本书介绍了经典人工智能（逻辑或演绎推理）和现代人工智能（归纳学习和神经网络）之间的覆盖范围。分别阐述了三类方法：
演绎推理方法： 这些方法从预先定义的假设开始，并对其进行推理，以得出合乎逻辑的结论。底层方法包括搜索和基于逻辑的方法。这些方法在第 1 章到第 5 章中讨论。归纳学习方法：这些方法从例子开始，并使用统计方法来得出假设。示例包括回归建模、支持向量机、神经网络、强化学习、无监督学习和概率图形模型。这些方法在第 6 章到第 11 章中讨论。整合推理和学习：第 12 章和第 13 章讨论整合推理和学习的技术。例子包括知识图谱和神经符号人工智能的使用。

无

计算机\人工智能

专家推荐
人工智能是一个多计算机技术融合、多实践应用领域交叉的热门研究方向，其研究涵盖了经典逻辑编程、机器学习和数据挖掘。随着人工智能领域的发展和演化，演绎推理和归纳学习两种主流思想之间的碰撞愈发激烈。
相信本书的出版将会给广大教学和科研工作者带来极大的帮助，也会为那些对人工智能感兴趣的业余人士提供一定的指导。期待本书对我国人工智能教育事业的发展能起到如虎添翼的作用！
——李德仁 教授 中国科学院院士、中国工程院院士
人工智能可以理解为“人工”和“智能”两部分，“人工”指通常意义下的人工系统，但“智能”则是由于人类对于自身智能的理解程度有限，导致对于构成人的“智能”的必要元素也了解有限，所以很难去定义什么是“人工”制造的“智能”。因此人工智能的研究往往涉及对人的智能本身的研究。在计算机领域内，人工智能愈发得到重视，并在机器人、经济政治决策、控制系统和仿真系统等领域得到广泛应用。
本书从第一性原理出发，系统地阐述了人工智能的基本知识与关键技术，实现了对六十多年来人工智能领域技术发展重要环节的一次精准提炼。本书的内容具备一定的理论深度，同时适当兼顾初学者，可作为相关专业高年级本科生、研究生的教学用书，也可供有一定数学和程序设计基础的技术人员参考。人工智能是一门年轻的学问，当今正处于蓬勃发展的时期，需要大量的青年人才加入。本书的出版无疑为人工智能人才培养提供了契机，对壮大我国技术人才梯队起到了促进作用。
——陶大程 教授 澳大利亚科学院院士、欧洲科学院院士
本书特色
本书介绍了经典人工智能（逻辑或演绎推理）和现代人工智能（归纳学习和神经网络），分别阐述了三类方法：
基于演绎推理的方法，从预先定义的假设开始，用其进行推理，以得出合乎逻辑的结论。底层方法包括搜索和基于逻辑的方法。
基于归纳学习的方法，从示例开始，并使用统计方法得出假设。主要内容包括回归建模、支持向量机、神经网络、强化学习、无监督学习和概率图模型。
基于演绎推理与归纳学习的方法，包括知识图谱和神经符号人工智能的使用。