前　　言人工智能是计算机科学的一个分支，是一门研究机器智能的学科，即用人工的方法和技术研制智能机器或智能系统来模仿、延伸和扩展人的智能，实现智能行为。参考文献[2]给出了有代表性的人工智能的8种定义（如表1所示）。该表按上下、左右两个维度排列，上面4个定义关注思维过程与推理，下面4个定义则强调行为。左侧的定义根据与人类表现的逼真度来衡量成功与否，右侧的定义则依靠一个称为合理性的理想表现量来衡量。一个系统若能基于已知条件“正确行事”，那么它就是合理的。 表1　组织成四类的人工智能的若干定义像人一样思考合理地思考　“使计算机思考的令人激动的新成就……按完整的字面意思就是：有头脑的机器”（Haugeland,1985）　“与人类思维相关的活动，诸如决策、问题求解、学习等的‘自动化’”(Bellman,1978)　“通过使用计算模型来研究智力”（Charniak ＆ McDermott,1985）　“使感知、推理和行动成为可能的计算的研究”（Winston,1992）像人一样行动合理地行动　“创造能执行一些功能的机器的技艺，当由人来执行这些功能时需要智能”（Kurzweil,1990)　“研究如何使计算机能做那些目前人比计算机更擅长的事情”（Rich和Knight,1991）　“计算智能研究智能体的设计”(Poole等人，1998）　“AI……关心人工制品中的智能行为”(Nilsson,1998）人工智能一般可分为符号智能和计算智能。符号智能是传统人工智能，它以物理符号系统为基础，研究知识表示、获取、推理的过程。运用知识解决问题是符号智能最基本、最重要的特点。20世纪80年代兴起的知识工程侧重研究知识信息处理的方法和技术，促进了人工智能的发展。计算智能以数据为基础，包括神经计算、模糊系统、遗传算法、进化规划等。20世纪90年代兴起的智能信息处理反映了这种综合、交叉的研究趋势。进入21世纪以来，其在机器学习、知识发现、多智能体系统、互联网智能等方面取得了许多重要的进展。 典型应用概述人工智能的长期目标是建立人类水平的人工智能。人工智能诞生60年来，在崎岖不平的道路上取得了可喜的进展，特别是给与机器学习、数据挖掘、计算机视觉、专家系统、自然语言处理、规划和智能机器人等相关的应用带来了良好的经济效益和社会效益。广泛使用的互联网应用知识表示和推理，构建语义Web，提高了互联网信息的利用率。信息化的必然趋势是智能化，智能革命将开创人类后文明史。如果说蒸汽机创造了工业社会，那么智能机也能实现社会生产的自动化和智能化，促进知识密集型经济的大发展。近年来，人工智能界引人关注的热点不断，如： ●2015年7月26~27日，中国人工智能大会（CCAI 2015）在北京召开。李德毅院士报告的“脑认知的形式化”，讲述了脑认知的神经学方法与物理学方法，指出人脑成长的认知性和社会性，提出了脑认知如何度量的问题；在脑认知的形态上认为记忆认知、计算认知、交互认知是关键，脑认知的核心是记忆认知；报告着重介绍了机器驾驶脑的形式化及其实现思路，划分为感知、认知、行为三个阶段；报告还阐述了机器驾驶脑形式化的普适性，并提出了脑科学和人工智能交叉研究载体的建议。大会设置了机器学习与模式识别、大数据的机遇与挑战、人工智能与认知科学、人工智能与机器人的未来共四场主题论坛。 ●李国杰院士在《中国计算机学会通讯》2015年第8期的主编评语中指出：“我们是不是可以从更新、更宽广的角度思考机器学习和类脑计算。”文中提及美国工程院院士霍金斯的观点：大脑不是“计算”出问题的答案，而是从记忆中提取答案。霍金斯猜想：智能的本质是“预测”，并据此提出了智能的“记忆预测框架”。 ●美国武装部队研发出一套人工智能界面，能够帮助识别和分类大量的图片，并协助军方寻找潜在的恐怖袭击等威胁。在面对庞大的互联网图片资源时，军方想要的不单单是识别，还需要极高的识别精确度和准确的分类。它最强大的地方莫过于能够处理庞大的图片数据库，识别图片的内容，然后根据内容将所有图片分类（智能界，2015-07-07）。 ●语音将再度流行。语音正是我们同我们的互联家庭进行互动的最完美途径。“想象一个场景，你问你的雨伞今天是否会下雨，是否应该带它出门，而你的雨伞回答道，‘当然应该带上我，今天会下雨!’这是一件多么酷的事情。”澳大利亚的维斯认为，机器视觉技术将重新迸发活力，并应用到人们的智能手机中。他举例说，如果你打算带一瓶酒去参加圣诞节的百乐餐，拿出手机就可以捕捉这瓶酒的图像，然后通过视觉搜索就能够得到关于这瓶酒的所有信息，它比文本搜索的准确率高出30%，这将是一种美妙的体验。维斯表示，智能手机的机器视觉将能够比人类更好地识别图像（中国信息产业网，2015-6-30）。 ●人工智能与其他商业模式将更加紧密地结合。微软“小冰”是一款人工智能机器人，通过大数据、深度神经网络等技术，超越简单人机对话的自然交互。“小冰”的人机对话轮数可达到23，即每次与用户的对话平均可持续23轮。以往人工智能的内容100%来自搜索引擎大数据构建系统内容，但现在“小冰”已有45%的对话能力来自人机交互中的自我完善和自我学习（新华社，2015-8-21）。 ●IBM开发了一款基于云计算的人工智能文本分析工具（Tone Analyzer），能对电子邮件、博客文章以及手机短信进行感情色彩分析，以确定它的措辞是否如实地表达了你的愤怒、肯定、高兴或者悲伤等感情。这一试验性的功能或将改变未来商家和营销人员同消费者、客户的沟通方式（2015-7-20）。阿根廷研究人员开发出一种基于西班牙语的人工智能程序（名为“人格洞察力”），可以分析被测试者的微博、论坛帖子、社交网站的评论或者公开演讲，然后与心理学模型所提供的100个参数进行相关度比对，从而描绘被测试者的人格特征（新华社，2015-8-13）。 ●2015世界机器人大会于2015年11月23~25日在国家会议中心（北京）举行，由2015世界机器人论坛、2015世界机器人博览会、2015世界青少年机器人邀请赛三大板块组成。大会围绕世界机器人研究和应用重点领域以及智能社会创新发展，开展高水平的学术交流和最新成果展示。邀请赛包括WRO常规赛和VEX机器人工程挑战赛。 ●2015年10月，由GoogleDeepMind开发的人工智能围棋程序AlphaGo（阿尔法狗）以5∶0战胜欧洲围棋冠军樊麾。2016年3月15日，AlphaGo以4∶1战胜世界围棋冠军李世石。 ●AlphaGo开发出了自我学习的功能。它最初通过模仿人类玩家，在达到一定熟练程度之后，可以通过与自己对弈来提升棋力。同时，AlphaGo使用蒙特卡洛树搜索，借助值网络与策略网络这两种深层神经网络合作挑选棋步。通过值网络来计算局面，评估大量选点，抛弃某些线路，并通过策略网络选择落点，从而将计算量控制在计算机可完成的范围内。 我们相信，人工智能必将对人类和社会走向智能化起到积极作用。本书特色随着智能时代的到来，“人工智能”课程将焕发出越来越旺盛的生命力。传统的“人工智能”课程偏重理论，随着智能技术的不断发展，在课程中强化实践内容，理论与实践相结合成为课程发展的主要趋势。为此，我与国防科技大学毛新军教授、武汉工程大学张彦铎教授等人一起撰写了本书。希望读者在学习理论的同时，通过习题、课程大作业掌握人工智能的基本方法，并能将其用于解决实际问题。 本书共分10章，每章包含四方面的内容，一是知识要点，二是案例分析，三是习题解析（因为篇幅问题，解析部分将作为教辅资料提供，使用本书的师生可从华章网站www.hzbook.com下载），四是思考题。第1章是绪论，从人工智能的认知问题出发，介绍本书撰写的指导思想，简要介绍人工智能的研究内容及应用领域、发展动态，案例包括SP先生谜题、NIM问题。第2章讨论知识表示和推理，概述命题逻辑、谓词逻辑、归结推理、产生式系统、语义网络、框架、脚本等知识表示和推理方法，介绍了基于知识系统的框架，案例分析包括传教士和野人问题、量水问题、汉诺塔问题、一个基于逻辑的财务顾问、电路领域的知识工程。第3章讨论一般搜索技术，概述了盲目搜索、启发式搜索、问题归约和AND-OR图启发式搜索、博弈等方法和技术，案例分析包括八皇后问题、洞穴探宝、五子棋等。第4章讨论高级搜索，内容包括爬山法搜索、模拟退火搜索、遗传算法，案例分析分别介绍应用爬山算法、模拟退火算法和遗传算法求解旅行商问题。第5章讨论不确定知识表示和推理，概述了非单调逻辑、主观Bayes方法、确定性理论、证据理论、模糊逻辑和模糊推理，案例分析包括有经纪人的交易、小型动物分类专家系统。第6章讨论了智能体和多智能体系统，概述了智能体与多智能体系统的概念与示例、智能体的体系结构、智能体间的交互与协同、多智能体系统的应用，介绍了多智能体系统的实现方式和多智能体系统开发框架JADE，重点对火星探矿机器人进行了案例分析。第7章讨论自然语言处理技术，概述了词法分析、句法分析、语义分析、大规模真实文本的处理技术，重点介绍了信息搜索、机器翻译、语音识别技术，案例分析包括在线汉英互译举例分析、单词音节划分、人民日报的词频统计、中文语句自动分析、美国地理信息查询系统。第8章讨论机器学习和神经网络，主要介绍基于符号的机器学习方法（包括机械学习、归纳学习、决策树学习、基于范例的学习、解释学习、强化学习）和基于神经网络的学习，案例分析包括感知器分类、非线性可分的分类问题、基于反向传播网络拟合曲线。第9章讨论智能规划，概述了状态空间搜索规划、偏序规划、命题逻辑规划、分层任务网络规划、非确定性规划、多智能体规划，案例分析包括Shakey世界和规划问题的建模与规划系统的求解过程。第10章讨论机器人学，概述了机器人的分类、特性及研究领域、应用与展望，介绍了机器人系统、机器人的编程模式与语言，对机器人足球进行了案例分析。本书既可作为课程教材单独使用，也可与其他人工智能教材（如《人工智能》（第2版）》（参考文献[1]等）配套使用。 本书给出了27个问题的案例分析，设计了50道思考题。思考题的设计参考了《人工智能：一种现代的方法（原书第3版）》（参考文献[2]）、《中国计算机学会通讯》、中国计算机学会“技术动态”等资料，特此致谢。 本书第3、4、9、10章由张彦铎、蔡敦波撰写，第6章由毛新军撰写，郑笛撰写了第7章习题及解析和案例分析部分，其余各章（包括第3章案例分析及部分习题和解析）由贲可荣撰写。全书由贲可荣统稿。张献绘制了部分图形并开发了NIM问题程序，王求真开发并实现了第6章的案例软件，一并致谢。 撰写本书是一项具有挑战性的工作，许多问题没有标准答案，因此本书的答案只能看成参考答案。毛新军教授为本教材建立了网站，网站地址为http://www.trustie.net/projects/657，名称为“人工智能实践教程社区”。我们将通过网站提供实验工具平台、参考答案代码，欢迎读者提出宝贵意见，并在网站讨论专区参与讨论。 贲可荣