《人工智能:计算Agent基础》——1.9 参考文献及进一步阅读

1.9 参考文献及进一步阅读

本章思想来源于很多资料。在这里,我们向那些有贡献的作者致以诚挚谢意。而其他的大部分想法来自民间人工智能方面的研究,我们无法将贡献仅归功于任何人。
Haugeland[1997]有一批关于人工智能哲学基础的论文,其中就包括提出图灵测试的Turing[1950]的经典论文。Cohen[2005]对图灵测试做了最新讨论。40
Nilsson[2009]对人工智能的历史作了详细描述。Chrisley和Begeer[2000]发表了很多关于人工智能的经典文章。
物理符号系统假说是由Newell和Simon[1976]提出来的。参考Simon[1996],他讨论的是在多学科背景下符号系统的作用。Haugeland[1985]讨论了自然智能、合成智能与人工智能的区别,也给出了在解释型自动形式符号系统以及Church-Turing理论等方面有用的介绍材料。Brooks[1990]和Winograd[1990]对符号系统假说做了批判。Nilsson[2007]利用最近的一些评论对这个假说做了评价。
任意时间算法的使用应该归功于Horvitz[1989]、Boddy和Dean[1994]。Dean和Wellman[1991,第8章]、Zilberstein[1996]和Russell[1997]对有限理性做了介绍。
Kirsh[1991a]、Bobrow[1993]讨论了人工智能的基础以及人工智能的研究范围,还有相应卷中的论文,以及Schank[1990]与Simon[1995]。Lenat和Feigenbaum[1991]与Smith[1991]讨论了人工智能中知识的重要性。
Gardner[1985]、Posner[1989]、Stillings、Feinstein、Garfield、Rissland、Rosenbaum、Weisler和Baker-Ward[1987]对认知科学做了概述,阐述了人工智能以及其他一些学科在这个领域中扮演的角色。
购物Agent能够变得非常复杂。Sandholm[2007]描述了Agent如何用复杂偏好采购多种产品。
对于本书来说,很多人工智能课本很有价值,可以作为参考书目成为本书的补充,为人工智能提供了不同的视角。尤其是Russell和Norvig[2010]给出了一个更为广泛的人工智能概述,并为本书中的很多主题提供了补充资料,他们提供了科技文献的一个优秀评述,对此本书不打算重复。
人工智能百科全书[Shapiro,1992]是由本领域的领军人物编写的关于人工智能的百科词典,为一些经典主题提供了背景,其中也收藏了大量经典研究论文。本书读者最感兴趣的一般馆藏是Webber和Nilsson[1981]与Brachman和Levesque[1985],更多专业馆藏会在相应的章节中给出。
国际人工智能促进协会(AAAI,其前身是美国人工智能协会)通过他们的AI主题网站(http://www.aaai.org/AITopics/html/welcome.html)提供了很多基础资料与新闻。由AAAI出版的《AI杂志》有很多优秀的概述性文章以及特定应用领域的描述。IEEE智能系统期刊(IEEE Intelligent Systems)也提供了很多关于人工智能研究方面的可获取的文章。
有很多学术期刊提供了更深入的研究,还有一些能够提供最新研究的会议。这些期刊包括《人工智能》(Artificial Intelligence)、《人工智能研究》(Journal of Artificial Intelligence Research)、《IEEE模式分析与机器智能会刊》(IEEE Transactions on Pattern Analysis and Machine Intelligence)和《计算智能》(Computational Intelligence),还有一些专业期刊,如《神经计算》(Neural Computation)、《计算语言学》(Computational Linguistics)、《机器学习》(Machine Learning)、《自动推理》(Journal of Automated Reasoning)、《近似推理》41(Journal of Approximate Reasoning)、《IEEE机器人与自动化会刊》(IEEE Transactions on Robotics and Automation)和《逻辑编程的理论与实践》(Theory and Practice of Logic Programming)。大多数前沿研究首先出现在会议上。一般人最感兴趣的是两年一度的人工智能国际联合大会(IJCAI)、AAAI年会、欧洲人工智能会议(ECAI)、泛太平洋人工智能国际会议(PRICAI)、各种各样的国家级会议,以及很多专业会议及研讨会。

时间: 2024-11-01 17:13:25

《人工智能:计算Agent基础》——1.9 参考文献及进一步阅读的相关文章

《人工智能:计算Agent基础》——2.7 参考文献及进一步阅读

2.7 参考文献及进一步阅读 Agent系统的模型是基于Zhang.Mackworth[1995]的关于约束网络的工作和Rosenschein.Kaelbling[1995]的工作,分层控制则是基于Albus[1981]的工作和Brooks[1986]等人的关于包含结构的工作.Abelson.DiSessa[1981]的Turtle Geometry从建模简单反应式Agent角度介绍了相关数学理论.Luenberger[1979]则是一篇值得一读的关于Agent与环境交互的经典理论的简介.Sim

《人工智能:计算Agent基础》——导读

前 言 本书是一本关于人工智能(AI)科学的图书.本书认为AI所要研究的是如何设计智能计算Agent(智能体).本书采用教科书的组织形式,适合广大读者阅读.过去几十年,我们见证了AI这门综合学科的兴起.正如其他学科一样,AI具有清晰.规范的理论和难操控的实验部分.本书平衡了理论和实验,并将两者密切地结合.俗话说"好的理论必须有其实用价值",因此我们将工程应用融入到AI的科学研究中.本书所述方法都秉承了格言"凡事都应尽量从简,但不可过简".我们认为科学必须有其坚实的基

《云安全原理与实践》——1.5 参考文献与进一步阅读

1.5 参考文献与进一步阅读 [?1?] 蒋永生,彭俊杰,张武. 云计算及云计算实施标准: 综述与探索 [J] . 上海大学学报 (自然科学版),2013(01):5-13. [?2?] 骆祖莹. 云计算安全性研究 [J] . 信息网络安全,2011(06):33-35. [?3?] 刘黎明. 云计算起源探析 [J] . 电信网技术,2010(09):8-11. [?4?] 马云致投资者公开信:大数据云计算是阿里未来十年核心战略之一[EB/OL] . [?5?] 王惠莅,上官晓丽. SC27 云

《云安全原理与实践》——2.6 参考文献与进一步阅读

2.6 参考文献与进一步阅读 [?1?] 徐蓉. 理解云计算漏洞 [J] . 网络安全技术与应用,2015(08):79-80. [?2?] 周勇. 移动网络中的云计算及其安全问题探讨 [J] . 信息通信,2015(07):229-230. [?3?] 王冉晴,范伟. 云计算安全威胁研究初探 [J] . 保密科学技术,2015(04):13-18. [?4?] 贾创辉,韦勇,颜颀. 基于 Xen 架构的桌面云安全研究 [J] . 网络安全技术与应用,2014(09):127-128. [?5?

《人工智能:计算Agent基础》——第二部分 表达和推理第3章 状态和搜索3.1 用搜索进行问题求解

第二部分 表达和推理 第3章 状态和搜索 你看到过海岸上的螃蟹在寻找大西洋的过程中一直向后爬行,最终消失吗?人们也是同样的思考方式.--H.L.Mencken (1880-1956) 前面一章讨论了Agent是如何理解和动作的,但是没有讲到它们的目标是如何影响动作的.一个Agent可以根据既定的目标集有规划的去动作,但是如果不能适应变化的目标,这样的Agent就是非智能的.或者,Agent能够根据自身能力和既定目标去推理,从而决定应该做什么.这一章介绍将Agent决定做什么的问题描述为在一个图中

《人工智能:计算Agent基础》——第一部分 世界中的Agent:什么是Agent及如何创建它们第1章人工智能与Agent1.1 什么是人工智能

第一部分 世界中的Agent:什么是Agent及如何创建它们 第1章人工智能与Agent 人工智能的历史充满幻想.可能.验证和希望.自从荷马描绘机器"鼎"服侍在众神的餐桌旁,那想象中的机器佣人便成为我们文化的一部分.然而,我们人工智能的研究者,直到50年前,才首次制造出实验性机器来验证那些假想,即有关具备思维和智能行为机器人的假想,使得之前仅在理论上具备可能性的机器人得到验证.--Bruce Buchanan [2005] 历经几个世纪的思想构建,人工智能学科被公认为有超过50年的历史

《人工智能:计算Agent基础》——1.6 原型应用

1.6 原型应用 人工智能领域的应用广泛而且多样化,包括医疗诊断.工厂流程调度.险恶环境中的机器人.博弈.太空中的无人驾驶车辆.自然语言处理系统.指导系统等.这些应用并不是独立进行的,我们抽象出这些应用的本质特点,来研究智能推理及动作背后的原理. 本节概述了4个应用领域,其中的几个实例将贯穿整本书.尽管我们介绍的几个实例都很29简单(如此他们才适用于本书),但其应用领域代表了人工智能技术能够或正在应用的领域范围. 4个应用领域如下所示: 自主传送机器人会在某个建筑物旁徘徊,负责给里面的人传送包裹

《人工智能:计算Agent基础》——1.4 知识表示

1.4 知识表示 一般情况下,要解决的问题或要完成的任务,包括解的构成,是通过非形式化的方式给出的,例如"他们到达时,请立即递交包裹"或"请修理家中存在故障的电力系统". 计算机解决问题的一般框架在图1-4中给出.为了解决问题,系统设计者必须: 具体化任务,并制定解决方案. 用特定的语言表达问题,以便计算机进行推理.11 用计算机计算出相应结果进行输出,可以给用户呈现一个答案或是在环境中需要执行的一系列行为. 解释作为问题的解决方案的输出结果. 知识是可以用来解决本

《人工智能:计算Agent基础》——2.5 通过推理来行动

2.5 通过推理来行动 之前的部分假定Agent有着很多在各个时段保留下来的信念状态.对于一个智能Agent,信念状态可以非常复杂,甚至可用占用单独一层. 学习和构建智能Agent的经验表明智能Agent需要某些信念状态的内部表示方法.知识指的是领域内的信息,可用于解决该领域内的问题.知识指的是用于特定情境.领域的一般性知识.因此关于特定状态更常使用知识而非信念.基于知识的系统是可以使用领域内知识来动作或者解决问题的系统. 哲学家们将知识定义为正确的.经过证实的信念.人工智能研究者们则更倾向于融