人工智能
黨建武等編著
1073人在讀
32.1萬字總字數
¥16.8定價
黨建武等編著
全書共分爲11章，除第1章人工智能概述外，其餘內容劃分爲四大部分。第一部分爲確定性人工智能的三大基本技術，包括第2,3,4章的知識表示、確定性推理和搜索部分。第二部分包括第5章不確定性人工智能和第6章的智能算法。第三部分爲人工智能的重要研究領域，包括第7章的分佈式人工智能，第8章的機器學習，第9章的專家系統。第四部分爲人工智能應用部分，包括第10章的人工智能設計語言和第11章的人工智能的應用舉例。
能的本質是"知識+思維"：AI 不是某一種算法，而是"讓機器獲取並運用知識去分析問題、解決問題"的學科——知識工程是貫穿全書的主軸。 不確定性是智能問題的本質特徵：智能系統的能力更主要反映在求解不確定性問題上；因此第5章用五套工具(確定性理論/主觀Bayes/D-S/模糊/非單調)系統處理"不精確"。 三大學派各有根基、不可互相取代：符號主義(邏輯)、聯結主義(神經網絡)、行爲主義(控制論)對應不同"認知基元"與研究方法，本書以符號主義爲主但未否定其餘。 搜索即問題求解：幾乎所有智能活動都可抽象爲"在問題空間中搜索一條代價較小的推理路線"——盲目/啓發式(A*) /博弈(α-β)是核心武器。 現代啓發式算法源於自然啓發：爬山/模擬退火/禁忌/蟻羣/粒子羣/遺傳都是"受自然界或生物界規律啓發"的全局尋優，簡單規則可湧現複雜求解能力。 專家系統 = 知識 + 推理的分離式工程：把領域專家知識存進知識庫、用推理機模擬專家思維，是 AI 從理論走向應用的關鍵一躍，並催熟了"知識工程"。 機器學習 = 從經驗中自我完善：通過把抽象目標化爲可訓練的目標函數(如西洋跳棋v(b))，用樣本迭代調整參數，使性能隨經驗上升。
成書時間2012年，對人工智能來說，早已滄海桑田，物非人非了。
值得一看的入門教材，淺顯易懂特別適合零基礎的好奇者
微讀裏唯一搜到的一本人工智能專業書，不管好不好，衝這個唯一，點個贊
比較老的書，我08年讀大學的時候就在校圖書館看過，人工智能已經今非昔比了。
跟專業的內容，雖然作爲外行很多計算都看不懂，但相比其他一些人工智能的科普讀物技術性強多了。讓我進一步瞭解了人工智能[鼓掌]