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曆史的方法論 11
4. 會議之後 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. 羅賓遜和歸結原理 36
3. 項重寫 38
4. 阿貢小組和馬庫恩 39
5. 符號派的內部矛盾：問答係統和歸結原理的失落 41
6. 幾何定理證明與計算機代數 43
7. 定理證明係統和競賽 48
8. 哲學問題 51
9. 現狀 55
10. 結語 57
第3章 從專傢係統到知識圖譜 69
1. 費根鮑姆和DENDRAL 70
2. MYCIN 73
3. 專傢係統的成熟 75
4. 知識錶示 76
5. 雷納特和大知識係統 81
6. 語義網 84
7. 榖歌和知識圖譜 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. 並發Prolog 103
5. 美國和歐洲對日本五代機計劃的反應 105
6. 結局和教訓 109
7. 日本還有機會嗎：日本下一代人工智能促進戰略 111
第5章 神經網絡簡史 113
1. 神經網絡的初創文章 114
2. 羅森布拉特和感知機 120
3. 神經網絡的復興 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. 跳棋插麯 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. 統計派又來瞭 172
6. 神經翻譯是終極手段嗎？ 174
7. 問答係統和IBM沃森 175
8. 迴顧和展望 177
第8章 嚮自然學習：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. 計算嚮自然學習還是自然嚮計算學習 197
5. 計算理論與生物學 198
第9章 哲學傢和人工智能 203
1. 德雷弗斯和《計算機不能乾什麼》 204
2. 塞爾和中文屋 211
3. 普特南和缸中腦 214
4. 給哲學傢一點忠告 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：為什麼圖靈機是最重要的發明？ 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. 人工智能從哪裏來？ 256
5. 人工智能嚮哪裏去：會有超級智能嗎？ 257
第12章 當我們談論生死時，我們在談論什麼？ 265
第13章 總結 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
後記 343
參考文獻 347
人名對照 361
· · · · · · (收起)
1. 背景 2
2. 達特茅斯會議 7
3. AI曆史的方法論 11
4. 會議之後 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. 羅賓遜和歸結原理 36
3. 項重寫 38
4. 阿貢小組和馬庫恩 39
5. 符號派的內部矛盾：問答係統和歸結原理的失落 41
6. 幾何定理證明與計算機代數 43
7. 定理證明係統和競賽 48
8. 哲學問題 51
9. 現狀 55
10. 結語 57
第3章 從專傢係統到知識圖譜 69
1. 費根鮑姆和DENDRAL 70
2. MYCIN 73
3. 專傢係統的成熟 75
4. 知識錶示 76
5. 雷納特和大知識係統 81
6. 語義網 84
7. 榖歌和知識圖譜 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. 並發Prolog 103
5. 美國和歐洲對日本五代機計劃的反應 105
6. 結局和教訓 109
7. 日本還有機會嗎：日本下一代人工智能促進戰略 111
第5章 神經網絡簡史 113
1. 神經網絡的初創文章 114
2. 羅森布拉特和感知機 120
3. 神經網絡的復興 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. 跳棋插麯 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. 統計派又來瞭 172
6. 神經翻譯是終極手段嗎？ 174
7. 問答係統和IBM沃森 175
8. 迴顧和展望 177
第8章 嚮自然學習：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. 計算嚮自然學習還是自然嚮計算學習 197
5. 計算理論與生物學 198
第9章 哲學傢和人工智能 203
1. 德雷弗斯和《計算機不能乾什麼》 204
2. 塞爾和中文屋 211
3. 普特南和缸中腦 214
4. 給哲學傢一點忠告 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：為什麼圖靈機是最重要的發明？ 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. 人工智能從哪裏來？ 256
5. 人工智能嚮哪裏去：會有超級智能嗎？ 257
第12章 當我們談論生死時，我們在談論什麼？ 265
第13章 總結 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
後記 343
參考文獻 347
人名對照 361
· · · · · · (收起)
具體描述
《人工智能簡史》全麵講述人工智能的發展史，幾乎覆蓋人工智能學科的所有領域，包括人工智能的起源、自動定理證明、專傢係統、神經網絡、自然語言處理、遺傳算法、深度學習、強化學習、超級智能、哲學問題和未來趨勢等，以宏闊的視野和生動的語言，對人工智能進行瞭全麵迴顧和深度點評。
第2版中每章都有新增內容，並增加瞭全新的第13章，整理瞭人工智能幾大派彆的演化路綫和人物的繼承關係，有助讀者閱讀方便。
本書極具專業性、思想性和趣味性，既適閤缺少專業背景的讀者瞭解人工智能的來龍去脈，作為人工智能的啓迪之書，也適閤專業人士瞭解人工智能鮮為人知的曆史，提供深入學習的指導。
用戶評價
評分
##豹笑
評分
##作為外行，雖然大部分術語不懂，但還是覺得整體結構很好 成功的勾勒齣一個學科的發展進程
評分
##這本書其實推薦更準確的名字應該是叫 人工智能科學傢趣史，與傳統的曆史從頭到尾闡述流派的發展不同， 這本書一直在講述各個方麵與人工智能相關(有點奇怪為什麼計算理論和哲學傢在裏麵？)科學傢的趣聞軼事，雖然相關性不強，但是趣味性增加不少。最後兩章的升華稍補充瞭本書的不足，有興趣還是可以一讀，至少參考文獻挺好的。
評分
##垃圾
評分
##作為外行，雖然大部分術語不懂，但還是覺得整體結構很好 成功的勾勒齣一個學科的發展進程
評分
##垃圾
評分
相比第一版修改不大，稍微更新瞭一下近年發展
評分
##作為外行，雖然大部分術語不懂，但還是覺得整體結構很好 成功的勾勒齣一個學科的發展進程
##垃圾