人工智能：一种现代方法（第4版）

什么是人工智能

本章是全书的导论，从四个维度定义了人工智能：像人一样思考、像人一样行动、理性地思考、理性地行动。你将了解AI的发展历史，从早期的哲学思辨到现代的深度学习革命，建立起对人工智能领域的全局认识。

理性行为

本章引入智能体（Agent）的概念，将AI系统设计为能感知环境并采取行动以最大化目标实现的实体。你将学习如何描述任务环境（PEAS框架），以及不同类型智能体的设计方法。

问题求解

搜索是AI中最基本的问题求解方法。本章介绍各种搜索算法，从无信息的盲目搜索（BFS、DFS）到有信息的启发式搜索（A*算法），以及用于博弈的对抗搜索。搜索算法是理解AI问题求解能力的关键。

CSP

约束满足问题（CSP）是AI中一类重要的问题形式。本章介绍如何用变量、值域和约束来描述问题，以及回溯搜索、约束传播等求解方法。CSP在调度、配置、规划等领域有广泛应用。

博弈

对抗搜索用于解决多智能体竞争环境中的决策问题，如棋类游戏。本章介绍极小极大算法、Alpha-Beta剪枝优化，以及现代的蒙特卡洛树搜索方法。这些算法是游戏AI的核心。

知识工程

知识表示是AI的核心问题之一。本章介绍如何用形式化语言表示知识，包括命题逻辑和一阶逻辑（谓词逻辑）。你将学习如何构建知识库，以及如何进行逻辑推理和证明。

规划

自动规划是AI的重要分支，研究如何让智能体自动生成行动序列以达到目标。本章介绍经典规划（STRIPS）、层次任务网络（HTN）和偏序规划等方法。

概率推理

现实世界充满不确定性，概率推理是处理不确定性的核心工具。本章介绍概率论基础、贝叶斯网络、隐马尔可夫模型等概率推理方法，帮助AI系统在不确定环境中做出合理决策。

从数据中学习

机器学习是AI最活跃的分支，让系统从数据中自动学习改进。本章介绍机器学习的基本概念、主要方法（监督学习、无监督学习、强化学习），以及深度学习的原理和应用。

语言理解

自然语言处理（NLP）让计算机理解和生成人类语言。本章介绍NLP的基本任务和方法，从传统的统计方法到现代的深度学习模型，展示AI在语言理解方面的进展。

图像理解

计算机视觉让计算机理解和处理图像信息。本章介绍计算机视觉的基本任务：图像分类、目标检测、图像分割，以及深度学习方法在这些任务中的应用。

智能机器人

机器人学是AI的综合应用领域，涉及感知、决策、控制的完整链条。本章介绍机器人的感知系统、运动规划、控制方法，以及现代机器人技术的发展趋势。

AI的未来

AI的发展引发了深刻的哲学和伦理问题。本章探讨机器能否真正思考、AI对就业的影响、AI安全与对齐、以及AI伦理的基本原则。这些问题对于AI的负责任发展至关重要。