第1章  自然智能理论研究的启迪
　　前言中已经指出，人工智能与人类智能之间既有本质的联系（因为前者是由后者引申出来的，而且两者都具有显性智能），又有原则的区别（因为后者是前者的原型，前者只是原型的部分技术模拟；后者是隐性智能和显性智能的统一体，前者只具有显性智能）。因此，如果不了解人类智能，便不可能（至少是很难）深刻理解人工智能。
　　既然如此，为了深入研究人工智能，便不能不在展开实际的研究之前首先了解自然智能的研究状况，从中领悟智能科学技术研究所需要的科学观和方法论，为即将展开的人工智能研究奠定良好的学术基础。
　　自然智能就是自然创造物的智能，包括人类的智能、动物的智能、植物的智能。不过，人是万物之灵，拥有最高水乎的智能。因此，可以以“人类智能”为自然智能的代表进行考察。
　　人类智能是一个极其复杂的研究对象，涉及诸多方面的研究。这里将选择两个代表性的研究领域加以追溯：一个是脑神经科学的研究，另一个是认知科学的研究。因为前者展现了人类智能的物质结构基础，后者揭示了人类智能工作机制的奥秘。对于人工智能的研究，前者启迪了人工神经网络的研究，后者是物理符号系统（狭义人工智能）的原型。按照由直观至抽象的普遍认识规律，这里将从脑神经科学的研究开始。
　　1．1  脑神经科学研究简介
　　为了给人工智能的研究提供必要的学术背景和基础，本节致力于回顾有关脑神经科学的一些重要研究成果，并着重了解有关人类大脑结构与功能方面的研究进展。鉴于人类大脑的复杂性，并且已经有了相当丰富的成果积累，这里的考察只能是概览或鸟瞰的性质。对此有研究兴趣并希望深入探究的读者，可以参考文献〔1〕-〔6　　1．1．1  人类大脑与智能系统
　　人类的思维与智力功能主要定位于大脑，这已经成为现代国际学术界的共识，不过，这并非自古就有的共识。事实上，我国古代哲人曾经认为人类的智慧源自于“心”，因此，用来表达如“思维、思考、思想、思虑、智慧”的汉文字都以“心”为基础。
　　……

前言
第一篇  总论：高等人工智能研究的科学观与方法论
第1章  自然智能理论研究的启迪
1.1  脑神经科学研究简介
1.1.1  人类大脑与智能系统
1.1.2  脑的组织学
1.1.3  脑组织的细胞学
1.2  认知科学研究简介
1.2.1  感知
1.2.2  注意
1.2.3  记忆
1.2.4  思维
1.2.5  语言
1.2.6  情绪
1.3  脑科学与认知科学的融通：“全信息”科学观
1.3.1  脑神经科学与认知科学：存在“理论的断裂”
1.3.2  认知科学研究：需要“全信息”，也能生成“全信息”
1.4  小结与评注
参考文献
第2章  人工智能研究方法的变革
2.1  人工智能研究鸟瞰
2.1.1  人工智能的基本概念
2.1.2  “人工智能”含义的辨析
2.1.3  人工智能研究的历史与现状
2.2  科学研究方法的进化
2.2.1  科学方法论的进化
2.2.2  科学方法论演进概要
2.3  概念与方法的重审：开放复杂信息系统的科学方法论
2.3.1  人工智能研究遭遇的科学方法论问题
2.3.2  人工智能研究的新型科学方法论
2.3.3  《高等人工智能原理》一书的知识结构
2.4  小结与评注
参考文献
第二篇  高等人工智能的基础理论
第3章  全信息理论
3.1  基本概念
3.1.1  现有信息概念简评
3.1.2  信息定义谱系：本体论信息与认识论信息
3.1.3  shannon信息：统计型语法信息
3.2  全信息的分类与描述
3.2.1  信息的分类
3.2.2  信息的描述
3.3  信息的度量
3.3.1  概率语法信息的测度：shannon概率熵
3.3.2  模糊语法信息的测度：DeLucaTermin模糊熵
3.3.3  语法信息的统一测度：一般信息函数
3.3.4  全信息的测度
3.4  小结与评注
参考文献
第4章  知识理论
4.1  知识的概念、分类与表示
4.1.1  知识及其相关的基本概念
4.1.2  知识的分类与表示
4.2  知识的度量
4.2.1  针对“知识生成”的知识测度
4.2.2  针对“知识激活”的知识度量
4.3  知识的生态学
4.3.1  知识的内生态系统
4.3.2  知识的外生态系统
4.4  小结与评注
参考文献
第三篇  高等人工智能的主体理论
第5章  感知、注意与记忆：第一类信息转换原理
5.1  高等人工智能的系统模型与机制主义方法
5.1.1  高等人工智能的系统模型
5.1.2  信息转换：高等人工智能系统的机制主义方法
5.2  第一类信息转换原理及感知与注意的生成机制
5.2.1  第一类信息转换原理：全信息的生成机理
5.2.2  重要的副产品：脑科学与认知科学的“搭界”
5.2.3  第一类信息转换原理的应用：感知注意的生成机理
5.3  记忆系统的全信息机制
5.3.1  记忆系统的全信息存储
5.3.2  长期记忆系统的信息存储结构与提取方式
5.4  小结与评注
参考文献
第6章  意识、情感、理智与行为：第二类信息转换原理
6.1  基础意识的生成机制：第二类A型信息转换原理
6.1.1  意识的含义
6.1.2  基础意识的生成机制
6.2  情感的生成机制：第二类B型信息转换原理
6.2.1  基本概念
6.2.2  情感的分类
6.2.3  情感生成的机制
6.3  理智的生成机制：第二类C型信息转换原理
6.3.1  理智的基本概念
6.3.2  理智生成的机制
6.3.3  综合决策
6.4  策略执行的机制：第二类D型信息转换原理
6.4.1  策略表示
6.4.2  策略执行：从策略信息到策略行为的转换
6.5  小结与评注
参考文献
第四篇  高等人工智能与现行人工智能的关系
第7章  物理符号系统：规范知识支持的机制主义方法
7.1  形态性知识支持的智能生成方法
7.1.1  一般模型
7.1.2  控制策略
7.2  内容性知识支持的机制主义方法
7.2.1  谓词逻辑
7.2.2  归谬推理
7.3  价值性知识支持的机制主义方法
7.3.1  启发式搜索
7.3.2  博弈树搜索
7.3.3  智能搜索与智能检索方法
7.4  小结与评注
参考文献
第8章  人工神经网络：经验知识支持的机制主义方法
8.1  生物神经网络与人工神经网络
8.1.1  人类智能与生物神经网络
8.1.2  人工神经网络基础
8.2  前向神经网络及其应用
8.2.1  单层感知器
8.2.2  多层感知器
8.3  反馈神经网络
8.3.1  Hopfield模型
8.3.2  联想存储器：反馈型神经网络设计举例
8.4  自组织神经网络
8.5  小结与评注
参考文献
第9章  感知—动作系统：常识知识支持的机制主义方法
9.1  传感
9.2  模式分类
9.2.1  统计识别方法
9.2.2  语言学方法
9.2.3  神经网络方法
9.2.4  关于“模式理解”的提要
9.3  感知—动作系统
9.3.1  感知—动作系统的总体原则
9.3.2  几个典型的感知—动作系统
9.3.3  智能体：感知动作系统的变种
9.4  小结与评注
参考文献
第五篇  应用问题择要
第10章  有关应用的几个共性课题
10.1  自然语言理解
10.1.1  自然语言理解与自然语言处理
10.1.2  规则方法与统计方法
10.1.3  领域广度与质量优度
10.1.4  语言理解与信息理论
10.1.5  全信息理论与自然语言理解
10.1.6  全信息自然语言理解方法论
10.1.7  全信息自然语言理解方法论的应用
10.2  机器学习
10.2.1  学习的一般概念
10.2.2  学习的一般理论
10.2.3  几种常用的机器学习方法
10.3  智能机器人和智能信息网络
10.3.1  智能机器人
10.3.2  智能信息网络
10.3.3  智能技术的应用前景
10.4  小结与评注
参考文献
结语
索引