本书专注于当今人工智能的核心技术和过程，包括章节总结、历史概述、练习、计算机作业、思维实验，以及强化关键概念的控制题；借助可视化图形来说明基本思想，通过易于遵循的示例来说明如何在实际实现中使用这些思想。本书可作为人工智能、计算机科学与技术、控制科学与工程、优化理论等专业本科生、研究生的专业课教材，也可供计算机科学与技术、控制科学与工程、人工智能网络优化等领域的科技人员参考。

"（美）米罗斯拉夫·库巴特（MIROSLAV KUBAT），迈阿密大学电气与计算机工程名誉副教授。教授人工智能及相关课程超过25年。发表了 100 多篇同行评审论文，是商业上成功的教科书《机器学习导论》的作者。 罗俊海，电子科技大学副教授、硕士生导师。长期从事智能数据处理、目标检测和网络安全的教学和科研工作。主持过国家自然科学基金项目、四川省科技厅基金项目、总装预研基金项目和中央高校基本科研业务项目等15项。参与制订标准6项，发表文章60余篇，其中SCI检索50余篇。申请和授权发明专利共30余项，获得四川省科技进步奖二等2项，三等1项。出版《多源数据融合和传感器管理》《物联网系统开发及应用实战》《使用HTML和CSS开发WEB网站》《实用MATLAB深度学习基于项目的方法》（译著）《Python深度强化学习—使用PyTorch, TensorFlow 和OpenAI Gym》等8部教材和专著。"

前言 心理学家和哲学家总是难以确定智能的本质——无论是自然智能，还是人工智能（AI）。这也难怪。这种现象难以捉摸，也不愿意被固化为定义、特征和描述。现代技术学家对抽象的论证持怀疑态度，他们赞同实用主义的观点： AI是一门研究算法、数据结构，甚至数学定理的学科，它能让计算机在传统编程难以胜任的领域发挥应有的作用。 AI并非刚刚才诞生。当人们还对第二次世界大战记忆犹新的时候，就已经萌生了最初的想法。随后是漫长的紧张发展期，充满了大胆的承诺、痛苦的失望、惊人的发现、意想不到的障碍、真正的革命和无数的曲折。每隔一段时间，就会有一种令人着迷的新奇事物进入人们的视线，自我标榜为解决所有挑战和难题的终极答案——但几年后就会被另一种更巧妙的事物取代。不过，几代学者的共同努力逐渐结出了硕果。AI对我们生活的影响已不容忽视。高薪行业对AI的兴趣与日俱增，使其在高等院校本科生中大受欢迎，AI相关入门级课程现在也十分抢手。 如何满足这一需求？入门课程应该是什么样的？它应该涵盖哪些主题？什么才是AI的精髓？这些都是有良知的教育工作者必须面对的问题。关于这些问题的回答经历了各个不同阶段的演变。 早期的AI先驱有着远大的抱负。除了推理和解决问题，AI还涉及计算机视觉、自然语言处理、机器学习，甚至机器人技术。然而，随着时间的推移，其中一些领域已经偏离了方向。他们在自己的专业课程中授课，依赖自己的教科书，采用的技术与他们的母学科已无太多联系。当然，视觉、语言理解和学习能力是任何智能行为都包含的，但是，它们早已走出了AI的摇篮，在很大程度上变得独立了。以前的教科...