說說故事

童話故事|兒童故事|謎語睡前故事|胎教故事|對聯

資料學習

作文|范文|醫學|留學|教程幼兒|考研|詩詞|板報|名言

高考中考

高中|小學初中|大學

學科中心

語文|簡譜|化學|政治|歷史數學|生物|物理|地理|美術

考試學校

英語|題庫|星座學校|高考|中考

福彩3d和值走势图分:人工智能(第2版)

人工智能(第2版)

作者:賁可榮、張彥鐸 普通高等教育“1025”國家級計劃教材圖書詳細信息: ISBN:9787302307648 定價:49元 印次:2⑴ 裝?。浩階?印刷日期:2013⑶⑻

人工智能(第2版)

人工智能(第2版)

如何取得

作者:賁可榮、張彥鐸 普通高等教育“1025”國家級計劃教材圖書詳細信息: ISBN:9787302307648 定價:49元 印次:2⑴ 裝?。浩階?印刷日期:2013⑶⑻

圖書信息

工智能是研究理解和摹擬人類智能、智能行動及其規律的1門學科。其主要任務是建立智能信息處理理論,進而設計可以展現某些近似于人類智能行動的計算系統。 ,包括互聯網智能等新增內容。 本書包括以下內容: ①簡述人工智能的起源與發展,人工智能的定義、人工智能與計算機的關系和人工智能的研究和利用領域; ②論述知識表示、推理和不肯定推理的主要方法,包括謂詞邏輯、產生式系統、語義網絡、框架、腳本、面向對象、歸結推理、非單調推理、主觀Bayes方法、肯定性理論、證據理論、模糊邏輯和模糊推理等; ③討論經常使用搜索原理,如盲目搜索、啟發式搜索、MIN-MAX搜索、?α-β?剪枝和束縛滿足等;并研究1些比較高級的搜索技術,如貪婪局部搜索、局部剪枝搜索、摹擬退火算法和遺傳算法等; ④介紹散布式人工智能與Agent、計算智能、機器學習、反向傳播神經網絡、Hopfield神經網絡和知識發現等已成為當前研究熱門的人工智能技術和方法; ⑤比較詳細地分析人工智能的主要利用領域,觸及自動計劃系統、自然語言處理、信息檢索、語言翻譯、語音辨認、機器人和互聯網智能等。 本書合適作為面向計算機專業大學高年級和非計算機專業研究生的人工智能課程的教材,也可作為希望深入學習人工智能的科技人員的參考書。

圖書柬介

智能與意識、思惟和記憶和問題求解、直覺、創造性、語言和學習有關,而且還與理解和感覺,如運動技能、預測環境能力、處理復雜世界的能力、在學校的表現和智商(IQ)測試情況的表現等有關。 智能與人工智能 1. 智能的定義 智能的定義有多種,比如,“智能是進行抽象思惟的能力。" ; “智能是學習或從經驗中獲益的能力。" ; “智能是學習到的或學習以調劑自己適應環境的能力。" ; “智能是充分調劑自己去適應生命中的相對較新的情況。" ; “智能是接受知識的能力和所具有的知識。" ,等等。但要理解這些定義,最好的方法是通過問題來體會。 通過尋覓感興趣的問題來推動研究(例如,狗如何會跑并且捉住飛盤?為何老鼠很快學會在迷宮中尋覓方向?螞蟻在尋覓食品的長途旅行以后如何會尋覓到回到巢穴的路?人如何走路?人如何在1堆人當中認出1張面孔?) ,然后嘗試去了解這類特定的行動如何產生。是不是愿意把任何這些行動稱作智能,依賴于個人偏好。 我們在直覺上認為的智能總是包括兩個特殊性質: 順應性和多樣性。簡而言之,主體(Agent)總是遵從其所處環境的自然和社會規則,利用這些規則去產生多樣行動。例如,所有動物、人類和機器人必須遵從存在重力和磨擦和移動需要能量的事實,絕不可能完全擺脫這些。但是適應并以1定方式利用這些限制條件使我們能夠走路、奔跑、從杯子中喝水、將盤子放到桌子上、踢足球或騎自行車。多樣性意味著主體能夠進行多種行動,這樣他/它能夠對給定的情況作出適當的反應。1個僅走路,或僅下棋,或僅奔跑的主體在直覺上比起能用積木搭出玩具汽車、把啤酒倒進杯子和在1群挑剔的聽眾眼前講課的主體缺少智能。在智能的許多定義中提到的學習是1種隨時間而增加行動多樣性的有效手段。 在直覺上,我們認為1些行動比另外1些需要更多的思考,1些動物比另外1些更聰明。在1般用法中,思考常常與成心識的思想相聯系;認人工智能(第2版)第2版序知則更1般化,用于同感覺-運動進程非直接相干的行動當中;智能則更加1般化,包括各種對主體有益的認知和思考等抽象行動。智能是先天的還是后天的,即智能在多大程度上來自遺傳或是在1生中所獲得的?可以用智能來辨別開人類和其他物種嗎? 2. 人工智能的研究內容 人工智能研究的是智能行動中的機制,它是通過構造和評估那些試圖采取這些機制的人工制品來進行研究的。在這個定義中,人工智能不像是關于智能機制的理論,而更像是1種經驗主義的方法學,它的主要任務是構造和測試支持這類理論的可能模型。它是1種對實驗進行設計、運行和評估的科學方法,其目的是細化精煉模型和進行更深入的實驗。 人工智能的經驗主義的方法學是1個重要的工具,或許它對探索智能的本質來講是最好的工具。 人工智能屬于交叉學科研究領域,本質上具有3個目標: ①了解生物系統(也就是引發人類或動物智能行動的機制); ②智能行動1般原則的抽象提??; ③利用這些原則設計有用的人造物。這里的機制不但是指神經機制或大腦進程,也指主體的身體及其同真實世界的交互。如肌肉具有彈性,當1條腿抬起時另外一條腿承受的重量增加的事實,和與步行緊密相干的反射和大腦中樞1樣是步行機制的有機組成。 如果人工智能想到達科學的水平并成為智能系統科學的關鍵組成部份,那末就必須在它制造的人工制品的設計、履行和分析中包括分析和經驗式的方法。從這類觀點來看,每一個人工智能程序都可以看作是1個實驗: 它向現實世界提出問題,而答案就是現實世界對此做出的響應。現實世界對我們的設計做出的響應和程序式的許諾構成了對智能的情勢方法、機理和智能本質的理解。 3. 智能的計算特性 智能的計算特性開始于對計算裝備的抽象規范說明。20世紀30年代到50年代的研究開啟了這1探索, Turing(圖靈)、Post(波斯特)、Markov(馬爾可夫)和Church(丘奇)等人在對計算的情勢化描寫方面做出了極大貢獻。這些研究的目的不是僅僅指出計算的含義,而是還指出關于可計算的界限。通用圖靈機是大家熟知的規約,波斯特重寫規則可作為產生式系統的計算基礎?;誆糠蕕莨楹?/a>的丘奇模型,支持諸如Scheme、Ocaml和Standard ML等現代高級函數式語言。 所有這些情勢化方法都具有等價的計算能力??梢運低ㄓ猛劑榛燃塾諳執娜我餳撲闋氨?。沒有哪一個計算模型能夠定義得比這些已知模型更強(丘奇-圖靈命題)。1旦建立了計算規約的等價性,就從這些規約的機械化工具中解放出來: 我們可以用電子管、硅芯片、細胞質或普通玩具實現我們的算法。在1種媒介上的自動設計機制等價于在另外1種媒介上設計的機制。因此當我們在1種媒介上來測試在另外一種媒介上實現的機制時,這就使得經驗式探索的方法變得更加重要。 有1種可能就是圖靈和波斯特的通用機器或許太泛化、太通用了。這里的矛盾是,智能可能其實不需要很強的帶集中控制的計算機制。Levesque等人提出,人的智能可能需要更多的計算性的有效的表示(比如用于推理的Horn子句)、對基文字的實際知識的束縛和可計算跟蹤的真值?;は低車氖褂?。智能的基于主體的模型和出現模型仿佛也支持這類觀點。 由我們的機制模型的情勢化等價性所引出的另外一個論點是,2元性問題和心身(mind-body)問題。從笛卡兒時期以后,哲學家們就提出了智能、意識和身體之間的交互和整合問題。他們給出了每種可能的反應,從完全的唯物主義到對物資存在的否定,乃至到支持上帝的參與!人工智能和認知科學的研究否認了笛卡兒的2元論,而支持基于物理實現或符號實例的智能的物資模型,支持管理這些符號的計算機制的情勢化規約,支持表示范例的等價性,支持在具體模型中知識和技能的機械化。這類研究的成功表明了這類模型的有效性。 關于物理系統中智能的認識論基礎 1. 表示問題 Allen Newell和Herbert Simon假定物理符號系統和搜索對智能的特性是充分必要的。神經模型或子符號模型的成功、智能的遺傳和出現方法的成功與否是對物理符號假定的1種駁斥,或它們是這類假定的簡單實例嗎? 這類假定的弱解釋--物理符號系統是智能的1個充分模型--在現代認知科學領域中也產生了許多強大的、有用的結果。這類觀點認為,我們可以實現那些能說明智能行動的物理符號系統。充分性使得我們能夠為人所具有的許多方面的性能創建和測試基于符號的模型。但是這個假定的強解釋--物理符號系統和搜索對智能活動是必要的--依然是個有待研究和解決的問題。 2. 認知中具體化的作用 物理符號系統的主要假定之1就是,物理符號系統的特定實例化是與其性能無關的;其主要內容是其情勢化結構。許多研究者都對這1點提出了挑戰,他們指出,智能行動的需求要求1種允許主體整合到世界中的物理具體化。現代計算機的結構其實不允許這類程度的情形,而是要求1個人工智能通過極端有限的窗口(同時期的輸入輸出裝備)來同世界進行交互。如果這類挑戰是正確的,則雖然出現機器智能,它仍需要同時期的計算機提供1個非常相同的接口。 3. 文化與智能 傳統上,人工智能側重于把個體智能作為智能的來源;我們的行動好像在說,對大腦編碼和怎樣管理知識的方法的解釋多是原始智能的1種完全解釋。但是,我們也會認為知識最好被看作是基于社會的,而不是1個個體所構造的。在基于記憶的智能理論中,社會本身也帶有智能的本質組件。對智能理論來講,對知識的社會環境和人類行動的理解與對個體智能/大腦的理解是同等重要的。 4. 刻畫解釋的本質 在表示傳統研究中,大多數模型1般工作在已解釋好的領域中: 即對解釋的上下文,系統設計者通常都會給出1些隱含的先驗約定,在這類約定下,很難隨著問題求解進程的進展而將上下文、目標或表示進行轉換。 Tarskian的觀點“將語義作為符號和對象之間的映照”還是太弱,其實不能解釋某些事實,如1個領域在不同實踐目標的指引下可能會有不同的解釋。語言學家試圖通過語用理論來彌補Tarskian語義的局限性。論述分析,基本依賴于上下文中符號的使用,已在近幾年中廣泛地討論了這些問題,但是這個問題觸及的內容事實上更加廣泛,由于它通?;掛聿慰脊ぞ叩氖О?。 C. S. Peirce最早提倡符號語言學的傳統,后續的研究者還有Eco、Seboek和其他學者,他們對語言采取了更加激進的方法。這類符號語言學的傳統把符號表達式放在廣泛的記號和記號解釋中,它表明,符號的含義只有在它用做解釋的上下文中才能夠被理解,即在解釋的上下文中或在與環境的交互中才能被理解。 5. 表示的不肯定性 Anderson的表示不肯定性料想指出,在熟練性能的特定動作這類環境下,肯定哪一種表示模式最接近于人的問題求解器在理論上是不可能的。這類料想是基于這樣的事實,即每一個表示模式不可避免地被連接到1個大型的計算結構,就像搜索策略1樣。在對人類技能的詳細分析中,我們不太可能充分地控制這個進程,使得我們能決定這個表示;也不可能為進程被唯1肯定的那些點建立1個表示。由于物理的不肯定原理,現象可以通過檢驗這個現象的進程來加以改變,因此,構造智能模型是需要重點關注的,但沒有必要限制它們的利用。 6. 設計可以反證的計算模型的必要性 Popper等人指出科學理論一定是可以反證的,這就是說,一定存在1種環境,使得在此環境下的這個理論模型其實不是對這類現象的成功的近似。任何數目的肯定性實驗實例都不能充分地肯定1個模型。許多研究是在已有理論的失敗的基礎上進行的。 物理符號系統假定的1般本質正如智能的情形模型和出現模型1樣,可能會使它們不可能被曲解,并作為1種模型在使用上遭到限制。一樣地,可以對關于現象學傳統的假定進行批評。1些人工智能數據結構(比如語義網)還是很普通的,使得它們可以為幾近所有能夠描寫出的東西建模,或正像通用圖靈機1樣,使得它們可以為任意的可計算函數建模。因此,1個人工智能研究者或認知科學家被問到在甚么條件下他們的智能模型不能用時,給出答案常常是很難的。 7. 科學方法的局限性 許多研究者們宣稱智能最重要的方面就是沒有被模型化,并且原則上不可能被模型化,且特別是不能使用任意的符號表示來模型化。這些領域包括學習、自然語言理解、說話動作的產生等。這些問題已深深地植根于我們的哲學理念中。 現代人工智能的大部份假定究其本源,可以回溯到Carnap、Frege和Leibniz,再遠回溯到Hobbes、Locke和Hume,直至回溯到亞里士多德。這類傳統觀點認為: 智能的處理進程符合通用法則,并且在原則上是可以理解的。 Heideggei和他的追隨者們描寫了1種可選擇的方法來理解智能。對Heidegger來講,思考的意識是源于具體經驗的世界(1種生命世界). Winograd、Flores和Dreyfus等人認為1個人對事物的理解是扎根于在每天的世界中“使用”這些理解的實際活動中。這類世界在本質上是1種環境,其中包括按社會方式組織的各種作用和目的。而這類環境和其中的人的功能不是通過命題解釋的,也不是能夠被定理所理解的。它更像是1種不斷構成的流程。在基本意義上,人類專家其實不知道“是甚么”,而只是知道在進化的社會標準和隱含的目的不斷發展的世界中,它是怎樣樣的。我們不能自然地就把我們的知識和大多數智能行動放入語言中,不論是情勢的,還是自然的。 現在讓我們來斟酌上述這類觀點。首先,作為對純理性主義傳統的批評,這類觀點是正確的。理性主義者斷言,所有的人類活動、智能和責任,最少原則上能夠被表示、情勢化和理解。大多數喜歡思考的人們其實不相信這類情形,他們認為情感、自我主張和有責任的許諾等(最少)也是很重要的。在科學方法的領域以外,還有很多人類活動在可靠的人類交互中起著本質的作用。這些不可能被機器再生或取消。 但是,檢查數據、構造模型、運行實驗和為了進1步實驗而使用模型精煉來檢查結果等這些科學傳統已進入了理解、解釋和預言人類社會能力這樣的1個重要的層次??蒲Х椒ㄊ翹岣呷死嗬斫餑芰Φ?個有力工具。雖然如此,對這類方法,這里依然有許多的告誡是研究人員必須理解的。 首先,研究人員不要把這個模型與被建模的現象相混淆。模型能允許我們不斷地逼近這類現象;通常這里必定有1些不能使用經驗解釋的“殘留物”。在這類意義上,表示不肯定性其實不是1個問題。1個模型是用來探索、解釋和預言的;如果它允許研究人員來完成這些任務,則它就是成功的。對1種簡單的現象,不同的模型可以用來解釋這類現象的不同方面。 另外,當研究者們主張智能現象的各個方面已在科學傳統的范圍和方法以外時,這類說法本身也只能用那些科學傳統來驗證??蒲Х椒ㄖ皇?種工具,它可以用來解釋在甚么意義上問題依然是在我們當前的理解以外。每種觀點,乃至是來自現象學傳統的觀點,如果它是有1定含義的,那末它1定跟我們當前某些解釋的概念相干,乃至它是與那些不能解釋的現象相干聯的。 人工智能研究中最使人振奮的方面是對我們必須解決的這些問題做出不懈的努力和貢獻。為了理解問題求解、學習和語言,我們必須領會表示和知識的哲學層面含義。我們被要求用1種謙卑的方式來解決亞里士多德的理論和實踐之間的關系問題,以構成理解和實踐的統1、理論和實踐的統1,在科學與藝術中生活。 人工智能工作者是工具的制造者。我們的表示、算法和語言都是1些工具,用來設計和建立那些展現智能行動的機制。通過實驗,我們同時檢驗了它們解決問題的計算合適性,也檢驗了我們自己對智能現象的理解。 智能系統 人工智能研究的1個最重要的動力是建立智能系統以求解困難問題。20世紀80年代以來,知識工程成為人工智能利用最顯著的特點,專家系統、知識庫系統和智能決策系統等智能系統得到廣泛利用。知識庫系統是把知識以1定的結構存入計算機,進行知識的管理和問題求解,實現知識的同享。 建造智能系統可以模仿、延伸和擴大人的智能,實現某些“機器思惟”,具有極大的理論意義和實用價值。根據智能系統具有的知識和處理范型的情況,可以分成4類: ①單領域知識單處理范型智能系統; ②多領域知識單處理范型智能系統; ③單領域知識多處理范型智能系統; ④多領域知識多處理范型智能系統。 1. 單領域知識單處理范型智能系統 系統具有單1領域的知識,并且只有1種處理范型。例如,第1代、第2代專家系統和智能控制系統就屬于這類類型。 專家系統是應用特定領域的專門知識,通過推理來摹擬通常由人類專家才能解決的各種復雜的、具體的問題,到達與專家具有同等解決問題能力的計算機靈能程序系統。它能對決策的進程做出解釋,并有學習功能,即能自動增長解決所需的知識。第1代專家系統(如DENDRAL和MACSYMA等)以高度專業化、求解專門問題的能力強為特點,但在體系結構的完全性和可移植性等方面存在缺點,求解問題的能力弱。第2代專家系統(如MYCIN、CASNET、PROSPECTOR和HEAR-SAY等)屬于單學科專業型、利用型系統,其體系結構較完全,移植性方面也有所改良,而且在系統的人機接口、解釋機制、知識獲得技術、不肯定推理技術、增強專家系統的知識表示和推理方法的啟發性、通用性等方面都有所改進。 2. 多領域知識單處理范型智能系統 多領域知識單處理范型智能系統具有多種領域的知識,而處理范型只有1種。大多數散布式問題求解系統和多專家系統屬于這類類型。1般采取專家系統開發工具和環境來研制這類大型綜合智能系統。 由于智能系統在工程技術、社會經濟、國防建設和生態環境等各個領域的廣泛利用,對智能系統的功能提出多方面的要求。許多實際問題的求解,如醫學診治、經濟計劃、軍事指揮、金融工程、作物栽培和環境?;さ?,常常需要利用多學科、多專業的專家知識和經驗。現有的許多專家系統大多數是單學科、專門性的小型專家系統,不能滿足用戶的實際需求。建立多領域知識單處理范型智能系統在1定程度上可以到達用戶的要求。 這類智能系統的特點是: 面向用戶實際的復雜問題求解;利用多學科、多專業、多專家的知識和經驗,進行并行協同求解;基于散布式、開放性軟硬件和網絡環境;利用專家系統開發工具和環境;實現知識同享與知識重用。 3. 單領域知識多處理范型智能系統 單領域知識多處理范型智能系統具有單1領域的知識,而處理范型有多種。例如,混合智能系統屬于這類類型。1般可以用神經網絡通過訓練,取得知識。然后,轉換成產生式規則,提供給推理機在求解問題時使用。 在進行問題求解時,也能夠采取多種機制處理同1個問題。例如,疾病診斷系統,既可采取符號推理的方法,也可通過人工神經網絡。讓它們同時處理相同的問題,然后比較它們的結果,這樣容易獲得正確的結果,避免片面性。 4. 多領域知識多處理范型智能系統 這類系統具有多種領域的知識,而且處理范型也有多種。這類系統包括1個集體智能???,其含義是,在多種處理范型的環境下,各種處理機制各行其是,各司其職,調和工作,表現為集體的智能行動。 綜合決策系統和綜合知識系統屬于多領域知識多處理范型智能系統。在這類系統中,基于推理的抽象思惟采取符號處理的方法,而基于模式辨認和圖象處理之類的形象思惟采取神經計算。 在總結和分析已有智能系統的設計方法和實現技術的基礎上,采取智能主體(Agent)技術,實現具有多種知識表示、綜合知識庫、自組織協同工作和自動知識獲得等功能的大型綜合智能系統。這類系統是當前實現多領域知識多處理范型智能系統的主要途徑。 現實世界的問題多數具有病態結構,研究的對象也在不斷地變化,很難找到1種精確的算法進行求解。構造人機統1、與環境進行交互、反饋的開放系統是解決這類智能問題的途徑。所謂開放系統是指系統在操作進程中永久有難以預感的后果,并能在任什么時候候從外部接收新的信息。 互聯網已成為各類信息資源的聚集地。在這些海量的、異構的Web信息資源中,蘊涵著具有巨大潛伏價值的知識。通過Web內容發現、結構發現和使用發現等,能夠從Web上快速、有效地發現資源和知識,提高在Web上檢索信息和利用信息的效力?;チ系奈倏品從α思逯悄艿奶氐愫陀攀?,遭到社會的歡迎和好評。 展望智能科學與技術 智能科學與技術正在向理論創新的深入和大范圍實際利用發展。在2009年中國科學技術協會公布的“10項引領未來的科學技術”評選結果中,作為智能科學與技術核心的“人工智能技術”排在第4位,作為智能科學與技術重要利用的“未來家庭服務機器人”排在第2位,這充分顯示了智能科學與技術的巨大潛力和極為廣泛的社會影響。 在過去50多年的人工智能研究中,人們1直沿著“摹擬腦”的方向做出努力,分別從智能系統的結構、功能和行動3個基本側面展開對智能的研究。這樣,便前后構成了摹擬大腦抽象思惟功能的符號智能學說、摹擬大腦結構的神經網絡學說和摹擬智能系統行動的感知-動作系統學說。由于社會的迫切需要,呼喚著智能科學與技術在理論上獲得突破,在利用上廣泛普及。展望智能科學與技術的發展,可以展開以下3方面的研究: (1) 智能科學。智能科學是腦科學、認知科學和人工智能等的交叉學科,研究智能的理論和技術。智能科學不但要進行智能的功能仿真,而且要研究智能的機理。腦科學從份子層次、細胞層次和行動層次研究自然智能機理,建立腦模型,揭露人腦的本質。認知科學是研究人類感知、學習、記憶、思惟和意識等人腦心智活動進程的科學。人工智能研究用人工的方法和技術,模仿、延伸和擴大人的智能,實現機器智能。 (2) 互聯網智能?;チ悄蕓蒲в爰際跆峁┝酥匾難芯?、普及和利用平臺。作為知識處理和智能行動交互的基本環境,今天的互聯網,最為豐富的就是信息,最為缺少的就是智能。如作甚在海量信息眼前莫衷一是的用戶提供有效的檢索手段,如何剔除有害的、無用的垃圾郵件,如何使遠方的機器人成為你放心的智能代理,都對網絡信息的智能化提出了迫切的需求,也是智能科學與技術發展的巨大動力?;諢チ募逯悄?,通過大范圍協作和綜合集成,將為科學決策提供有效的途徑。 (3) 智能機器人。智能機器人是將體力勞動和智力勞動高度結合的產物。智能機器人是1種具有智能的、高度靈活性的、自動化的機器,具有感知、計劃、動作和協同等能力,是多種高新技術的集成體。 歐盟委員會于2011年5月評出了對未來影響最大的6項前沿技術。 ,前3項分別是未來信息分析摹擬技術、石墨烯科技和納米級傳感器技術。后3項與人工智能有關,分別是: (1) 人腦工程技術。這1技術可用于對人腦的低能耗、高效力進行研究。 是節能減排的典范,它的功耗只有20~30W,相當于1盞白熾燈。人腦的這些奇異的地方1旦破解,將為信息技術研發提供鑒戒。 (2) 醫學信息技術。有關研究旨在推動信息技術在醫藥領域的大范圍利用。此類技術還將對海量傳輸健康信息、利用人工智能技術處理這些信息并做出個性化醫治方案提出新要求。 (3) 伴侶型機器人開發。這1項目旨在研制具有1定感知、交換和情感表達能力的仿真機器人,為人類特別是小孩和老人提供無所不至的服務。這1項目將有兩大亮點,1是依托先進的人工智能技術,使機器人初步具有像人1樣的感知、交換和情感表達能力;2是開發出制造機器人的新材料,可讓機器人看起來、摸起來像真人1樣。 中國計算機學會《技術動態》評出“2011年度10大新聞”,其中3條與人工智能有關: “腦神經元連接同步定位首獲成功”, "IBM成功構建摹擬人腦功能的認知計算機芯片”和“美研發光子神經元系統引計算機速度革命”. 本書在《人工智能》 (2006版)的基礎上,吸取了國內外人工智能教材的優點,增補了國際上最新的研究成果修訂而成。參考史忠植教授的教材,本書新增1章“互聯網智能”,包括語義網與本體、Web技術、Web發掘和集體智能等內容。結合教學實際,以附錄情勢增加了“人工智能大作業”,包括28個問題(選題),并明確了大作業組織情勢及要求。 本書第3、4、9、10章由張彥鐸撰寫,其余各章由賁可榮撰寫。全書由賁可榮統稿。蔡敦波對第3章進行了修訂,鄭笛參與了第4、10章的修訂,陳志剛教授對全書進行了認真審校,特此致謝。 感謝所有參考文獻的作者,感謝《中國計算機學會通訊》、中國計算機學會《技術動態》部份論文的作者。

賁可榮2012年8月 智能(Intelligence)是人類所獨有的區分于1般生物的主要特點。智能解釋為“感知、學習、理解、知道的能力,思惟的能力”。智能通常被理解為“人認識客觀事物并應用知識解決實際問題的能力,……,常常通過視察、記憶、想象、思惟、判斷等表現出來。" 人工智能就是用計算機來摹擬人的智能,因此又叫做機器智能。研究人工智能的目的,1方面是要制造出具有智能的機器,另外一方面是要弄清人類智能的本質。通過研究和開發人工智能,可以輔助、部份代替乃至拓寬人的智能,使計算機更好地造福于人類。 信息經抽象結晶為知識,知識構成智能的基礎。因此,信息化到知識化再到智能化,勢必成為人類社會發展的趨勢。人工智能已并正在廣泛而深入地結合到科學技術的各門學科和社會的各個領域中,它的概念、方法和技術,正在各行各業廣泛滲透。智能已成為現今各種新產品、新設備的發展方向。 隨著人工智能學科的發展,課程的內容也要不斷更新。在美國,由IEEE Computer Society和ACM計算教程聯合工作組共同制定了《計算教程2001》 (Computing Curricula 2001,簡稱CC2001) ,它主要修訂了CC1991,以反應計算機領域10余年來的發展。從CC2001可以看出,人工智能課程除包括人工智能概論、問題狀態與搜索、知識表示和機器人學等傳統部份外,還增加了機器學習、智能體、自然語言處理、語音處理、知識庫系統、神經網絡和遺傳算法等內容。這充分反應了CC2001對人工智能課程的重視。在我國,從20世紀70年代末開始,隨著改革開放政策的實行,人工智能的教學和科研逐漸展開。 本書介紹人工智能的理論、方法和技術及其利用,除討論那些依然有用的和有效的基本原理和方法以外,側重論述1些新的和正在研究的人工智能方法與技術, 。另外,用比較多的篇幅論述人工智能的利用,包括人工智能新的利用研究。具體包括以下內容。 (1) 簡述人工智能的起源與發展,討論人工智能的定義、人工智能與計算機的關系和人工智能的研究和利用領域。 (2) 論述知識表示、推理和不肯定推理的主要方法,包括謂詞邏輯、產生式系統、語義網絡、框架、面向對象、歸結推理、非單調推理、主觀Bayes方法、肯定性理論、證據理論、模糊邏輯和模糊推理等。 (3) 討論經常使用搜索原理,如盲目搜索、啟發式搜索、MIN-MAX搜索、?α-β?剪枝和束縛滿足等;并研究1些比較高級的搜索技術,如貪婪局部搜索、局部剪枝搜索、摹擬退火算法和遺傳算法等。 (4) 介紹近期發展起來的已成為當前研究熱門的人工智能技術和方法,即散布式人工智能與Agent、計算智能、機器學習、反向傳播神經網絡、Hopfield神經網絡和知識發現等。 (5) 比較詳細地分析人工智能的主要利用領域,觸及自動計劃系統、自然語言處理、信息檢索、語言翻譯、語音辨認和機器人等。 其余各章由賁可榮撰寫。全書由賁可榮統稿本書第3、4、9、10章由張彥鐸撰寫,。吳榮華撰寫了附錄初稿。陳志剛教授對全書進行了認真審校,特此致謝。 在本書編寫進程中,參考和援用了許多專家、學者的著作和論文,正文中未逐一注明。在此,作者謹向相干參考文獻的作者表示衷心的感謝。 不當的地方,懇請讀者批評指正。

作者2006年1月

圖書前言

、第1章 緒論1 1.1 人工智能的定義與發展1 1.2 人類智能與人工智能4 1.2.1 智能信息處理系統的假定5 1.2.2 人類智能的計算機摹擬7 1.3 人工智能各學派的認知觀8 1.4 人工智能的研究與利用領域10 1.4.1 智能感知11 1.4.2 智能推理13 1.4.3 智能學習16 1.4.4 智能行動19 1.5 未來50年的人工智能問題25 1.6 人類級人工智能28 習題28 第2章 知識表示和推理30 2.1 概述30 2.1.1 知識和知識表示30 2.1.2 知識-策略-智能32 2.1.3 人工智能對知識表示方法的要求33 2.1.4 知識的分類33 2.1.5 知識表示語言問題34 2.1.6 現代邏輯學的基本研究方法35 2.2 命題邏輯37 2.2.1 語法38 2.2.2 語義38 2.2.3 命題演算情勢系統40人工智能(第2版)目錄 2.3 謂詞邏輯41 2.3.1 語法42 2.3.2 語義43 2.3.3 謂詞邏輯情勢系統FC46 2.3.4 1階謂詞邏輯的利用47 2.4 歸結推理49 2.4.1 命題演算中的歸結推理49 2.4.2 謂詞演算中的歸結推理52 2.4.3 謂詞演算歸結反演的公道性和完備性61 2.5 產生式系統65 2.5.1 產生式系統的組成部份66 2.5.2 產生式系統的基本進程70 2.5.3 產生式系統的控制策略70 2.6 知識表示的其他方法72 2.6.1 語義網絡72 2.6.2 框架79 2.6.3 腳本82 2.6.4 面向對象 84 2.7 基于知識的系統87 2.7.1 知識獲得88 2.7.2 知識組織90 2.7.3 知識利用91 2.7.4 常識知識和大范圍知識處理91 2.8 小結92 習題93 第3章 搜索技術100 3.1 概述101 3.2 盲目搜索方法102 3.2.1 生成再測試法102 3.2.2 迭代加深搜索103 3.3 啟發式搜索104 3.3.1 啟發性信息和評估函數104 3.3.2 最好優先搜索算法105 3.3.3 貪婪最好優先搜索算法106 3.3.4 A算法和A??算法107 3.3.5 迭代加深A??算法111 3.4 問題歸約和AND-OR圖啟發式搜索111 3.4.1 問題歸約的描寫112 3.4.2 問題的AND-OR圖表示113 3.4.3 AO??算法114 3.5 博弈118 3.5.1 極大極小進程120 3.5.2 ?α-β?進程122 3.6 小結124 習題124 第4章 高級搜索125 4.1 爬山法搜索125 4.2 摹擬退火搜索128 4.2.1 摹擬退火搜索的基本思想128 4.2.2 摹擬退火算法129 4.2.3 摹擬退火算法關鍵參數和操作的設計130 4.2.4 摹擬退火算法的改進132 4.3 遺傳算法134 4.3.1 遺傳算法的基本思想134 4.3.2 遺傳算法的基本操作136 4.3.3 遺傳算法的利用情況141 4.4 小結142 習題142 第5章 不肯定知識表示和推理143 5.1 概述143 5.1.1 甚么是不肯定推理144 5.1.2 不肯定推理要解決的基本問題144 5.1.3 不肯定性推理方法分類146 5.2 非單調邏輯147 5.2.1 單調性與非單調性147 5.2.2 非單調邏輯的產生148 5.2.3 缺省推理邏輯149 5.2.4 非單調邏輯系統151 5.2.5 非單調規則153 5.3 主觀Bayes方法157 5.3.1 全幾率公式和Bayes公式157 5.3.2 主觀Bayes方法159 5.4 肯定性理論164 5.4.1 建造醫學專家系統時的問題164 5.4.2 C-F模型165 5.5 證據理論170 5.5.1 假定的不肯定性170 5.5.2 證據的不肯定性173 5.5.3 證據的組合函數173 5.5.4 規則的不肯定性174 5.5.5 不肯定性的傳遞174 5.5.6 不肯定性的組合175 5.6 模糊邏輯和模糊推理176 5.6.1 模糊集合及其運算177 5.6.2 模糊關系178 5.6.3 語言變量179 5.6.4 模糊邏輯180 5.6.5 模糊推理180 5.7 小結184 習題186 第6章 Agent188 6.1 概述188 6.2 Agent及其結構190 6.2.1 Agent定義190 6.2.2 Agent要素及特性191 6.2.3 Agent例子193 6.2.4 Agent的結構特點194 6.2.5 Agent的結構分類195 6.3 Agent通訊198 6.3.1 通訊方式198 6.3.2 Agent通訊語言KQML199 6.3.3 SACL語言203 6.4 調和與協作206 6.4.1 引言206 6.4.2 合同網209 6.4.3 協作計劃210 6.5 移動Agent214 6.5.1 移動Agent產生的背景214 6.5.2 定義和系統組成217 6.5.3 實現技術218 6.5.4 技術優勢227 6.6 基于Agent的系統及其利用229 6.6.1 移動Agent系統229 6.6.2 移動Agent技術的利用231 6.6.3 多Agent系統的利用233 6.7 小結234 習題234 第7章 自然語言處理技術236 7.1 自然語言理解的1般問題236 7.1.1 自然語言理解的概念及意義236 7.1.2 自然語言理解研究的發展238 7.1.3 自然語言理解的層次239 7.2 詞法分析242 7.3 句法分析243 7.3.1 短語結構文法和 Chomsky文法體系243 7.3.2 句法分析樹245 7.3.3 轉移網絡246 7.4 語義分析247 7.4.1 語義文法247 7.4.2 格文法248 7.5 大范圍真實文本的處理250 7.5.1 語料庫語言學及其特點250 7.5.2 統計學方法的利用及面臨的問題252 7.5.3 漢語語料庫加工的基本方法253 7.5.4 語義資源建設256 7.6 信息搜索257 7.6.1 信息搜索概述257 7.6.2 搜索引擎258 7.6.3 智能搜索引擎264 7.6.4 搜索引擎面臨的挑戰268 7.6.5 搜索引擎的發展趨勢269 7.7 機器翻譯272 7.7.1 機器翻譯的基本模式和方法273 7.7.2 統計機器翻譯274 7.7.3 機器翻譯系統的發展276 7.8 語音辨認280 7.8.1 組成單詞讀音的基本單元280 7.8.2 信號處理281 7.8.3 辨認283 7.8.4 隱馬爾可夫模型284 7.8.5 口語翻譯285 7.9 自然語言利用286 7.9.1 故事理解和問題解答286 7.9.2 數據庫前端287 7.9.3 自動文摘288 7.10 小結289 習題289 第8章 機器學習和神經網絡291 8.1 機器學習概述291 8.1.1 學習中的元素292 8.1.2 目標函數的表示293 8.1.3 學習任務的類型295 8.1.4 機器學習的定義和發展史296 8.1.5 機器學習的主要策略297 8.1.6 機器學習系統的基本結構298 8.2 基于符號的機器學習方法299 8.2.1 機械學習300 8.2.2 歸納學習301 8.2.3 決策樹學習304 8.2.4 基于范例的學習309 8.2.5 解釋學習313 8.2.6 強化學習316 8.3 基于神經網絡的學習317 8.3.1 神經網絡概述317 8.3.2 基于反向傳播網絡的學習323 8.3.3 Hopfield神經網絡模型333 8.4 知識發現339 8.4.1 知識發現的處理進程340 8.4.2 知識發現的方法341 8.4.3 知識發現的利用343 8.5 小結344 習題345 第9章 智能計劃351 9.1 計劃問題與實例351 9.1.1 計劃問題及其描寫語言351 9.1.2 計劃問題實例354 9.2 狀態空間搜索計劃357 9.2.1 前向狀態空間搜索357 9.2.2 后向狀態空間搜索358 9.2.3 狀態空間搜索的啟發式359 9.3 偏序計劃360 9.3.1 偏序計劃的描寫360 9.3.2 偏序計劃的實例363 9.3.3 無束縛變量的偏序計劃365 9.3.4 啟發式偏序計劃366 9.4 命題邏輯計劃367 9.5 分層任務網絡計劃369 9.6 非肯定性計劃372 9.7 多Agent計劃373 9.7.1 合作: 聯合目標和計劃374 9.7.2 多Agent計劃的構建375 9.7.3 調和機制376 9.7.4 競爭377 9.8 小結377 習題377 第10章 機器人學379 10.1 概述379 10.1.1 機器人的由來379 10.1.2 機器人的定義380 10.1.3 機器人的分類382 10.1.4 機器人的特性382 10.1.5 機器人學的構成383 10.1.6 機器人學的研究領域384 10.2 機器人系統384 10.2.1 機器人系統的組成384 10.2.2 機器人的工作空間386 10.2.3 機器人的性能指標388 10.3 機器人的編程模式與語言389 10.4 機器人的社會問題392 10.5 機器人的利用與展望392 10.5.1 機器人利用393 10.5.2 機器人發展展望395 習題397 第11章 互聯網智能398 11.1 概述398 11.2 語義網與本體400 11.2.1 語義網的層次模型400 11.2.2 本體的基本概念402 11.2.3 本體描寫語言OWL403 11.2.4 本體知識管理框架404 11.2.5 本體知識管理系統Protégé405 11.2.6 本體知識管理系統KAON405 11.3 Web技術的演變407 11.3.1 Web 1.0407 11.3.2 Web 2.0408 11.3.3 Web 3.0410 11.4 Web發掘411 11.4.1 Web內容發掘412 11.4.2 Web結構發掘414 11.4.3 Web使用發掘415 11.4.4 數據發掘的利用416 11.4.5 互聯網信息可信度問題416 11.5 集體智能417 11.5.1 社群智能418 11.5.2 集體智能系統419 11.5.3 全球腦420 11.6 網絡利用421 習題422 附錄A 人工智能程序設計語言Prolog424 A.1 Turbo Prolog核心機制425 A.1.1 邏輯型程序設計語言 Prolog425 A.1.2 Turbo Prolog程序設計430 A.2 Visual Prolog編程環境442 A.2.1 Visual Prolog概述442 A.2.2 系統安裝442 A.2.3 編程初步443 A.2.4 編寫第1個利用程序“Hello World" 446 A.2.5 Visual Prolog調試器450 附錄B 人工智能大作業453 B.1 NIM問題求解 453 B.2 水壺問題453 B.3 合1算法454 B.4 中國象棋454 B.5 圍棋455 B.6 5子棋456 B.7 魔方457 B.8 用神經網絡對大寫字母分類457 B.9 小型動物分類專家系統458 B.10 美國地理458 B.11 洞穴探寶458 B.12 音節劃分459 B.13 奧木459 B.14 9宮圖460 B.15 歸類測試算法461 B.16 傳教士-野人問題461 B.17 8皇后問題461 B.18 Elsevier的橫向信息產品462 B.19 奧迪的數據整合463 B.20 人壽保險公司的技能尋獲463 B.21 在線學習463 B.22 警察局的多媒體收藏索引464 B.23 康富的在線采購465 B.24 數碼裝備的可共用性465 B.25 火星探測者Agent466 B.26 用于電力管理的多Agent系統467 B.27 人工智能軍事利用跟蹤470 B.28 計算機游戲如何產生文娛效果470 參考文獻472第1章 緒論1 1.1 人工智能的定義與發展1 1.2 人類智能與人工智能4 1.2.1 智能信息處理系統的假定5 1.2.2 人類智能的計算機摹擬7 1.3 人工智能各學派的認知觀8 1.4 人工智能的研究與利用領域10 1.4.1 智能感知11 1.4.2 智能推理13 1.4.3 智能學習16 1.4.4 智能行動19 1.5 未來50年的人工智能問題25 1.6 人類級人工智能28 習題28 第2章 知識表示和推理30 2.1 概述30 2.1.1 知識和知識表示30 2.1.2 知識-策略-智能32 2.1.3 人工智能對知識表示方法的要求33 2.1.4 知識的分類33 2.1.5 知識表示語言問題34 2.1.6 現代邏輯學的基本研究方法35 2.2 命題邏輯37 2.2.1 語法38 2.2.2 語義38 2.2.3 命題演算情勢系統40 2.3 謂詞邏輯41 2.3.1 語法42人工智能(第2版)目錄 2.3.2 語義43 2.3.3 謂詞邏輯情勢系統FC46 2.3.4 1階謂詞邏輯的利用47 2.4 歸結推理49 2.4.1 命題演算中的歸結推理49 2.4.2 謂詞演算中的歸結推理52 2.4.3 謂詞演算歸結反演的公道性和完備性61 2.5 產生式系統65 2.5.1 產生式系統的組成部份66 2.5.2 產生式系統的基本進程70 2.5.3 產生式系統的控制策略70 2.6 知識表示的其他方法72 2.6.1 語義網絡72 2.6.2 框架79 2.6.3 腳本82 2.6.4 面向對象 84 2.7 基于知識的系統87 2.7.1 知識獲得88 2.7.2 知識組織90 2.7.3 知識利用91 2.7.4 常識知識和大范圍知識處理91 2.8 小結92 習題93 第3章 搜索技術100 3.1 概述100 3.2 盲目搜索方法102 3.2.1 寬度優先搜索102 3.2.2 深度優先搜索104 3.2.3 迭代加深搜索106 3.3 啟發式搜索107 3.3.1 啟發性信息和評估函數108 3.3.2 最好優先搜索算法109 3.3.3 通用圖搜索算法109 3.3.4 A??算法112 3.3.5 迭代加深A??算法116 3.4 問題歸約和AND-OR圖啟發式搜索117 3.4.1 問題歸約的描寫117 3.4.2 AND-OR圖表示118 3.4.3 AO?算法119 3.5 博弈124 3.5.1 極大極小進程125 3.5.2 ?α-β?進程127 3.6 束縛滿足搜索130 3.7 小結132 習題133 第4章 高級搜索134 4.1 爬山法搜索134 4.2 摹擬退火搜索137 4.2.1 摹擬退火搜索的基本思想137 4.2.2 摹擬退火算法138 4.2.3 摹擬退火算法關鍵參數和操作的設計139 4.2.4 摹擬退火算法的改進141 4.3 遺傳算法143 4.3.1 遺傳算法的基本思想143 4.3.2 遺傳算法的基本操作145 4.3.3 遺傳算法的利用情況150 4.4 小結151 習題151 第5章 不肯定知識表示和推理1 5.1 概述1 5.1.1 甚么是不肯定推理153 5.1.2 不肯定推理要解決的基本問題153 5.1.3 不肯定性推理方法分類155 5.2 非單調邏輯156 5.2.1 單調性與非單調性156 5.2.2 非單調邏輯的產生157 5.2.3 缺省推理邏輯158 5.2.4 非單調邏輯系統162 5.2.5 非單調規則164 5.3 主觀Bayes方法167 5.3.1 全幾率公式和Bayes公式167 5.3.2 主觀Bayes方法169 5.4 肯定性理論174 5.4.1 建造醫學專家系統時的問題175 5.4.2 C-F模型176 5.5 證據理論180 5.5.1 假定的不肯定性181 5.5.2 證據的不肯定性183 5.5.3 證據的組合函數183 5.5.4 規則的不肯定性185 5.5.5 不肯定性的傳遞185 5.5.6 不肯定性的組合185 5.6 模糊邏輯和模糊推理187 5.6.1 模糊集合及其運算187 5.6.2 模糊關系189 5.6.3 語言變量190 5.6.4 模糊邏輯190 5.6.5 模糊推理191 5.7 小結195 習題196 第6章 Agent199 6.1 概述199 6.2 Agent及其結構201 6.2.1 Agent定義201 6.2.2 Agent要素及特性202 6.2.3 Agent例子204 6.2.4 Agent的結構特點205 6.2.5 Agent的結構分類206 6.3 Agent通訊209 6.3.1 通訊方式209 6.3.2 Agent通訊語言KQML210 6.3.3 SACL語言214 6.4 調和與協作217 6.4.1 引言217 6.4.2 合同網220 6.4.3 協作計劃221 6.5 移動Agent225 6.5.1 移動Agent產生的背景225 6.5.2 定義和系統組成228 6.5.3 實現技術229 6.5.4 技術優勢239 6.6 基于Agent的系統及其利用240 6.6.1 移動Agent系統240 6.6.2 移動Agent技術的利用242 6.6.3 多Agent系統的利用244 6.7 小結245 習題246 第7章 自然語言處理技術247 7.1 自然語言理解的1般問題247 7.1.1 自然語言理解的概念及意義247 7.1.2 自然語言理解研究的發展249 7.1.3 自然語言理解的層次250 7.2 詞法分析253 7.3 句法分析254 7.3.1 短語結構文法和 Chomsky文法體系254 7.3.2 句法分析樹256 7.3.3 轉移網絡257 7.4 語義分析258 7.4.1 語義文法258 7.4.2 格文法259 7.5 大范圍真實文本的處理261 7.5.1 語料庫語言學及其特點261 7.5.2 統計學方法的利用及面臨的問題263 7.5.3 漢語語料庫加工的基本方法264 7.5.4 語義資源建設266 7.6 信息搜索268 7.6.1 信息搜索概述268 7.6.2 搜索引擎268 7.6.3 智能搜索引擎274 7.6.4 搜索引擎面臨的挑戰279 7.6.5 搜索引擎的發展趨勢280 7.7 機器翻譯283 7.7.1 機器翻譯的基本模式和方法283 7.7.2 統計機器翻譯285 7.7.3 機器翻譯系統的發展287 7.8 語音辨認290 7.8.1 組成單詞讀音的基本單元291 7.8.2 信號處理291 7.8.3 辨認293 7.8.4 隱馬爾可夫模型294 7.8.5 口語翻譯296 7.9 自然語言利用297 7.9.1 故事理解和問題解答297 7.9.2 數據庫前端298 7.9.3 自動文摘298 7.10 小結300 習題300 第8章 機器學習和神經網絡301 8.1 機器學習概述301 8.1.1 學習中的元素302 8.1.2 目標函數的表示303 8.1.3 學習任務的類型305 8.1.4 機器學習的定義和發展史306 8.1.5 機器學習的主要策略307 8.1.6 機器學習系統的基本結構308 8.2 基于符號的機器學習方法309 8.2.1 機械學習310 8.2.2 歸納學習311 8.2.3 決策樹學習314 8.2.4 基于范例的學習319 8.2.5 解釋學習323 8.2.6 強化學習326 8.3 基于神經網絡的學習327 8.3.1 神經網絡概述327 8.3.2 基于反向傳播網絡的學習333 8.3.3 Hopfield神經網絡模型343 8.4 知識發現349 8.4.1 知識發現的處理進程350 8.4.2 知識發現的方法351 8.4.3 知識發現的利用353 8.5 小結354 習題355 第9章 智能計劃361 9.1 計劃問題與實例361 9.1.1 計劃問題及其描寫語言361 9.1.2 計劃問題實例364 9.2 狀態空間搜索計劃367 9.2.1 前向狀態空間搜索367 9.2.2 后向狀態空間搜索368 9.2.3 狀態空間搜索的啟發式369 9.3 偏序計劃370 9.3.1 偏序計劃的描寫370 9.3.2 偏序計劃的實例373 9.3.3 無束縛變量的偏序計劃375 9.3.4 啟發式偏序計劃376 9.4 命題邏輯計劃377 9.5 分層任務網絡計劃379 9.6 非肯定性計劃382 9.7 多Agent計劃383 9.7.1 合作: 聯合目標和計劃384 9.7.2 多Agent計劃的構建385 9.7.3 調和機制386 9.7.4 競爭387 9.8 小結387 習題387 第10章 機器人學389 10.1 概述389 10.1.1 機器人的由來389 10.1.2 機器人的定義390 10.1.3 機器人的分類392 10.1.4 機器人的特性392 10.1.5 機器人學的構成393 10.1.6 機器人學的研究領域394 10.2 機器人系統394 10.2.1 機器人系統的組成394 10.2.2 機器人的工作空間396 10.2.3 機器人的性能指標398 10.3 機器人的編程模式與語言399 10.4 機器人的社會問題402 10.5 機器人的利用與展望402 10.5.1 機器人利用403 10.5.2 機器人發展展望405 習題407 第11章 互聯網智能408 11.1 概述408 11.2 語義網與本體410 11.2.1 語義網的層次模型410 11.2.2 本體的基本概念412 11.2.3 本體描寫語言OWL414 11.2.4 本體知識管理框架414 11.2.5 本體知識管理系統Protégé415 11.2.6 本體知識管理系統KAON416 11.3 Web技術的演變417 11.3.1 Web 1.0418 11.3.2 Web 2.0418 11.3.3 Web 3.0421 11.4 Web發掘422 11.4.1 Web內容發掘423 11.4.2 Web結構發掘424 11.4.3 Web使用發掘425 11.4.4 數據發掘的利用426 11.4.5 互聯網信息可信度問題427 11.5 集體智能428 11.5.1 社群智能 11.5.2 集體智能系統429 11.5.3 全球腦430 11.6 網絡利用431 習題432 附錄A 人工智能程序設計語言Prolog433 A.1 Turbo Prolog核心機制434 A.1.1 邏輯型程序設計語言 Prolog434 A.1.2 Turbo Prolog程序設計439 A.2 Visual Prolog編程環境451 A.2.1 Visual Prolog概述451 A.2.2 系統安裝451 A.2.3 編程初步452 A.2.2 編寫第1個利用程序“Hello World" 455 A.2.5 Visual Prolog調試器459 附錄B 人工智能大作業462 B.1 NIM問題求解 462 B.2 水壺問題462 B.3 合1算法463 B.4 中國象棋463 B.5 圍棋464 B.6 5子棋465 B.7 魔方466 B.8 用神經網絡對大寫字母分類466 B.9 小型動物分類專家系統467 B.10 美國地理467 B.11 洞穴探寶467 B.12 音節劃分468 B.13 奧木468 B.14 9宮圖469 B.15 歸類測試算法470 B.16 傳教士-野人問題470 B.17 8皇后問題470 B.18 Elsevier的橫向信息產品471 B.19 奧迪的數據整合472 B.20 人壽保險公司的技能尋獲472 B.21 在線學習472 B.22 警察局的多媒體收藏索引473 B.23 康富的在線采購474 B.24 數碼裝備的可共用性474 B.25 火星探測者Agent475 B.26 用于電力管理的多Agent系統476 B.27 人工智能軍事利用跟蹤479 B.28 計算機游戲如何產生文娛效果479 

[標簽:備注]
人工智能(第2版)最新查閱>>
人工智能(第2版)相關:
發布時間:2019-05-26人工智能(第2版)

作者:賁可榮、張彥鐸 普通高等教育“1025”國家級計劃教材圖書詳細信息: ISBN:9787302307648 定價:49元 印次:2⑴ 裝?。浩階?印刷日期:2013⑶⑻ 人工智能(第2版) 人工智能(第2版) 如何取得 作者:賁可榮、張彥鐸 普通高等教育“1025”國家級計劃教材圖書詳細信息: ISBN:978730..

發布時間:2019-05-26產業互聯網集群效應凸顯 運營商全連接智能管網建設亟需跟進

數字化轉型的觸角正在伸向世界的每一個角落,各行各業都迎來了創新升級的巨大機遇。騰訊研究院發布的年度《數字中國指數報告》指出,2018年中國數字經濟規模已經達到29.91萬億元,我國GDP總量的1/3借助數字技術實現,數字化進程從消費互聯網轉向產業互聯網主導。依托物聯網、大數據、云計算等新一代信息技術,產業互聯網進入高速、大規模轉型升級的發展階段。與此同時,..

發布時間:2019-05-26奔馳再次被約談;百度市值僅為阿里十分一;華為重啟巴西智能手機業務

聲音資源加載中...早早早,北京繼迎來冰雹之后,又又又喜提六親不認的八級大風,以及狂風過境后的好天氣。伴著生命滙國際抗衰防癌醫療中心的關心,快來一睹中企早報的真容。首先是一如既往地關心大事件:【人民幣會“破7”嗎?央行副行長強調“完全有能力保持匯市穩定”】?連續兩周貶值超過1%,離岸、在岸人民幣對美元即期匯率已先后失守6.9元,7元整數關口再度暴露在外。這..

發布時間:2019-05-26智能化工程

智能化工程,也就是創建多種情勢的智能化系統。既是適應現代經濟、軍事和科技發展的需要 ,也是智能科學和復雜性科學研究的實際利用。 智能化工程 智能化工程,也就是創建多種情勢的智能化系統。既是適應現代經濟、軍事和科技發展的需要 ,也是智能科學和復雜性科學研究的實際利用。 智能化工程 如何取得 中文名稱智能化工程 包括強電與弱電 含義創建..

發布時間:2019-05-26專業修改中差評10元一條,聯系微信454696254 純人工動態提升補單

專業修改中差評10元一條,聯系微信454696254 純人工動態提升補單本文分享轉載于:網商買賣經驗分享,如需轉載請注明本文出處和網址。

發布時間:2019-05-26未來辦公的新暢想:融合場景、智能創作、無界協作

丁道師?ID:dingdaoshi123資深互聯網觀察家,長期致力于中國互聯網產業和企業研究。再一次,改變辦公生活,WPS能帶給業界的,還有很多?!    ?0年前,我就是受到金山的影響和感召,才毅然而然的進入這個行業。這一晃,20年過去了?!薄 ?月17日上午,在金山WPS珠海軟件園“辦公?未來已來”為主題的媒體溝通會開始之前,我發了這樣一條朋友圈?! ?.

發布時間:2019-05-26攝影|我去了印度,只用智能手機拍了這40張照片

[我去印度旅行,用智能手機捕捉它的靈魂。] 去年12月,我獲得了與B旅游品牌Xperience一起去印度旅游的機會,從不同的角度去捕捉印度獨特的美麗和氛圍[我去印度旅行,用智能手機捕捉它的靈魂。] 我的目標不僅僅是捕捉日常生活,也要在那里生活[我去印度旅行,用智能手機捕捉它的靈魂。] 在我的旅途中,我參觀了新德里、阿格拉、Jhansi、奧恰、卡久拉霍、班德..

發布時間:2019-05-26三大承諾十五字金言,廣東電信打造寬帶智能服務新業態!

517世界電信日,廣東電信以一場別開生面的線上發布會發布了“電信智能寬帶”,這場以一個線上360°立體可旋轉的3D展廳為載體的發布會,以全新的智能信息化服務,開啟智能寬帶新時代。如今,百兆帶寬已成標配,千兆也開始進入千家萬戶。從當初的拔號上網服務,到今天的智能寬帶服務,在寬帶服務發展之路上,廣東電信不僅領行業之先,更是有很多的創新之舉。首次提出三大服務承諾..

發布時間:2019-05-26柳傳志:吃好“碗里的”,準備“鍋里的”,智能科技大有可為

前年,惠普超過聯想,拿下PC市場第一的位置。然而不到一年時間,聯想就打敗惠普,重新奪回全球PC市場第一的寶座。這其中發生了什么?聯想集團憑借什么重回王座?5月16日,在天津舉辦的第三屆世界智能大會上,聯想控股董事長、聯想集團創始人柳傳志在主題演講《智能科技大有可為》中揭開了聯想長年位居全球PC市場第一的秘密,一面是文化,一面是科技。柳傳志認為“先要把碗里的..

發布時間:2019-05-26人工智能的下一步是什么?我們應如何定義生命?

據國外媒體報道,凱斯西儲大學的研究人員們正在致力于打造具有出色情緒智能的機器人。他們正在對人工智能進行改進,力圖創造出能夠實時讀取人類情緒的下一代個性化機器人。那么,人工智能機器人的下一步是什么呢?如果它們能夠模擬生物,我們能否授予它們作為生物的資格?甚至能否授予它們人格呢?近年來一系列令人激動的技術進展,如能夠利用核酸鏈開展快速平行計算的生物計算機、以及..

發布時間:2019-05-26ITS114智能交通每周新聞精?。?.13~5.17)

? ? ? ? ? ? ? ? ??新聞綜訊5月已過一半,世界風云變幻,伴隨著偉大總統特朗普的“王八拳”,中東局勢再次緊張,中美貿易戰全面開打,華為被美國政府全面限制……2019年,是偉大祖國70周年華誕,從積弱積貧到世界強國,幾代人為之奮斗,和平崛起從口號逐步變成現實?;叵?008,北京奧運會圣火在倫敦、巴黎傳遞時,被干擾、被沖擊......有一位網友寫..

發布時間:2019-05-26百度Q1財報:業務全面智能化??AI戰略走向縱深

?百度的2019年一季度財務報告,雖然出現了上市以來的首個季度虧損,但營收卻仍保持增長,達到了241億元人民幣同比增長15%,如剔除分拆業務影響則同比增長了21%。這是百度自去年全年營收首次突破千億之后,公布的第一份成績單??悸塹秸逍幸堤頻牡兔砸約鞍俁熱源缶僂度階I,正處于向AI轉型的關鍵時期,這份財報實際上并沒有太過令人失望。?實際上從去年四季度開始..

發布時間:2019-05-26寬帶也智能,中國電信重新定義家庭寬帶

手機進入5G時代吵的沸沸揚揚,不過距離真正普及還有相當的距離。其實和廣大用戶生活品質提升更相關的,其實是寬帶服務的水準提升。5月17日,世界電信日,中國電信廣東公司重磅推出“電信智能寬帶”,可以說真正開啟了一個全新的智能寬帶時代,讓中國家庭的寬帶智能水平,進入一個全新的階段。?從基礎服務到智能服務?寬帶本身是一個基礎的上網服務,本身就是起到一個通訊的作用,..

發布時間:2019-05-26科技周報?|?雷軍兼任小米中國區總裁;蘋果最新專利曝光;人工智能市場規模年末將達730億元

人物小米組織架構調整,雷軍兼任中國區總裁近日,小米集團宣布新的組織架構調整和人事任命。集團董事長兼CEO雷軍兼任中國區總裁,全面負責中國區業務開展和團隊管理;同時成立大家電事業部,任命集團高級副總裁王川為大家電事業部總裁,負責除電視之外的空調、冰箱、洗衣機等大家電品類的業務開展和團隊管理,向CEO匯報?;嶠ㄖ笫Ρ錯裁ナ爛攔鋇孛教灞ǖ?,享譽世界的華裔..

發布時間:2019-05-26對話?IJCAI?07「卓越研究獎」得主?Alan?Bundy?:理解智能的本質是?AI?發展的終極目標

AI 科技評論按:今年,IJCAI(國際人工智能聯合會議,International Joint Conferences on Artificial Intelligence)將于 8 月 10 日至 16 日在中國澳門隆重召開。作為國際人工智能領域最頂級的學術會議之一,IJCAI 始終都是該領域研究者關注的焦點會議之一。此前,我們開啟了 IJCAI 50..

發布時間:2019-05-26備戰618,天貓消費電子新清潔革命開啟智能清潔家電增長新方向

隨著消費者對品質生活的追求,以及懶人經濟的持續發酵,天貓消費電子發現這幾年清潔家電產品銷售在逐步發生變化,掃拖一體的掃地機器人受到更多消費者青睞,除螨儀被列入母嬰消費者必買清單,剛問世不久的蒸汽拖把、電動拖把,受到忙碌90/95后的追捧,清潔家電產品從傳統的生活家電向智能居家產品升級。?天貓消費電子行業敏銳洞察消費者的變化,為了讓消費體驗到顛覆式的家居清潔..

發布時間:2019-05-26上課、開會總是來不及記筆記?這?4?個?App,讓手機變成你的智能「錄音筆」

「錄音」看似一個很小眾的需求,卻在信息大「爆炸」的今天被越來越多人所使用,會議紀要、課堂筆記、人物訪談、播客錄制等等。相比專業的錄音筆,手機無疑是每天陪伴我們最久的設備,如果能有一款好用的錄音軟件,很多場景下的需求會變的更加容易,性價比也更高。今天我就為大家推薦幾款非常好用的錄音 app,相信無論你是學生黨,還是上班族,總有一款適合你。NotedNoted..

發布時間:2019-05-26中國工程院院士盧錫城談智能計算:應當夯實技術基礎,避免重蹈傳統計算產業覆轍

AI 科技評論按:2019 年 5 月 17 日下午,天津世界智能大會專題論壇「新一代人工智能核心技術及治理高峰論壇」在天津梅江會展中心舉行。本次論壇由科學技術部戰略規劃司、中國工程院三局指導,天津市科學技術局主辦,東麗區人民政府、新一代人工智能產業技術創新戰略聯盟共同承辦?;嵋槲乒倚亂淮斯ぶ悄芎誦募際蹺致鄯較?,探討了人工智能發展現狀與未來技術趨勢..

發布時間:2019-05-26智能耳機?2021

本文來自極客之選,通過實驗性創作為大家帶來一篇商業科幻文章,表達對未來科技與商業領域的觀察和思考,文章內容純屬虛構,如果未來發生也請不要驚訝。五年前,一個時不時對著空氣說話的人會引起周圍注視,這種奇怪的現象在今天卻已經稀松平常。從智能耳機 AirPods 出現,占領人們耳蝸的那一刻開始,耳機的佩戴時長不斷增加,如今,從早到晚全天佩戴的人越來越多。伴隨智能耳..

發布時間:2019-05-26圖靈獎得主、AI先驅Raj?Reddy:告別996,人工智能讓人類每天只工作一個小時

機器之心原創參與:李澤南在 AI 領域里,Raj Reddy 不僅是奠基者,也是眾多牛人的學術導師。這位 CMU 終身教授近日在聯合國教科文組織國際工程科技知識中心 (IKCEST)、中國工程科技知識中心 (CKCEST)、百度、西安交通大學 (以下簡稱西安交大) 共同舉行的活動中又為我們帶來了很多有趣的新觀點。羅杰·瑞迪(Raj Reddy)是美國科學院..

百度人工智能(第2版):

欄目推薦
熱點排行
推薦閱讀
psv上古卷轴携带版 类似必富大宝的游戏平台 赢钱棋牌游戏平台 时时彩最准计划网站 金博棋牌下载 抢庄牛牛技巧提前看牌 足彩即时比分直播网 重庆时时2期计划网页 重庆时时现场开奖结果直播 聚富网app下载安装 pk10一天稳赚几百万 江西时时在线开奖信息查询 时时彩后三杀号技巧 时时彩技巧论坛 北京pk10赛车稳赚技巧 永久可用出号公式