介紹人工智能在各領域中的研究，如人工智能在機器學習、專家繫統、智能體、自然語言處理及其他領域的研究。在組織結構遞進的同時，每章還配以實例、小結及思考與練習，加深讀者對知識的理解及運用。

●前言
第1章 緒論
1.1 什麼是人工智能
1.1.1 人工智能的定義
1.1.2 人工智能研究的特點
1.2 人工智能發展簡史
1.3 人工智能的研究方法
1.3.1 符號主義
1.3.2 連接主義
1.3.3 行為主義
1.4 人工智能的應用領域
1.5 本章小結
1.6 思考與練習
第2章 知識表示
2.1 概述
2.2 一階謂詞邏輯表示法
2.2.1 命題邏輯
2.2.2 謂詞邏輯
2.3 產生式表示法
2.3.1 產生式
2.3.2 產生式繫統的組成
2.3.3 產生式繫統的基本過程
2.4 語義網絡表示法
2.4.1 語義網絡
2.4.2 語義網絡的推理及其特點
2.5 框架表示法
2.5.1 框架結構
2.5.2 框架表示法及其特點
2.6 本章小結
2.7 思考與練習
第3章 搜索策略
3.1 概述
3.2 問題求解過程的形式表示
3.2.1 狀態空間表示法
3.2.2 與或樹表示法
3.3 狀態空間圖的盲目搜索策略
3.3.1 廣度優先搜索策略
3.3.2 深度優先搜索策略
3.4 狀態空間圖的啟發式搜索策略
3.4.1 估價函數與擇優搜索
3.4.2 啟發式搜索A算法
3.4.3 A*算法
3.5 與或樹的搜索策略
3.5.1 與或樹的盲目搜索策略
3.5.2 與或樹的啟發式搜索策略
3.5.3 博弈樹的啟發式搜索策略
3.6 本章小結
3.7 思考與練習
第4章 確定性推理
4.1 自然演繹推理
4.2 歸結演繹推理
4.2.1 子句集
4.2.2 海伯倫定理
4.2.3 魯濱遜歸結原理
4.2.4 歸結反演
4.3 與或型的演繹推理
4.3.1 與或型的正向演繹推理
4.3.2 與或型的逆向演繹推理
4.3.3 與或型的雙向演繹推理
4.4 本章小結
4.5 思考與練習
第5章 不確定性推理
5.1 不確定性推理概述
5.1.1 不確定性及其類型
5.1.2 不確定性推理要解決的基本問題
5.1.3 不確定性推理方法分類
5.2 主觀貝葉斯方法
5.2.1 不確定性推理的概率基礎
5.2.2 不確定性的表示
5.2.3 不確定性的傳遞算法
5.3 證據理論
5.3.1 D-S理論
5.3.2 基於證據理論的不確定性推理
5.4 模糊推理
5.4.1 模糊理論
5.4.2 模糊推理相關概念
5.5 粗糙集理論
5.5.1 粗糙集理論的基本概念
5.5.2 粗糙集在知識發現中的應用
5.6 本章小結
5.7 思考與練習
第6章 機器學習
6.1 機器學習概述
6.1.1 機器學習的基本概念
6.1.2 機器學習發展歷程
6.1.3 機器學習分類
6.2 歸納學習
6.2.1 歸納學習的基本概念
6.2.2 歸納學習的分類
6.2.3 歸納學習的方法
6.3 人工神經網絡學習
6.3.1 簡介
6.3.2 基於反向傳播網絡的學習
6.3.3 基於Hopfield神經網絡的學習
6.4 深度學習
6.4.1 簡介
6.4.2 深度學習經典模型
6.5 強化學習
6.5.1 簡介
6.5.2 強化學習的經典算法
6.6 本章小結
6.7 思考與練習
第7章 專家繫統
7.1 專家繫統概述
7.1.1 專家繫統的基本概念
7.1.2 專家繫統的發展歷程
7.1.3 專家繫統的基本結構及工作原理
7.2 專家繫統的設計與實現
7.2.1 專家繫統的開發步驟
7.2.2 需求分析
7.2.3 知識獲取
7.2.4 繫統設計
7.3 專家繫統的開發工具與環境
7.3.1 通用型知識表達語言
7.3.2 骨架繫統
7.3.3 組合型開發工具
7.4 新型專家繫統研究
7.4.1 分布式專家繫統
7.4.2 協同式專家繫統
7.4.3 神經網絡專家繫統
7.4.4 基於互聯網的專家繫統
7.5 案例分析
7.5.1 醫學專家繫統
7.5.2 動物識別專家繫統
7.5.3 探礦專家繫統
7.6 本章小結
7.7 思考與練習
第8章 智能體與多智能體繫統
8.1 智能體與多智能體繫統概述
8.1.1 智能體與多智能繫統的基本概念
8.1.2 智能體與多智能繫統的特點
8.2 智能體理論
8.2.1 智能體的結構
8.2.2 智能體的分類
8.3 多智能體繫統
8.3.1 多智能體繫統的結構
8.3.2 多智能體繫統的關鍵問題
8.3.3 多智能體繫統的應用
8.4 移動智能體
8.4.1 移動智能體概述
8.4.2 移動智能體的技術難點
8.5 案例分析
8.5.1 火星移動智能體
8.5.2 供應商評估方法
8.6 本章小結
8.7 思考與練習
第9章 自然語言處理
9.1 自然語言處理概述
9.1.1 自然語言處理的基本概念
9.1.2 自然語言處理的發展歷程
9.2 自然語言處理的基礎研究內容
9.2.1 自然語言處理的層次
9.2.2 詞法分析
9.2.3 句法分析
9.2.4 語義分析
9.3 自然語言處理的應用技術
9.3.1 機器翻譯
9.3.2 信息檢索
9.3.3 問答繫統
9.4 案例分析
9.4.1 自然語言自動理解繫統
9.4.2 中文文本的詞頻統計
9.5 本章小結
9.6 思考與練習
第10章 人工智能在一些領域的研究
10.1 機器人學
10.1.1 機器人學概述
10.1.2 機器人繫統
10.1.3 機器人的應用與展望
10.1.4 足球機器人案例分析
10.2 智能規劃
10.2.1 智能規劃概述
10.2.2 智能規劃的應用
10.2.3 智能電網案例分析
10.3 數據挖掘
10.3.1 數據挖掘概述
10.3.2 數據挖掘的常用技術與應用
10.3.3 數據挖掘在氣像預報研究中的應用
10.4 本章小結
10.5 思考與練習

《人工智能導論》從人工智能的基本知識點（知識表示、搜索策略、確定性推理和不確定性推理等）入手，在全面講解基礎知識之後，進一步介紹人工智能在各領域中的研究，如人工智能在機器學習、專家繫統、智能體、自然語言處理及其他領域的研究，並且配有豐富的實例方便讀者理解學習，幫助讀者由淺入深地學習人工智能知識。《人工智能導論》按照人工智能的知識體繫結構繫統講解各知識點，並且在每章末配有思考與練習，幫助讀者理解和自測。《人工智能導論》內容全面、重點突出、由淺入深、方便理解、實用性強。各章節既相互獨立又相互關聯，適合項目化教學、課程設計、專題培訓等。《人工智能導論》既可以作為高等院校計算機類專業的相關課程教材，也可以作為相關培訓機構的輔導用書。