【AI加油站】机器人设计系列十二：人工智能：复杂问题求解的结构和策略（附下载）

核心总结

《人工智能：复杂问题求解的结构和策略（原书第 6 版）》是由 George F. Luger 所著，郭茂祖等翻译的经典人工智能教材，全面且深入地阐述了人工智能领域的基础理论、问题求解方法及应用，同时还从多学科视角对人工智能进行了探讨。

全书共分为六个部分，各部分内容各有侧重又相互关联，共同构建起完整的人工智能知识体系。

第一部分为 “人工智能的历史渊源及研究范围”，聚焦人工智能的历史发展与应用领域。从历史角度，追溯了人工智能的哲学、数学和社会学根源，从亚里士多德的逻辑思想，到莱布尼兹、布尔等对形式逻辑的发展，再到图灵测试的提出，清晰展现了人工智能理论基础的演进脉络。应用领域方面，详细介绍了博弈、自动推理和定理证明、专家系统、自然语言理解和语义学、对人类表现建模、规划和机器人学、人工智能的语言和环境、机器学习等多个方向，还提及神经网络和遗传算法等其他表示方法，以及人工智能与哲学的关联，让读者对人工智能的应用范围和研究价值有全面认识。

第二部分 “作为表示和搜索的人工智能”，深入讲解了人工智能问题求解的核心工具，包括谓词演算、状态空间搜索的结构和策略、启发式搜索、随机方法以及为状态空间搜索建立控制算法。谓词演算部分，先简要介绍命题演算，再详细阐述谓词演算的语法、语义，以及使用推理规则产生谓词演算表达式的方法，并结合财务顾问案例展示其应用。状态空间搜索部分，回顾图论知识，介绍有限状态自动机，重点讲解问题的状态空间描述，对比数据驱动搜索与目标驱动搜索、深度优先搜索与宽度优先搜索等不同策略，还探讨了利用状态空间表示命题演算和谓词演算推理的方法。启发式搜索部分，介绍爬山法、动态规划法、最佳优先搜索算法，分析启发的可采纳性、单调性和信息度，讨论在博弈中使用启发的相关技术，同时分析复杂度问题。随机方法部分，先介绍计数基础，再阐述概率论基础，包括样本空间、概率、独立性、随机变量、条件概率等，重点讲解贝叶斯定理，通过道路 / 交通、“tomato” 发音等例子展示随机方法的应用。为状态空间搜索建立控制算法部分，介绍基于递归的搜索，包括递归的基本概念和模式驱动推理实例，还讲解产生式系统和用于问题求解的黑板结构。

第三部分 “捕获智能：AI 中的挑战”，围绕知识表示、求解问题的强方法以及不确定条件下的推理展开。知识表示部分，梳理 AI 表示模式的发展历史，介绍语义关联理论、语义网早期研究、网络关系标准化、脚本、框架等，重点讲解概念图这种网络语言，还提及其他表示方法和本体，以及基于主体的和分布式的问题求解方法。求解问题的强方法部分，概述专家系统技术，包括基于规则的专家系统设计、问题选择和知识工程步骤等，详细介绍基于规则的专家系统，探讨基于模型系统、基于案例系统和混合系统，还介绍规划相关内容。不确定条件下的推理部分，介绍基于逻辑的反绎推理，包括非单调推理逻辑、真值维护系统等，讨论反绎的其他办法，如 Stanford 确信度代数、模糊集推理、Dempster-Shafer 证据理论，重点讲解处理不确定性的随机方法，包括有向图模型、马尔可夫模型等。

第四部分 “机器学习”，系统介绍机器学习的多种方法。基于符号的机器学习部分，阐述基于符号学习的框架，介绍变形空间搜索、ID3 决策树归纳算法，分析归纳偏置和学习能力，探讨知识和学习的关系，还介绍无监督学习和强化学习。机器学习的连接机制部分，讲解连接网络的基础，介绍感知机学习、反传学习、竞争学习、Hebbian 一致性学习、吸引子网络或 “记忆” 等。机器学习的遗传性和涌现性部分，介绍遗传算法，包括两个实例和评估，探讨分类器系统和遗传程序设计，还介绍人工生命和基于社会的学习。机器学习的概率理论部分，介绍学习中的随机模型和动态模型，包括隐马尔可夫模型、动态贝叶斯网络和学习、强化学习的随机扩展等。

第五部分 “人工智能问题求解的高级课题”，涵盖自动推理和自然语言理解。自动推理部分，介绍定理证明中的弱方法，包括通用问题求解器和差别表，详细讲解归结定理证明，探讨 Prolog 和自动推理的关系，还讨论自动推理进一步的问题。自然语言理解部分，分析自然语言理解问题，介绍解构语言的分析方法，讲解语法，包括使用上下文无关文法说明和解析、Earley 解析器等，探讨转移网络解析器及语义学，介绍语言理解的随机工具，还给出自然语言应用实例。

第六部分 “后记”，对人工智能进行总结与展望。重新定义人工智能，探讨人工智能与物理符号系统假设、连接或者 “神经” 计算、主体、涌现和智能、概率模型和随机技术的关系，分析智能系统科学，包括心理学约束和认识论问题，最后讨论人工智能当前的挑战和未来的方向。

此外，书中还包含出版者的话、译者序、前言等内容，出版者的话介绍了引进国外优秀计算机教材的背景和意义；译者序阐述了翻译过程及对书中内容的理解；前言介绍了第 6 版的修订背景、新增内容、结构安排等，还提及使用本书的建议和补充材料获取方式，并对相关人员表示感谢。本书适合作为高等院校计算机专业人工智能教材，也可供人工智能领域的研究者及相关工程技术人员参考。