 197
19.1.2 條件概率 199
19.2 概率推理 201
19.2.1 一個一般的方法 201
19.2.2 條件獨(dú)立 202
19.3 貝葉斯網(wǎng) 203
19.4 貝葉斯網(wǎng)的推理模式 204
19.5 不確定證據(jù) 205
19.6 D 分離 205
19.7 在polytree中的概率推理 206
19.7.1 證據(jù)在上方 207
19.7.2 證據(jù)在下方 208
19.7.3 證據(jù)在上下兩方 209
19.7.4 一個數(shù)值例子 210
19.8 補(bǔ)充讀物和討論 211
第20章 用貝葉斯網(wǎng)學(xué)習(xí)和動作 214
20.1 學(xué)習(xí)貝葉斯網(wǎng) 214
20.1.1 已知網(wǎng)絡(luò)結(jié)構(gòu) 214
20.1.2 學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu) 216
20.2 概率推理與動作 219
20.2.1 一般設(shè)置 219
20.2.2 一個擴(kuò)展的例子 220
20.2.3 一般化舉例 222
20.3 補(bǔ)充讀物和討論 223
第四部分 基于邏輯的規(guī)劃方法
第21章 狀態(tài)演算 227
21.1 狀態(tài)和動作推理 227
21.2 存在的一些困難 229
21.2.1 框架公理 229
21.2.2 條件 230
21.2.3 分枝 230
21.3 生成計劃 231
21.4 補(bǔ)充讀物和討論 231
第22章 規(guī)劃 234
22.1 STRIPS規(guī)劃系統(tǒng) 234
22.1.1 描述狀態(tài)和目標(biāo) 234
22.1.2 向前搜索方法 235
22.1.3 遞歸STRIPS 236
22.1.4 帶有運(yùn)行時條件的計劃 238
22.1.5 Sussman異常 238
22.1.6 向后搜索方法 239
22.2 計劃空間和部分有序規(guī)劃 242
22.3 層次規(guī)劃 246
22.3.1 ABSTRIPS 246
22.3.2 層次規(guī)劃和部分有序規(guī)劃的組合 248
22.4 學(xué)習(xí)計劃 248
22.5 補(bǔ)充讀物和討論 250
第五部分 通信與集成
第23章 多agent 255
23.1 交互agent 255
23.2 其他agent模型 255
23.2.1 模型種類 255
23.2.2 模擬策略 256
23.2.3 模擬數(shù)據(jù)庫 257
23.2.4 有意思維方式 257
23.3 知識模式邏輯 258
23.3.1 模式算子 258
23.3.2 知識公理 259
23.3.3 關(guān)于其他agent知識的推理 260
23.3.4 預(yù)測其他agent的動作 261
23.4 補(bǔ)充讀物和討論 261
第24章 agent之間的通信 263
24.1 交談 263
24.1.1 計劃交談 264
24.1.2 實(shí)現(xiàn)交談 264
24.2 理解語言字符串 265
24.2.1 短語結(jié)構(gòu)語法 265
24.2.2 語義分析 267
24.2.3 擴(kuò)展語法 271
24.3 有效通信 272
24.3.1 上下文的使用 272
24.3.2 使用知識解決歧義性 273
24.4 自然語言處理 274
24.5 補(bǔ)充讀物和討論 275
第25章 agent體系結(jié)構(gòu) 277
25.1 三級體系結(jié)構(gòu) 277
25.2 目標(biāo)仲裁 278
25.3 三層塔式結(jié)構(gòu) 279
25.4 自舉 280
25.5 補(bǔ)充讀物和討論 280
參考文獻(xiàn) 282