1.1 人工智能的发展阶段
1. 孕育时期（1956年前）人工智能开拓者们在数理逻辑、计算本质、控制论、信息论、自动机理论、神经网络模型和电子计算机等方面做出的创造性贡献，奠定了人工智能发展的理论基础。
2. 形成时期 （1956-1970）
AI诞生于一次历史性的聚会—达特茅斯会议，迅速发展，过于乐观
3. 暗淡（低潮）时期 （1956-1970）
过高预言的失败，给AI的声誉造成重大伤害，同时，许多人工智能理论和方法未能得到通用化和推广应用，专家系统也尚未获得广泛开发。因此看不出人工智能的重要价值。 究其原因，当时的人工智能主要存在以下三个局限性：（1）知识局限性 （2）解法局限性 （3）结构局限性
4. 知识应用时期 （1970-1988）
计算机视觉、机器人、自然语言理解、机器翻译等AI应用研究获得发展。
在开发专家系统的过程中，许多研究者获得共识：人工智能系统是一个知识处理系统，人工智能的三个基本问题：知识表示、知识利用、知识获取
5. 集成发展时期 （1986年至今）
机器学习、人工神经网络、计算智能、智能机器人和行为主义研究趋向热烈和深入。
计算智能（CI）弥补了人工智能中在数学理论和计算上的不足，更新和丰富了人工智能理论框架，使人工智能进入一个新的发展时期 。
1.2 人工智能的各种认识观
人工智能研究形成了符号主义、连接主义和行为主义三大学派
符号主义：又称逻辑主义，起源于数理逻辑，认为人的认识基元是符号，认知过程即符号操作过程，认为人是一个物理符号系统，计算机也是一个物理符号系统，因此能够用计算机来模拟人的智能行为。认为人工智能的核心问题是知识表示、知识推理和知识运用。
连接主义：又称仿生学派或生理学派，认为思维基元是神经元，而不是符号处理过程。认为人脑不同于电脑，并提出连接主义的大脑工作模式，用于取代符号操作的电脑工作模式。使用结构模拟方法：模拟人的生理神经网络结构，不同的结构表现出不同的功能和行为。认为功能、结构和智能行为是不可分的。
行为主义：认为智能取决于感知和行动(所以被称为行为主义)，提出智能行为的“感知—动作”模式。认为智能不需要知识、不需要表示、不需要推理；人工智能可以象人类智能一样逐步进化（称为进化主义）；智能行为只能在现实世界中与周围环境交互作用而表现出来。
3.4 消解原理
将下列谓词演算公式化为一个子句集
1、消去蕴含符号
只应用∨和～符号，以～A∨B替换A→B。
2、减少否定符号的辖域
将 ~ 内移,每个否定符号～最多只用到一个谓词符号上，并反复应用狄·摩根定律。
3、变量标准化
不同的量词使用不同的变量名，对哑元(虚构变量)改名，以保证每个量词有其自己唯一的哑元
4、去掉存在量词
两种情况：
①“存在” 在某些 “任意”的作用域内，转成Skolem function
②“存在” 不在 “任意”的作用域内，直接去掉存在量词，将对应的变量写成一个常量表达式
5、化为前束形
将所有的“任意” 移到公式的最前面,并使每个量词的辖域包括这个量词后面公式的整个部分
6、把母式写成合取范式的形式
任何母式都可写成由一些谓词公式和(或)谓词公式的否定的析取的有限集组成的合取。
7、去掉全称量词
所有余下的量词均被全称量词量化了。消去前缀，即消去明显出现的全称量词。
8、消去合取词 ∧
用{A,B}代替(A∧B)，消去符号∧。最后得到一个有限集，其中每个公式是文字的析取
9、更换变量名称
使相同的变元不会出现在不同的子句中
4.4 主观贝叶斯
更新贝叶斯公式:
EH公式
CP公式
4.5 可信度方法
CF(H,E)的计算公式：
1、组合证据（前提证据事实总CF值计算，最大最小法）
2、推理结论的CF值计算
CF(H) = CF(H,E) × max { 0, CF(E) }
3、重复结论CF值计算
5.2 神经计算
5.4 模糊计算
遗传算法的执行过程
(1) 初始化群体;
(2) 计算群体上每个个体的适应度值;
(3) 按由个体适应度值所决定的某个规则选择将进入下一代的个体;
(4) 按概率Pc进行交叉操作;
(5) 按概率Pc进行突变操作;
(6) 若没有满足某种停止条件，则转第(2)步，否则进入下一步。
(7) 输出群体中适应度值最优的染色体作为问题的满意解或最优解。
简单遗传算法的操作主要有：
选择、交叉、变异
7.4 决策树学习
熵的计算公式：
信息增益：