人工智能簡史（第2版）

目　　錄
第　1章 達特茅斯會議：人工智能的緣起　1
1．　背景　2
2．　達特茅斯會議　7
3．　AI歷史的方法論　11
4．　會議之后　16
5．　預測未來：會有奇點嗎？　22
第　2章 自動定理證明興衰紀　27
1．　自動定理證明的起源　28
2．　羅賓遜和歸結(jié)原理　36
3．　項重寫　38
4．　阿貢小組和馬庫恩　39
5．　符號派的內(nèi)部矛盾：問答系統(tǒng)和歸結(jié)原理的失落　41
6．　幾何定理證明與計算機代數(shù)　43
7．　定理證明系統(tǒng)和競賽　48
8．　哲學問題　51
9．　現(xiàn)狀　55
10．　結(jié)語　57
第3章　從專家系統(tǒng)到知識圖譜　69
1．　費根鮑姆和DENDRAL　70
2．　MYCIN　73
3．　專家系統(tǒng)的成熟　75
4．　知識表示　76
5．　雷納特和大知識系統(tǒng)　81
6．　語義網(wǎng)　84
7．　谷歌和知識圖譜　86
第4章　第五代計算機的教訓　93
1．　背景　94
2．　理論基礎：邏輯程序和Prolog　97
3．　五代機計劃和五代機研究所　100
4．　并發(fā)Prolog　103
5．　美國和歐洲對日本五代機計劃的反應　105
6．　結(jié)局和教訓　109
7．　日本還有機會嗎：日本下一代人工智能促進戰(zhàn)略　111
第5章　神經(jīng)網(wǎng)絡簡史　113
1．　神經(jīng)網(wǎng)絡的初創(chuàng)文章　114
2．　羅森布拉特和感知機　120
3．　神經(jīng)網(wǎng)絡的復興　125
4．　深度學習　129
第6章　計算機下棋簡史：機定勝人，人定勝天　135
1．　機器下棋史前史　136
2．　跳棋插曲　137
3．　計算機下棋之初　138
4．“深藍”　144
5．　圍棋和AlphaGo　146
第7章　自然語言處理　149
1．　喬治敦實驗　150
2．　喬姆斯基和句法分析　151
3．　ELIZA和PARRY　158
4．　維諾格拉德和積木世界　165
5．　統(tǒng)計派又來了　172
6．　神經(jīng)翻譯是終極手段嗎？　174
7．　問答系統(tǒng)和IBM沃森　175
8．　回顧和展望　177
第8章　向自然學習：從遺傳算法到強化學習　183
1．　霍蘭德和遺傳算法　184
2．　遺傳編程　189
3．　強化學習　191
4．　計算向自然學習還是自然向計算學習　197
5．　計算理論與生物學　198
第9章　哲學家和人工智能　203
1．　德雷弗斯和《計算機不能干什么》　204
2．　塞爾和中文屋　211
3．　普特南和缸中腦　214
4．　給哲學家一點忠告　217
第　10章 人是機器嗎？——人工智能的計算理論基礎　223
1．　丘奇-圖靈論題：為什么圖靈機是最重要的發(fā)明？　225
2．　相似性原則：另一個重要但不太被提及的計算理論思想　230
3．　超計算　234
4．　BSS實數(shù)模型　235
5．　量子計算　237
6．　計算理論的哲學寓意　240
7．　超計算和人工智能　242
第　11章 智能的進化　249
1．　大腦的進化　250
2．　能源的攝取和消耗　251
3．　全社會的算力作為文明的測度　254
4．　人工智能從哪里來？　256
5．　人工智能向哪里去：會有超級智能嗎？　257
第　12章 當我們談論生死時，我們在談論什么？　265
第　13章 總結(jié)　273
附錄1　圖靈小傳　281
附錄2　人工智能前史：圖靈與人工智能　295
附錄3　馮諾伊曼與人工智能　301
附錄4　計算機與智能　309
后記　343
參考文獻　347
人名對照　361