第一章 緒論
智能：智能是知識與智力的總和。知識是一切智能行為的基礎，智能是獲取知識，運用知識求解問題的能力。
智能的特征：具有感知能力、具有記憶和思維能力、具有學習能力、具有行為能力。
人工智能：人工智能是用人工的方法在機器上實現的智能。
人工智能研究的基本內容：知識表示、機器感知、機器思維、機器學習（機器學習就是研究如何使計算機具有類似於人類的學習能力，使他能通過學習自動的獲取知識）、機器行為。
人工智能的主要研究領域：
1、自動定理證明；2、博弈；3、模式識別；4、機器視覺；5、自然語言理解；6、智能信息檢索；、7數據挖掘與知識發現；8、專家系統；9、自動程序設計；10、機器人；11、組合優化問題；12、人工神經網絡；13、分布式人工智能與多智能體；14、智能控制；15、智能仿真；16、智能CAD；17智能CAI；18、智能管理與智能決策；19、智能多媒體系統；20、智能操作系統；21智能計算機系統；22、智能通信；23、智能網絡系統；24、人工生命。
第二章 知識表示
知識：把有關信息關聯在一起所形成的信息結構。
知識的特性：相對正確性、不確定性、可表示性、可利用性。
知識的分類：按知識的作用范圍分類可分為常識性知識和領域性知識；按知識的作用及表示可分為事實性知識、過程性知識和控制性知識；按知識的結構和表示形式可分為邏輯性知識和形象性知識；按知識的確定性可分為確定性知識和不確定性知識。
知識表示：知識表示就是將人類的知識形式化或者模型化。
知識的表示方法：一階謂詞邏輯、產生式、框架、狀態空間、人工神經網絡、遺傳編碼。如何選擇：根據知識的作用范圍、知識的組織形式、知識的利用程度、知識的理解和實現。
一階謂詞邏輯
命題：命題是非真即假的陳述句。
謂詞：包含個體和個體與個體性質關系的一種表示形式。
謂詞公式表示知識的一般步驟：
1、定義謂詞及個體，確定每個謂詞及個體的確切定義。
2、根據要表達的事物或概念，為謂詞中的變元賦以特定的值。
3、根據語義把適當的連接符號將各個謂詞連接起來，形成謂詞公式。
一階謂詞邏輯表示法的優缺點
優點：自然性，精確性、嚴密性和容易實現。
缺點：不能表示不確定的知識、組合爆炸、效率低。
產生式
產生式系統包括：規則庫、綜合數據庫、控制系統（推理機）。
規則庫：用來描述相應領域內知識的產生式集合
綜合數據庫：一個用來存放問題求解過程中各種當前信息的數據結構。
控制系統：一組程序組成，負責整個產生式系統的運行，實現對問題的求解。
產生式表示的優缺點
優點：自然性、模塊性、有效性、清晰性。
缺點：效率低、不能表達結構性知識。
產生式表示法適合表示的知識類型
1、有許多相互獨立的知識元組成的領域性知識，彼此間結構不密切，不存在結構關系。
2、具有經驗性和不確定性的知識，而且相關領域沒有嚴格統一的理論。
3、領域問題的求解過程可被表示為一系列相互獨立的操作，且每個操作可被表示為一個或多個產生式規則。
第三章 確定性推理方法
推理：從初始證據出發，按某種策略不斷運用知識庫中已有的知識，逐步推出結論的過程叫推理。
推理方式及其分類
按推理出結論的途徑來划分：演繹推理、歸納推理、默認推理。
按推理時所用知識的確定性來划分：確定性推理、不確定性推理。
按推理過程中結論是否越來越接近目標來划分：單調推理、非單調推理。
按推理過程中是否運用和推理有關的啟發式知識來划分：啟發式推理、非啟發式推理。
推理的方向：正向推理、逆向推理、混合推理和雙向推理。
沖突消解策略：針對性排序、新鮮度排序、條件個數排序、匹配度排序。
自然演繹推理：從一組已知為真的數據出發，直接運用經典邏輯的推理規則推出結論的過程，叫自然演繹推理。
不確定性推理：從不確定性的初始證據出發，通過運用不確定性的知識，最終推出具有一定程度不確定性但合理或者近乎合理的結論的思維過程。
子句：任何文字及任何文字的析取式。
謂詞公式化為子句集的步驟
1、消去謂詞公式中的蘊含和等價符號。
2、把否定符號轉移到緊靠謂詞之前。
3、變量標准化。
4、消去存在量詞。
5、化為前束式。
6、化為Skolem標准型。
7、固化（略去全稱量詞）。
8、消去合取式，把母式用子句集表示。
9、子句變量標准化，即每個子句的變量符號不同。
模糊決策：最大隸屬度法、加權平均判決法、中位數法。
第五章 搜索求解策略
搜索中需要解決的基本問題
1、搜索過程中是否一定能找到一個解。
2、搜索過程中是否終止運行或是否陷入死循環。
3、當搜索過程中找到一個解時，找到的是否是最佳解。
4、搜索過程是時間和空間復雜度如何。
搜索的主要過程
1、從初始狀態或者目的狀態出發，並作為當前狀態。
2、掃描操作算子集，將適用於當前狀態的操作算子作用於當前狀態得到新狀態，並建立指向父親節點的指針。
3、檢查新狀態是否滿足結束狀態，如果滿足，得到問題的一個解，並沿着指針從結束狀態到達開始狀態，給出一條解路徑；否則，把新狀態當做當前狀態，繼續2步驟。
盲目搜索：是指在特定問題不具有任何有關信息的情況下，按固定的步驟進行的搜索；他能快速的調用一個操作算子。
啟發搜索：考慮問題領域可運用的知識，動態調用操作算子的步驟；優先選擇較為合適的操作算子；盡量較少不必要的搜索，以求最快到達結束狀態，提高搜索效率。
狀態空間表示法：利用狀態變量和操作符合，表示系統或問題的有關知識的符合系統。
回溯策略：是當前遇到不可解的結點時回溯到路徑中最近的父節點上，查看該節點是否還有其他子節點未被擴展，若有則沿着子節點繼續搜索，若找到目標，就退出搜索，返回路徑。
SNS的子節點分為三類：全新節點、已出現在OPEN表中的節點、已出現在CLOSE表中的節點。
全新節點：加入OPEN表中，並建立子節點到父節點的指針。
已出現在OPEN表中的節點：比較節點經由新老父親節點到達初始節點的路徑代價，如果經新父親節點的代價較小，則移動子節點到新父親節點。
已出現在CLOSE表中的節點：如果其最優值比當前最優值要高，則離開CLOSE表，重新加入OPEN表中。
A*搜索算法：定義h*（n）為狀態n到目的狀態的最優路徑代價，則當A搜索算法的啟發函數好h（n）小於等於h*（n），即滿足h（n）<=h*（n），對所有節點n時，A搜索算法成為A*搜索算法。
A*搜索算法的特性：可采納性、單調性、信息性。
可采納性：在搜索圖中存在從初始狀態到目標狀態的解答路徑的情況下，若一個算法總能找到最短解答路徑，那么稱該算法具有可采納性。
第七章 專家系統與機器學習
專家系統的產生和發展
1、DENDRAL和MYCSYMA系統是專家系統發展的第一階段；
特點：高度的專業化、專門問題求解能力強，但是結構、功能不完整，移植性差，缺乏解釋能力。
2、AM、MYCIN和HEARSAY系統是專家系統發展的第二階段；
特點：單學科專業型專家系統、系統結構完整，功能較全面，移植性好、具有推理解釋功能，透明性好、采用啟發式推理，不精確推理、用產生式規則表達知識、用限定性英語進行人機交互。
3、施肥專家系統、OPS5專家系統。
專家系統：是一種智能的計算機系統，它運用知識和推理來解決只有專家才能解決的復雜問題（是一種模擬專家決策能力的計算機系統）。
專家系統的特點：1具有專家水平的知識；2、能進行有效的推理；3、具有啟發性；4、具有靈活性；5、具有透明性；6、具有交互性。
專家系統和傳統程序
1、編程思想：傳統程序=程序+算法；專家系統=知識+推理。
2、傳統程序：關於問題求解的知識隱含於程序中；專家系統：知識單獨組成知識庫，與推理機脫離。
3、處理對象：傳統程序：數值計算和數據處理；專家系統：符號處理。
4、傳統程序不具有解釋功能；專家系統具有解釋功能。
5、傳統系統：產生正確的答案；專家系統：通常產生正確答案，有時產生錯誤答案。
6、系統的體系結構不同。
機器學習：使計算機能模擬人的學習行為，自動地通過學習獲取知識和技能，不斷改善性能，實現自我完善。
什么情況下開發專家系統是可能的？
1、主要依靠經驗性知識，不需運用大量常識性知識就可解決的任務。
2、有明確的開發目標，且任務不難實現。
3、存在真正的專家領域。
什么情況下開發專家系統
所選任務的大小可駕馭，任務有實用價值。
專家系統的評價：系統設計、測試、運行正確性，有用性。
第十章 自然語言處理及其運用
自然語言理解
微觀角度：從自然語言到機器內部的一個映射。
宏觀角度：使機器能夠執行人類所期望的某種語言功能。
語言處理的層次
1、語法分析
2、句法分析
3、語義分析
4、語音分析
5、語用分析
機器翻譯 1、直譯式、規則式、中介語式、知識庫式等翻譯系統。
語音識別：機器可以把人類的語音轉化為知識的功能。