第1章 达特茅斯会议：人工智能的缘起 1
1. 背景 1
2. 达特茅斯会议 6
3. AI历史的方法论 9
4. 会议之后 14
5. 预测未来：会有奇点吗？ 19
第2章 自动定理证明兴衰纪 24
1. 自动定理证明的起源 24
2. 罗宾逊和归结原理 32
3. 项重写 34
4. 阿贡小组和马库恩 35
5. 符号派的内部矛盾：问答系统和归结原理的失落 37
6. 几何定理证明与计算机代数 39
7. 定理证明系统和竞赛 44
8. 哲学问题 46
9. 现状 49
10. 结语 51
第3章 从专家系统到知识图谱 60
1. 费根鲍姆和DENDRAL 60
2. MYCIN 64
3. 专家系统的成熟 65
4. 知识表示 66
5. 雷纳特和大知识系统 70
6. 语义网 73
7. 谷歌和知识图谱 75
第4章 第五代计算机的教训 79
1. 背景 79
2. 理论基础：逻辑程序和Prolog 82
3. 五代机计划和五代机研究所 85
4. 并发Prolog 88
5. 美国和欧洲对日本五代机计划的反应 90
6. 结局和教训 94
7. 日本还有机会吗：日本下一代人工智能促进战略 95
第5章 神经网络简史 97
1. 神经网络的初创文章 97
2. 罗森布拉特和感知机 103
3. 神经网络的复兴 107
4. 深度学习 111
第6章 计算机下棋简史：机定胜人，人定胜天 116
1. 机器下棋史前史 116
2. 跳棋插曲 118
3. 计算机下棋之初 119
4.“深蓝” 124
5. 围棋和AlphaGo 125
第7章 自然语言处理 128
1. 乔治敦实验 128
2. 乔姆斯基和句法分析 129
3. ELIZA和PARRY 136
4. 维诺格拉德和积木世界 143
5. 统计派又来了 149
6. 神经翻译是终极手段吗？ 151
7. 问答系统和IBM 沃森 152
8. 回顾和展望 154
第8章 向自然学习：从遗传算法到强化学习 159
1. 霍兰德和遗传算法 159
2. 遗传编程 164
3. 强化学习 166
4. 计算向自然学习还是自然向计算学习 172
5. 计算理论与生物学 173
第9章 哲学家和人工智能 177
1. 德雷弗斯和《计算机不能干什么》 177
2. 塞尔和中文屋 184
3. 普特南和缸中脑 187
4. 给哲学家一点忠告 190
第10章 人是机器吗？——人工智能的计算理论基础 195
1. 丘奇-图灵论题：为什么图灵机是最重要的发明？ 197
2. 相似性原则：另一个重要但不太被提及的计算理论思想 201
3. 超计算 205
4. BSS实数模型 206
5. 量子计算 208
6. 计算理论的哲学寓意 211
7. 丘奇-图灵论题、超计算和人工智能 212
第11章 智能的进化 216
1. 大脑的进化 216
2. 能源的摄取和消耗 218
3. 全社会的算力作为文明的测度 220
4. 人工智能从哪里来？ 222
5. 人工智能向哪里去：会有超级智能吗？ 223
第12章 当我们谈论生死时，我们在谈论什么？ 230
附录1 图灵小传 237
附录2 人工智能前史：图灵与人工智能 249
附录3 冯诺伊曼与人工智能 255
附录4 计算机与智能 261
参考文献 293
人名对照 308
· · · · · · (收起)
1. 背景 1
2. 达特茅斯会议 6
3. AI历史的方法论 9
4. 会议之后 14
5. 预测未来：会有奇点吗？ 19
第2章 自动定理证明兴衰纪 24
1. 自动定理证明的起源 24
2. 罗宾逊和归结原理 32
3. 项重写 34
4. 阿贡小组和马库恩 35
5. 符号派的内部矛盾：问答系统和归结原理的失落 37
6. 几何定理证明与计算机代数 39
7. 定理证明系统和竞赛 44
8. 哲学问题 46
9. 现状 49
10. 结语 51
第3章 从专家系统到知识图谱 60
1. 费根鲍姆和DENDRAL 60
2. MYCIN 64
3. 专家系统的成熟 65
4. 知识表示 66
5. 雷纳特和大知识系统 70
6. 语义网 73
7. 谷歌和知识图谱 75
第4章 第五代计算机的教训 79
1. 背景 79
2. 理论基础：逻辑程序和Prolog 82
3. 五代机计划和五代机研究所 85
4. 并发Prolog 88
5. 美国和欧洲对日本五代机计划的反应 90
6. 结局和教训 94
7. 日本还有机会吗：日本下一代人工智能促进战略 95
第5章 神经网络简史 97
1. 神经网络的初创文章 97
2. 罗森布拉特和感知机 103
3. 神经网络的复兴 107
4. 深度学习 111
第6章 计算机下棋简史：机定胜人，人定胜天 116
1. 机器下棋史前史 116
2. 跳棋插曲 118
3. 计算机下棋之初 119
4.“深蓝” 124
5. 围棋和AlphaGo 125
第7章 自然语言处理 128
1. 乔治敦实验 128
2. 乔姆斯基和句法分析 129
3. ELIZA和PARRY 136
4. 维诺格拉德和积木世界 143
5. 统计派又来了 149
6. 神经翻译是终极手段吗？ 151
7. 问答系统和IBM 沃森 152
8. 回顾和展望 154
第8章 向自然学习：从遗传算法到强化学习 159
1. 霍兰德和遗传算法 159
2. 遗传编程 164
3. 强化学习 166
4. 计算向自然学习还是自然向计算学习 172
5. 计算理论与生物学 173
第9章 哲学家和人工智能 177
1. 德雷弗斯和《计算机不能干什么》 177
2. 塞尔和中文屋 184
3. 普特南和缸中脑 187
4. 给哲学家一点忠告 190
第10章 人是机器吗？——人工智能的计算理论基础 195
1. 丘奇-图灵论题：为什么图灵机是最重要的发明？ 197
2. 相似性原则：另一个重要但不太被提及的计算理论思想 201
3. 超计算 205
4. BSS实数模型 206
5. 量子计算 208
6. 计算理论的哲学寓意 211
7. 丘奇-图灵论题、超计算和人工智能 212
第11章 智能的进化 216
1. 大脑的进化 216
2. 能源的摄取和消耗 218
3. 全社会的算力作为文明的测度 220
4. 人工智能从哪里来？ 222
5. 人工智能向哪里去：会有超级智能吗？ 223
第12章 当我们谈论生死时，我们在谈论什么？ 230
附录1 图灵小传 237
附录2 人工智能前史：图灵与人工智能 249
附录3 冯诺伊曼与人工智能 255
附录4 计算机与智能 261
参考文献 293
人名对照 308
· · · · · · (收起)
具体描述
本书全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源。、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。
本书作者和书中诸多人物或为师友或相熟相知，除了详实的考证还有有趣的轶事。本书既适合专业人士了解人工智能鲜为人知的历史，也适合对人工智能感兴趣的大众读者作为入门的向导。
用户评价
评分
##技术竞争真残酷。一本随处夹带私货的八卦史，不喜欢作者字里行间对文科和女性的诋毁，以及简单粗暴的政治观。
评分
##人名和八卦的罗列，基本上不涉及有深度的内容。
评分
##1.阅读门槛高，很多数理定理无法理解。2.拿到一个话题就开讲了，没有对基本概念进行解释，导致读后仍困惑重重。3.身为文科生，以自身的教训告诉各位，本书不适合门外汉阅读。
评分
##技术竞争真残酷。一本随处夹带私货的八卦史，不喜欢作者字里行间对文科和女性的诋毁，以及简单粗暴的政治观。
评分
##好看，与此相比，李开复写的《人工智能》都是什么东西。 写的方式有点特别，前大半段是关于人工智能的各种理论、历史以及争议，有点乱，给人感觉是不知道这帮人在争什么，而是批评人工智能的也不知道在说什么。 但是最后那两章简直神来之笔，实际上，溯源到人工智能，最初也最本质的是，图灵机理论。
评分
##非常有意思。你能从书里得到多少，正比于你已经知道多少数理逻辑、可计算性理论、统计学习之类前置知识。一般读者就当看个八卦吧。
评分
##是也乎,(￣▽￣) 简直就是德云社台本...笑屎了...作者处处挖坑不填...真真良心
评分
##太浅，一试图深度探讨就露怯 人工智能相关人员简史
##脑残志坚跪读一遍，年度最佳书籍