|
关于我们
 书单推荐 新书推荐 |
人工智能：一种现代的方法（第3版）（世界著名计算机教材精选） 
定 价：128 元
9 7 3 8 3 7 1 3 0 0 9 2 4  《世界著名计算机教材精选·人工智能：一种现代的方法（第3版）》是最权威、最经典的人工智能教材，已被全世界100多个国家的1200多所大学用作教材。
译者序
如何使各种计算系统（含软件、硬件、应用、网络、安全等系统）变得像人一样聪明，在计算技术日益普及且人们对其期望越来越高的今天显得格外重要。以理解和模拟人类智能、智能行为及其规律为目的的“人工智能”，从纵向来看，既有建立智能信息处理理论的任务，又有设计可以展现某些近似于人类智能行为的计算系统的使命；从横向来看，它包含知识工程、机器学习、模式识别、自然语言处理、智能机器人和神经计算等诸多内容。至今，基本的研究途径：一是通过为神经活动建立数学模型基于神经心理学来理解和模拟智能，二是不管智能行为的产生原因只追求在效果上实现人类的个体智能行为与群体智能行为。人工智能的目的、任务和使命决定了其研究必有跨学科的特点,必须以生理学、心理学、行为主义、社会学和哲学等学科的成就为基础，通过抽象建立形式体系，即确定知识表示方法和处理方法，最终基于恰当的数据结构和算法加以实现。 1993 年初，在我从南京大学博士后流动站回到国防科技大学后给研究生讲的第一门课就是“人工智能原理”。当时，作为一门必修的核心课程，采用的是一本不错的原版教材。但因该教材后来没有出更新版，故缺少与时俱进的教学内容，于是产生了换教材的想法。1997 年访美期间，在Stanford 大学有幸拜访了人工智能之父John McCarthy，在探讨了有关科研问题并班门弄斧地演示了我们自己研制的一个识别系统后，我询问了他们采用的教材。他说是Stuart J. Russell 和Peter Norvig 编著的“Artificial Intelligence: A Modern Approach”，于是从Stanford 书店买了一本带回来，从第二年开始“人工智能原理”课程便改用该书作教材。至今，15 年过去了，我们一直追随其变迁，从第2 版到第3 版。教学实践证明它确实是一本好教材，难怪世界范围内100 多个国家包括MIT、CMU、Stanford 、UCB、Cornell、UIUC 等国际国内名校在内的1200 余所大学都一直用它作为教材或教学参考书，也难怪它印数巨大且在《高引用计算机科学文献》（《Most Cited Computer Science Citations 》）一览表中名列前25 内，若考虑其出版年代则名列前茅。总之，它确实是人工智能领域的一本最重要的教材（leading textbook）。 本书英文版有1100 多页，教学内容非常丰富，不但涵盖了人工智能基础、问题求解、知识推理与规划等经典内容，而且还包括不确定知识与推理、机器学习、通讯感知与行动等专门知识的介绍。目前我们为本科生开设的学科基础必修课“人工智能导论”主要介绍其中的经典内容，而研究生必修的核心课程“人工智能原理”主要关注其中的专门知识。其实该书也适合希望提高自身计算系统设计水平的广大应用计算技术的社会公众，对参加信息学奥林匹克竞赛和ACM 程序设计竞赛的选手及其教练员也有一定的参考作用。 教学过程中我们发现该书具有以下特点：既重历史又重前沿，既有基于统一框架的继承又有20%左右的更新与发展，既有宽度又有深度，既阐明富于启发性和思想性的见解又强调通过采用伪码来描述算法以确保可操作性和实用性，既追求通俗易懂、由浅入深又强调基本概念的严谨和表述的适度形式化，既借助实例把复杂问题简单化又保持一定的理论概括，既设置了一定数量的课后练习题又提供了丰富的网络教学资源。 同时，我们也注意到：学生们总是反映看英文版教材速度太慢，所以他们总是想方设法再找一本中译版来阅读。正是这样的背景，在本书第3 版英文影印版出版后，我们应清华大学出版社的邀请，启动了长久的翻译工程，先后参加翻译工作的老师有国防科技大学的殷建平教授、祝恩教授、刘越副教授、陈跃新副教授和王挺教授。由于水平有限且工作量巨大，译文中一定存在许多不足，在此敬请各位同行专家学者和广大读者批评指正，欢迎大家将发现的错误或提出的意见与建议发送到邮箱：longqm@tup.tsinghua.edu.cn 。在整个工程即将完成之际，我们特别要感谢清华大学出版社的信任、耐心和支持。 殷建平2013 年10 月于长沙 前言 人工智能（Artificial Intelligence，AI）是一个大领域，而本书也是一本“大”书。我们试图全方位探索这个领域，它涵盖逻辑、概率和连续数学，感知、推理、学习和行动以及从微电子设备到机器人行星探测器的所有内容。本书之所以“大”还因为它有一定深度。 本书的副标题是“一种现代的方法”。使用这个相当空洞的短语希望表达的含义是，我们试图将现在已知的内容综合到一个共同的框架中，而不是试图在各自的历史背景下解释人工智能的各个子领域。对于那些自己的研究领域因此没有得到足够重视的人，我们深表歉意。 本版新变化 本版的修订反映了自本书上一版2003 年出版以来人工智能领域发生的变化。人工智能技术有了重要应用，如广泛部署的实用言语识别、机器翻译、自主车辆和家用机器人。算法有了显著突破，如西洋跳棋的解法。理论上也取得了很多进展，尤其是在概率推理、机器学习和计算机视觉等领域。我们认为最重要的是人们对这个领域认识的不断进化，我们以此为据来组织本书。本书的主要变化如下： 更多地强调了部分可观察和不确定的环境，特别是搜索和规划的非随机的环境。在这些环境中引入了信念状态（一个可能世界集）和状态评估（保持信念状态）的概念；本书后面加入了概率。 除了讨论环境的类型和Agent 的分类，我们现在更深入地研究了Agent 能够使用的表示类型。我们区分了原子表示（其中将世界的每个状态视作黑盒）、因子表示（其中状态是属性/值对的集合）和结构表示（其中世界由对象及对象间关系组成）。 在规划部分更深入地研究了部分可观察环境中的连续规划，还包括了一种层次规划的新方法。 在一阶概率模型中加入了新内容，包括了针对对象存在环境中的不确定性的开放-世界模型。 完全重写了机器学习导论章节，更宽泛地研究了更流行的学习算法，并使之具有更 坚实的理论基础。 扩展了Web 搜索和信息抽取以及从超大数据集学习的技术。 本版20%的引用是2003 年以后发表的工作。 估计有20%的材料是相当新的。其余的80%反映了以往的工作，但也被大规模重写， 以便提供一个关于本领域的更统一的视图。 本书概览 统一的主题思想是智能Agent。我们将人工智能定义为对从环境中感知信息并执行行动的Agent 的研究。每个这样的Agent 实现一个把感知序列映射到行动的函数，我们讨论了表达这些函数的不同方法，如反应式Agent、实时规划器和决策理论系统等。我们把学习的角色解释为把设计者的视角扩展到未知环境中，并且指出了这个角色如何约束Agent 设计，有利于显式的知识表示和推理。我们没有把机器人学和视觉当作独立问题对待，而是出现于实现目标的服务中。我们强调在确定合适的Agent 设计时任务环境的重要性。 我们的主要目的是要传达过去五十年间的人工智能研究和过去两千年的相关工作中所涌现出来的思想。在表达这些思想的过程中，我们在保持准确的同时尽力避免在表示上过分形式化。我们使用伪代码算法以使关键思想更具体；这些伪代码在附录B 中有描述。 本书主要用作本科课程或者系列课程的教科书。本书共有27 章，每一章大概相当于一周的课程量，因此，通学本书的全部内容需要两学期。一个学期的课程可以按教师和学生的兴趣选择书中的部分章节。本书也可以用于研究生教学（可能需要加入参考文献中建议的主要资料）。本书的网站http://aima.cs.berkeley.edu 上有教学大纲样本。唯一的前提是对计算机科学中基本概念（算法、数据结构、复杂性）的熟悉程度达到大学二年级水平。大学一年级时学习的微积分和线性代数对一些主题也很有用；必要的数学背景列在附录A 中。 每章最后都有习题。这些习题最好借助http://aima.cs.berkeley.edu 的代码库加以解决。部分习题足够大，可以用作学期项目。一些习题要求对文献进行调研。 书中索引大约有6000 个词条，以帮助读者查找信息。 使用网站 本书网站http://aima.cs.berkeley.edu 上包含： 书中算法的多种程序设计语言的实现。 超过1000 所使用本书的学校列表，多数包括对在线课程资源和教学大纲的链接。 800 多个含有有用AI 内容的网站列表及相关注释。 逐章列出了补充材料及其链接。 如何加入本书讨论组的介绍。 如何联系作者，提出问题和建议的介绍。 错误在所难免，关于如何报告书中错误的介绍。 为教师准备的幻灯片及其他资源。 致谢 即使名字未能列在封面上，但离开了这些人的贡献是不可能有本书的。Jitendra Malik 和David Forsyth 撰写了第24 章（感知），Sebastian Thrun 撰写了第25 章（机器人学）。Vibhu Mittal 撰写了第22 章（自然语言处理）的一部分。Nick Hay，Mehran Sahami 和Ernest Davis 编写了书中的一些习题。Zoran Duric（George Mason），Thomas C. Henderson（Utah），Leon Reznik（RIT），Michael Gourley（Central Oklahoma ）和Ernest Davis（NYU）审阅了书稿并给出了有益的建议。我们要特别感谢Ernie Davis，他不知疲倦地阅读了多个草稿，使本书提高了水准。Nick Hay 整理了参考文献，并在截止日到来之际彻夜未眠编写代码直到清晨五点半，使本书变得更好。Jon Barron 使本版的图表更加规范更具水准，而Tim Huang、Mark Paskin 和Cynthia Bruyns 在上一版的图表和算法上提供了帮助。Ravi Mohan 和Ciaran O’Reilly 编写并维护了网站上的Java 代码。John Canny 编写了第一版的机器人学，Douglas Edwards 考察了历史注释。Pearson 的Tracy Dunkelberger、Allison Michael 、Scott Disanno 和Jane Bonnell 等人竭尽全力帮助我们保持进度并给出了很多有益的建议。最有帮助的是Julie Sussman，P.P.A.，她阅读了每一章并提供了大量的改进。上一版的校稿人员会告诉我们掉了一个逗号，该是that 的地方写成了which；Julie 会指出我们掉了一个减号，在该写xj的地方写成了xi。对于书中的拼写错误和容易产生困惑的描述，让人放心的是Julie 至少修订了五处。她甚至在停电没有LCD 时也坚持用灯笼工作。 Stuart 感谢他的父母不断的支持和鼓励，感谢他的妻子Loy Sheflott 的无尽耐心和无穷智慧。他希望Gordon 、Lucy、George 和Isaac 在原谅他花费很多时间在这本书上之后，能很快读到本书。RUGS（Russell's Unusual Group of Students，Russell 的非常学生小组）一如既往地提供了非同寻常的帮助。 Peter 感谢他的父母（Torsten 和Gerda）帮助他迈出的第一步，感谢他的妻子（Kris），孩子（Bella和Juliet），以及所有在他长时间的写作与更长时间的改写过程中鼓励和宽容他的同事和朋友们。 感谢伯克利（Berkeley）、斯坦福（Stanford ）和NASA 图书馆的工作人员以及CiteSeer 、维基百科和Google 的开发人员，是他们为我们带来了研究方式的彻底变革。我们无法感谢到所有使用过本书并为本书提出过建议的读者，不过我们在此还是要感谢来自下面这些读者的特别有益的意见：Gagan Aggarwal, Eyal Amir, Ion Androutsopoulos, Krzysztof Apt, Warren Haley Armstrong, Ellery Aziel, Jeff Van Baalen, Darius Bacon, Brian Baker, Shumeet Baluja, Don Barker, Tony Barrett, James Newton Bass, Don Beal, Howard Beck, Wolfgang Bibel, John Binder, Larry Bookman, David R. Boxall, Ronen Brafman, John Bresina, Gerhard Brewka, Selmer Bringsjord, Carla Brodley, Chris Brown, Emma Brunskill, Wilhelm Burger, Lauren Burka, Carlos Bustamante, Joao Cachopo, Murray Campbell, Norman Carver, Emmanuel Castro, Anil Chakravarthy, Dan Chisarick, Berthe Choueiry, Roberto Cipolla, David Cohen, James Coleman, Julie Ann Comparini, Corinna Cortes, Gary Cottrell, Ernest Davis, Tom Dean, Rina Dechter, Tom Dietterich, Peter Drake, Chuck Dyer, Doug Edwards, Robert Egginton, Asma’a El-Budrawy, Barbara Engelhardt, Kutluhan Erol, Oren Etzioni, Hana Filip, Douglas Fisher, Jeffrey Forbes, Ken Ford, Eric Fosler-Lussier, John Fosler, Jeremy Frank, Alex Franz, Bob Futrelle, Marek Galecki, Stefan Gerberding, Stuart Gill, Sabine Glesner, Seth Golub, Gosta Grahne, Russ Greiner, Eric Grimson, Barbara Grosz, Larry Hall, Steve Hanks, Othar Hansson, Ernst Heinz, Jim Hendler, Christoph Herrmann, Paul Hilfinger, Robert Holte, Vasant Honavar, Tim Huang, Seth Hutchinson, Joost Jacob, Mark Jelasity, Magnus Johansson, Istvan Jonyer, Dan Jurafsky, Leslie Kaelbling, Keiji Kanazawa, Surekha Kasibhatla, Simon Kasif, Henry Kautz, Gernot Kerschbaumer, Max Khesin, Richard Kirby, Dan Klein, Kevin Knight, Roland Koenig, Sven Koenig, Daphne Koller, Rich Korf, Benjamin Kuipers, James Kurien, John Lafferty, John Laird, Gus Larsson, John Lazzaro, Jon LeBlanc, Jason Leatherman, Frank Lee, Jon Lehto, Edward Lim, Phil Long, Pierre Louveaux, Don Loveland, Sridhar Mahadevan, Tony Mancill, Jim Martin, Andy Mayer, John McCarthy, David McGrane, Jay Mendelsohn, Risto Miikkulanien, Brian Milch, Steve Minton, Vibhu Mittal, Mehryar Mohri, Leora Morgenstern, Stephen Muggleton, Kevin Murphy, Ron Musick, Sung Myaeng, Eric Nadeau, Lee Naish, Pandu Nayak, Bernhard Nebel, Stuart Nelson, XuanLong Nguyen, Nils Nilsson, Illah Nourbakhsh, Ali Nouri, Arthur Nunes-Harwitt, Steve Omohundro, David Page, David Palmer, David Parkes, Ron Parr, Mark Paskin, Tony Passera, Amit Patel, Michael Pazzani, Fernando Pereira, Joseph Perla, Wim Pijls, Ira Pohl, Martha Pollack, David Poole, Bruce Porter, Malcolm Pradhan, Bill Pringle, Lorraine Prior, Greg Provan, William Rapaport, Deepak Ravichandran, Ioannis Refanidis, Philip Resnik, Francesca Rossi, Sam Roweis, Richard Russell, Jonathan Schaeffer, Richard Scherl, Hinrich Schuetze, Lars Schuster, Bart Selman, Soheil Shams, Stuart Shapiro, Jude Shavlik, Yoram Singer, Satinder Singh, Daniel Sleator, David Smith, Bryan So, Robert Sproull, Lynn Stein, Larry Stephens, Andreas Stolcke, Paul Stradling, Devika Subramanian, Marek Suchenek, Rich Sutton, Jonathan Tash, Austin Tate, Bas Terwijn, Olivier Teytaud, Michael Thielscher, William Thompson, Sebastian Thrun, Eric Tiedemann, Mark Torrance, Randall Upham, Paul Utgoff, Peter van Beek, Hal Varian, Paulina Varshavskaya, Sunil Vemuri, Vandi Verma, Ubbo Visser, Jim Waldo, Toby Walsh, Bonnie Webber, Dan Weld, Michael Wellman, Kamin Whitehouse, Michael Dean White, Brian Williams, David Wolfe, Jason Wolfe, Bill Woods, Alden Wright, Jay Yagnik, Mark Yasuda, Richard Yen, Eliezer Yudkowsky, Weixiong Zhang, Ming Zhao, Shlomo Zilberstein 以及我们尊敬的同事匿名审稿者。 关于作者 Stuart Russell 1962 年生于英格兰的Portsmouth 。他于1982 年以一等成绩在牛津大学获得物理学学士学位，并于1986 年在斯坦福大学获得计算机科学的博士学位。之后他进入加州大学伯克利分校，任计算机科学教授，智能系统中心主任，拥有Smith-Zadeh 工程学讲座教授头衔。1990 年他获得国家科学基金的“总统青年研究者奖”（Presidential Young Investigator Award），1995 年他是“计算机与思维奖”（Computer and Thought Award ）的获得者之一。1996 年他是加州大学的Miller 教授（Miller Professor），并于2000 年被任命为首席讲座教授（Chancellor’s Professorship）。1998 年他在斯坦福大学做过Forsythe 纪念演讲 （Forsythe Memorial Lecture）。他是美国人工智能学会的会士和前执行委员会委员。他已经发表100 多篇论文，主题广泛涉及人工智能领域。他的其他著作包括《在类比与归纳中使用知识》（The Use of Knowledge in Analogy and Induction），以及（与Eric Wefald 合著的）《做正确的事情：有限理性的研究》（Do the Right Thing: Studies in Limited Rationality）。 Peter Norvig 现为Google 研究院主管（Director of Research），2002－2005 年为负责核心Web 搜索算法的主管。他是美国人工智能学会的会士和ACM 的会士。他曾经是NASA Ames 研究中心计算科学部的主任，负责NASA 在人工智能和机器人学领域的研究与开发，他作为Junglee 的首席科学家帮助开发了一种最早的互联网信息抽取服务。他在布朗 （Brown）大学获得应用数学学士学位，在加州大学伯克利分校获得计算机科学的博士学位。他获得了伯克利“卓越校友和工程创新奖”，从NASA 获得了“非凡成就勋章”。他曾任南加州大学的教授，并是伯克利的研究员。他的其他著作包括《人工智能程序设计范型：通用Lisp 语言的案例研究》（Paradigms of AI Programming: Case Studies in Common Lisp ）和 《Verbmobil ：一个面对面对话的翻译系统》（Verbmobil: A Translation System for Face-to-Face Dialog），以及《UNIX 的智能帮助系统》（Intelligent Help Systems for UNIX）。
StuartRussell，1962年生于英格兰的Portsmouth。他于1982年以一等成绩在牛津大学获得物理学学士学位，并于1986年在斯坦福大学获得计算机科学的博士学位。之后他进
StuartRussell，1962年生于英格兰的Portsmouth。他于1982年以一等成绩在牛津大学获得物理学学士学位，并于1986年在斯坦福大学获得计算机科学的博士学位。之后他进入加州大学伯克利分校，任计算机科学教授，智能系统中心主任，拥有Smith-Zadeh工程学讲座教授头衔。1990年他获得国家科学基金的“总统青年研究者奖”（PresidentialYoung Investigator Award），1995年他是“计算机与思维奖”（Computer and ThoughtAward）的获得者之一。1996年他是加州大学的Miller教授（MillerProfessor），并于2000年被任命为首席讲座教授（Chancellor'sProfessorship）。1998年他在斯坦福大学做过Forsythe纪念演讲（Forsythe MemorialLecture）。他是美国人工智能学会的会士和前执行委员会委员。他已经发表100多篇论文，主题广泛涉及人工智能领域。他的其他著作包括《在类比与归纳中使用知识》（TheUse of Knowledge in Analogy abd Induction）．以及（与EricWefald合著的）《做正确的事情：有限理性的研究》（Do the Right Thing: Studies in LimitedRationality）。
第1部分 人工智能
第1章 绪论 1.1 什么是人工智能 1.2 人工智能的基础 1.3 人工智能的历史 1.4 最新发展水平 1.5 本章小结 参考文献与历史注释 习题 第2章 智能Agent 2.1 Agent和环境 2.2 好的行为：理性的概念 2.3 环境的性质 2.4 Agent的结构 2.5 本章小结 第1部分 人工智能 第Ⅱ部分 问题求解 第Ⅲ部分 知识、推理与规划 第Ⅳ部分 不确定知识与推理
你还可能感兴趣
我要评论
|
