Artificial Intelligence: A Modern Approach (4th Edition)

This book comprehensively and deeply explores the theory and practice in the field of artificial intelligence (AI). It integrates the popular AI ideas and terms into applications that have attracted widespread attention in a unified style, truly combining theory and practice. The book is divided into 7 parts, with a total of 28 chapters. The theoretical part introduces the main theories and methods of AI research and traces back to related ideas more than 2,000 years ago. The content mainly includes logic, probability and continuous mathematics, perception, reasoning, learning and action, fairness, trust, social welfare and security; the practical part perfectly implements the \"modern\" concept, and the actual application selects the currently popular microelectronic devices, robotic planetary probes, online services with billions of users, AlphaZero, humanoid robots, autonomous driving, AI-assisted medical treatment, etc. This book is suitable as a textbook for undergraduate and graduate students in AI-related majors in colleges and universities, and can also be used as a reference book for professionals in related fields. Copyright InformationFreeCopyrightFreeContent SummaryFreeCopyright StatementFreePraise for this BookFreeForewordFreeMethods Are More Than Just IntelligenceFreeOnly Thoughts Are EternalFreeChinese VersionAcknowledgmentsFreeForewordFreeAuthor ProfileFreeResources and ServicesFreePart IFoundations of Artificial IntelligenceFreeChapter 1IntroductionFreeChapter 2AgentsFreePart IIProblem SolvingChapter 3Problem Solving by SearchChapter 4Search in Complex EnvironmentsChapter 5Adversarial Search and GamesChapter 6Constraint Satisfaction ProblemsPart IIIKnowledge, Reasoning, and PlanningChapter 7Logical AgentsChapter 8First-Order LogicChapter 9Inference in First-Order LogicChapter 10Knowledge RepresentationChapter 11Automated PlanningPart IVNo Certain Knowledge and Uncertain Reasoning Chapter 12 Quantifying Uncertainty Chapter 13 Probabilistic Reasoning Chapter 14 Probabilistic Reasoning over Time Chapter 15 Probabilistic Programming Chapter 16 Making Simple Decisions Chapter 17 Making Complex Decisions Chapter 18 Multi-Agent Decision Making Part V Machine Learning Chapter 19 Learning from Examples Chapter 20 Learning Probabilistic Models Chapter 21 Deep Learning Chapter 22 Reinforcement Learning Part VI Communication, Perception, and Action Chapter 23 Natural Language Processing Chapter 24 Deep Learning for Natural Language Processing Chapter 25 Computer Vision Chapter 26 Robotics Part VII Conclusion Chapter 27 Philosophy, Ethics, and Security of Artificial Intelligence Chapter 28 The Future of Artificial Intelligence Appendix A Mathematical Background Appendix B Notes on Language and Algorithms Reference Index