人工智能ArtificialIntelligenceAI2006級研究生

1、人 工 智 能Artificial Intelligence (AI)（2006級研究生）2006年9-12月2022/8/11人工智能成果的例子：智能天線國際象棋的人機大戰(zhàn)單機或者網(wǎng)上棋類游戲（中國象棋、圍棋、五子棋、跳棋等）2022/8/12例1：智能天線在軍事上，稱為自適應天線陣列（Adaptive Antenna Array）；在移動通信上，則稱為智能天線（smart antenna or intelligent antenna）在不增加系統(tǒng)復雜度的情況下，智能天線可以提高服務質(zhì)量和擴大網(wǎng)絡的容量；第三代移動通信的各種后選方案中，已經(jīng)將將智能天線作為可選技術(shù)；中國的TD-SCDMA已經(jīng)

2、將其作為主要技術(shù)2022/8/13例2：國際象棋人機大戰(zhàn)熱身賽（1996年2月）計算機：深藍(DeepBlue)，AS/6000 SP大規(guī)模多用途并行處理機，含 32 個處理器，每秒能分析 2 億步棋比賽結(jié)果：4（人）: 2（機）前蘇聯(lián)國際象棋世界冠軍卡斯帕洛夫IBM超級計算機2022/8/14正式交鋒（1997年2月）比賽結(jié)果：2.5（人）： 3.5（機）正式交鋒（2003年2月）計算機：小深藍比賽結(jié)果：3 : 32022/8/15例3：國際象棋人機大戰(zhàn)比賽時間：2003年11月比賽結(jié)果：2（人）: 2（機）前蘇聯(lián)國際象棋世界冠軍卡斯帕洛夫德國X3D-弗里茨人機大戰(zhàn)其實是展示人工智能的研究水

3、平與成果2022/8/16例4：各種下棋程序（人機對壘），計算機方就是一個人工智能程序中國象棋五子棋2022/8/17第 1 章 緒論1.1 人工智能的定義與發(fā)展 1.1.1 人工智能的定義 1.1.2 人工智能的起源與發(fā)展（發(fā)展歷史）1.2 人類智能與人工智能（符號主義的觀點） 1.2.1 智能信息處理系統(tǒng)的假設(shè) 1.2.2 人類智能的計算機模擬1.3 人工智能各學派的認知觀1.4 人工智能的研究與應用領(lǐng)域1.5 本課程講授的主要內(nèi)容及課程要求1.6 人工智能課程中的一些常用例子 2022/8/181.1 人工智能的定義與發(fā)展1.1.1 人工智能的定義人工智能 (Artificial Int

4、elligence) ，又稱機器智能 (Machine Intelligence) 是計算機科學中的一門邊緣學科人工智能誕生于1956年成果多、應用廣、波折多、爭議大2022/8/19自然智能：人類所具有的智力和行為能力，具體包括判斷、理解、推斷、學習、適應性等等如果機器（計算機）能夠執(zhí)行這樣的任務，就可以認為機器已具有某種性質(zhì)的“人工智能”2022/8/110智能機器：能夠在各種環(huán)境下自主地或交互地執(zhí)行各種“擬人”任務的機器例：各種機器人、機器手 IBM公司的深籃超級計算機（下象棋） 裝有棋類游戲軟件的計算機 2022/8/111人工智能（學科）：是計算機科學中涉及研究、設(shè)計和應用智能機器的

5、一個分支。它的近期目標在于研究用機器來模仿和執(zhí)行人腦的某些智能功能，并開發(fā)相關(guān)的理論和技術(shù)2022/8/112人工智能（能力）：是智能機器所執(zhí)行的通常與人類智能有關(guān)的智能行為，例如推斷、推理、證明、識別、感知、理解、設(shè)計、思考、規(guī)劃、學習和問題求解等等思維活動2022/8/113盲人摸象的故事身子：墻尾巴：繩子象牙：蘿卜大腿：柱子反映出人工智能的研究水平與現(xiàn)狀2022/8/114從擬人思維角度的定義： 人工智能是一種使計算機能夠思維、使機器具有智力的激動人心的新嘗試（Hangeland, 1985）人工智能是那些與人的思維、決策、問題求解和學習等有關(guān)活動的自動化（Bellman, 1978）2

6、022/8/115從理性思維角度的定義： 人工智能是用計算模型進行研究的智能行為（Charniak & McDermott, 1985）人工智能是研究那些使理解、推理和行為成為可能的計算（Winston, 1992）2022/8/116從擬人行為角度的定義： 人工智能是一種能夠執(zhí)行需要人的智能的創(chuàng)造性機器的技術(shù)（Kurzwell, 1990）人工智能研究如何通過使計算機做事而讓人過得更好（Rich & Knight, 1991）2022/8/117從擬人理性行為角度的定義：人工智能是一門通過計算過程力圖理解和模仿智能行為的學科（Schalkoff, 1990）人工智能是計算機科學中與智能行為的

7、自動化有關(guān)的一個分支（Luger & Stubblefield, 1993）2022/8/1181.1.2 人工智能的起源與發(fā)展（發(fā)展歷史）不同學科背景的學者對人工智能有不同的觀點，目前主要分成三大學派：符號主義：邏輯學派，主要來自于數(shù)理邏輯連接主義：仿生學派，主要來源于仿生學行為主義：控制論學派，主要來源于控制論2022/8/119人工智能的歷史從某一種程度上來說就是計算機科學的歷史我們簡要地介紹符號主義與連接主義兩大學派的發(fā)展歷史2022/8/1201.1.2.1 符號主義的發(fā)展歷史符號主義的發(fā)展歷史大致分成四個階段：1、1956年前（起源）2、19561970年（基本理論的研究與形成）3

8、、19701980年（發(fā)展與實用化）4、1980以后（知識工程與專家系統(tǒng)）2022/8/1211、1956年前（起源階段）在1956年前，下列成果對人工智能的起源起到至關(guān)重要的作用：第一、電子計算機的發(fā)明（1946）第二、十九世紀末數(shù)理邏輯的發(fā)展第三、1948年Wiener提出了控制論第四、Turing的一系列工作第五、Shannon（香儂）發(fā)表了計算機能夠下棋的文章點2022/8/1221946年由美國人Mauchly（毛奇萊）和Eckert（艾克特）在賓夕法尼亞大學莫爾電工學院成功地研制出世界上第一臺電子計算機 ENIC (Electronic Numerical Integrator a

9、nd Computer) 2022/8/123十九世紀末迅速發(fā)展的數(shù)理邏輯中，F(xiàn)rege（弗雷治）、Whitehead（懷特赫德）、Russell（羅素）和Tarski（塔斯基）等人的研究成果表明：推理的某一些方面可以用比較簡單的結(jié)構(gòu)加以形式化。2022/8/1241948年Wiener（維納）提出了控制論，它分析和模擬自控制的生物和人工系統(tǒng)，從而建立根據(jù)動物心理學和行為來研究和分析具體的計算機系統(tǒng)的基礎(chǔ)。 N. Wiener (1894-1964)2022/8/125Turing(1912-1954)Turing被稱作為人工智能之父，第一個認識到計算機能夠?qū)崿F(xiàn)智能行為。 2022/8/126

10、圖靈測試（Turing Test ）Turing提出的一個智能實驗，參加者是計算機、被實驗的人以及主持實驗的人。由主持人提出問題，計算機和被實驗的人來回答。被實驗的人在回答問題時盡可能地向主持人表示他才是“真正”的人，計算機也盡可能逼真地模仿人地思維。如果主持人通過聽取對問題的回答分辨不出那一個是人回答時，就可以認為被實驗的計算機是有智能的。 2022/8/127Bell Labs Claude Shannon, creator of modern information theoryDied February 24,2001 at the age of 841950計算機能夠下棋 2022/

11、8/128 1956年夏季在美國的Dartmouth大學舉辦了長達兩個月的研討會。會議的發(fā)起人有：McCarthy（麥卡錫）Minsky（明斯基）Lochester（朗徹斯特）Shannon（香儂）應邀出席會議有：More（莫爾）Sarmuel（塞繆爾）Newell（紐尼爾）Simon（西蒙）2022/8/129McCarthy正式提出了“人工智能”的術(shù)語（Artificial Intelligence），又稱“機器智能”（Machine Intelligence）標志著一門新的學科的正式誕生人工智能2022/8/1302、1956年1970年（基本技術(shù)的研究與形成階段）Newell和Simo

12、n等1956年研制成功“邏輯理論機LT (The Logic Theory Machine)” 它是第一個處理符號而不是處理數(shù)字的計算機程序，是機器證明數(shù)學定理的最早嘗試。最有影響的成果：2022/8/131該系統(tǒng)模擬人類用數(shù)理邏輯證明定理的思想，采用分解、代入和替換等規(guī)則證明了羅素和懷特海的名著數(shù)學原理第二章的52條定理中的38條。從此，計算機的一般應用與人工智能的界限第一次被清楚地劃分出來。學者們認為這是第一個實用的人工智能程序，象征著人工智能研究的真正開始。 2022/8/1321956年IBM公司Sarmuel研制成功的跳棋程序這一程序具有自學習、自適應、可以積累經(jīng)驗和學習等能力，這也

13、是模擬人類學習和智能的一次卓有成效的突破。1959年該程序擊敗設(shè)計者，1962年又擊敗美國一個州的跳棋冠軍，此事曾引起世界性的大轟動。 2022/8/1331960年Newell和Simon又成功編寫“通用問題求解程序GPS（General Problem Solving）”它用于解決不定積分、三角函數(shù)、代數(shù)方程等十幾種性質(zhì)不同的問題。 2022/8/1341960年McCarthy提出并成功地研制出“表處理語言Lisp(List Processing)”它不僅能夠處理數(shù)值而且能夠更方便地處理符號，適用于符號積分計算、數(shù)學定理證明、數(shù)理邏輯中的命題演算、博弈、圖像識別等領(lǐng)域，成為人工智能程序設(shè)

14、計語言的一個里程碑 。2022/8/1353、19701980年（發(fā)展和實用化階段） 人工智能系統(tǒng)要解決現(xiàn)實世界中的很多復雜問題，不能只有一般的問題求解方法，還需要解決問題的有關(guān)領(lǐng)域的專門知識。缺少知識去處理一個無限制的領(lǐng)域是非常困難的。要使計算機像人類專家那樣出色工作，必須給它提供人類專家所具備的專業(yè)知識 。2022/8/136具有代表性的專家系統(tǒng)有： 1965年Feigenbaum等人的化學專家系統(tǒng)DENRAL 數(shù)學專家系統(tǒng)MACSYMA （MIT， 1971年） 1972-1974年紹特里夫研制出醫(yī)療專家系統(tǒng)MYCIN2022/8/137 地質(zhì)勘探專家系統(tǒng)PROSPECTOR（Duda,

15、 1976） 診斷和治療青光眼疾病專家系統(tǒng)CAS-NET 診斷VAX計算機故障的實驗專家系統(tǒng)XCONRL和XSEL2022/8/138其它方面的進展： 卡內(nèi)基梅隆大學的L. D. Erman設(shè)計出語言理解系統(tǒng)HEARSYS（1971-77） 60年美國生產(chǎn)出第一批商用機器人 知識表達方面。1968年Quillian提出了語義網(wǎng)絡知識表達法。1974年Minsky提出了框架理論2022/8/139 非精確性推理方面也取得一些突破性進展 60年代后期機器定理證明取得了重大突破（王浩、魯賓生、吳文俊等） 1965年Robinson提出了消解原理。Kowalski提出了以邏輯為基礎(chǔ)的程序設(shè)計語言（PR

16、OLOG）的思想。1972年法國馬賽大學的Colmerrauer等人實現(xiàn)第一個Prolog系統(tǒng)2022/8/1404、1980年至今（知識工程與專家系統(tǒng)階段） 1977年Feigenbaum發(fā)表特約文章：“人工智能的藝術(shù)：知識課題及實例研究” ，系統(tǒng)地闡述了專家系統(tǒng)的思想，并提出了“知識工程”的概念2022/8/141有影響的應用成果：RI專家系統(tǒng)用于VAX計算機的組裝，為DEC公司每年節(jié)省二千萬美元自然語言處理系統(tǒng)開始商業(yè)化數(shù)百家公司開始投入計算機視覺的研究構(gòu)造知識庫和建立專家系統(tǒng)的軟件工具已經(jīng)商品化2022/8/142當今人工智能的邏輯主義學派有三個主要研究領(lǐng)域：自然語言理解計算機視覺和機

17、器人學知識工程2022/8/1431.1.2.2 連接主義的發(fā)展歷史 人工神經(jīng)網(wǎng)絡是由大量處理單元組成的非線性、大規(guī)模、自適應的動力系統(tǒng) 它是在現(xiàn)代神經(jīng)科學研究成果的基礎(chǔ)上提出的，試圖通過模擬大腦神經(jīng)網(wǎng)絡處理、記憶信息的方式，設(shè)計出一種新的機器使之具有像人腦那樣的信息處理能力2022/8/1441、起源與第一次研究高潮 主要的研究成果：第一、1943年心理學家McCulloch（麥克洛奇）和數(shù)理邏輯學家Pitts（皮茲） 提出的神經(jīng)元模型第二、1957年Rosenblatt（羅森勃拉特）提出了感知器（Perceptron）第三、1962年Widrow（威德羅）提出了自適應線性元件（Adalin

18、e）2022/8/145不幸的事情：Minsky（明斯基）和Papert（佩珀特）仔細分析了以感知器為代表的神經(jīng)網(wǎng)絡系統(tǒng)的功能的局限性，1969年出版Perceptron一書他們指出感知器僅能解決一階謂詞邏輯，不能解決高階謂詞邏輯，對神經(jīng)網(wǎng)絡的功能持悲觀態(tài)度2022/8/146在70-80年先后提出了多種神經(jīng)網(wǎng)絡模型：1972年Fukusheima提出了認知機模型1974年Werbos提出了反向傳播模型（Bryson等人，1963年提出等價于BP的相應算法）1977年Anderson提出了盒中腦模型（BSB）1980年Kohonen提出了自組織映射模型（SOM）2022/8/1472、第二次研

19、究高潮 （八十年代）有影響力的成果有：1982年美國加州理工學院物理學家Hopfield提出了離散的神經(jīng)網(wǎng)絡模型1984年又提出了連續(xù)神經(jīng)網(wǎng)絡模型，可以用電子線路來仿真Hopfield網(wǎng)絡可以解決最優(yōu)化問題，最典型的例子就是“旅行商問題TSP”2022/8/1481985年Hinton（欣頓）和Sejnowsky（塞杰諾斯基）提出了一個可行的算法，稱之為Boltzmann（玻耳茲曼）機模型。他們借助于統(tǒng)計物理學的概念和方法，提出了多層網(wǎng)絡的學習算法2022/8/1491986年Rumelhart（魯梅爾哈特）和McClelland（麥克萊倫德）提出了反向傳播網(wǎng)絡學習算法（BP）實現(xiàn)了多層前向網(wǎng)

20、絡的學習過程，其實原理非常簡單，綜合了連續(xù)轉(zhuǎn)換函數(shù)、隱函數(shù)求偏導法則和梯度法。BP算法可以實現(xiàn)高度的非線性映射功能，用于模式分類和函數(shù)逼近（回歸分析）2022/8/1503、統(tǒng)計學習理論和支持向量機的興起 （九十年代中后期）統(tǒng)計學習理論：專門研究有限樣本集情況下機器學習的統(tǒng)計規(guī)律及實現(xiàn)方法研究問題：模式分類、回歸分析、概率密度估計2022/8/151N.(2004-11)2022/8/152代表性的算法：支持向量機（Support Vector Machines)進一步發(fā)展起來的算法：核算法（Kernel Machines)2022/8/1531.2 人類智能與人工智能（符號主義觀點）1.2.

21、1 智能信息處理系統(tǒng)的假設(shè) 1.2.1.1 從人的認知過程看待計算機原理 1.2.1.2 從信息處理系統(tǒng)角度看待人工智能2022/8/154人的認知活動具有不同的層次：最高層：思維策略中間層：初級信息處理最低層：生物過程，例如中樞神經(jīng)系統(tǒng)、神經(jīng)元與大腦的活動生理過程初級信息處理思維策略1.2.1.1 從人的認知過程看待計算機原理2022/8/155相應地，我們可以將計算機分成三個層次：程序語言硬件 計算機硬件計算機語言計算機程序2022/8/156研究認知過程的主要任務是探索高層次思維決策與初級處理信息的關(guān)系。用計算機程序來模擬人的思維策略水平，用計算機語言模擬人的初級信息處理過程。 生理過程

22、初級信息處理思維策略計算機硬件計算機語言計算機程序人類認知活動與計算機的比較簡單程序軟件系統(tǒng)2022/8/157人類認知過程的工作原理：當外界刺激作用于某一個特定狀態(tài)的機體時，就會發(fā)生變化TT+1 x=f(S,R)xx+x T表示時間變量x表示認知操作S表示機體狀態(tài)R表示外界刺激 2022/8/158計算機的工作原理：在得到外界輸入后，計算機進行相應的操作，使得其內(nèi)部狀態(tài)隨時間發(fā)生變化2022/8/159計算機存儲的內(nèi)容人類機體的狀態(tài) 機體施加的某種刺激 計算機的輸入人類認知過程的工作原理計算機的工作原理2022/8/160這種以人的思維方式為模型的信息處理系統(tǒng)可以稱為智能信息處理系統(tǒng)當然，人

23、可以看成為一個智能信息處理系統(tǒng)2022/8/161信息處理系統(tǒng)（符號處理系統(tǒng)、物理符號系統(tǒng)）處理對象：符號（不是連續(xù)變化的數(shù)值）基本任務和功能：辨認相同的符號和不同的符號1.2.1.2 從信息處理系統(tǒng)角度看待人工智能2022/8/162完整物理符號系統(tǒng)的六大基本功能： 輸入符號 輸出符號存儲符號復制符號建立符號結(jié)構(gòu)：通過找出各符號之間的關(guān)系，形成符號結(jié)構(gòu)條件性轉(zhuǎn)換：根據(jù)已有符號，在一定條件下實現(xiàn)符號之間的轉(zhuǎn)換2022/8/163人是物理符號系統(tǒng)： 輸入信號：視覺、聽覺、觸覺（眼睛看、耳朵聽、手摸）輸出信號：說話、觸覺 計算機是物理符號系統(tǒng)： 輸入：鍵盤、鼠標、話筒等輸出：屏幕、耳機等 2022

24、/8/164物理符號系統(tǒng)的假設(shè)：任何一個系統(tǒng)，如果它能夠表現(xiàn)出智能，那么它就必定能夠執(zhí)行上述六種功能反之，任何系統(tǒng)如果具有上述六種功能，那么它就能夠表現(xiàn)出智能，即人類具有的智能2022/8/165推論1：既然人具有智能，那么他一定就是一個物理符號系統(tǒng)。人之所以能夠表現(xiàn)出智能，就是基于他的信息處理過程推論2：既然計算機是一個物理符號系統(tǒng)，它就一定能夠表現(xiàn)出智能。這是人工智能的基本條件2022/8/166推論3：既然人和計算機都是物理符號系統(tǒng)，那么就能夠用計算機來模擬人的活動注意：推論3不一定是從推論1和2推導出來的必然結(jié)果。人與計算機可以用不同的原理與方式進行工作。計算機并不一定都是模擬人的活動

25、2022/8/167結(jié)論能夠用計算機來模擬人的（思維）活動，即能夠用機器智能來模擬人類智能 2022/8/1681.2.2 人類智能的計算機模擬結(jié)論：能夠用計算機來模擬人的（思維）活動，即能夠用機器智能來模擬人類智能人工智能的實現(xiàn)手段：包括硬件和軟件，其中軟件就是一個計算機程序2022/8/169成功的人工智能的例子：1、1997年2月，IBM的深籃（Deep Blue）智能計算機與國際象棋大師卡斯帕洛夫的世紀大戰(zhàn)，深籃的成績是2勝1負3平2、2003年1、2月，小深（Deep Junior）與卡斯帕洛夫的人機大戰(zhàn)，成績是平手2022/8/170傳統(tǒng)程序就是告訴機器干什么及任何干，而如何干則要

26、靠人來設(shè)計方法、給出算法并寫出程序來實現(xiàn)的AI程序只要求機器知道干什么，我們只要把問題描述清楚，機器就能自動實現(xiàn)求解2022/8/171人工智能（符號主義）與傳統(tǒng)程序的差異方面AI程序傳統(tǒng)程序處理主要是符號處理主要數(shù)字處理輸入可以是不完整必須完整搜索啟發(fā)式搜索算法解釋提供不提供主要關(guān)心知識數(shù)據(jù)、信息結(jié)構(gòu)控制結(jié)構(gòu)與知識域相分離信息與控制連接在一起輸出可以不正確的答案要求正確答案維護與更新易于維護、更新、改變難于修改推理有無2022/8/1721.3 人工智能各學派的認知觀目前人工智能主要有三大學派： 符號主義：邏輯主義、心理學派、計算機學派。其原理為物理符號系統(tǒng)假設(shè)和有限合理性原理連接主義：仿生

27、學派、生理學派。其原理是神經(jīng)網(wǎng)絡及其連接機制和學習算法行為主義：進化主義、控制論學派。其原理是控制論、感知-動作控制系統(tǒng) 2022/8/173不同的學派對AI的基本問題，比如，定義、基礎(chǔ)、核心、要素、認知過程、學科體系以及人工智能與人類智能的關(guān)系等，均有不同觀點。它們的研究方法也不同2022/8/1741、符號主義 在基本理論上，認為人的認知基元是符號，而認知過程就是符號操作過程 知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ) 人工智能的核心問題是知識表達、知識推理和知識運用2022/8/175在研究方法上，功能模擬方法。通過分析人類認知系統(tǒng)所具備的功能和機能，然后用計算機模擬這些功能、實現(xiàn)人工智能2

28、022/8/1762、連接主義 在基本理論上，認為人的思維基元是神經(jīng)元，而不是符號處理過程 提出了連接主義的大腦工作模式，來取代符號主義的大腦工作模式2022/8/177在研究方法上，著重于結(jié)構(gòu)模擬，即模擬人的生理神經(jīng)網(wǎng)絡結(jié)構(gòu)，并認為功能、結(jié)構(gòu)和智力行為是密切相關(guān)的，不同的結(jié)構(gòu)表現(xiàn)出不同的功能和行為2022/8/1783、行為主義 在基礎(chǔ)理論上，認為智能取決于感知與行為，提出了智能行為的“感知動作”模式。 在研究方法上，采用行為模擬方法，也認為功能、結(jié)構(gòu)和智力行為是不可分開的。不同的行為表現(xiàn)出不同的功能和不同的結(jié)構(gòu)2022/8/1791.4 人工智能的研究與應用領(lǐng)域目前人工智能的主要研究與應用

29、領(lǐng)域有問題求解 邏輯推理與定理證明自然語言理解自動程序設(shè)計（人工描述自動轉(zhuǎn)化程序）專家系統(tǒng)機器學習神經(jīng)網(wǎng)絡機器人學2022/8/180模式識別 機器視覺智能控制智能檢索智能調(diào)度與指揮分布式人工智能與Agent計算智能與進化計算數(shù)據(jù)挖掘與知識發(fā)現(xiàn)人工生命系統(tǒng)與語言工具（用于支持AI研究與開發(fā)） 2022/8/1811.5 本課程講授的主要內(nèi)容及課程要求 主要內(nèi)容：第1章：緒論（p1-24)人工智能的概念、發(fā)展歷史人工智能的研究與應用領(lǐng)域本課程講授的主要內(nèi)容及課程要求2022/8/182第2章：知識表達與推理 (p25-39)知識表達的一般方法（狀態(tài)空間法、問題歸約法 、 謂詞邏輯法） （補充）圖

30、的搜索技術(shù)（盲目搜索（補充）、啟發(fā)式搜索技術(shù)）與或圖的搜索技術(shù)（補充）博弈問題的搜索技術(shù)（補充）消解原理2022/8/183第4章：計算智能（p124-125、137-198） 計算智能的基本概念 模糊集理論 粗糙集理論 遺傳算法 粒子群算法 蟻群算法2022/8/184教學內(nèi)容：課堂教學上機實驗報告文獻閱讀報告少量書名作業(yè)2022/8/185成績考核方法：平時成績（實驗報告20，文獻閱讀報告20，書面作業(yè)與出勤10）期末書面考試成績（50%）2022/8/186主要教材蔡自興，徐廣祐，人工智能及其應用（第三版）（研究生用書），北京：清華大學出版社，2004參考書目Nils J. Nilsson, Artificial Intelligence: A New Synthesis (影印本). 北京：機械工業(yè)出版社，1999涂序彥。人工智能及其應用。北京：電子工業(yè)出版社，1988蔡自興，徐廣祐。人工智能及其應用（第二版）。北京：清華大學出版社，1996蔡自興，徐廣祐。人工智能及其應用（第三版）（本科生用書）。北京：清華大學出版社，20032022/8/1871