第一章 何谓人工智慧

1.1 定义

1.2 基本假设

1.3 什么是A．I．技术

1.4 模型的层次

1.5 成功与否的标准

1.6 一般的参考书目

1.7 结语

第一部份 问题解决

第二章 问题及问题空间

2.1 以搜寻状态空间的方式来定义问题

2.2 问题的特质

2.3 生产系统的特性

2.4 其他问题

2.5 摘要

2.6 习题

第三章 基本的解题方法

3.1 正向对逆向的推理

3.2 问题树及问题图表

3.3 知识表示及框架问题

3.4 匹配

3.5　启发函数

3.6 弱势方法

3.7 搜寻演算法的分析

3.8 摘要

3.9 习题

第四章 游戏竞局

4.1 概论

4.2 MINIMAX搜寻程序

4.3 加上ALPHA-BETA截断法

4.4 其他的改良方法

4.5 方法的限制

4.6 摘要

4.7 一些特殊游戏的参考资料

4.8 习题

第二部份 知识表示法

第五章 知识的表示法——利用叙述逻辑来表示

5.1 简介表示法

5.2 以逻辑来表示简单的事实

5.3 在表示式中附加可计算的函数叙述

5.4 析解法

5.5 自然演绎法

5.6 摘要

5.7 习题

第六章 以其他逻辑方法表示知识

6.1 简介

6.2 非单调推理方式

6.3 统计和机率式的推理

6.4 摘要

6.5 习题

第七章 知识的结构化

7.1 简介

7.2 宣告表示法

7.3 程序表示法

7.4 摘要

7.5 习题

第三部份　进阶篇

第八章 高等解题

8.1 计划

8.2 系统的组织

8.3 专家系统

8.4 摘要

8.5 习题

第九章 自然语言了解

9.1 简介

9.2 了解个别的句子

9.3 了解复合句子

9.4 走另一条路：语言产生

9.5 两方面都做：机器翻译

9.6 摘要

9.7 习题

第十章 认知

10.1 认知为何困难

10.2 用来解决认知难题的技巧

10.3 限定满足法-华尔滋演算法

10.4 摘要

10.5 习题

第十一章 学习

11.1 甚么是学习？

11.2 随机学习和神经网

11.3 强记式的学习

11.4 修正参数的学习法

11.5 GPS中的学习

11.6 概念的学习

11.7 发明式的学习：AM

11.8 类比式的学习

11.9 摘要

11.10　习题

第十二章 实际建构A．I．系统程式语言和机器

12.1 A．I．程式语言：重要的特性

12.2 IPL

12.3 LISP

12.4 SAIL

12.5　PLANNER

12.6 KRL

12.7　PROLOG

12.8 摘要

12.9 为A．I．应用而设计的计算机结构

12.10　习题

第十三章 结论

13.1 A．I．程式的组成成份

13.2 A．I．在电脑科学中的地位

13.3 习题

参考书目

致谢

作者索引

索引