美国经典人工智能教材，人工智能的百科全书《人工智能》（第3版）出版！新增深度学习及人工智能编程等内容，理论阐释结合动手实践。
人工智能 第3版
关于作者
史蒂芬.卢奇（Stephen Lucci）拥有纽约市立大学研究生院的博士学位，在纽约城市学院教授计算机科学，在高性能计算和人工智能领域发表过多篇文章。
萨尔汗.M. 穆萨（Sarhan M. Musa）博士，在普雷里维尤农工大学（Prairie View A&M） 任 教， 著 有 Computational Nanophotonics（CRC Press） 和 Finite Element Analysis （MLI）等多部图书。
丹尼.科佩克（Danny Kopec）（已故），本书第 2 版的合著者，曾任教于布鲁克林学院，著有多部图书，是一位国际象棋大师。
作者观点和需求
我们的观点是， 人工智能是由人（people）、想法（idea）、方法（method）、机器（machine） 和结果（outcome ）等对象组成的。首先，组成人工智能的是人。人有想法，并把这些想法变成 了方法。这些想法可以用算法、启发式方法、程序或作为计算骨干的系统来表达。最后，我们 得到了这些机器（程序） 的产物，我们称之为“结果”。每个结果都可以根据其价值、效果、效 率等进行衡量。
我们发现，现有的人工智能图书往往漏掉了上述对象中的一个或多个。没有人，就没有人 工智能。因此，我们决定通过在本书中添加“人物轶事”专栏，介绍对人工智能的发展做出贡 献的人。从人到想法再到方法，这些内容贯穿于本书的全部章节。与数学、物理、化学和生物 学等其他科学相比，人工智能和计算机科学相对年轻。但是，人工智能是一门真正跨领域的学 科，它结合了其他领域的许多元素。
机器/计算机是人工智能研究人员的工具，它们允许研究人员进行实验、学习和改进求解问 题的方法，这些方法可以应用于可能对人类有益的许多有趣的领域。很重要的一点是，由于将 人工智能应用到各种各样的问题和学科，我们也得到了可测量的结果，这提醒我们人工智能也 必须是可计算的。在本书的许多地方， 你会发现关于“表现”（performance）和“能力”（competence） 之间区别的讨论。随着人工智能的成熟和进步，这两者都是必需的。
此外，学生需要亲自实践， 求解问题， 也就是说， 学生需要用第 2～4 章中详细介绍的搜索 技术基础知识、第 5 章中的逻辑方法以及第 6 章中知识表示在人工智能中的作用等内容，动手 求解问题。第 7 章为学习模糊逻辑（第 8 章）和专家系统（第 9 章）做了铺垫。
第 10～12 章详细介绍了神经网络、深度学习和遗传算法等先进方法。第 13～16 章分别介 绍了自然语言处理、规划、机器人和高级计算机博弈等主题。第 17 章是大事记， 总结了我们一 起学习人工智能的历程， 并对未来进行了展望。第 18 章介绍了人工智能在网络安全领域的应用 和前景，而第 19 章则介绍了三种常见的人工智能编程语言： Prolog 、Python 和 MATLAB。
如何使用本书
本书内容繁多，如果时间有限，第六部分“安全和编程”可以以学生阅读的方式进行，教 师不再讲授。其余内容， 建议按照如下学时来讲述（不含第六部分， 共计 51 学时，本科生课程 可适当缩减，或者本科生课程和研究生课程在课程讲授深度和习题难度上做区分）。
第一部分 引言，介绍人工智能的基本概念和历史。建议 3 学时。
第 1 章人工智能概述，介绍人工智能的定义、处理的问题领域和发展历史。建议 3 学时。
第二部分 基础知识，介绍人工智能的基础技术，包括搜索、逻辑、知识表示和产生式系 统，建议 18 学时。
第 2 章盲目搜索，介绍人工智能中的盲目搜索算法，包括深度优先和广度优先等算法。建 议 2 学时。
第 3 章知情搜索，介绍人工智能中的知情搜索算法，包括爬山法、分支定界、约束满足、 与或树等。建议 4 学时。
第 4 章博弈中的搜索， 介绍计算机博弈游戏中的搜索方法，包括博弈树、极小化极大评估、 α-β剪枝、机会博弈等。建议 4 学时。
第 5 章人工智能中的逻辑，介绍人工智能中的逻辑系统，包括命题逻辑、谓词逻辑和其他 形式的逻辑等。建议 2 学时。
第 6 章知识表示，介绍人工智能中的知识表示方法，包含图、产生式系统、框架、脚本、 语义网络、关联及概念图，并介绍智能体的概念。建议 4 学时。
第 7 章产生式系统，介绍人工智能中的产生式系统及冲突消解、前向链接、后向链接等推 理方法。建议 2 学时。
第三部分 基于知识的系统，介绍基于知识的人工智能系统，包括知识的不确定性表示和 推理、专家系统与知识工程、传统的机器学习和深度学习方法，以及受大自然界启发的搜索方 法。建议 15 学时。
第 8 章人工智能中的不确定性，介绍人工智能的不确定性知识的表示和推理，包括模糊逻 辑、模糊推理和概率论等。建议 2 学时。
第 9 章专家系统，介绍专家系统及历史上多个著名的专家系统案例。建议 4 学时。
第 10 章机器学习第一部分：神经网络，介绍机器学习的基本概念、决策树及其不同变种、 神经网络的基本概念和训练方法等。建议 4 学时。
第 11 章机器学习第二部分： 深度学习， 介绍基本的深度学习模型， 包括卷积神经网络、循 环神经网络、递归神经网络、长短期记忆网络等。建议 4 学时。
第 12 章受大自然启发的搜索， 介绍一些受大自然启发的搜索算法， 包括模拟退火、遗传算 法及规划、禁忌搜索等。建议 1 学时。
第四部分 高级专题，介绍人工智能的一些高级专题，包括自然语言理解、自动规划等。 建议 9 学时。
第 13 章自然语言理解，介绍自然语言处理（NLP），包括 NLP 的历史及流派、句法分析、统计方法、数据集合、信息提取、问答和语音理解等。建议 6 学时。
第 14 章自动规划，介绍自动规划，包括规划的基本概念、方法及一些有代表性的规划系统。 建议 3 学时。
第五部分 现在和未来，介绍人工智能现在和未来发展的一些方向和技术，包括机器人、 高级计算机博弈等。建议 6 学时。
第 15 章机器人技术，介绍机器人技术的历史、技术及应用。建议 1 学时。
第 16 章高级计算机博弈， 介绍一些更高级的计算机博弈技术， 包括跳棋、国际象棋和其他 一些博弈游戏。建议 4 学时。
第 17 章 AI 大事记，对本书内容进行回顾和总结， 介绍 IBM 沃森智能问答系统， 并对未来 的人工智能进行展望。建议 1 学时。
第六部分 安全和编程（选读），主要介绍网络安全问题和人工智能编程工具。建议 3 学时。
第 18 章网络安全中的人工智能， 介绍网络安全的基本概念， 包括不同协议、安全策略、入 侵检测、可信系统等。建议 1 学时。
第 19 章人工智能编程工具，介绍三种用于人工智能的编程语言，包括 Prolog 、Python 和 MATLAB。建议 2 学时。
本书提供如下资源：
- 本书附录；
- 教学指导及教学大纲；
- 教学 PPT；
- 练习题解决方案；
- 参考试题；
- 示例源代码；
- 本书图片；
- 本书思维导图。
