本书系统地阐述了人工智能的基本原理、实现技术及其应用,全面地反映了国内外人工智能研究领域的**进展和发展方向。全书分为4部分：第1部分是搜索与问题求解,用8章的篇幅系统地叙述了人工智能中各种搜索方法求解的原理和方法,内容包括状态空间和传统的图搜索算法、和声算法、禁忌搜索算法、遗传算法、免疫算法、粒子群算法、蚁群算法和智能体技术等；第2部分为知识与推理,用4章的篇幅讨论各种知识表示和处理技术、各种典型的推理技术,还包括非经典逻辑推理技术和非协调逻辑推理技术以及智能机器人技术；第3部分为学习与发现,用3章的篇幅讨论传统的机器学习算法、神经网络学习算法、数据挖掘与知识发现技术；第4部分为工具与应用,用3章分别讨论大模型开发与应用和专家系统开发技术。这些内容能够使读者对人工智能的基本概念和人工智能系统的构造方法有一个比较清楚的认识,对人工智能研究领域里的**成果有所了解。本书强调先进性、实用性和可读性,可作为计算机、信息处理、自动化和电信等IT 相关专业的高年级本科生和研究生学习人工智能的教材,也可供从事计算机科学研究、开发和应用的教学和科研人员参考。

朱福喜，曾任武汉大学计算机学院教授，博士生导师。浙江大学数学系获学士学位、武汉大学计算机科学系获硕士学位和博士学位。一直从事人工智能方面的教学和科研工作。曾主持和参与了国家自然科学基金项目多项，发表论文100余篇，编写教材和专著20余部。

前言 当人工智能从理论探索走向产业界的规模化应用，从技术热点演变为重塑全球发展格局的核心力量，人工智能教材的迭代升级便成为回应时代变革、培育复合型人才的必然选择。自本书第3版出版以来，人工智能领域的技术突破持续涌现，知识体系不断扩容，应用场景深度渗透，传统教材中滞后的知识点已难以匹配当前学科发展与产业实践的需求，旧版教材的修订与完善刻不容缓。 如果说人工智能的前序发展奠定了技术基础，那么近年来大语言模型（LLM）的爆发式增长则彻底重构了人工智能的技术逻辑与应用边界。从ChatGPT系列、DeepSeek到文心一言、通义千问等主流模型，万亿级参数规模与海量数据训练赋予了人工智能前所未有的自然语言理解、文本生成与跨场景适配能力。这些模型不仅实现了从“特定任务建模”到“通用能力涌现”的跨越，更形成了“预训练—微调—RAG(检索增强生成)”的成熟技术范式，在学术写作、代码开发、智能客服等通用场景，以及医疗病历分析、法律文书审核、工业设计优化等专业领域发挥着核心作用，让人工智能真正走进人类生产、生活的方方面面。这一变革要求教材必须跳出传统算法讲解的局限，系统呈现大模型时代的技术架构与实践路径。 与此同时，知识图谱作为人工智能领域的核心支撑技术，已从早期的理论构建迈向规模化落地阶段。知识图谱通过结构化形式整合领域知识，构建实体、关系与属性的语义网络，既能为大模型提供精准的知识支撑，实现“有据可依”的智能推理，又能在智能搜索、智能推荐、政务治理、金融风控等场景中独立发挥价值。这种“大模型+知识图谱”的融合发展趋势，让知识体系的结构化构建与应用成为人工智能学...