主要内容
　　给出聚焦应用和进行实际操作的学习方法，同时提供包含辅助教学资源的网站。
　　包含许多研究习题和答案、例子、定义、理论以及富含说服力的卡通插图。
　　包括谓词逻辑、Prolog、启发式搜索、概率推理、机器学习与数据挖掘、神经网络和强化学习等知识。
　　报告深度学习的进展，这些进展包括应用神经网络去产生有创造性的内容，如文本、音乐和艺术（★新增内容）。
　　分析聚类算法的性能评估，给出两个能解释贝叶斯定理的例子以及它们在日常生活中的相关性（★新增内容）。
　　讨论搜索算法，分析循环校验，解释车辆导航系统的路径规划，还介绍蒙特卡洛树搜索（★新增内容）。
　　讨论人工智能在就业和交通方面的应用（★新增内容）。

读者对象
　　该是入门学习人工智能的理想指南，为计算机科学和相关学科的学生提供了易读易学
　　的人工智能概述。读者仅需具备高中数学知识水平，就能理解该书。

第1章 导论
1．1 什么是人工智能
1．1．1 脑科学与问题求解
1．1．2 图灵测试及聊天机器人
1．2 AI的历史
1．2．1 人工智能的开始
1．2．2 基于逻辑的问题求解
1．2．3 新联接主义
1．2．4 不确定性推理
1．2．5 分布式的自治且有学习能力的智能体
1．2．6 人工智能的进一步发展
1．2．7 人工智能革命
1．3 人工智能与社会
1．3．1 人工智能会抢夺人类的工作吗
1．3．2 AI与交通
1．3．3 服务机器人
1．4 智能体
1．5 基于知识的系统
1．6 练习

第2章 命题逻辑
2．1 句法
2．2 语义
2．3 证明系统
2．4 归结
2．5 Horn子句
2．6 可计算性和复杂性
2．7 应用及限制
2．8 练习
第3章 一阶谓词逻辑
3．1 句法
3．2 语义
3．3 量词和范式
3．4 证明演算
3．5 归结
3．5．1 归结策略
3．5．2 等值
3．6 自动定理证明
3．7 数学例子
3．8 应用
3．9 小结
3．10 练习
第4章 逻辑的局限性
4．1 搜索空间问题
4．2 可判定性和不完备性
4．3 会飞的企鹅
4．4 模型的不确定性
4．5 练习
第5章 Prolog逻辑程序设计
5．1 Prolog系统及实现
5．2 简单例子
5．3 执行控制和过程要素
5．4 列表
5．5 自我修改程序
5．6 规划示例
5．7 约束逻辑编程
5．8 总结
5．9 练习
第6章 搜索、博弈与问题求解
6．1 引言
6．2 无信息搜索
6．2．1 宽度优先搜索
6．2．2 深度优先搜索
6．2．3 迭代深入
6．2．4 对比
6．2．5 循环校验
6．3 启发式搜索
6．3．1 贪婪搜索
6．3．2 A*搜索
6．3．3 A*搜索算法的路径规划
6．3．4 IDA*搜索
6．3．5 搜索算法的经验对比
6．3．6 总结
6．4 对弈
6．4．1 最小最大搜索
6．4．2 Alpha-Beta剪枝
6．4．3 非决定性游戏
6．5 启发式评估函数
6．6 搜索前沿现状
6．6．1 象棋
6．6．2 围棋
6．7 练习
第7章 不确定性推理
7．1 概率计算
7．2 最大熵的原理
7．2．1 概率推理规则
……
第8章 机器学习与数据挖掘
第9章 神经网络
第10章 强化学习
第11章 练习解答