发布时间：
院士作序推荐的《人工智能基础教程》孙元强，罗继秋编著，该书例子多多，习题有答案，非常实用
人工智能作为目前比较前沿的领域，其实有大量的文献资料，书本资料，视频资料可以进行了解和深入的学习。想要了解，不妨先看看百度百科的基本简介，了解定义，然后查找一些网络的资源，了解人工智能所设计的基础领域和基本应用范围，然后再去学习一些人工领域的基础知识和框架，慢慢的你就可以理解很多专业的术语，了解一些基本的讲解了。 人工智能在目前很多领域都有应用，医学，互联网，车联网等等领域都有应用。常见的还有图像识别，语言识别，无人驾驶等等日常生活可以接触到的一些新鲜知识里都有人工智能的地方。 想要了解可以看一些科普的视频讲解，然后通过查看一些专业词汇的文章进一步理解可以对人工智能有初步的理解和认识。再结合日常生活的一些贴近生活的应用，自然可以逐步了解了。 人工智能在目前有很多应用，也可以轻易的查到很多文献，比如去图书馆，网络搜索等等都有很多简介的基础文章可以阅读，或者一些基础入门的人工智能课程，也可以轻松的了解人工智能发展的脉络和基本的技术领域知识。作为目前相对前沿科技的一些技术，人工智能有很多领域的会议也有很多相关的宣传视频基础文章，只要愿意搜索你可以得到很多脉络的了解，和很多知识的挖掘。人工智能作为计算机科学的一个分支，目前也有很多前沿的发展和生活中的实际应用。在看一些文献和视频的时候，也可以结合生活中的场景去进一步的理解和认识。其实了解人工智能的内容，专业性质的了解还是需要一些基础知识的。人工智能本身是为了创造模拟人脑的机器，运用相关的原理去实践处理一些问题。相关的知识有很多，比如机器学习，大数据，深度学习等等。作为一门新鲜科学，它常见的应用也有很多，比如自然语言处理，语音识别，计算机视觉等等。大家日常生活中的语音翻译其实也应用了人工智能的相关知识。当然了真的要学好人工智能，可能还需要掌握很多数学知识，逻辑知识才能进一步理解人工智能甚至理解如何解释人工智能。不过如果知识日常的了解，其实通过一些科普的文章，科普的短视频就可以进行初步的框架了解。人工智能确实给我们目前的生活带来了很多发展带来了很多便利，相信目前的发展和深入的实践在未来会有更多的结果反馈。
清华大学出版社最近推出了两部人工智能新教材？：《人工智能概论》和《人工智能导论》，前者为人工智能通识课教材，后者面向人工智能专业及计算机、自动化和电子信息类专业。也两本书的最大特点就是易读易懂，易教易学。
第1章人工智能研究的发展和基本原则1．1人工智能的研究和应用1．2人工智能研究的发展1．3人工智能研究的成果1．4人工智能研究的基本原则1．5存在的问题和发展前景习题参考文献第2章问题求解的基本方法2．1一般图搜索2．1．1状态空间搜索2．1．2启发式搜索2．1．3状态空间抽象和生成一测试法2．1．4启发式搜索的适用性讨论2．2问题归约2．2．1问题归约的描述2．2．2与或图搜索2．2．3与或图的启发式搜索2．3基于归结的演绎推理2．3．1谓词演算2．3．2归结演绎方法2．3．3归结反演2．4基于规则的演绎推理2．4．1基于规则的正向演绎推理2．4．2基于规则的逆向演绎推理2．4．3演绎推理的应用讨论2．4．4逻辑编程语言Prolog本章小结习题参考文献第3章知识表示3．1知识和知识表示3．1．1知识原则3．1．2知识表示的作用3．1．3知识表示的功能3．1．4知识表示的性能3．1．5基本的知识表示方式3．2产生式表示3．2．1产生式系统3．2．2控制策略3．2．3产生式系统的分类3．3结构化表示3．3．1语义网络3．3．2框架表示法3．3．3面向对象的表示法3．4知识表示的实用化问题3．4．1程序性和陈述性知识3．4．2表示能力和推理效率之间的制约关系3．5基于本体的语义知识表示3．5．1语义知识表示和共享本体3．5．2本体表示语言的研究3．5．3Web本体语言OWL3．5．4语义Web的应用情景和支持技术本章小结习题参考文献第4章基于知识的系统4．1KB系统的开发4．1．1KB系统的一般概念4．1．2KB系统的体系结构原则4．1．3KB系统的开发过程4．1．4KB系统的开发工具和环境4．2设计基于产生式表示的KB系统开发工具4．2．1总体设计4．2．2xps的实现4．2．3应用实例——家族树4．2．4性能改进4．2．5开发工具OPS54．3专家系统实例——MYCIN4．3．1知识库的构造4．3．2推理机的设计4．3．3系统服务设施4．3．4开发工具EMYCIN4．4问题求解的结构化组织4．4．1结构化组织的需求4．4．2事务表4．4．3黑板法4．4．4问题求解建模4．4．5KB系统的高级技术4．5基于本体的知识系统4．5．1基础级本体工程4．5．2高级本体工程4．5．3开发基于本体的知识系统本章小结习题参考文献第5章自动规划和配置5．1经典规划技术5．1．1经典规划技术的发展5．1．2规划的基本概念5．1．3早期的自动规划技术5．1．4部分排序规划技术5．2自动规划技术的新进展5．2．1非经典规划技术的开发5．2．2自动规划技术的实用化5．2．3智能的调度、规划和项目管理5．3自动配置5．3．1配置的一般概念5．3．2自动配置的建模5．3．3XCON——计算机自动配置系统本章小结习题参考文献第6章机器学习6．1机器学习概论6．1．1机器学习的基本概念6．1．2机器学习的发展历史6．1．3机器学习分类6．2示例学习6．2．1示例学习的基本策略6．2．2决策树构造法ID36．3基于解释的学习6．3．1基于解释的泛化(EBG)6．3．2基于解释学习的若干基本问题6．4遗传算法6．4．1简单遗传算法6．4．2分类系统6．5加强学习6．5．1加强学习的基本方法6．5．2p学习6．5．3有关加强学习的进一步讨论6．6基于范例的学习6．6．1基于范例推理的过程6．6．2应用实例：智能饲料配方系统IcMIx6．7知识发现与数据挖掘6．7．1定理发现6．7．2数据挖掘6．7．3关联规则挖掘6．7．4数据库及网络中的知识发现本章小结习题参考文献第7章人工智能高级技术综述参考文献第二版本前面6章内容基本相同以下附带：第一版的第七章到第九章第七章 非单调推理和软计算1 传统逻辑系统的局限性2 非单调推理3 不确定推理4 模糊逻辑和模糊推理5 神经网络本章小结习题参考文献第八章 机器感知1 视觉与视觉图像2 图像特征提取3 视觉模型与识别4 自然语言理解5 机器翻译本章小结习题参考文献第九章 Agent技术和信息基础设施智能化1 Agent技术的研究和发展2 多Agent协作3 Agent通信4 信息基础设施的智能化本章小结习题参考文献……
人工智能及其应用作 者： 王万良 编著出 版 社： 高等教育出版社出版时间： 2008-6-1开 本： 16开I S B N ： 9787040239560定价：￥90 全书共10章。第1章绪论；第2章知识表示；第3章确定性推理方法；第4章不确定性推理方法；第5章搜索求解策略；第6章专家系统；第7章机器学习；第8章人工神经网络及其应用；第9章遗传算法及其应用；第10章自然语言理解及其应用。附录中给出了本书的部分习题解答。本书可作为计算机、信息、控制、机电以及其他专业本科生、研究生学习人工智能课程的教材。由于书中几大部分内容相对独立，教师可以根据课程的学时计划灵活选择相关内容。本书也可供希望掌握人工智能技术的研究人员与工程技术人员学习参考。 第1章 绪论1 人工智能的基本概念2 人工智能的发展简史3 人工智能研究的基本内容4 人工智能的主要研究领域5 小结思考题第2章 知识表示1 知识与知识表示的概念2 一阶谓词逻辑表示法3 产生式表示法4 框架表示法5 语义网络表示法6 小结思考题习题第3章 确定性推理方法1 推理的基本概念2 自然演绎推理3 谓词公式化为子句集的方法4 海伯伦定理5 鲁宾逊归结原理6 归结反演7 应用归结原理求解问题8 小结思考题习题第4章 不确定性推理方法1 不确定性推理中的基本问题2 概率方法3 主观Bayes方法4 可信度方法5 证据理论6 模糊推理方法7 小结思考题习题第5章 搜索求解策略1 搜索的概念2 状态空间知识表示方法3 盲目的图搜索策略4 启发式图搜索策略5 与/或图搜索策略6 小结思考题习题第6章 专家系统1 专家系统的产生和发展2 专家系统的概念3 专家系统的工作原理4 知识获取5 专家系统的建立6 专家系统实例7 专家系统的开发工具8 小结思考题第7章 机器学习1 机器学习的基本概念2 机械式学习3 指导式学习4 归纳学习5 类比学习6 解释学习7 机器学习方法的比较与展望8 小结思考题第8章 人工神经网络及其应用1 神经元与神经网络2 BP神经网络及其学习算法3 BP神经网络的应用4 Hopfield神经网络及其改进5 Hopfield神经网络的应用6 Hopfield神经网络优化方法求解JSP7 小结思考题习题第9章 遗传算法及其应用1 遗传算法的产生与发展2 遗传算法的基本算法3 遗传算法的改进算法4 基于遗传算法的生产调度方法5 小结思考题习题第10章 自然语言理解及其应用1 自然语言理解的概念与发展历史2 语音分析3 词法分析4 句法分析5 语义分析6 基于语料库的大规模真实文本的处理7 机器翻译8 语音识别9 小结思考题习题附录 部分习题解答参考文献
具体什么方面的？最好提供关键词。
人工智能发展史0
用 深度搜 搜索试试吧
有很多网站是专门“卖”这些文献的，我记得有万方数据什么，那个可以搜索文献，但是都是要付费的，不知道你是不是大学生，一般学校会为学生老师提供搜索，并且是免费的，就是学校买的
《视读人工智能》：机器真的可以思考吗？人的思维只是一个复杂的计算机程序吗？本书着眼于人工智能这个有史以来最为棘手的科学问题之一，集中探讨了其背后的一些主要话题。人工智能不仅仅是一个虚构的概念。人类对智能机体结构半个世纪的研究表明：机器可以打败人类最伟大的棋手，类人机器人可以走路并且能和人类进行互动。尽管早就有宣言称智能机器指目可待，但此方面的进展却缓慢而艰难。意识和环境是困扰研究的两大难题。我们到底应该怎样去制造智能机器呢？它应该像大脑一样运转？它是否需要躯体？从图灵影响深远的奠基性研究到机器人和新人工智能的飞跃，本书图文并茂的将人工智能在过去半个世纪的发展清晰的呈现在读者面前。《人工智能的未来》：诠释了智能的内涵，阐述了大脑工作的原理，并告诉我们如何才能制造出真正意义上的智能机器——这样的智能机器将不再仅仅是对人类大脑的简单模仿，它们的智能在许多方面会远远超过人脑。霍金斯认为，从人工智能到神经网络，早先复制人类智能的努力无一成功，究其原因，都是由于人们并未真正了解智能的内涵和人类大脑。所谓智能，就是人脑比较过去、预测未来的能力。大脑不是计算机，不会亦步亦趋、按部就班的根据输入产生输出。大脑是一个庞大的记忆系统，它储存着在某种程度上反映世界真实结构的经验，能够记忆事件的前后顺序及其相互关系，并依据记忆做出预测。形成智能、感觉、创造力以及知觉等基础的，就是大脑的记忆-预测系统……《人工智能哲学》：人工智能哲学是伴随现代信息理论和计算机技术发展起来的一个哲学分支。本书收集了人工智能研究领域著名学者的十五篇代表性论文，这些论文为计算机科学的发展和人工智能哲学的建立作出了开创性的贡献。这些文章总结了人工智能发展的历程，该学科发展的趋势，以及人工智能中的重要课题。在这些划时代的著作中，包括有：现代计算机理论之父艾伦·图灵的“计算机与智能”；著名美国哲学家塞尔的“心灵，大脑与程序”；J·E·欣顿等人的“分布式表述”，以及本书编者、英国著名人工智能学者M·A·博登的“逃出中文屋”。《人工智能：一种现代的方法》：本书以详尽和丰富的资料，从理性智能体的角度，全面阐述了人工智能领域的核心内容，并深入介绍了各个主要的研究方向，是一本难得的综合性教材。全书分为八大部分：第一部分人工智能，第二部分问题求解，第三部分知识与推理，第四部分规划，第五部分不确定知识与推理，第六部分学习，第七部分通讯、感知与行动，第八部分结论。本书既详细介绍了大量的基本概念、思想和算法，也描述了各研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。因此本书适合于不同层次和领域的研究人员及学生，可以作为信息领域和相关领域的高等院校本科生和研究生的教材或教学辅导书目，也可以作为相关领域的科研与工程技术人员的参考书。