《人工智能：一種現(xiàn)代方法（第2版）》以詳盡和豐富的資料，從理性智能體的角度，全面闡述了人工智能領(lǐng)域的核心內(nèi)容，并深入介紹了各個主要的研究方向，是一本難得的綜合性教材。全書分為八大部分：第一部分“人工智能”，第二部分“問題求解”，第三部分“知識與推理”，第四部分“規(guī)劃”，第五部分“不確定知識與推理”，第六部分“學(xué)習(xí)”，第七部分“通訊、感知與行動”，第八部分“結(jié)論”。
《人工智能：一種現(xiàn)代方法（第2版）》既詳細(xì)介紹了大量的基本概念、思想和算法，也描述了各研究方向最前沿的進(jìn)展，同時收集整理了詳實的歷史文獻(xiàn)與事件。因此《人工智能：一種現(xiàn)代方法（第2版）》適合于不同層次和領(lǐng)域的研究人員及學(xué)生，可以作為信息領(lǐng)域和相關(guān)領(lǐng)域的高等院校本科生和研究生的教材或教學(xué)輔導(dǎo)書目，也可以作為相關(guān)領(lǐng)域的科研與工程技術(shù)人員的參考書。
在第二版中，每一章都經(jīng)過詳盡的改寫引入了一些重要的新材料，以涵蓋更多的領(lǐng)域，諸如約束滿足、快速命題推理、規(guī)劃圖、因特網(wǎng)智能體、精確概率推理、馬爾可夫鏈蒙特卡洛技術(shù)、卡爾曼濾波器、集體學(xué)習(xí)方法、統(tǒng)計學(xué)習(xí)、概率自然語言模型、概率機(jī)器人技術(shù)，以及AI的倫理層面， 《人工智能：一種現(xiàn)代方法（第2版）》還得到了一套聯(lián)機(jī)資源的支撐，包括源代碼、圖表、講義幻燈片、一個包含超過800條到網(wǎng)站“Al on the Web”的鏈接的目錄，以及一個聯(lián)機(jī)討論組。
人工智能（Artificial Intelligence，AI）是一個龐大的領(lǐng)域，而這也是一本龐大的書。我們試圖全方位探索這個領(lǐng)域，包括邏輯、概率和連續(xù)數(shù)學(xué)；感知、推理、學(xué)習(xí)和行動；以及從微電子設(shè)備到機(jī)器人行星探測器等一切巨細(xì)。這本書之所以龐大還因為我們，在給出結(jié)果時達(dá)到了一定的深度，雖然我們努力做到在每一章中只包含主要部分的中心思想。在每章末尾的文獻(xiàn)注釋中我們提供了進(jìn)一步結(jié)果的要點。
本書的副標(biāo)題是“一種現(xiàn)代方法”。這個相當(dāng)空洞的短語希望表達(dá)的含義是，我們試圖將我們現(xiàn)在所知道的內(nèi)容綜合到一個共同的框架中，而不是試圖在各自的歷史環(huán)境下解釋人工智能的各個子領(lǐng)域。對于那些自己的研究領(lǐng)域因此沒有得到足夠重視的讀者，我們表示歉意。
本書主要的統(tǒng)一主題是智能化智能體的思想。我們將人工智能定義為對從環(huán)境中接收感知信息并執(zhí)行行動的智能體的研究。每個這樣的智能體都實現(xiàn)了一個把感知序列映射到行動的函數(shù)。我們討論了表達(dá)這些函數(shù)的各種不同方法，諸如產(chǎn)生式系統(tǒng)、反應(yīng)式智能體、實時條件規(guī)劃器、神經(jīng)元網(wǎng)絡(luò)，以及決策理論系統(tǒng)等。我們把學(xué)習(xí)所扮演的角色解釋為把設(shè)計者能接觸的范圍擴(kuò)展到未知環(huán)境中，并且我們說明了這個角色是如何約束智能體設(shè)計；形成明確的知識表示和推理的。我們并不把機(jī)器人學(xué)和視覺當(dāng)作各自獨立定義的問題對待，而是出現(xiàn)在為實現(xiàn)目標(biāo)而服務(wù)的過程中。我們強(qiáng)調(diào)在確定合適的智能體設(shè)計的過程中任務(wù)環(huán)境的重要性。
我們的首要目標(biāo)是要傳達(dá)過去50年間的人工智能研究和過去2000年的相關(guān)工作中所涌現(xiàn)出來的思想。在表達(dá)這些思想的過程中，我們在保持精確的同時盡力避免過分的形式化。在任何適當(dāng)?shù)牡胤奖緯技尤肓藗未a算法以使這些思想更具體。我們所使用的偽代碼在附錄B中有簡要描述。這些算法的幾種程序設(shè)計語言的具體實現(xiàn)可以從本書的網(wǎng)站獲得。
斯圖爾特·羅素（Stuart Russell），1962年生于英國樸次茅斯（Portsmouth）。他于1982年以優(yōu)異成績在牛津大學(xué)獲得物理學(xué)碩士學(xué)位，并于1986年在斯坦福大學(xué)獲得計算機(jī)科學(xué)的博士學(xué)位。之后他加入加州大學(xué)伯克利分校，任計算機(jī)科學(xué)系教授、智能系統(tǒng)中心主任，他是Smith-Zadeh工程學(xué)講座教授（Smith-Zadeh Chak of Engineering）頭銜的持有者。1990年他獲得國家科學(xué)基金的“總統(tǒng)青年研究者”（Presidential Young Investigator）獎，1995年他是“計算機(jī)與思維”（Computer and Thought）獎的獲得者之一。他是加州大學(xué)1996年的一名Miller教授（Miller Professor），并于2000年被指定為首席講座教授（Chancellor’s Professorship）。1998年他在斯坦福大學(xué)做過Forsythe紀(jì)念演講（Forsythe Memorial Lecture）。他是美國人工智能學(xué)會的成員和前執(zhí)行委員會委員。他已經(jīng)發(fā)表過100多篇論文，內(nèi)容涉及人工智能領(lǐng)域的廣泛課題。他的其它著作包括《在類比與歸納中使用知識》（The Use of Knowledge in Analogy and Induction），以及（與Eric Wefald合著的）《做正確的事情：有限理性的研究》（DDt he Right Thing：Studiesin Limited Rationality）。彼得·諾維格（Peter Norvig），Google公司的搜索質(zhì)量部門主管（director of Search Quality）。他是美國人工智能學(xué)會的成員和執(zhí)行委員會委員。他曾經(jīng)是NASA Ames研究中心計算科學(xué)部的主任，在那里他監(jiān)督NASA在人工智能和機(jī)器人學(xué)領(lǐng)域的研究與開發(fā)。之前他作為Junglee的首席科學(xué)家?guī)椭_發(fā)了最早的因特網(wǎng)信息抽取服務(wù)之一，并作為一名資深科學(xué)家在Sun微系統(tǒng)實驗室從事智能信息檢索的研究工作。他在布朗（Brown）大學(xué)獲得應(yīng)用數(shù)學(xué)碩士學(xué)位，并在加州大學(xué)伯克利分校獲得計算機(jī)科學(xué)的博士學(xué)位。他曾任南加州大學(xué)的教授，并且是伯克利的研究職員。他有超過50部計算機(jī)科學(xué)領(lǐng)域的論著，包括著作《人工智能程序設(shè)計范例：通用Lisp語言的案例研究》（Paradigms of A IP rogramming：Case Studies in Common Lisp）、《Verbmobil：一個面對面對話的翻譯系統(tǒng)》（Verbmobil：A Translation System for Face to-face Dialog），以及《UNIX的智能幫助系統(tǒng)》（Intelligent Help System for UNIX）。
第一部分 人工智能
第1章 緒論
1.1 什么是人工智能
1.1.1 類人行為：圖靈測試方法
1.1.2 類人思考：認(rèn)知模型方法
1.1.3 理性地思考：“思維法則”方法
1.1.4 理性地行動：理性智能體方法
1.2 人工智能的基礎(chǔ)
1.2.1 哲學(xué)（公元前428年-現(xiàn)在）
1.2.2 數(shù)學(xué)（約800年-現(xiàn)在）
1.2.3 經(jīng)濟(jì)學(xué)（1776年-現(xiàn)在）
1.2.4 神經(jīng)科學(xué)（1861年-現(xiàn)在）
1.2.5 心理學(xué)（1879年-現(xiàn)在）
1.2.6 計算機(jī)工程（1940年-現(xiàn)在）
1.2.7 控制論（1948年-現(xiàn)在）
1.2.8 語言學(xué)（1957年-現(xiàn)在）
1.3 人工智能的歷史
1.3.1 人工智能的孕育期（1943年-1955年）
1.3.2 人工智能的誕生（1956年）
1.3.3 早期的熱情，巨大的期望（1952年-1969年）
1.3.4 現(xiàn)實的困難（1966年-1973年）
1.3.5 基于知識的系統(tǒng)：力量的鑰匙？（1969年-1979年）
1.3.6 AI成為工業(yè)（1980年-現(xiàn)在）
1.3.7 神經(jīng)元網(wǎng)絡(luò)的回歸（1986年-現(xiàn)在）
1.3.8 AI成為科學(xué)（1987年-現(xiàn)在）
1.3.9 智能化智能體的出現(xiàn)（1995年-現(xiàn)在）
1.4 目前發(fā)展水平
1.5 小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第2章 智能化智能體
2.1 智能體和環(huán)境
2.2 好的行為表現(xiàn)：理性的概念
2.2.1 性能度量
2.2.2 理性
2.2.3 全知者，學(xué)習(xí)和自主性
2.3 環(huán)境的本質(zhì)
2.3.1 詳細(xì)說明任務(wù)環(huán)境
2.3.2 任務(wù)環(huán)境的屬性
2.4 智能體的結(jié)構(gòu)
2.4.1 智能體程序
2.4.2 簡單反射型智能體
2.4.3 基于模型的反射型智能體
2.4.4 基于目標(biāo)的智能體
2.4.5 基于效用的智能體
2.4.6 學(xué)習(xí)智能體
2.5 小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第二部分 問題求解
第3章 用搜索法對問題求解
3.1 問題求解智能體
3.1.1 定義明確的問題及解
3.1.2 把問題形式化
3.2 問題實例
3.2.1 玩具問題
3.2.2 現(xiàn)實世界問題
3.3 對解的搜索
3.4 無信息的搜索策略
3.4.1 廣度優(yōu)先搜索
3.4.2 代價一致搜索
3.4.3 深度優(yōu)先搜索
3.4.4 深度有限搜索
3.4.5 迭代深入深度優(yōu)先搜索
3.4.6 雙向搜索
3.4.7 無信息搜索策略的比較
3.5 避免重復(fù)狀態(tài)
3.6 使用不完全信息的搜索
3.6.1 無傳感問題
3.6.2 偶發(fā)性問題
3.7 小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第4章 有信息的搜索和探索
4.1 有信息的（啟發(fā)式的）搜索策略
4.1.1 貪婪最佳優(yōu)先搜索
4.1.2 A*搜索：最小化總的估計解耗散
4.1.3 存儲限制的啟發(fā)式搜索
4.1.4 為了更好地搜索而學(xué)習(xí)
4.2 啟發(fā)函數(shù)
4.2.1 啟發(fā)函數(shù)的精確度對性能的影響
4.2.2 設(shè)計可采納的啟發(fā)函數(shù)
4.2.3 從經(jīng)驗里學(xué)習(xí)啟發(fā)函數(shù)
4.3 局部搜索算法和最優(yōu)化問題
4.3.1 爬山法搜索
4.3.2 模擬退火搜索
4.3.3 局部剪枝搜索
4.3.4 遺傳算法
4.4 連續(xù)空間的局部搜索
4.5 聯(lián)機(jī)搜索智能體和未知環(huán)境
4.5.1 聯(lián)機(jī)搜索問題
4.5.2 聯(lián)機(jī)搜索智能體
4.5.3 聯(lián)機(jī)局部搜索
4.5.4 聯(lián)機(jī)搜索的學(xué)習(xí)
4.6 小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第5章 約束滿足問題
5.1 約束滿足問題
5.2 CSP問題的回溯搜索
5.2.1 變量和取值順序
5.2.2 通過約束傳播信息
5.3 約束滿足問題的局部搜索
5.4 問題的結(jié)構(gòu)
5.5 小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第6章 對抗搜索
6.1 博弈
6.2 博弈中的優(yōu)化決策
6.2.1 最優(yōu)策略
6.2.2 極小極大值算法
6.2.3 多人游戲中的最優(yōu)決策
6.3 a-B剪枝
6.4 不完整的實時決策
6.4.1 評價函數(shù)
6.4.2 截斷搜索
6.5 包含幾率因素的游戲
6.5.1 有幾率節(jié)點的游戲中的局面評價
6.5.2 期望極小極大值的復(fù)雜度
6.5.3 牌類游戲
6.6 博弈程序的當(dāng)前發(fā)展水平
6.7 討論
6.8 小結(jié)
參考文獻(xiàn)與歷史的注釋
習(xí)題
第三部分 知識與推理
第7章 邏輯智能體
7.1 基于知識的智能體
7.2 wumpus世界
7.3 邏輯
7.4 命題邏輯：一種非常簡單的邏輯
7.4.1 語法
7.4.2 語義
7.4.3 一個簡單的知識庫
7.4.4 推理
7.4.5 等價、合法性和可滿足性
7.5 命題邏輯的推理模式
7.5.1 歸結(jié)
……
第8章 一階邏輯
第9章 一階邏輯中的推理
第10章 知識表示
第四部分 規(guī)劃
第11章 規(guī)劃
第12章 現(xiàn)實世界的規(guī)劃與行動
第五部分 不確定知識與推理
第13章 不確定性
第14章 概率推理
第15章 關(guān)于時間的概率推理
第16章 制定簡單決策
第17章 制定復(fù)雜決策
第六部分 學(xué)習(xí)
第18章 從觀察中學(xué)習(xí)
第19章 學(xué)習(xí)中的知識
第20章 統(tǒng)計學(xué)習(xí)方法
第21章 強(qiáng)化學(xué)習(xí)
第七部分 通訊、感知與行動
第22章 通訊
第23章 概率語言處理
第24章 感知
第25章 機(jī)器人學(xué)
第八部分 結(jié)論
第27章 人工智能：現(xiàn)狀與未來
附錄A 數(shù)學(xué)背景
附錄B 關(guān)于語言和算法的注釋
參考文獻(xiàn)（見人民郵電出版社網(wǎng)站）
在投入細(xì)節(jié)討論之前，讓我們暫停一下，來看看問題求解智能體在第二章關(guān)于智能體和環(huán)境的討論中所處的適合位置。在圖3.1中，智能體設(shè)計假定環(huán)境是靜態(tài)的，因為完成問題形式化和求解的時候不再注意可能發(fā)生在環(huán)境中的任何變化。該智能體設(shè)計還假定初始狀態(tài)是己知的；如果環(huán)境是可觀察的，了解初始狀態(tài)是最簡單的。枚舉“可選的行動過程”的思想假定環(huán)境是離散的。最后，也是最重要的，該智能體設(shè)計假定環(huán)境是確定性的。問題的解是行動的單一序列，所以它們不能處理任何意外事件；此外，在執(zhí)行問題的解的過程中同樣是不注意感知信息的！可以說，一個閉著眼睛執(zhí)行計劃的智能體必須對正在進(jìn)行的事情十分有把握。（控制論中稱此為開環(huán)系統(tǒng)，因為忽略感知信息打破了智能體和環(huán)境之間的環(huán)路。）所有這些假設(shè)意味著我們處理的是最簡單的一種環(huán)境，這也是這一章出現(xiàn)在本書靠前位置的原因之一。
第3.6節(jié)將簡要考察一下當(dāng)我們放松可觀察性和確定性的假設(shè)時會發(fā)生什么。第十二章和第十七章將更深入地進(jìn)行討論。
3.1.1定義明確的問題及解一個問題可以形式化地定義為四個組成部分：智能體起始時的初始狀態(tài)。例如，在羅馬尼亞問題中我們的智能體的初始狀態(tài)可以描述為對智能體可采納的可能行動的描述。最常見的形式化是使用一個后繼函數(shù)。給定一個特殊狀態(tài)組成的集合，其中每個行動都是狀態(tài)下的合法行動之一，每個后繼都是應(yīng)用行動后從狀態(tài)x能達(dá)到的狀態(tài)。例如，從狀態(tài)砌開始，羅馬尼亞問題的后繼函數(shù)將返回集合：總之，初始狀態(tài)和它的后繼函數(shù)隱含地定義了問題的狀態(tài)空間——即從初始狀態(tài)可以達(dá)到的所有狀態(tài)的集合。狀態(tài)空間形成一個圖，其中節(jié)點是狀態(tài)，節(jié)點之間的弧就是行動。（如果我們把每條道路視為代表著兩個駕駛行動，每個行動各走一個方向，圖3.2所示的羅馬尼亞地圖就可以被解釋為一個狀態(tài)空間圖。）狀態(tài)空間中的一條路徑就是通過行動序列連接起來的一個狀態(tài)序列。
新書資訊