亚洲综合视频在线观看,四虎最新紧急入口,亚洲精品久久99久久一区

內容簡介

《世界著名計算機教材精選人工智能：一種現代的方法(第3版)》是最、最經典的人工智能教材，已被全世界100多個國家的1200多所大學用作教材。

《世界著名計算機教材精選人工智能：一種現代的方法(第3版)》的版而系統地介紹了人工智能的理論和實踐，闡述了人工智能領域的核心內容，并深入介紹了各個主要的研究方向。全書分為七大部分：第1部分“人工智能”，第II部分“問題求解”，第III部分“知識、推理與規劃”，第IV部分“不確定知識與推理”，第V部分“學習”，第VI部分“通信、感知與行動”，第VII部分“結論”。《世界著名計算機教材精選人工智能：一種現代的方法(第3版)》既詳細介紹了人工智能的基本概念、思想和算法，還描述了其各個研究方向最前沿的進展，同時收集整理了詳實的歷史文獻與事件。另外，本書的配套網址為教師和學生提供了大量教學和學習資料。

本書適合于不同層次和領域的研究人員及學生，是高等院校本科生和研究生人工智能課的教材，也是相關領域的科研與工程技術人員的重要參考書。

編輯推薦

美國伯克利大學與Google人工智能科學家合作編寫，全世界100多個國家1200多所大學使用

作者簡介

Stuart Russell，1962年生于英格蘭的Portsmouth。他于1982年以一等成績在牛津大學獲得物理學學士學位，并于1986年在斯坦福大學獲得計算機科學的博士學位。之后他進入加州大學伯克利分校，任計算機科學教授，智能系統中心主任，擁有Smith-Zadeh工程學講座教授頭銜。1990年他獲得國家科學基金的“總統青年研究者獎”(Presidential Young Investigator Award)，1995年他是“計算機與思維獎”(Computer and Thought Award)的獲得者之一。1996年他是加州大學的Miller教授(Miller Professor)，并于2000年被任命為首席講座教授(Chancellor's Professorship)。1998年他在斯坦福大學做過Forsythe紀念演講(Forsythe Memorial Lecture)。他是美國人工智能學會的會士和前執行委員會委員。他已經發表100多篇論文，主題廣泛涉及人工智能領域。他的其他著作包括《在類比與歸納中使用知識》(The Use of Knowledge in Analogy abd Induction).以及(與Eric Wefald合著的)《做正確的事情：有限理性的研究》(Do the Right Thing: Studies in Limited Rationality)。

Peter Norvig，現為Google研究院主管(Director of Research)，2002-2005年為負責核心Web搜索算法的主管。他是美國人工智能學會的會士和ACM的會士。他曾經是NASAAmes研究中心計算科學部的主任，負責NASA在人工智能和機器人學領域的研究與開發，他作為Junglee的首席科學家幫助開發了一種最早的互聯網信息抽取服務。他在布朗( Brown)大學得應用數學學士學位，在加州大學伯克利分校獲得計算機科學的博士學位。他獲得了伯克利“校友和工程創新獎”，從NASA獲得了“非凡成就勛章”。他曾任南加州大學的教授，并是伯克利的研究員。他的其他著作包括《人工智能程序設計范型：通用Lisp語言的案例研究》(Paradigms of AI Programming: Case Studies in Common Lisp)和《Verbmobil：一個面對面對話的翻譯系統》(Verbmobil:A Translation System for Face-to-FaceDialog)，以及《UNIX的智能幫助系統》(lntelligent Help Systemsfor UNIX)。

在線預覽

這個例子說明理性不等于。理性是使期望的性能較大化，而是使實際的性能較大化。對Agent而言是不太合理的要求。關鍵是如果我們期望Agent最終能采取事實上好的行動，設計滿足這樣要求的Agent是不可能的——除非我們能改進水晶球或者時間機器的性能。

因此，對理性的定義并不要求全知，因為理性的選擇只依賴于到當時為止的感知序列。我們還要確保沒有因漫不經心而讓Agent進行愚蠢的活動。例如，如果Agent穿行繁忙的馬路前沒有觀察道路兩邊的情況，那么它的感知序列就不可能告訴它有大卡車在高速接近。我們對理性的定義會說現在可以穿過馬路嗎？不會！首先，根據信息不全的感知序列穿行馬路是不理性的：不觀察的情況下穿行發生事故的風險太大了。其次，理性Agent應該在走上街道之前選擇“觀察”行動，因為觀察有助于較大化期望性能。為了修改未來的感知信息而采取行動——有時稱為信息收集——是理性的重要部分，將在第16章中深入討論。真空吸塵器清潔Agent在初始未知的環境中必須探查，這為我們提供了信息收集的第二個實例。

我們的定義不僅要求理性Agent收集信息，而且要求Agent從它所感知的信息中盡可能多的學習。Agent最初的設定可能反映的是環境的先驗知識，但隨著Agent經驗的豐富這些知識會被改變或者增加。在一些極端的情況中環境被當成先驗知識。在這樣的情況下，Agent不再需要感知和學習；它只要正確地行動就可以。當然，這樣的Agent是脆弱的。考慮一下蜣螂。蜣螂做窩并產卵后，會從附近的糞堆取回一個糞球堵住窩的入口。如果糞球在路途中脫離了它的掌握，蜣螂還會繼續趕路，并做動作用不存在的糞球塞住入口，而不會注意到糞球已經不見了。蜣螂進化時在它的行為里內建了假設，當該假設被破壞時，就會產生不成功的行為。黑足泥蜂要聰明一些。雌蜂先挖一個洞，出去叮一只毛蟲并拖回洞，再次進洞查看，再把毛蟲拖到洞里，然后產卵。毛蟲在黑足泥蜂孵卵期間作為食物來源。到目前為止一切似乎順利，但是假如有昆蟲學家在雌蜂檢查地洞的時候把毛蟲挪開幾英寸，雌蜂就會回到計劃中“拖毛蟲到地洞”的步驟，繼續進行不做任何修改的計劃，甚至在發生過很多次毛蟲被移動的干擾后仍然如此。雌蜂無法知道它天生的計劃是失敗的，因而也不會改變計劃。

Agent依賴于設計人員的先驗知識而不是它自身的感知信息，這種情況我們會說該Agent缺乏自主性。理性Agent應該是自主的——它應該學習，以彌補不完整的或者不正確的先驗知識。例如，學會預見灰塵出現的地點和時間的吸塵器清潔Agent，顯然就能比不會預見的Agent要做得好。實踐中，很少要求Agent從一開始就自主：當Agent沒有或者只有很少的經驗時，它的行為往往是隨機的，除非設計人員提供一些幫助。因此就像進化為動物提供了足夠的內建的反射，以使它們能生存足夠長的時間進行學習一樣，給人工智能的Agent提供一些初始知識以及學習能力是合理的。當得到關于環境的充足經驗后，理性Agent的行為才能獨立于它的先驗知識有效地行動。從而，與學習相結合使得我們可以設計在很多不同環境下都能成功的理性Agent。

……