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。以前的教科书也会涉及专门的编程语言，习惯性地用几章来介绍 Prolog和 Lisp。如今，将这些语言纳入入门教科书已不再必要。它们有用，但并不重要。 那么，入门教科书应该包括哪些内容呢？笔者认为，AI的基础是由两个问题来界定的。第一，如何编写能够解决棘手问题的程序？第二，如何赋予计算机推理能力，甚至是论证能力？在解决问题方面，经典AI依赖于在潜在解决方案空间中进行搜索的技术。此外，现代AI还加入了受生物启发的替代技术，如遗传算法和时下流行的群体智能。 在自动推理方面，它依赖于知识表示和推理技术。其中大多数都利用了一阶逻辑，但仅靠逻辑是不够的。人类的思维很容易处理不可靠的、不确定的、不完整的，有时甚至是完全误导的信息。AI科学家问自己如何实现类似的目标，他们的答案依赖于概率论、模糊集理论和其他一些范例。所有这些努力最终导致专家系统的出现，即旨在模仿人类专家思维过程的软件包。 关于AI的教材从来都不缺，每一代都有很多。最著名的著作无论是在其范围还是在作者的博学程度上都令人印象深刻。然而，其中一些看起来更像手册或百科全书。虽然学术性、知识性强，但并不针对初学者，而只是为对高级领域感兴趣的专家提供了宝贵的材料，因此它们并不能被推荐给想看到易于理解的介绍的读者。此外，它们往往太厚重，难以在校园里携带。 正是基于这些想法，笔者开始了撰写工作。笔者的初衷是写一本有内涵的书，以通俗易懂、大小适中的篇幅介绍AI的基础。想让前面的章节为后面的章节做好铺垫，为每一个新的主题提供动力。力求提供实用的建议，甚至特意降低了理论深度。没有人仅能通过掌握算法就成为AI专家。相反，我们必须知道在什么情况下使用哪种算法，如何将它们结合起来，以及如何调整它们以适应现实应用的具体需求。所有这些，笔者都希望能够做到。 最后重要的一点是，AI不只是表面上的东西。每种算法都有自己的故事、历史背景，以及促使其诞生的特定需求。这一切也需要我们去了解。对全局的把控有助于培养对这门学科的热爱，从而使研究更有乐趣。这也是我在可能的情况下加入背景信息的原因，因为我认为这个领域值得我这样做。毕竟，我们面对的是人类最伟大的技术成就之一的诞生、成长和成熟。 米罗斯拉夫·库巴特

• 暂无课件
• 暂无样章
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接