Artificial Intelligence

Name: Artificial Intelligence
Availability: InStock
Rating: 8.9 (335 reviews)
ISBN: 9780133601244

Stuart J Russell

出版社

Pearson

出版时间

1994-10-31

ISBN

9780133601244

评分

★★★★★

标签

算法

AI导读

核心看点

本书以智能体为核心框架，系统整合符号逻辑、概率推理、机器学习与深度学习等全栈知识，构建统一的人工智能理论体系，涵盖感知、推理、学习、行动及安全伦理等前沿议题，是AI领域公认的权威百科全书式教材。
第4版大幅更新内容，新增近25%关于深度学习、强化学习、多智能体系统及AI安全的新章节，彻底重写旧有内容以反映当前技术趋势，确保读者获取最新、最准确的专业知识，摒弃过时算法与历史游戏案例。
书中强调理论与实践结合，虽涉及自动驾驶、AlphaGo等应用案例，但核心在于传授严谨的数学基础与算法原理，如搜索策略、约束满足、贝叶斯网络等，旨在培养读者解决复杂AI问题的底层逻辑与工程实现能力。

适合谁读

高等院校计算机科学、人工智能及相关专业的本科生与研究生，需具备扎实的数学基础（概率论、线性代数、微积分），旨在系统学习AI核心算法、理论框架及最新研究进展，为学术研究或高阶开发打基础。
人工智能领域的从业者、工程师及研究人员，需查阅权威概念定义、算法原理或解决技术争议时，本书可作为标准参考书使用，提供严谨、规范的技术指导，避免非科班出身者因概念混淆而陷入误区。
对人工智能底层逻辑有深度探索意愿的技术爱好者，需能接受高密度数学公式与抽象理论推导，不满足于浅层科普或应用教程，希望从哲学、历史及数学根源全面理解智能本质及AI发展脉络的读者。

读前提醒

强烈建议阅读英文原版，因中文版翻译生硬且存在多处错误，严重影响理解；若必须读中文版，需对照英文原版修正概念，并警惕译文中可能存在的逻辑误导，切勿依赖低质量译本进行专业学习。
本书内容极其深奥且篇幅巨大，非入门级读物，初学者易因数学门槛高而受挫；建议结合官方配套代码库（如Python实现）同步实践，通过编程验证算法，否则仅阅读理论将难以真正掌握复杂模型如神经网络决策机制。
切勿试图从头到尾线性通读，应作为工具书按需查阅；书中部分历史背景及游戏AI案例在第4版中已删减，读者应聚焦于核心算法原理与现代应用，避免在过时内容上浪费时间，同时注意区分不同流派的理论边界。

读者共识

本书被公认为人工智能领域的‘圣经’与标准教科书，全球1500多所高校采用，其权威性无可撼动；尽管翻译质量备受诟病，但其在知识体系完整性、理论严谨性及前沿技术覆盖面上的地位，使其成为AI学习者不可绕过的经典巨著。
读者普遍认为本书门槛极高，数学要求严苛，非计算机科班或基础薄弱者极难读懂；它不适合零基础入门或寻求快速应用技巧的读者，而是为具备扎实数理基础的专业人士提供深度理论支撑，任何试图速成者都将感到挫败。
尽管部分读者批评其内容过于学术化、缺乏通俗性，但共识认为其知识架构清晰、逻辑严密，是构建正确AI认知体系的唯一可靠途径；任何对AI概念的争议或误解，最终都需以本书定义为准，其价值远超阅读体验的不适。

本导读基于书籍简介、目录、原文摘录、短评和书评生成，不等同于全文精读。

精彩摘录

"不记得历史的算法注定要重复历史。有3种方法可以解决这一问题。第一，我们可以记住之前到达的所有状态（就像最佳优先搜索一样），这样能够检测到所有冗余路径，并只保留每个状态的最优路径。这适用于存在大量冗余路径的状态空间，当内存可以容纳下已达状态表时，它是首选方法。第二，我们不必担心对过去的重复。在一些问题形式化中，很少或不可能出现两条路径到达相同状态。以装配问题为例，每个动作都会将一个零件添加到一个不断发展的装配中，零件是有序的，因此可以先添加A，然后再添加B，但不能先添加B，然后再添加A。对于这些问题, 如果我们不记录已达状态也不检查冗余路径，则可以节省内存空间。如果搜索算法会检查冗余路径，"
"We can evaluate an algorithm's performance in four ways: Completeness: Is the algorithm guaranteed to find a solution when there is one? Optimality: Does the strategy find the optimal solution? Time complexity: How long does it take to find a solution? Space complexity: How much memory is needed to "
"斯图尔特•罗素教授和彼得•诺维格博士的《人工智能：现代方法》一书，是美国最为经典、最具权威性的大学教科书。说它经典，是因为这本书长期以来都是美国大部分知名大学人工智能课程的教科书，今天也已经被全世界1500多所大学采用为教材，其内容覆盖了到每一版出版时为止世界人工智能的主流技术和方法。说它权威，是因为这本书是几乎所有人工智能从业者的参考书，但凡人们对某些人工智能的概念发生争议时，就会以这本书的讲述为准。 2002年，我有幸成为诺维格博士的下属，先后在谷歌公司的搜索部门以及研究部门从事与机器学习相关的工作。诺维格博士是作为人工智能专家和科技管理者，被谷歌公司请来负责研发工作的。在我和他共事的"
"AI currently encompasses a huge variety of subfields, ranging from the general (learning and perception) to the specific, such as playing chess, proving mathematical theorems, writing poetry, driving a car on a crowded street, and diagnosing diseases. AI is relevant to any intellectual task; it is t"
"The Turing Test, proposed by Alan Turing (1950), was designed to provide a satisfactory operational definition of intelligence. A computer passes the test if a human interrogator, after posing some written questions, cannot tell whether the written responses come from a person or from a computer."
"•natural language processing to enable it to communicate successfully in English; •knowledge representation to store what it knows or hears; •automated reasoning to use the stored information to answer questions and to draw new conclusions; •machine learning to adapt to new circumstances and to dete"
"Aristotle (384-322 B.C.), whose bust appears on the front cover of this book, was the first to formulate a precise set of laws governing the rational part of the mind. He developed an informal system of syllogisms for proper reasoning, which in principle allowed one to generate conclusions mechanica"
"Notice that we said environment states, not agent states. if we define success in terms of agent's opinion of its own performance, an agent could achieve perfect rationality simply by deluding itself that its performance was perfect. Human agents in particular are notorious for "sour grapes"—believi"

作者简介

Stuart Russell，1986年进入加利福尼亚大学伯克利分校，任计算机科学系教授，曾担任系主任、人类兼容人工智能中心主任，也是史密斯–扎德（Smith-Zadeh）工程系讲席教授。1990年，获得了美国国家科学基金会（NSF）杰出青年科学家总统奖；1995年，成为计算机与思想奖的获奖人之一。美国人工智能协会（AAAI）、美国计算机协会（ACM）和美国科学促进协会的会士，牛津大学瓦德汉学院的荣誉院士和安德鲁·卡内基（Andrew Carnegie）院士。2012年到2014年，在巴黎担任布莱斯·帕斯卡（Blaise Pascal）主席。在人工智能领域发表了300多篇论文，涉及范围广泛。 Peter Norvig，曾任谷歌公司的研究总监、核心网络搜索算法的负责人。曾与他人合作共同教授了一门有16万名学生注册的在线人工智能课程，帮助开启了当下的大规模在线公开课程的大幕。曾担任美国宇航局艾姆斯研究中心计算科学部的负责人，负责人工智能和机器人学的研究和开发。曾任南加利福尼亚大学的教授和加利福尼亚大学伯克利分校、斯坦福大学的教师。美国人工智能协会和美国计算机协会的会士，以及美国艺术与科学院和加利福尼亚科学院的院士。两位作者共同获得了2016年首届AAAI/EAAI杰出教育家奖。

Part I: Artificial Intelligence

Chapter 1: Introduction ... 1

1.1. What Is AI? ... 1

1.1.1. Acting humanly: The Turing Test approach ... 2

1.1.2. Thinking humanly: The cognitive modeling approach ... 3

显示全部

用户评论

权威的书了，很全面，不过内容略有过时

ML Textbook

最凉的是algorithmic bias 名字起的很甩锅了 bias在data上 data是human expression 就算学会了hate speech也是跟人学的 total responsibility displacement🤷🏻♀️

正在讀這本書，實在是寫得太好了，從最基本的概念、AI的歷史開始講，非常適合用來入門。不想什麼"XX機器學習實戰“那些膚淺的書，值得認真的讀!可是自己英語不好的弊端就暴露出來了，閱讀速度實在太慢，有時候一個長句子需要讀兩至三遍才能理解。

跟着edx的cs188.1看