《人工智能基础》(2002年版)内容精要
该资料为高济、朱淼良、何钦铭主编的《人工智能基础》（2002年出版，面向21世纪课程教材）。全书共九章，分为绪论、基础篇与提高篇三大部分，全面介绍人工智能的基本理论、问题解决方法、知识表达方式、专家系统、机器学习等核心主题。内容覆盖符号主义主流思想、多种搜索与推理算法、不同知识表达形式及智能系统的实际应用，适合本科与研究生分层次教学使用，并配有丰富的练习题和工程实践案例，同时梳理了人工智能的发展脉络、研究原则、当前挑战及未来趋势。
项目
详细信息
书名
人工智能基础
主编
高济、朱淼良、何钦铭
出版社
高等教育出版社
出版时间
2002年8月
ISBN
7-04-011097-5 / 9787040110975
定价
32.50元
教材性质
教育部面向21世纪课程教材
适用对象
高校计算机及相关专业本科生、研究生；工程技术人员
教学安排
前六章适用于本科2学分课程；全部九章适用于研究生3学分课程
全书共九章，划分为三大模块：
绪论（第一章）：介绍人工智能的发展历程、研究与应用领域、基本准则、现存难题及发展前景。
基础篇（第二至六章）：涵盖核心基础技术与主流应用，包括问题求解、知识表达、基于知识的系统、自动规划、机器学习。
提高篇（第七至九章）：探讨拓展性前沿方向，涉及非单调推理与软计算、机器感知、Agent技术。
AI定义：通过人工手段在机器上实现智能，是一门融合多学科的交叉前沿科学。
五大核心应用：KB专家系统、机器学习、Agent技术、规划配置、机器感知。
两大研究学派：符号主义（认为智能源于符号运算）、联结主义（认为智能源于并行连接）。
四大研究原则：有限合理性、物理符号系统假设、长期记忆、知识与搜索互补。
发展困境：经历了60年代纯弱法危机、80年代实用化危机；存在系统脆弱性、与主流技术脱节、知识获取困难三大问题。
三大核心求解方式：一般图搜索、问题归约与或图搜索、演绎推理。
盲目搜索：如深度优先、广度优先，无启发信息、易产生组合爆炸。
启发式搜索：A算法、AO算法，依赖启发式函数，具备可采纳性特性。
推理分类：归结演绎推理、基于规则正/逆向演绎推理，附带Prolog语言原理。
经典案例：传教士野人问题、八数码问题、梵塔问题。
一阶谓词逻辑：表达能力强，但推理效率低。
产生式表达：由规则库、综合数据库、控制系统组成，适配专家系统。
结构化表达：语义网络、框架、面向对象表达，擅长描述复杂关联。
2.核心概念：知识门槛（使能、胜任、全能）、陈述性知识&程序性知识。
3.性能权衡：表达能力与推理效率相互制约，需按需取舍。
核心概念：KB系统，具备专业知识+符号推理能力，成熟后为专家系统。
六大任务类型：解释、诊断、监控、预测、规划、设计。
经典实例：MYCIN医疗专家系统、Xps开发工具。
系统架构：知识库、推理机、用户界面三大核心组成。
经典规划：STRIPS、部分排序规划技术。
新兴方向：非经典规划、智能调度与项目管理。
经典案例：XCON计算机自动配置系统。
主流学习方式：示例学习、解释学习、遗传算法、强化学习、基于范例学习、知识发现与数据挖掘。
经典算法：ID3决策树、Q学习等。
核心内容：非单调推理、不确定推理、模糊逻辑、神经网络。
推理方法：主观概率、确定性方法、D-S证据理论。
两大核心：计算机视觉、自然语言理解与机器翻译。
关键技术：图像特征提取、模式识别、句法/语义分析。
核心概念：Agent基本特征、多Agent协作与通信。
应用方向：网络计算、虚拟组织、信息基础设施智能化。
内容结构清晰，理论+工程应用结合，突出实用化介绍。
划分问题求解、知识表达两大AI基础核心，奠定系统设计方法论。
紧跟国内外研究新进展，拓展前沿方向。
每章配备小结、习题、参考文献，适配教学与自学。
案例丰富，包含医疗、金融、工业、军事等多领域实际应用。
问：本书中人工智能两大主流研究流派及核心观点是什么？
答：①符号主义：认为智能产生于符号运算，符号是智能基本单元，经典AI理论及多数系统均基于此；②联结主义：认为智能产生于大量简单元素的并行分布式联结，以神经元互联为智能基础。二者分别对应人类理性认识、感性认识。
问：什么是A*算法？其核心评价函数与可采纳性条件是什么？
答：A*是启发式图搜索经典算法，核心评价函数为f(n)=g(n)+h(n)；其中g(n)为初始到当前节点实际代价，h(n)为当前到目标节点启发估计代价。可采纳性条件：启发式函数h(n)≤h*(n)（实际最小代价），满足则算法一定能找到最短最优解答路径。
问：人工智能发展经历两次危机的原因及当前实用化推进方向有哪些？答：1. 危机原因：①60年代纯弱通用求解法脱离实际应用，缺乏落地价值；②80年代大众对AI过度理想化宣传，而专家系统存在脆弱性、知识获取难、与主流技术脱节等缺陷，项目大多停留在实验室。
2. 实用化推进方向：深浅层知识综合应用、知识获取自动化、AI与数值计算/数据库等主流技术集成、融合多媒体与神经网络等新技术。
人工智能基础（2002年版）
本篇文章内容