第一章：绪论
本章试图解释，为什么人工智能是一个最值得研究的学科，并试图给它一个准确的定义。
1. 什么是人工智能
我们都曾听说过“人工智能”，它简直更法术似的，仿佛是世间一切问题的通解；一切事物，只要名字与它靠在一起，就可以立马变得很玄乎 （跟量子力学似的。
本书中作者用（应该说是当时的学者）四个维度—— 「像人一样思考、像人一样行动、合理地思考、合理地行动」 来定义AI。但还得提一嘴，这本书是10年前（2013）的产物了，如果你同为人工智能入门的小白，那或许还可以再找找有没有较新的说法 （我就不找了，也许看这篇文章的你来自更未来的时候呢。
1.像人一样行动：图灵测试的途径
如果一个人在提出一些书面问题后不能区分书面回答来自人还是计算机，那这台计算机就通过图灵测试。这是阿兰·图灵在1950年提出的，这个测试的细节以及给出的判断准确性以后再谈。但要注意，要通过这样的测试，计算机得要具备以下能力：
- 自然语言处理，使之与人交流；
- 知识表示，使之存储有效的信息；
- 自动推理，使之用已知的信息回答问题并推出新结论；
- 机器学习，使之适应新情况并做出预测。
如果这台计算机还想通过 完全图灵测试，那它还需要一些物理模拟能力： - 计算机视觉，使之能够感知事物；
- 机器人学，使之操纵和移动事物。
上述这6项能力，便是如今AI的主要研究领域。但AI研究者们并不是为了通过图灵测试而研究，研究智能的基本原理更加重要。
2.像人一样思考：认知建模的途径
人是如何思考的？只有理解这一点我们才能教会计算机做到同样的事，认知科学把来自AI的计算机模型与来自心理学的实验技术相结合，试图构建一种精确且可测试的人类思维理论。我们知道，有些算法虽能很好地完成某任务，但它的逻辑可能和人类的思维模式有很大差别。所以好的算法并不一定是好的认知模型，这一点对于AI和认知科学的发展都很重要。神经科学的不断进步也起到了很大作用（计算机视觉尤为明显）。
3.合理地思考：“思维法则”地途径
怎样思考问题才能得出正确地结论？用逻辑，对于人工智能也可以这样，但却存在着两大障碍：知识形式各不相同甚至不是完全正确地；“理论上”可解与实际解决有天壤之别，或许那种“理论”需要非常大地计算资源，又或者是十分漫长的计算过程。
4.合理地行动：合理Agent的途径
Agent是能够行动的某种东西，合理Agent就是一个为了最佳结果而行动的Agent。
合理Agent的途径与其它途径相比有两个优点：
- 比起“思维法则”的途径更具一般性。“思维法则”追求的正确结果也只是合理结果的一部分。
- 比起“像人一样”，更经得起科学发展的检验。因为合理性的标准不是人来决定的，它在数学上有明确定义且完全通用。
这本书也将着重研究合理Agent的一般原则以及构造这样的Agent所用的部件。
2.人工智能的基础
从上面谈论的内容也可以猜的到，AI的发展一定涉及了很多学科。即便再精简的讨论，介绍这些学科的简史也是不少的内容。我就只把这些学科处理的、与AI相关的问题列出吧。
- 哲学
- 形式规则可用于推出有效结论吗？
- 思想如何从物理的大脑中产生？
- 知识来自何方？
- 知识如何导致行动？
- 数学
- 什么是能导出有效结论的形式化规则？
- 什么可以被计算？
- 我们如何用不确定的信息来推理？
- 经济学
- 我们应该如何决策以便收益最大？
- 当其他人不合作时我们应该如何做到这样？
- 当收益遥遥无期时我们应该如何做到这样
- 神经科学
- 大脑如何处理信息？
- 心理学
- 人类和动物如何思考与行动？
- 计算机工程
- 我们如何才能建造高效的计算机？
- 控制论
- 人工制品可以如何在其自身的控制下运转？
- 语言学
- 语言与思维如何关联？
3.人工智能的历史
所有学科绪论都逃不开的部分——介绍历史。
- 1943-1955年：人工智能的孕育期
- 1956年：人工智能诞生
- 1952-1969年：早期的热情，巨大的期望
- 1966-1973年：现实的困难
- 1969-1979年：基于知识的系统：力量的秘诀
- 1980年-现在：人工智能成为产业
- 1986年-现在：神经网络的回归
- 1987年-现在：人工智能采用科学方法
- 1995年-现在：智能Agent的出现
- 2001年-现在：极大数据集的可用性