第一章 绪论
智能：智能是知识与智力的总和。知识是一切智能行为的基础，智能是获取知识，运用知识求解问题的能力。
智能的特征：具有感知能力、具有记忆和思维能力、具有学习能力、具有行为能力。
人工智能：人工智能是用人工的方法在机器上实现的智能。
人工智能研究的基本内容：知识表示、机器感知、机器思维、机器学习（机器学习就是研究如何使计算机具有类似于人类的学习能力，使他能通过学习自动的获取知识）、机器学习。
人工智能的主要研究领域：
1、自动定理证明；2、博弈；3、模式识别；4、机器视觉；5、自然语言理解；6、智能信息检索；、7数据挖掘与知识发现；8、专家系统；9、自动程序设计；10、机器人；11、组合优化问题；12、人工神经网络；13、分布式人工智能与多智能体；14、智能控制；15、智能仿真；16、智能CAD；17智能CAI；18、智能管理与智能决策；19、智能多媒体系统；20、智能操作系统；21智能计算机系统；22、智能通信；23、智能网络系统；24、人工生命。
第二章 知识表示
知识：把有关信息关联在一起所形成的信息结构。
知识的特性：相对正确性、不确定性、可表示性、可利用性。
知识的分类：按知识的作用范围分类可分为常识性知识和领域性知识；按知识的作用及表示可分为事实性知识、过程性知识和控制性知识；按知识的结构和表示形式可分为逻辑性知识和形象性知识；按知识的确定性可分为确定性知识和不确定性知识。
知识表示：知识表示就是将人类的知识形式化或者模型化。
知识的表示方法：一阶谓词逻辑、产生式、框架、状态空间、人工神经网络、遗传编码。如何选择：根据知识的作用范围、知识的组织形式、知识的利用程度、知识的理解和实现。
一阶谓词逻辑
命题：命题是非真即假的陈述句。
谓词：包含个体和个体与个体性质关系的一种表示形式。
谓词公式表示知识的一般步骤：
1、定义谓词及个体，确定每个谓词及个体的确切定义。
2、根据要表达的事物或概念，为谓词中的变元赋以特定的值。
3、根据语义把适当的连接符号将各个谓词连接起来，形成谓词公式。
一阶谓词逻辑表示法的优缺点
优点：自然性，精确性、严密性和容易实现。
缺点：不能表示不确定的知识、组合爆炸、效率低。
产生式
产生式系统包括：规则库、综合数据库、控制系统（推理机）。
规则库：用来描述相应领域内知识的产生式集合
综合数据库：一个用来存放问题求解过程中各种当前信息的数据结构。
控制系统：一组程序组成，负责整个产生式系统的运行，实现对问题的求解。
产生式表示的优缺点
优点：自然性、模块性、有效性、清晰性。
缺点：效率低、不能表达结构性知识。
产生式表示法适合表示的知识类型
1、有许多相互独立的知识元组成的领域性知识，彼此间结构不密切，不存在结构关系。
2、具有经验性和不确定性的知识，而且相关领域没有严格统一的理论。
3、领域问题的求解过程可被表示为一系列相互独立的操作，且每个操作可被表示为一个或多个产生式规则。
第三章 确定性推理方法
推理：从初始证据出发，按某种策略不断运用知识库中已有的知识，逐步推出结论的过程叫推理。
推理方式及其分类
按推理出结论的途径来划分：演绎推理、归纳推理、默认推理。
按推理时所用知识的确定性来划分：确定性推理、不确定性推理。
按推理过程中结论是否越来越接近目标来划分：单调推理、非单调推理。
按推理过程中是否运用和推理有关的启发式知识来划分：启发式推理、非启发式推理。
推理的方向：正向推理、逆向推理、混合推理和双向推理。
冲突消解策略：针对性排序、新鲜度排序、条件个数排序、匹配度排序。
自然演绎推理：从一组已知为真的数据出发，直接运用经典逻辑的推理规则推出结论的过程，叫自然演绎推理。
不确定性推理：从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度不确定性但合理或者近乎合理的结论的思维过程。
子句：任何文字及任何文字的析取式。
谓词公式化为子句集的步骤
1、消去谓词公式中的蕴含和等价符号。
2、把否定符号转移到紧靠谓词之前。
3、变量标准化。
4、消去存在量词。
5、化为前束式。
6、化为Skolem标准型。
7、固化（略去全称量词）。
8、消去合取式，把母式用子句集表示。
9、子句变量标准化，即每个子句的变量符号不同。
模糊决策：最大隶属度法、加权平均判决法、中位数法。
第五章 搜索求解策略
搜索中需要解决的基本问题
1、搜索过程中是否一定能找到一个解。
2、搜索过程中是否终止运行或是否陷入死循环。
3、当搜索过程中找到一个解时，找到的是否是最佳解。
4、搜索过程是时间和空间复杂度如何。
搜索的主要过程
1、从初始状态或者目的状态出发，并作为当前状态。
2、扫描操作算子集，将适用于当前状态的操作算子作用于当前状态得到新状态，并建立指向父亲节点的指针。
3、检查新状态是否满足结束状态，如果满足，得到问题的一个解，并沿着指针从结束状态到达开始状态，给出一条解路径；否则，把新状态当做当前状态，继续2步骤。
盲目搜索：是指在特定问题不具有任何有关信息的情况下，按固定的步骤进行的搜索；他能快速的调用一个操作算子。
启发搜索：考虑问题领域可运用的知识，动态调用操作算子的步骤；优先选择较为合适的操作算子；尽量较少不必要的搜索，以求最快到达结束状态，提高搜索效率。
状态空间表示法：利用状态变量和操作符合，表示系统或问题的有关知识的符合系统。
回溯策略：是当前遇到不可解的结点时回溯到路径中最近的父节点上，查看该节点是否还有其他子节点未被扩展，若有则沿着子节点继续搜索，若找到目标，就退出搜索，返回路径。
SNS的子节点分为三类：全新节点、已出现在OPEN表中的节点、已出现在CLOSE表中的节点。
全新节点：加入OPEN表中，并建立子节点到父节点的指针。
已出现在OPEN表中的节点：比较节点经由新老父亲节点到达初始节点的路径代价，如果经新父亲节点的代价较小，则移动子节点到新父亲节点。
已出现在CLOSE表中的节点：如果其最优值比当前最优值要高，则离开CLOSE表，重新加入OPEN表中。
A*搜索算法：定义h*（n）为状态n到目的状态的最优路径代价，则当A搜索算法的启发函数好h（n）小于等于h*（n），即满足h（n）<=h*（n），对所有节点n时，A搜索算法成为A*搜索算法。
A*搜索算法的特性：可采纳性、单调性、信息性。
可采纳性：在搜索图中存在从初始状态到目标状态的解答路径的情况下，若一个算法总能找到最短解答路径，那么称该算法具有可采纳性。
第七章 专家系统与机器学习
专家系统的产生和发展
1、DENDRAL和MYCSYMA系统是专家系统发展的第一阶段；
特点：高度的专业化、专门问题求解能力强，但是结构、功能不完整，移植性差，缺乏解释能力。
2、AM、MYCIN和HEARSAY系统是专家系统发展的第二阶段；
特点：单学科专业型专家系统、系统结构完整，功能较全面，移植性好、具有推理解释功能，透明性好、采用启发式推理，不精确推理、用产生式规则表达知识、用限定性英语进行人机交互。
3、施肥专家系统、OPS5专家系统。
专家系统：是一种智能的计算机系统，它运用知识和推理来解决只有专家才能解决的复杂问题（是一种模拟专家决策能力的计算机系统）。
专家系统的特点：1具有专家水平的知识；2、能进行有效的推理；3、具有启发性；4、具有灵活性；5、具有透明性；6、具有交互性。
专家系统和传统程序
1、编程思想：传统程序=程序+算法；专家系统=知识+推理。
2、传统程序：关于问题求解的知识隐含于程序中；专家系统：知识单独组成知识库，与推理机脱离。
3、处理对象：传统程序：数值计算和数据处理；专家系统：符号处理。
4、传统程序不具有解释功能；专家系统具有解释功能。
5、传统系统：产生正确的答案；专家系统：通常产生正确答案，有时产生错误答案。
6、系统的体系结构不同。
机器学习：使计算机能模拟人的学习行为，自动地通过学习获取知识和技能，不断改善性能，实现自我完善。
什么情况下开发专家系统是可能的？
1、主要依靠经验性知识，不需运用大量常识性知识就可解决的任务。
2、有明确的开发目标，且任务不难实现。
3、存在真正的专家领域。
什么情况下开发专家系统
所选任务的大小可驾驭，任务有实用价值。
专家系统的评价：系统设计、测试、运行正确性，有用性。
第十章 自然语言处理及其运用
自然语言理解
微观角度：从自然语言到机器内部的一个映射。
宏观角度：使机器能够执行人类所期望的某种语言功能。
语言处理的层次
1、语法分析
2、句法分析
3、语义分析
4、语音分析
5、语用分析
机器翻译 1、直译式、规则式、中介语式、知识库式等翻译系统。
语音识别：机器可以把人类的语音转化为知识的功能。