有人說，2016年是人工智能元年，人工智能技術在各行各業如雨後春筍般出現。2017年年初，我開始著手翻譯《人工智能（第2版）》，當我即將完成本書的初譯時，科技界傳來了阿爾法狗戰勝圍棋棋手柯潔的消息，於是，這本書成了一本名副其實的、還未出版的“古書”。本書可以稱得上是經典教材，內容翔實，邏輯清晰，引經據典，縱橫捭闔，是一本不可多得的人工智能教科書，它同時也被譽為“人工智能領域百科全書”。
《人工智能（第2版）》
[美] 史蒂芬·盧奇（Stephen Lucci） 著
回顧歷史，1997年，深藍打敗了卡斯帕羅夫，當時人們曾樂觀地預測，在體現古老的東方智慧的圍棋領域，計算機未必能夠這麼輕鬆戰勝人類，圍棋成了象徵著人類智慧的最後一塊高地。然而，僅過了20年，人們的預言就被打破。
從阿蘭?圖靈破解了恩尼格瑪密碼機，為第二次世界大戰的勝利做出了巨大的貢獻開始，到達特茅斯研討會發明瞭“人工智能”這一詞，再到今天，人工智能經歷了60年的發展。在此期間，“山重水複疑無路，柳暗花明又一村”，人工智能經歷了三次浪潮、兩次寒冬的洗禮。當前，在深度學習算法的促進下，人工智能攜帶著雲計算、大數據、卷積神經網絡，突破了自然語言語音處理、圖像識別的瓶頸，為人類帶來了翻天覆地的變化。
“忽如一夜春風來，千樹萬樹梨花開”，用這句詩來形容人工智能的發展一點都不為過。人工智能方興未艾，全面向人類的各個領域發展，業界有一句戲稱的話是：“如果你夠走運的話，機器可以把你當成寵物。”
一句戲謔的話卻道出了多少人的心酸，人工智能已經在各個方面開始出現代替人類的可能：未來在生產車間裡，我們再也看不到人類工人繁忙的身影；在超市，我們也看不到收銀員在工作；在餐廳，我們也看不到廚師、服務員。人工智能可以幫助我們完成很多任務，輔助我們做出決策。
關於人工智能是對人類的饋贈還是會給人類帶來滅頂之災，人們對此的爭論一度甚囂塵上、莫衷一是。人工智能也許會像潘多拉的盒子，但是人們心存希望，正是這種希望讓人工智能走過了艱難坎坷的60年。
從樂觀的一面來看，在未來，科幻故事可能出現在日常生活中，而勞動可能成為一種保持健康的需要。不過，一切距離蓋棺論定還為時尚早。正如本書在機器人部分所談到的，人工智能正處在蹣跚學步的“嬰兒期”，在我寫下這篇譯者序的時候，人形機器人在運動能力方面還是非常初級，因此，有人說了句玩笑話：“如果你要阻礙‘終結者’，關上門就行（機器人比較難以掌握開門技術）。”
本書可以稱得上是經典教材，內容翔實，邏輯清晰，引經據典，縱橫捭闔，是一本不可多得的人工智能教科書。人工智能包羅萬象，包括自然語言處理、知識表示、智能搜索、規劃、機器學習、人工神經網絡複雜系統、數據挖掘、遺傳算法、模糊控制等。面對人工智能的迅猛發展和海量知識，計算機科學和工程相關專業的讀者，與其臨淵羨魚，不如退而結網，紮紮實實打好基礎。“紙上得來終覺淺，絕知此事要躬行”。
學習人工智能，讀者要戒驕戒躁，認真理解算法，並將算法轉換成計算機程序，因此，我建議讀者讀完一章之後，親自編寫代碼，在機器上實際運行一下程序。“冰凍三尺，非一日之寒”，要成為人工智能領域的佼佼者，讀者需要做好打持久戰、打硬仗的思想準備，持之以恆地不斷學習新技術，不斷推陳出新。唯有這樣，才能水滴石穿，成為社會的中流砥柱，引領時代潮流。
為什麼會創作《人工智能（第2版）》
2006年，為了慶祝達特茅斯夏季研討會（Dartmouth Summer Conference）50週年，人們舉辦了AI @ 50，達特茅斯學院哲學系教授詹姆斯·摩爾（James Moor）邀請我在AI @ 50上組織一場計算機博弈表演賽。在達特茅斯夏季研討會中，約翰·麥卡錫創造了“人工智能”一詞。
達特茅斯會議一些最初的與會者參加了AI @ 50，其中包括約翰·麥卡錫（John McCarthy）、馬文·明斯基（Marvin Minsky）、奧利弗·西里奇（Oliver Selfridge）和雷·索羅莫洛夫（Ray Solomonoff）。盧奇（Lucci）教授也參加了AI @ 50，之後不久，他同意與我合作撰寫人工智能教科書。
我們的觀點是，人工智能是由人類（People）、想法（Idea）、方法（Method）、機器（Machine）和結果（Outcome）組成的。
首先，組成人工智能的是人類。人類有想法，並把這些想法變成了方法。這些想法可以由算法、啟發式、程序或作為計算骨幹的系統來表示。最後，我們得到了這些機器（程序）的產物，我們稱之為“結果”。每個結果都可以根據其價值、有效性、效率等方面進行衡量。
我們發現，現有的人工智能書籍通常沒有提到其中的一些領域。沒有人類，就沒有人工智能。因此，我們決定，通過在本書中添加“人物軼事”專欄，介紹對人工智能的成功做出貢獻的人，我們在這本書全文17章中介紹的人物包括了提出想法的人以及實現開發方法的人。
與數學、物理、化學和生物學等其他科學相比，人工智能和計算機科學相對較年輕。但是，人工智能是一門真正跨學科的學科，結合了其他領域的許多元素。
機器/計算機是人工智能研究人員的工具，機器/計算機允許研究人員實驗、學習和改進求解問題的方法，這些方法可以應用於可能對人類有益的許多有趣領域。最後，由於將人工智能應用到各種各樣的問題和學科，我們得到了可測量的結果，這提醒我們人工智能也必須是可解釋的。在本書的許多地方，你將會發現“表現”和“能力”之間區別的討論。隨著人工智能的成熟和進步，這兩者都是必需的。
到目前為止，通過親自教授人工智能課程以及閱讀人工智能教材，我們發現大多數可用的教材都缺乏了上述的一個或多個領域。Turing、McCarthy、Minsky、Michie、McLelland、Feigenbaum、Shortliffe、Lenat、Newell和Simon、Brooks等許多人的名字和巨大的貢獻應該為學生所熟悉。
然而，這不是一本歷史書！我們認為，這門學科如此有趣，如此廣泛，具有無限潛力，應該合理地使用在這個領域中工作的人物的迷人思想和出色工作，以使得這本書更加多姿多彩。
第2版和第1版有什麼不同？
自本書第1版出版以來，已經過去了很長時間。人工智能概念、方法和系統正日益融入人們的日常活動中。例如，在編寫第 1 版的時候，人們將許多汽車製造成具有並行停泊的能力；現在在汽車上配置防撞系統已經變得司空見慣了。科幻愛好者幻想的技術（例如無人機和機器人）現在變成了現實、越來越多的無人機和機器人正在成為人們日常生活的一部分。
在21世紀前10年或早些時候浮出水面的GPS系統、手機應用程序和社交網絡，如今已隨處可見。這些技術，包括最佳的交通路線、健康諮詢和個人服務員，已用於人們生活的各個方面，每種技術通常都使用了某種形式的人工智能。
自然語言和語音處理的進步大大改變了人類與機器進行交互的方式。第2版增加了第10章，介紹和討論了機器學習的決策樹。因此，第10章、第11章（機器學習第二部分：神經網絡）和第12章（受到自然啟發的搜索）共同為進一步研究提供了基礎。第13章（自然語言處理）新增了一個新的小節（13.10節），介紹了語音理解的理論、方法和應用。同時，第13章也添加了一個小節，用來講述自然語言處理中的隱喻。第15章提供了機器人領域的概述，包括最近的應用，並於結尾與第17章（大事記）一起展望了未來。許多章節都增加了新的練習題。
阿蘭· 圖靈
人工智能概述
早期，人類必須通過如輪子、火之類的工具和武器與自然做鬥爭。15世紀，古騰堡發明的印刷機使人們的生活發生了廣泛的變化。19世紀，工業革命利用自然資源發展電力，這促進了製造、交通和通信的發展。20世紀，人類通過對天空以及太空的探索，通過計算機的發明及其微型化，進而成為個人計算機、互聯網、萬維網和智能手機，持續不斷地向前進。過去的60年已經見證了一個世界的誕生，這個世界出現了海量的數據、事實和信息，這些數據、事實和信息必須轉換為知識（其中一個實例是包含在人類基因編碼中的數據，如圖1.0所示）。本文介紹了人工智能學科的概念性框架，並闡述了其成功應用的領域和方法、近期的歷史和未來的前景。
圖1.0 包含在人類基因編碼中的數據
人工智能的定義
在日常用語中，“人工”一詞的意思是合成的（即人造的），這通常具有負面含義，即“人造物體的品質不如自然物體。但是，人造物體通常優於真實或自然物體。例如，人造花是用絲和線製成的類似芽或花的物體，它不需要以陽光或水分作為養料，卻可以為家庭或公司提供實用的裝飾功能。
雖然人造花給人的感覺以及香味可能不如自然的花朵，但它看起來和真實的花朵如出一轍。
另一個例子是由蠟燭、煤油燈或電燈泡產生的人造光。顯然，只有當太陽出現在天空時，我們才可以獲得陽光，但我們隨時都可以獲得人造光，從這一點來講，人造光是優於自然光的。
最後，思考一下，人工交通裝置（如汽車、火車、飛機和自行車）與跑步、步行和其他自然形式的交通（如騎馬）相比，在速度和耐久性方面有很多優勢。但是，人工形式的交通也有一些顯著的缺點—地球上無處不在的高速公路，充滿了汽車尾氣的大氣環境，人們內心的寧靜（以及睡眠）常常被飛機的喧囂打斷。
如同人造光、人造花和交通一樣，人工智能不是自然的，而是人造的。要確定人工智能的優點和缺點，你必須首先理解和定義智能。
思維是什麼？智能是什麼？
智能的定義可能比人工的定義更難以捉摸。斯騰伯格（R. Sternberg）就人類意識這個主題給出了以下有用的定義：智能是個人從經驗中學習、理性思考、記憶重要信息，以及應付日常生活需求的認知能力。
我們都很熟悉標準化測試的問題，比如，給定如下數列：1，3，6，10，15，21。要求提供下一個數字。
你也許會注意到連續數字之間的差值的間隔為1。例如，從1到3差值為2，從3到6差值為3，以此類推。因此問題正確的答案是28。這個問題旨在衡量我們在模式中識別突出特徵方面的熟練程度。我們通過經驗來發現模式。
不妨用下面的數列試試你的運氣：
a．1, 2, 2, 3, 3, 3, 4, 4, 4, 4, ?
b．2, 3, 3, 5, 5, 5, 7, 7, 7, 7, ?
既然已經確定了智能的定義，那麼你可能會有以下的疑問。
（1）如何判定一些人（或事物）是否有智能？
（2）動物是否有智能？
（3）如果動物有智能，如何評估它們的智能？
大多數人可以很容易地回答出第一個問題。我們通過與其他人交流（如做出評論或提出問題）來觀察他們的反應，每天多次重複這一過程，以此評估他們的智力。雖然我們沒有直接進入他們的思想，但是相信通過問答這種間接的方式，可以為我們提供內部大腦活動的準確評估。
如果堅持使用問答的方式來評估智力，那麼如何評估動物智力呢？如果你養過寵物，那麼你可能已經有了答案。小狗似乎記得一兩個月沒見到過的人，並且可以在迷路後找到回家的路。
小貓在晚餐時間聽到開罐頭的聲音時常常表現得很興奮。這只是簡單的巴甫洛夫反射的問題，還是小貓有意識地將罐頭的聲音與晚餐的快樂聯繫起來了？
關於動物智力，有一則有趣的軼事：大約在1900年，德國柏林有一匹馬，人稱“聰明的漢斯”（Clever Hans），據說這匹馬精通數學（見圖1.1）。
圖1.1 “聰明的漢斯”（Clever Hans）— 一匹馬做演算？
當漢斯做加法或計算平方根時，觀眾都驚呆了。此後，人們觀察到，如果沒有觀眾，漢斯的表現不會很出色。事實上，漢斯的天才在於它能夠識別人類的情感，而非精通數學。
馬一般都具有敏銳的聽覺，當漢斯接近正確的答案時，觀眾們都變得相對興奮，心跳加速。也許，漢斯有一種出奇的能力，它能夠檢測出這些變化，從而獲得正確的答案。雖然你可能不願意把漢斯的這種行為歸於智能，但在得出結論之前，你應該參考一下斯騰伯格早期對智能的定義。
有些生物只體現出群體智能。例如，螞蟻是一種簡單的昆蟲，單隻螞蟻的行為很難歸類在人工智能的主題中。但是另一方面，蟻群對複雜的問題顯示出了非凡的解決能力，如從巢到食物源之間找到一條最佳路徑、攜帶重物以及組成橋樑。集體智慧源於個體昆蟲之間的有效溝通。第12章在對高級搜索方法進行討論時，將相對較多地探討湧現智能和集群智能。腦的質量大小以及腦與身體的質量比通常被視為動物智能的指標。海豚在這兩個指標上都與人類相當。海豚的呼吸是自主控制的，這可以說明其腦的質量過大，還可以說明一個有趣的事實，即海豚的兩個半腦交替休眠。
在動物自我意識測試中，例如鏡子測試，海豚得到了很好的分數，它們認識到鏡子中的圖像實際上是它們自己的形象。海洋世界等公園的遊客可以看到，海豚可以玩複雜的戲法。這說明海豚具有記住序列和執行復雜身體運動的能力。
使用工具是智能的另一個“試金石”，並且這常常用於將直立人與先前的人類祖先區別開來。海豚與人類都具備這個特質。例如，在覓食時，海豚使用深海海綿（一種多細胞動物）來保護它們的嘴。顯而易見，智能不是人類獨有的特性。在某種程度上，許多生命形式是具有智能的。
你應該問自己以下問題：“你認為有生命是擁有智能的必要先決條件嗎?”或“無生命物體，例如計算機，可能擁有智能嗎？”人工智能宣稱的目標是創建可以與人類的思維媲美的計算機軟件和（或）硬件系統，換句話說，即表現出與人類智能相關的特徵。一個關鍵的問題是“機器能思考嗎？”更一般地來說，你可能會問，“人類、動物或機器擁有智能嗎？”
在這個節點上，強調思考和智能之間的區別是明智的。思考是推理、分析、評估和形成思想和概念的工具。並不是所有能夠思考的物體都有智能。智能也許就是高效以及有效的思維。許多人對待這個問題時懷有偏見，他們說：“計算機是由硅和電源組成的，因此不能思考。”或者走向另一個極端：“計算機表現得比人快，因此也有著比人更高的智商。”真相很可能存在於這兩個極端之間。
正如我們所討論的，不同的動物物種具有不同程度的智能。我們將闡述人工智能領域開發的軟件和硬件系統，它們也具有不同程度的智能。我們對評估動物的智商不太關注，尚未發展出標準化的動物智商測試，但是對確定機器智能是否存在的測試非常感興趣。
也許拉斐爾（Raphael）的說法最貼切：“人工智能是一門科學，這門科學讓機器做人類需要智能才能完成的事。”
圖靈測試
上一節中提出“你如何確定智能”以及“動物有智能嗎？”這兩個問題已經得到了解決。第二個問題的答案不一定是簡單的“是”或“不是”—一些人比另一些人聰明，一些動物比另一些動物聰明。機器智能也遇到了同樣的問題。
阿蘭·圖靈（Alan Turing）尋求可操作方法來回答智能的問題，欲將功能（智能能做的事情）與實現（如何實現智能）分離開來。
補充資料
抽象是一種策略，這種策略忽略了對象或概念的實現（例如內部的工作），這樣，你就可以獲得更清晰的人造物及其與外部世界關係的圖像。換句話說，你可以將這個對象當作一個黑盒子，只關注對象的輸入和輸出（見圖1.2）。
圖1.2 黑盒子的輸入和輸出
通常，抽象是一種有用而必要的工具。例如，如果你想學習如何駕駛，把車當作一個黑盒子可能是一個好主意。你不必一開始就努力學習自動變速器和動力傳動系統，而是可以專注於系統輸入，例如油門踏板、剎車、轉向信號燈以及輸出，如前進、停車、左轉和右轉。數據結構的課程也使用抽象，因此如果想了解棧的行為，你可以專注於基本的棧操作，比如pop（彈出一項）和push（插入一項），而不必陷入如何構造一個列表的細節（例如，使用線性鏈表還是循環鏈表，或使用鏈接鏈表還是連續分配空間）。
圖靈測試的定義
阿蘭·圖靈提出了兩個模擬遊戲。在模擬遊戲中，一個人或實體表現得彷彿是另一個人。在第一個模擬遊戲中，一個人在一箇中央裝有簾子的房間中，簾子的兩側各有一人，其中一側的人（稱為詢問者），必須確定另一側的人是男人還是女人。詢問者（其性別無關緊要）通過詢問一系列的問題來完成這個任務。遊戲假定男性可能會在他的回答中撒謊，而女性總是誠實的。為了使詢問者無法從語音中確定性別，通過計算機而不是講話的方式進行交流，如圖1.3所示。如果在簾子的另一側是男人，並且他成功地欺騙了詢問者，那麼他就贏了。
圖1.3 第一個圖靈模擬遊戲
圖靈測試的原始形式是，一個男人和一個女人坐在窗簾後面，詢問者必須正確地識別出其性別（圖靈可能得到那個時代流行遊戲的啟發，發明了這個測試。這個遊戲也促使了他進行機器智能測試）。正如埃裡希·弗羅姆（Erich Fromm）所寫的[8]：男女平等，但不一定要相同。例如，不同性別的人具有不同的關於顏色和花朵的知識，花在購物上的時間也不同。區分男女與智能問題有什麼關係？圖靈認為，可能存在不同類型的思考，瞭解並容忍這些差異是很重要的。圖1.4表示了圖靈測試的第二個版本。
圖1.4 第二個圖靈模擬遊戲
第二個遊戲更適合人工智能的研究。詢問者還是在有簾子的房間裡。這一次，簾子後面可能是一臺計算機或一個人。這裡的機器扮演男性的角色，偶爾會撒謊，但人是一直誠實的。詢問者提問，然後評估答案，確定他是和人交流，還是和機器交流。如果計算機成功地欺騙了詢問者，那麼它就通過了圖靈測試，因此也就被認為是有智能的。
眾所周知，在執行算術計算時，機器比人類快很多倍。如果簾子後面的“人”可以在幾微秒內得到了三角函數的泰勒級數近似的結果，那麼就可以不費吹灰之力辨別出在簾子後面的是計算機而不是人。
自然，計算機可以在任意的圖靈測試中成功欺騙詢問者的機會非常小。為了得到有效的智能“晴雨表”，這個測試要執行許多次。同樣，在這個圖靈原始版本的測試中，人和計算機都在簾子後面，詢問者必須正確地辨別它們。
補充資料
圖靈測試
沒有計算機系統通過了圖靈測試。然而，1990年，慈善家Hugh Gene Loebner舉辦了一項比賽，這項比賽旨在實現圖靈測試。第一臺通過圖靈測試的計算機將被授予金牌以及$ 100 000的羅布納獎金。同時，每年在比賽中表現最好的計算機將被授予銅牌以及大約$ 2000的獎金。
在圖靈測試中，你會提出什麼問題？考慮以下示例：
·（1 000 017）?是多少？像這樣的計算可能不是一個好主意。記住，計算機試圖欺騙詢問者。計算機可能不會在幾分之一秒內做出響應，給出正確答案，它可能會有意地花費更長的時間，也許還會犯錯誤，因為它“知道”人類不熟悉這些計算。
· 當前的天氣情況如何？假設計算機可能不會向窗外看一眼，因此你可能會試著問一下天氣。但是，計算機通常連接著萬維網，因此在回答之前，它也連接到了天氣網站。
· 你害怕死亡嗎？因為計算機難以偽裝人的情緒，所以你可能會提出這個問題或其他的類似問題：“黑色給你的感覺如何？”或者“墜入愛河的感覺如何？”但是，記住，你現在是在試圖判定智能，人類的情緒也許不是有效的智能“晴雨表”。
圖靈預料到會有許多人反對他在最初論文中所提出的“機器智能”的想法，其中一個就是所謂的“鴕鳥政策反對”。人們相信思考的能力使人變成萬物之靈。承認計算機能夠思考，這可能挑戰了這個僅由人類享有的崇高的棲息地。
許多人認為，正是人的靈魂讓人們可以思考，如果我們創造出擁有這種能力的機器，那麼將會篡奪“上帝”的權威。圖靈反駁了這個觀點，他提出人們僅僅是準備等待具有靈魂稟賦的容器來執行“上帝”的旨意。最後，我們提到洛甫雷斯伯爵夫人（Lady Lovelace）的反對意見（在文獻中她經常被稱為第一個計算機程序員）。
在評論分析式引擎時，她無比輕鬆地說“單單這臺機器不可能給我們驚喜”。她重申了許多人的信念：一臺計算機不能執行任何未預編程的活動。圖靈反對這種意見，說機器一直都讓他很驚喜。他堅持認為，這種反對意見的支持者認同人類的智慧可以即時推斷給定事實或行動的所有後果。圖靈的最初論文在收集上述異議以及其他的反對意見時提到了這些讀者。
圖靈測試的爭議和批評
內德·布洛克（Ned Block）認為，英語文本是以ASCII編碼的，換句話說，是用計算機內一系列的0和1表示的。因此，一個特定的圖靈測試，也就是一系列的問題和答案，可以存儲為一個非常大的數。例如，假設圖靈測試的長度有一個上限，在測試中，“Are you afraid of dying?（你害怕死亡嗎？）”開始的前三個字符作為二進制數字存儲，如圖1.5所示。
圖1.5 使用ASCII代碼存儲圖靈測試的開始字符
假設典型的圖靈測試持續一個小時，在此期間，測試者大約提出了50個問題，並得到了50個答案，那麼對應於測試的二進制數應該非常長。現在，假設有一個很大的數據庫，儲存了所有的圖靈測試，這些圖靈測試包含了50個或更少的已有合理答案的問題。
然後，計算機可以用查表的方法來通過測試。當然，一個能夠處理這麼大量數據的計算機系統還未存在。但是，如果計算機通過了圖靈測試，Block問：“你認為這樣的機器有智能嗎？你感覺舒服嗎？”換句話說，Block的批評意見是，圖靈測試可以用機械的查表方法而不是智能來通過圖靈測試。
約翰·塞爾（John Searle）對圖靈測試的批評更為根本。想象一下，詢問者像人們預料的那樣詢問問題—但是，這次用的是中文。另一個房間裡的那個人不懂中文，但是擁有一本詳細的規則手冊。雖然中文問題以潦草的筆跡呈現，但是房間裡的人會參考規則手冊，根據規則處理中文字符，並使用中文寫下答案，如圖1.6所示。
圖1.6 中文室的爭論
詢問者獲得了語法上正確、語義上合理的問題的回答。這意味著房間裡的人通曉中文嗎？如果你的回答是“不”，那麼人和中文規則手冊的結合通曉中文嗎？答案依然是“不”—房間裡的人不是在學習或理解中文，而僅僅是在處理符號。同樣，計算機運行程序，接收、處理以及使用符號回答，而不必學習或理解符號本身的意思是什麼。
塞爾也要求我們設想，如果不是單個人持有規則手冊這樣的場景：在一個體育館中，人們互相傳遞便條。當一個人接到這樣的一張便條時，規則手冊將確定這個人應該生成一個輸出，還是僅僅傳遞信息給體育館中的另一個人，如圖1.7所示。
圖1.7 中文室爭論的變體
現在，中文的知識存在於何處？屬於全體人，還是屬於體育館？
思考最後一個例子。描繪出一個確實通曉中文的人的大腦，如圖1.8所示。這個人可以接收用中文提出的問題，並準確地用中文進行解釋和回答。
圖1.8 中文說話者用中文接收和回答問題
同樣，中文的知識存在於何處？存在於單個神經元中，還是存在於這些神經元的集合中？（它必須存在於某個地方！）Block和Searle對圖靈測試進行批評的關鍵點在於，圖靈測試僅從外部觀察，不能洞察某個實體的內部狀態。也就是說，我們不應該期望通過將擁有智能的智能體（人或機器）視為黑盒來了解到一些關於智能的新東西。但是，這也並不總是正確的。19世紀，物理學家歐內斯特·盧瑟福（Ernest Rutherford）通過用α粒子轟擊金箔，正確地推斷出物質的內部狀態——它主要由空白空間組成。
他預測，這些高能粒子要麼穿過了金箔要麼稍微偏轉。結果與他的原子軌道理論是一致的：原子由軌道電子包圍著的緻密核心組成。這是我們當前的原子模型，許多學過高中化學的人對此非常熟悉。Rutherford通過外部觀察成功地瞭解了原子的內部狀態。
總之，定義智能很難。正是由於定義智能以及判定“智能體”是否擁有這一屬性很困難，因此圖靈開發了圖靈測試。在論文中，他含蓄地指出，任何能夠通過圖靈測試的智能體必然擁有“腦能力”來應對任何合理的、相當於人們在普遍意義上接受的人類水平的智能挑戰。
《人工智能（第2版）》
[美] 史蒂芬·盧奇（Stephen Lucci） 著
美國經典教材，在美亞上，被評價為自Russell & Norvig的《人工智能：一種現代方法》之後最好的教材，更加適合本科生使用。被譽為人工智能領域百科全書。
本書基於人工智能的理論基礎，向讀者展示全面、新穎、豐富多彩且易於理解的人工智能知識體系。本書給出諸多的示例、應用程序、全綵圖片和人物軼事，以激發讀者的閱讀和學習興趣；還引入了機器人和機器學習的相關高級課程，包括神經網絡、遺傳算法、自然語言處理、規劃和複雜的棋盤博弈等。
今日互動
你對人工智能未來的發展怎麼看？為什麼？截止時間8月3日17時，留言+轉發本活動到朋友圈或者50人以上圖書群，小編將抽獎選出5名讀者贈送紙書1本（參與活動直達微信端）。
點擊https://item.jd.com/12401871.html，購買圖書《人工智能（第2版）》
閱讀更多 異步社區 的文章
