来源书籍

人工智能:现代方法(第4版)(上下册)

Skill 版本:v24 经典原理**(高信息浓度 + 高稳定性) 84 张卡片

斯图尔特·罗素 / 彼得·诺维格 · 张博雅 陈坤 田超 等 译 · 人民邮电出版社

全书导读

本书以“理性智能体”为统一主线,把人工智能的核心问题串成一条可迁移的推理链:从智能体与环境的关系出发,依次讨论在确定性、不确定性、对抗与多智能体环境中的搜索、逻辑推理、概率推断与决策,再进入学习、语言、视觉、机器人等具体能力,最后落到伦理、安全与未来。读全书要抓住两条线:一条是“如何表示世界并从中推断”(状态、逻辑、贝叶斯网络),一条是“如何据此选择行动”(效用、策略、规划)。具体算法和模型会变,但表示—推断—决策的框架长期有效。

全书主线

主线是“用表示刻画环境,用推断更新信念,用效用驱动行动”。起点是理性智能体,它把“像人思考”与“理性行动”区分开;在确定的问题求解里,状态空间建模与搜索四指标把行动选择变成可比较的搜索;环境一旦有不确定性,概率表征信念与贝叶斯更新接手信念更新,贝叶斯网络让复杂联合分布变得可计算;有了信念还要有偏好,效用连接行动把信念转成期望效用最大的动作,序贯情形下则由MDP框架与价值迭代给出策略。理解全书,就是理解这条从表示到推断到决策、再延伸到学习与感知的链条。

原书依据 · 9 处

第01章 绪论

第1章《绪论》围绕本章主题展开。AI定义坐标:人工智能的定义至少有两条坐标轴:关注思想还是行为,追求人类相似还是理性最优。 理性智能体:理性智能体不是全知机器,而是在已有感知、知识和计算资源限制下选择期望表现最好的行动。 目标不确定性:强系统若只优化明确目标,容易把错误目标做到极致。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第02章 智能体

第2章《智能体》围绕本章主题展开。智能体函数:智能体函数把完整感知序列映射到行动,智能体程序只是它在机器上的实现。 性能度量优先:任务环境应先定义性能度量、环境、执行器和传感器。 环境决定架构:完全可观测、确定、静态环境可用简单规则;部分可观测、动态、多智能体环境需要状态估计、规划和学习。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第03章 通过搜索进行问题求解

第3章《通过搜索进行问题求解》围绕本章主题展开。状态空间建模:搜索前必须把问题形式化为初始状态、动作、转移模型、目标测试和动作代价。 搜索四指标:搜索算法要同时评估完备性、代价最优性、时间复杂性和空间复杂性。 启发式价值:启发式函数把领域知识压缩成“离目标还有多远”的估计,让搜索优先扩展更有希望的节点。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第04章 复杂环境中的搜索

第4章《复杂环境中的搜索》围绕本章主题展开。局部搜索视角:局部搜索只保留少量候选状态,关注找到高质量状态而非完整路径。 信念状态:部分可观测环境中,智能体不能只维护一个“当前状态”,而要维护可能状态集合或概率分布。 在线探索:未知环境要求智能体边行动边学习地图和动作效果。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第05章 对抗搜索和博弈

第5章《对抗搜索和博弈》围绕本章主题展开。极小化极大:双人零和博弈中,最优行动来自假设对手也会最优反制。 剪枝不改答案:α-β剪枝能删除不会影响最终选择的博弈树分支,因此提升效率而不改变最优行动。 MCTS的权衡:蒙特卡罗树搜索用大量模拟估计动作价值,不依赖手写评价函数。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第06章 约束满足问题

第6章《约束满足问题》围绕本章主题展开。CSP建模:约束满足问题把状态拆成变量和值,解是满足全部约束的赋值。 约束传播:约束传播通过节点一致、弧一致等技术提前删除不可能取值,减少回溯搜索的分支。 结构降低复杂度:CSP 难度与约束图结构密切相关。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第07章 逻辑智能体

第7章《逻辑智能体》围绕本章主题展开。知识库智能体:基于知识的智能体把世界事实写成知识库语句,再用推断机制产生新语句并选择行动。 语义先于推断:逻辑语言由语法和语义共同定义;推断规则只有在保真于语义时才可靠。 SAT化行动:命题逻辑智能体可以把“是否存在达到目标的动作序列”转成 SAT 问题。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第08章 一阶逻辑

第8章《一阶逻辑》围绕本章主题展开。一阶逻辑升级:一阶逻辑引入对象、关系、函数和量词,避免命题逻辑为每个事实单独命名的爆炸。 本体论承诺:表示语言隐含本体论承诺:它承认世界里有哪些东西、关系和属性。 量词表达泛化:全称量词和存在量词让规则能覆盖一类对象,而不只是单个事实。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第09章 一阶逻辑中的推断

第9章《一阶逻辑中的推断》围绕本章主题展开。合一机制:合一把两个含变量的逻辑表达式变成可匹配形式,是一阶推断从模板规则落到具体对象的关键。 前向反向链接:前向链接从已知事实不断推出新事实,适合数据驱动触发;反向链接从目标反查所需条件,适合查询驱动证明。 归结证明:归结把一阶逻辑推断转化为寻找矛盾:若知识库加上结论的否定不可满足,则结论成立。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第10章 知识表示

第10章《知识表示》围绕本章主题展开。本体工程:知识表示的难点不只是写事实,而是建立能支持推理的本体:类别、对象、部分、事件和时间如何组织。 类别继承:类别系统通过继承把通用属性下放到具体对象,减少重复表达。 缺省推理:现实推理常依赖“通常如此”的缺省信息,而不是绝对规则。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第11章 自动规划

第11章《自动规划》围绕本章主题展开。规划即搜索:经典规划把行动表示为前提和效果,在状态空间或计划空间中搜索可达目标的动作序列。 启发式规划:规划启发式常来自放松问题:先忽略部分约束,快速估计到目标的距离。 分层规划:分层规划先处理高层任务,再逐步细化为具体动作。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第12章 不确定性的量化

第12章《不确定性的量化》围绕本章主题展开。概率表征信念:概率不是只描述随机性,也描述智能体在证据不足时的信念强度。 贝叶斯更新:贝叶斯法则把先验信念、似然证据和后验结论连接起来。 独立性压缩:完全联合分布会随变量数量指数膨胀,独立性假设能大幅压缩表示和推断成本。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第13章 概率推理

第13章《概率推理》围绕本章主题展开。贝叶斯网络:贝叶斯网络用有向图表示变量间的条件依赖,把巨大联合分布分解为局部条件概率。 精确与近似:贝叶斯网络精确推断在复杂图上可能不可行,近似推断用采样或随机方法换取可用答案。 因果方向:因果网络不只是相关性的图,它表达干预会如何改变变量。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第14章 时间上的概率推理

第14章《时间上的概率推理》围绕本章主题展开。时序信念更新:时间序列推理把当前信念看作上一步信念经过转移模型和新观测共同更新的结果。 HMM抽象:隐马尔可夫模型把不可见状态和可见观测分开,用转移概率描述状态变化,用传感模型描述观测生成。 卡尔曼滤波:卡尔曼滤波在连续线性高斯系统中维护状态的均值和协方差。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第15章 概率编程

第15章《概率编程》围绕本章主题展开。概率程序:概率编程把随机选择、观测条件和普通程序控制流合在一起,让模型像程序一样表达复杂生成过程。 开放宇宙模型:开放宇宙概率模型允许对象数量本身未知,例如世界里可能有几个目标、几辆车或几个原因。 程序即模型:当程序包含随机分支并被观测约束过滤时,它就是一个概率模型。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第16章 做简单决策

第16章《做简单决策》围绕本章主题展开。效用连接行动:概率只告诉智能体相信什么,效用告诉它想要什么。 信息有价值:信息价值来自它能否改变决策并提升期望效用。 多属性效用:现实决策常同时考虑成本、风险、速度、质量等属性。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第17章 做复杂决策

第17章《做复杂决策》围绕本章主题展开。MDP框架:马尔可夫决策过程用状态、动作、转移、奖励描述序贯决策。 价值迭代:价值迭代通过贝尔曼方程反复更新状态价值,让未来收益逐步回传到当前状态。 探索与利用:老虎机问题揭示序贯学习的基本矛盾:继续选择当前最好选项,还是尝试不确定但可能更好的选项。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第18章 多智能体决策

第18章《多智能体决策》围绕本章主题展开。多智能体性质:多智能体环境中,其他参与者既是环境的一部分,也是会推理和适应的决策者。 纳什均衡:纳什均衡描述一种稳定状态:给定他人策略,任何参与者单独改变策略都不会更好。 机制设计:拍卖、投票和合同网体现同一思想:通过规则设计让个体理性行为汇聚为可接受的集体结果。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第19章 样例学习

第19章《样例学习》围绕本章主题展开。泛化目标:监督学习的目标不是记住训练集,而是在未来样本上表现好。 模型选择:验证集和交叉验证用于选择超参数,测试集用于估计最终泛化表现。 损失函数定方向:损失函数定义错误的代价,因此决定模型学习的方向。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第20章 概率模型学习

第20章《概率模型学习》围绕本章主题展开。贝叶斯学习:贝叶斯学习把假设也当作不确定对象,用数据更新假设的后验概率。 MLE与MAP:最大似然只看数据最支持哪个假设,最大后验还加入先验偏好。 EM处理隐变量:EM 在隐变量未知时交替估计隐藏结构和优化参数,寻找局部最大似然。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第21章 深度学习

第21章《深度学习》围绕本章主题展开。计算图学习:深度学习把复杂函数表示为可微计算图,训练过程通过反向传播把损失梯度分配到各层参数。 卷积归纳偏置:卷积网络把局部连接和权重共享写进架构,使图像这类网格数据的学习更高效。 泛化靠约束:深度网络参数很多,泛化需要架构选择、正则化、扰动和足够数据共同约束。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第22章 强化学习

第22章《强化学习》围绕本章主题展开。奖励塑造行为:强化学习智能体从奖励中学习,奖励函数因此会塑造行为边界。 TD学习:时序差分学习用后继状态价值修正当前估计,不必等到完整回合结束。 Q学习取舍:Q 学习直接估计状态-动作价值,行动选择和学习阶段都可不依赖环境模型。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第23章 自然语言处理

第23章《自然语言处理》围绕本章主题展开。语言模型基础:n 元语言模型用局部词序统计捕捉大量语言规律,简单却能支撑拼写校正、分类等任务。 文法层次结构:短语结构文法用层次规则描述句子,而不是只看相邻词。 语义需要结构:从句子到意义通常需要句法、语义和上下文共同约束。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第24章 自然语言处理中的深度学习

第24章《自然语言处理中的深度学习》围绕本章主题展开。词嵌入泛化:词嵌入把离散词映射到连续向量,让语义或句法相近的词在空间中接近。 注意力机制:注意力让模型在生成当前输出时动态选择输入序列中最相关的部分。 预训练迁移:大规模未标注文本预训练学到通用语言表示,再用少量任务数据微调。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第25章 计算机视觉

第25章《计算机视觉》围绕本章主题展开。视觉逆问题:图形学从三维场景生成图像较直接,计算机视觉却要从二维图像反推三维世界和物体含义。 特征到检测:边缘、纹理、光流和区域为视觉系统提供中间线索;现代检测器则把分类能力扩展到位置判断。 分布偏移风险:视觉分类器在测试数据与训练数据相似时表现好,但真实部署常遇到光照、角度、传感器和场景变化。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第26章 机器人学

第26章《机器人学》围绕本章主题展开。实体智能体:机器人是真正改变物理世界的智能体,因此错误不可简单撤销,时间也不能比真实世界更快。 感知规划分解:端到端从传感器到电机理论上诱人,现实中常把机器人问题分解为感知、定位、规划和控制。 构形空间:运动规划常在构形空间中进行,一个点代表机器人所有关键自由度的状态。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第27章 人工智能的哲学、伦理和安全性

第27章《人工智能的哲学、伦理和安全性》围绕本章主题展开。公平不可兼得:算法公平有多种定义,校准、机会均等和影响均等等目标可能彼此冲突。 透明与可信:高风险 AI 系统必须能解释其能力边界、数据来源、错误模式和决策依据。 安全责任:强大技术会放大误用、误差和副作用,研究者与开发者有责任主动降低风险。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

第28章 人工智能的未来

第28章《人工智能的未来》围绕本章主题展开。组件系统观:AI 能力来自传感器、表示、推理、学习、执行器和目标函数等组件的组合。 架构整合:未来 AI 架构需要把符号推理、概率推断、神经学习和行动控制结合起来。 有益目标:AI 的长期目标不应只是更强能力,而是让能力稳定服务人类价值。这些卡片共同构成本章的可迁移要点,详细机制与原文依据见对应卡片。

原书依据 · 3 处

跨章综合

把二十八章放在一起看,全书始终围绕“表示—推断—决策—学习”的循环展开。合一机制与归结证明代表符号主义如何让机器做逻辑推断,贝叶斯网络与卡尔曼滤波代表概率方法如何处理不确定与时序;泛化目标与卷积归纳偏置说明学习如何靠结构与约束获得泛化,注意力机制与预训练迁移则把这一思路推进到现代自然语言处理。最终,公平不可兼得与安全责任提醒我们:能力越强,越需要把价值与责任纳入系统设计。无论是搜索、逻辑、概率还是深度学习,都要回到“表示是否恰当、推断是否可靠、行动是否理性、价值是否对齐”四个问题。

原书依据 · 10 处

发散与实践

以下均为读者延伸计划,并非书中已执行结果。可以用一个小规模环境对比不同搜索与启发式策略的效率;用一个真实数据集比较监督学习与概率模型在不确定推断上的表现;用现成框架复现词嵌入或注意力机制,观察结构先验如何改变效果;并结合第27章讨论一个具体 AI 应用的公平与安全取舍。每张实践卡给出书中依据、可立即开始的第一步与可检查产出,详见 ideas/ 目录与概览实践卡进度表。

生成进度与管理记录

人工智能:现代方法(第4版)(上下册)

执行模式:light

建档进度:done

整体评级

四象限结论:经典原理(高信息浓度 + 高稳定性)

本书以“理性智能体”为统一主线,系统讲解搜索、逻辑、概率、决策、机器学习、语言、视觉、机器人与伦理安全等 AI 核心问题。它不以某个工具版本或操作步骤为中心,而是反复讨论表示、推断、学习、规划、效用、泛化、风险等底层机制与取舍。这些推理框架在具体模型和工程平台变化时仍然可迁移,适合作为长期参考。

整书笔记

阅读正文、章节讲解、全书主线、跨章综合与全部卡片/原文定位见 _book_note.md。覆盖与候选取舍见 _coverage.md。

章节进度追踪

章节号 章节标题 状态(pending/done) 卡片数
01 绪论 done 3
02 智能体 done 3
03 通过搜索进行问题求解 done 3
04 复杂环境中的搜索 done 3
05 对抗搜索和博弈 done 3
06 约束满足问题 done 3
07 逻辑智能体 done 3
08 一阶逻辑 done 3
09 一阶逻辑中的推断 done 3
10 知识表示 done 3
11 自动规划 done 3
12 不确定性的量化 done 3
13 概率推理 done 3
14 时间上的概率推理 done 3
15 概率编程 done 3
16 做简单决策 done 3
17 做复杂决策 done 3
18 多智能体决策 done 3
19 样例学习 done 3
20 概率模型学习 done 3
21 深度学习 done 3
22 强化学习 done 3
23 自然语言处理 done 3
24 自然语言处理中的深度学习 done 3
25 计算机视觉 done 3
26 机器人学 done 3
27 人工智能的哲学、伦理和安全性 done 3
28 人工智能的未来 done 3

非正文排除

spine 项 类型 排除理由
titlepage.xhtml / part0000.html 封面/空白 无实质正文
part0001–part0004.html 目录/版权/题名 出版信息,非作者正文论证
part0005–part0016.html 版权声明/赞誉/序/前言/彩插 出版与配套说明,非作者正文论证
part0017 之前及分节页、part0038/0055 等 分篇题名页 仅篇章标题,无实质讲解
part0052 / part0053(附录 A/B) 附录 数学与语言补充,略读不入正文计划

待关联术语

术语名 出现章节 一句话语境
(无纯提名术语,均在卡片中实质展开) — —

引用文献

标题 类型 出现章节 一句话语境
(本书以机制讲解为主,未引用需单独登记的外部文献) — — —

实践卡进度

序号 实践标题 实践方式 状态(pending/done) 关联章节 产出
001 搜索与启发式策略效率对照 实现深读 done 03、04 ideas/idea-001-搜索与启发式策略效率对照.md
002 概率推断与贝叶斯网络建模对照 证据验证 done 12、13、14 ideas/idea-002-概率推断与贝叶斯网络建模对照.md
003 AI 伦理与安全取舍的决策日志 决策实践 done 27 ideas/idea-003-AI 伦理与安全取舍的决策日志.md

实践候选筛选:done

筛选说明:从搜索策略、概率建模与 AI 伦理三类可迁移主题中选取可立即启动、产出可检查的实践;相近候选合并为 3 张,均未触及真实用户或生产系统。未采用需要完整模型训练与外部高风险干预的候选。计划交付不等于实践已执行。

相关主题

从本书的主题进入跨书阅读,对照其他书籍的讲解。下方数量包含主题关联的全部卡片与书籍。

暂无公开主题。