目 录__eol__第1章 人工智能与智能社会：人类新时代 1__eol__1.1 人类智能与知识型社会 2__eol__1.2 人工智能的第一缕霞光 2__eol__1.3 人工智能是什么 3__eol__1.4 人工智能的“进化史” 3__eol__1.5 人工智能研究什么 5__eol__1.6 百花齐放的人工智能应用 6__eol__本章小结 7__eol__参考文献 8__eol__思考题 8__eol__第2章 知识与知识表示：智能的“血液” 10__eol__2.1 概念与本体：人类知识的基础构架 11__eol__2.1.1 概念与概念系统 11__eol__2.1.2 知识本体 12__eol__2.2 知识的计算机表示：计算机心里的知识 13__eol__2.2.1 分布表示方法 14__eol__2.2.2 预训练语言模型 16__eol__2.3 产生式表示法：因果知识的表示 17__eol__2.3.1 产生式规则 17__eol__2.3.2 产生式系统 18__eol__2.3.3 产生式表示法的优缺点及适用领域 22__eol__2.4 框架表示法：把知识装进“框” 22__eol__2.4.1 框架的构成 23__eol__2.4.2 框架系统 24__eol__2.4.3 框架的应用案例 24__eol__2.5 语义网络：知识的“网”状化表示 25__eol__2.5.1 语义网络的发展历史 26__eol__2.5.2 语义网络的定义和特征 26__eol__2.5.3 语义网络的分类 27__eol__2.5.4 语义网络的构建方法 28__eol__2.5.5 语义网络的优势 28__eol__2.5.6 语义网络应用面临的困难和挑战 29__eol__2.6 知识图谱：知识的“谱”系化表示 30__eol__2.6.1 知识图谱的发展 30__eol__2.6.2 知识图谱表示方法 31__eol__2.6.3 知识图谱的构建 34__eol__本章小结 39__eol__参考文献 40__eol__思考题 42__eol__第3章 推理技术：机器真的能举一反三吗 43__eol__3.1 先来入个门 44__eol__3.1.1 概况 44__eol__3.1.2 基本概念 44__eol__3.2 确定性推理：让机器帮你做决策 45__eol__3.3 正向推理和逆向推理：在事实与结论之间来回奔跑 46__eol__3.3.1 正向推理 46__eol__3.3.2 逆向推理 46__eol__3.4 推理方法与冲突消解策略：糟糕，选择困难症又犯了 47__eol__3.5 不确定性推理靠谱吗 48__eol__3.5.1 模糊逻辑与模糊推理：推理技术发展中的一面大旗 48__eol__3.5.2 模糊思维表达：模糊集合的“精确”存在 49__eol__3.5.3 模糊关系及其运算：把0～1的灰色地带表示出来 51__eol__3.5.4 模糊推理的应用：让模糊理论“咸鱼翻身”的场景 53__eol__3.6 常识推理 53__eol__3.6.1 何谓常识 53__eol__3.6.2 常见的常识推理 54__eol__3.6.3 常识推理的主要技术 54__eol__本章小结 55__eol__参考文献 55__eol__思考题 56__eol__第4章 搜索算法：弱水三千，只取一瓢饮 57__eol__4.1 状态空间表示：一切皆有可能 58__eol__4.2 盲目搜索：基本图搜索策略 59__eol__4.2.1 回溯策略：逆流而上 59__eol__4.2.2 宽度优先搜索策略：先进先出 61__eol__4.2.3 深度优先搜索策略：后进先出 64__eol__4.3 启发式搜索：灵光一闪 66__eol__4.3.1 启发式搜索策略和估价函数 66__eol__4.3.2 有序搜索：论价排辈 67__eol__4.3.3 A*算法：底线思维 68__eol__4.4 博弈搜索：势均力敌 72__eol__4.4.1 博弈搜索的基本思想 72__eol__4.4.2 博弈搜索的控制策略 72__eol__4.4.3 博弈搜索算法：极大极小值算法 73__eol__4.4.4 对策：α?β剪枝算法 73__eol__本章小结 75__eol__练习题 75__eol__思考题 76__eol__第5章 专家系统：让懂专业的系统做专业的事 77__eol__5.1 系统构成与工作原理：麻雀虽小，五脏俱全 78__eol__5.2 不确定性推理：“头疼不舒服，是感冒了吗？可能吧！” 79__eol__5.2.1 主观贝叶斯推理 81__eol__5.2.2 证据理论 83__eol__5.2.3 模糊逻辑 88__eol__5.2.4 信念网络 92__eol__5.3 专家系统示例：术业有专攻 100__eol__5.4 专家系统的应用：没有金刚钻，别揽瓷器活儿 102__eol__本章小结 102__eol__参考文献 103__eol__思考题 103__eol__第6章 机器学习：让机器变得智能 105__eol__6.1 什么是机器学习 106__eol__6.2 无监督学习：无师自通 106__eol__6.2.1 k-Means算法、k中心点算法：近朱者赤，近墨者黑 107__eol__6.2.2 EM聚类：期望最大化 109__eol__6.2.3 CLARA算法、CLARANS算法：随机选择的站队 112__eol__6.2.4 从传说中走来的谱聚类 113__eol__6.2.5 基于约束的聚类 117__eol__6.2.6 在线聚类 117__eol__6.3 监督学习：严师出高徒 118__eol__6.3.1 支持向量机：在超平面上反复横跳 118__eol__6.3.2 概率图模型：不确定性推理的模型 119__eol__6.3.3 神经网络：神经元的化身 122__eol__6.4 强化学习：不以物喜，不以己悲 123__eol__6.4.1 强化学习模型及基本要素 124__eol__6.4.2 马尔可夫决策 126__eol__6.4.3 Q学习：愤怒的小鸟 129__eol__6.4.4 深度Q学习：强化学习的未来 131__eol__6.5 实践出真知 133__eol__本章小结 134__eol__思考题 134__eol__第7章 神经网络：让机器更像人一样思考 135__eol__7.1 概述 136__eol__7.2 感知机：安能辨我是雄雌 138__eol__7.2.1 传统方法 138__eol__7.2.2 感知机：从0到1，最简单的神经网络 139__eol__7.2.3 多层感知机：从1到100，更复杂的神经网络 142__eol__7.3 参数学习：填饱神经网络的肚子 144__eol__7.3.1 反向传播算法 144__eol__7.3.2 层间学习法 145__eol__7.4 久经考验的大神们 145__eol__7.4.1 卷积神经网络 145__eol__7.4.2 注意力机制 150__eol__本章小结 154__eol__思考题 154__eol__第8章 人工智能应用研究 155__eol__8.1 概述 156__eol__8.2 智能司法：让冤假错案远离人间 156__eol__8.3 人脸识别：小偷竟然凭空消失 156__eol__8.4 智能交互：强大的秘书 158__eol__8.4.1 任务型对话系统 158__eol__8.4.2 开放域对话系统 160__eol__8.5 自动写作：唐诗宋词无所不会 161__eol__8.6 机器翻译：“一带一路”的强大助手 161__eol__8.7 汽车自动驾驶技术：拦路虎竟然是伦理与观念 162__eol__本章小结 163__eol__思考题 163__eol__第9章 智能机器人 165__eol__9.1 机器人的诞生与分类 166__eol__9.1.1 诞生啦，机器人 166__eol__9.1.2 机器人的基本构成及特点 167__eol__9.1.3 包罗万象的机器人类别 168__eol__9.2 让机器人“活起来”的关键技术 170__eol__9.2.1 环境感知：看得见，摸得着 170__eol__9.2.2 路径规划技术：机器人的行进方法 175__eol__9.2.3 控制算法：机器人的“大脑” 178__eol__9.3 多机器人协同：机器人之间的交流与合作 184__eol__9.3.1 协同感知 184__eol__9.3.2 协同作业 185__eol__9.3.3 协同编队 187__eol__9.4 神通广大的应用示例 188__eol__9.5 机器人与社会：它会怎样影响就业 190__eol__本章小结 191__eol__思考题 192__eol__第10章 人工智能伦理与未来展望：波起微澜，拭目以待 193__eol__10.1 机器伦理：人工智能助手还是人工智能杀手 194__eol__10.1.1 人工智能领域的伦理焦点问题 198_