人工智能简史(第2版)电子书

第 2 版前言

前言

第 1 章 达特茅斯会议：人工智能的缘起

1. 背景

2. 达特茅斯会议

3. AI 历史的方法论

4. 会议之后

5. 预测未来：会有奇点吗？

参考文献指南

第 2 章 自动定理证明兴衰纪

1. 自动定理证明的起源

2. 罗宾逊和归结原理

3. 项重写

4. 阿贡小组和马库恩

5. 符号派的内部矛盾：问答系统和归结原理的失落

6. 几何定理证明与计算机代数

7. 定理证明系统和竞赛

8. 哲学问题

9. 现状

10. 结语

参考文献指南

附录1：自动定理证明大事记

附录2：埃尔布朗奖

附录3：几本自动定理证明教科书的评论

第 3 章 从专家系统到知识图谱

1. 费根鲍姆和DENDRAL

2. MYCIN

3. 专家系统的成熟

4. 知识表示

逻辑

心理学与语言学

明斯基的框架

Sowa的概念图

5. 雷纳特和大知识系统

6. 语义网

7. 谷歌和知识图谱

参考文献指南

第 4 章 第五代计算机的教训

1. 背景

2. 理论基础：逻辑程序和Prolog

3. 五代机计划和五代机研究所

4. 并发Prolog

5. 美国和欧洲对日本五代机计划的反应

美国的回应

英国的阿尔维计划

欧洲的ESPRIT

6. 结局和教训

7. 日本还有机会吗：日本下一代人工智能促进战略

参考文献指南

第 5 章 神经网络简史

1. 神经网络的初创文章

2. 罗森布拉特和感知机

3. 神经网络的复兴

4. 深度学习

参考文献指南

第 6 章 计算机下棋简史：机定胜人，人定胜天

1. 机器下棋史前史

2. 跳棋插曲

3. 计算机下棋之初

4.“深蓝”

5. 围棋和AlphaGo

参考文献指南

第 7 章 自然语言处理

1. 乔治敦实验

2. 乔姆斯基和句法分析

3. ELIZA和PARRY

4. 维诺格拉德和积木世界

5. 统计派又来了

6. 神经翻译是终极手段吗？

7. 问答系统和IBM沃森

8. 回顾和展望

参考文献指南

第 8 章 向自然学习：从遗传算法到强化学习

1. 霍兰德和遗传算法

2. 遗传编程

3. 强化学习

4. 计算向自然学习还是自然向计算学习

5. 计算理论与生物学

参考文献指南

第 9 章 哲学家和人工智能

1. 德雷弗斯和《计算机不能干什么》

2. 塞尔和中文屋

3. 普特南和缸中脑

4. 给哲学家一点忠告

第 10 章 人是机器吗？——人工智能的计算理论基础

1. 丘奇-图灵论题：为什么图灵机是最重要的发明？

2. 相似性原则：另一个重要但不太被提及的计算理论思想

3. 超计算

4. BSS实数模型

5. 量子计算

6. 计算理论的哲学寓意

7. 超计算和人工智能

参考文献指南

第 11 章 智能的进化

1. 大脑的进化

2. 能源的摄取和消耗

3. 全社会的算力作为文明的测度

4. 人工智能从哪里来？

5. 人工智能向哪里去：会有超级智能吗？

参考文献指南

第 12 章 当我们谈论生死时，我们在谈论什么？

第 13 章 总结

逻辑主义的演变：从专家系统到知识图谱

连接主义的演变：从神经网络到深度学习

自然主义的演变：从细胞自动机到强化学习

附录 1 图灵小传

附录 2 人工智能前史：图灵与人工智能

附录 3 冯诺伊曼与人工智能

附录 4 计算机与智能

1. 模仿游戏

2. 对新问题的评论

3. 游戏中用到的机器

4. 数字计算机

5. 数字计算机的通用性

6. 主要问题的反方观点

7. 学习机器

参考文献

后记

参考文献

人名对照

作者简介

看完了