本书介绍了人工智能发展过程中涌现出的思想以及经典技术。本书共12章，内容结构大致可以分为4部分：第一部分（第1～3章），这部分为基础知识，简单介绍人工智能发展的历史与现状（第1章），数据编码技术（第2章）以及人工智能需要用到的数学知识（第3章）；第二部分（第4～7章），经典人工智能，主要介绍经典人工智能算法（第4章），计算机博弈（第5章），逻辑与知识（第6章），智能体机器人技术（第7章）；第三部分（第8～10章），机器学习技术，主要介绍回归算法（第8章）、分类算法（第9章）以及无监督学习典型算法（第10章）；第四部分（第11、12章），主要介绍神经网络概念（第11章）以及深度学习技术（第12章）。 本书是一本介绍人工智能技术的初级读物，并不需要读者有深厚的计算机和数学基础，可以作为高等院校任何专业（不局限于计算机相关专业）的人工智能课程教材。

第一部分 基础知识
第1章 人工智能
1.1 Artificial
1.2 图灵测试
1.3 人类智能
1.4 一次会议
1.5 两场棋局
1.5.1 Deep Blue与卡斯帕罗夫
1.5.2 AlphaGo与李世石
1.6 三门学派
1.6.1 无可奈何花落去——符号主义
1.6.2 似曾相识燕归来——连接主义
1.6.3 小园香径独徘徊——行为主义
1.7 五个阶段
1.7.1 记忆和计算
1.7.2 感知和认知
1.7.3 分析和推理
1.7.4 发明和创造
1.7.5 具有意识的机器
1.8 Singularity
第2章 编码
2.1 冯·诺依曼体系结构
2.2 数字的编码
2.2.1 数字系统
2.2.2 整数的编码
2.2.3 实数的编码
2.3 文字的编码
2.4 图像的编码
2.5 声音的编码
2.6 视频的编码
2.7 数据的组织
2.8 More Is Different
2.9 怎么做
2.9.1 二一十进制转换
2.9.2 十六进制
2.9.3 补码
2.9.4 浮点数编码
2.9.5 数字的编码
2.9.6 图像的编码
2.9.7 声音的编码
第3章 数学
3.1 高等数学
3.1.1 导数
3.1.2 Sigmoid()函数
3.1.3 梯度下降算法
3.2 概率论
3.2.1 合取谬误
3.2.2 星期二男孩
3.2.3 蒙特卡罗算法
3.2.4 三门问题
3.2.5 信息论
3.3 线性代数
3.3.1 向量
3.3.2 矩阵
3.3.3 维数
3.3.4 距离
3.3.5 奇异值分解
3.4 Concrete Mathematics
3.5 怎么做
3.5.1 绘制曲线和曲面图
3.5.2 梯度下降算法
3.5.3 蒙特卡罗算法
3.5.4 奇异值分解
……
第二部分 经典人工智能
第三部分 机器学习技术
第四部分 神经网络与深度学习
参考文献
中外文人名对照
后记——书名也内卷