高等人工智能原理：觀念·方法·模型·理論

第一篇  總論：高等人工智能研究的科學觀與方法論
第1章  自然智能理論研究的啟迪
1.1  腦神經(jīng)科學研究簡介
1.1.1  人類大腦與智能系統(tǒng)
1.1.2  腦的組織學
1.1.3  腦組織的細胞學
1.2  認知科學研究簡介
1.2.1  感知
1.2.2  注意
1.2.3  記憶
1.2.4  思維
1.2.5  語言
1.2.6  情緒
1.3  腦科學與認知科學的融通：“全信息”科學觀
1.3.1  腦神經(jīng)科學與認知科學：存在“理論的斷裂”
1.3.2  認知科學研究：需要“全信息”，也能生成“全信息”
1.4  小結與評注
參考文獻
第2章  人工智能研究方法的變革
2.1  人工智能研究鳥瞰
2.1.1  人工智能的基本概念
2.1.2  “人工智能”含義的辨析
2.1.3  人工智能研究的歷史與現(xiàn)狀
2.2  科學研究方法的進化
2.2.1  科學方法論的進化
2.2.2  科學方法論演進概要
2.3  概念與方法的重審：開放復雜信息系統(tǒng)的科學方法論
2.3.1  人工智能研究遭遇的科學方法論問題
2.3.2  人工智能研究的新型科學方法論
2.3.3  《高等人工智能原理》一書的知識結構
2.4  小結與評注
參考文獻
第二篇  高等人工智能的基礎理論
第3章  全信息理論
3.1  基本概念
3.1.1  現(xiàn)有信息概念簡評
3.1.2  信息定義譜系：本體論信息與認識論信息
3.1.3  shannon信息：統(tǒng)計型語法信息
3.2  全信息的分類與描述
3.2.1  信息的分類
3.2.2  信息的描述
3.3  信息的度量
3.3.1  概率語法信息的測度：shannon概率熵
3.3.2  模糊語法信息的測度：DeLucaTermin模糊熵
3.3.3  語法信息的統(tǒng)一測度：一般信息函數(shù)
3.3.4  全信息的測度
3.4  小結與評注
參考文獻
第4章  知識理論
4.1  知識的概念、分類與表示
4.1.1  知識及其相關的基本概念
4.1.2  知識的分類與表示
4.2  知識的度量
4.2.1  針對“知識生成”的知識測度
4.2.2  針對“知識激活”的知識度量
4.3  知識的生態(tài)學
4.3.1  知識的內生態(tài)系統(tǒng)
4.3.2  知識的外生態(tài)系統(tǒng)
4.4  小結與評注
參考文獻
第三篇  高等人工智能的主體理論
第5章  感知、注意與記憶：第一類信息轉換原理
5.1  高等人工智能的系統(tǒng)模型與機制主義方法
5.1.1  高等人工智能的系統(tǒng)模型
5.1.2  信息轉換：高等人工智能系統(tǒng)的機制主義方法
5.2  第一類信息轉換原理及感知與注意的生成機制
5.2.1  第一類信息轉換原理：全信息的生成機理
5.2.2  重要的副產(chǎn)品：腦科學與認知科學的“搭界”
5.2.3  第一類信息轉換原理的應用：感知注意的生成機理
5.3  記憶系統(tǒng)的全信息機制
5.3.1  記憶系統(tǒng)的全信息存儲
5.3.2  長期記憶系統(tǒng)的信息存儲結構與提取方式
5.4  小結與評注
參考文獻
第6章  意識、情感、理智與行為：第二類信息轉換原理
6.1  基礎意識的生成機制：第二類A型信息轉換原理
6.1.1  意識的含義
6.1.2  基礎意識的生成機制
6.2  情感的生成機制：第二類B型信息轉換原理
6.2.1  基本概念
6.2.2  情感的分類
6.2.3  情感生成的機制
6.3  理智的生成機制：第二類C型信息轉換原理
6.3.1  理智的基本概念
6.3.2  理智生成的機制
6.3.3  綜合決策
6.4  策略執(zhí)行的機制：第二類D型信息轉換原理
6.4.1  策略表示
6.4.2  策略執(zhí)行：從策略信息到策略行為的轉換
6.5  小結與評注
參考文獻
第四篇  高等人工智能與現(xiàn)行人工智能的關系
第7章  物理符號系統(tǒng)：規(guī)范知識支持的機制主義方法
7.1  形態(tài)性知識支持的智能生成方法
7.1.1  一般模型
7.1.2  控制策略
7.2  內容性知識支持的機制主義方法
7.2.1  謂詞邏輯
7.2.2  歸謬推理
7.3  價值性知識支持的機制主義方法
7.3.1  啟發(fā)式搜索
7.3.2  博弈樹搜索
7.3.3  智能搜索與智能檢索方法
7.4  小結與評注
參考文獻
第8章  人工神經(jīng)網(wǎng)絡：經(jīng)驗知識支持的機制主義方法
8.1  生物神經(jīng)網(wǎng)絡與人工神經(jīng)網(wǎng)絡
8.1.1  人類智能與生物神經(jīng)網(wǎng)絡
8.1.2  人工神經(jīng)網(wǎng)絡基礎
8.2  前向神經(jīng)網(wǎng)絡及其應用
8.2.1  單層感知器
8.2.2  多層感知器
8.3  反饋神經(jīng)網(wǎng)絡
8.3.1  Hopfield模型
8.3.2  聯(lián)想存儲器：反饋型神經(jīng)網(wǎng)絡設計舉例
8.4  自組織神經(jīng)網(wǎng)絡
8.5  小結與評注
參考文獻
第9章  感知—動作系統(tǒng)：常識知識支持的機制主義方法
9.1  傳感
9.2  模式分類
9.2.1  統(tǒng)計識別方法
9.2.2  語言學方法
9.2.3  神經(jīng)網(wǎng)絡方法
9.2.4  關于“模式理解”的提要
9.3  感知—動作系統(tǒng)
9.3.1  感知—動作系統(tǒng)的總體原則
9.3.2  幾個典型的感知—動作系統(tǒng)
9.3.3  智能體：感知動作系統(tǒng)的變種
9.4  小結與評注
參考文獻
第五篇  應用問題擇要
第10章  有關應用的幾個共性課題
10.1  自然語言理解
10.1.1  自然語言理解與自然語言處理
10.1.2  規(guī)則方法與統(tǒng)計方法
10.1.3  領域廣度與質量優(yōu)度
10.1.4  語言理解與信息理論
10.1.5  全信息理論與自然語言理解
10.1.6  全信息自然語言理解方法論
10.1.7  全信息自然語言理解方法論的應用
10.2  機器學習
10.2.1  學習的一般概念
10.2.2  學習的一般理論
10.2.3  幾種常用的機器學習方法
10.3  智能機器人和智能信息網(wǎng)絡
10.3.1  智能機器人
10.3.2  智能信息網(wǎng)絡
10.3.3  智能技術的應用前景
10.4  小結與評注
參考文獻
結語
索引