不可错过！北大「人工智能」课程，林作铨教授主讲，附讲义

人工智能是一门研究生（高年级本科生可选）专业基础课程，旨在讲授人工智能的基本理论、方法和技术，并落实到算法，主要内容包括：智能体，搜索算法，约束满足问题，逻辑智能体，自动推理，自动规划，知识表示，不确定知识和推理， 决策，机器学习，自然语言理解，机器人等。授课内容参见讲义。参考资料选自国际优秀教材和重要文献。

https://www.math.pku.edu.cn/teachers/linzq/teaching/ai/ai.html

人工智能　

1 引论

1.1  AI

1.2  基础

1.3  历史

1.4  现状

1.5  争论

2 智能体

2.1 智能体

2.2 智能程序

2.3 理性

2.4 环境

2.5 智能体结构

2.6 多智能体

3 搜索算法

3.1 问题求解主体

3.2 基本搜索算法

3.3 启发式搜索

3.4 局部搜索

3.5 在线搜索

3.6 对抗搜索

3.7 元搜索

4 约束满足问题

4.1  约束满足问题

4.2  约束传播

4.3  回溯搜索

4.4  局部搜索

4.5  结构与分解

5 逻辑智能体

5.1 知识智能体

5.2 命题逻辑

5.3 可满足性问题

5.4 一阶逻辑

5.5 AI的逻辑基础

6 自动推理

6.1 自动定理证明

6.2 前向和反向推理

6.3 归结

6.4 模型检测

7 自动规划

7.1  规划智能体

7.2  经典规划

7.3  分层规划

7.4  情态演算

7.5  偏序规划

7.6  非经典规划

7.7  排程

8 知识表示

8.1  知识

8.2  本体

8.3  产生式系统

8.4  定性物理

8.5  结构描述

8.6  框架与语义网

8.7  语义Web

8.8  知识图谱

8.9  知识嵌入

8.10  变化

8.11  解释与诊断

8.12  心智状态

8.13  常识   

9 不确定知识和推理

9.1  不确定性

9.2  概率

9.3  贝叶斯网络

9.4  概率推理

9.5  动态贝叶斯网络

9.6  因果推理

9.7  概率程序设计

9.8  概率逻辑

10 决策

10.1 决策智能体

10.2 优先性

10.3 效用

10.4 决策网

10.5 序列决策

10.6 多智能体系统

10.7 博弈论

11 机器学习

11.1 学习智能体

11.2 归纳学习

11.3 深度学习

11.4 统计学习

11.5 强化学习

11.6 迁移学习

11.7 集成学习

11.8 联邦学习

11.9 解释学习

11.10 计算学习理论

12 自然语言理解

12.1 语言

12.2 语法

12.3 语义

12.4 语言模型

12.5 神经语言系统

12.6 自然语言任务

12.7 对话 AI

13 机器人

13.1 机器人

13.2 计算机视觉

13.3 机器人感知

13.4 运动规划

13.5 控制器

13.6 智能汽车

14 人工智能哲学

14.1  AI 哲学

14.2  弱 AI

14.3  强 AI 

14.4  伦理

14.5  AI 的未来