目次

I　人工知能
1　序論
1.1 AIとは？
1.2 人工知能の基礎
1.3 人工知能の歴史
1.4 最新技術
1.5 まとめ

2　知的エージェント
2.1 エージェントと環境
2.2 良い振舞い：合理性の概念
2.3 環境の性質
2.4 エージェントの構造
2.5 まとめ

II　問題解決
3　探索による問題解決
3.1 問題解決エージェント
3.2 例題
3.3 解の探索
3.4 情報のない探索戦略
3.5 繰返し状態の回避
3.6 部分的知識をもつ探索
3.7 まとめ

4　知識に基づく探索と探査
4.1 知識に基づく（ヒューリスティック）探索手法
4.2 ヒューリスティック関数
4.3 局所探索アルゴリズムと最適化問題
4.4 連続空間における局所探索
4.5 オンライン探索エージェントと未知環境
4.6 まとめ

5　制約充足問題
5.1 制約充足問題
5.2 制約充足問題のための後戻り探索
5.3 制約充足問題のための局所探索
5.4 問題の構造
5.5 まとめ

6　敵対探索
6.1 ゲーム
6.2 ゲームにおける最適解
6.3 アルファ‐ベータ枝刈り
6.4 不完全リアルタイム決定
6.5 偶然の要素を含むゲーム
6.6 ゲームプログラムの現在
6.7 考察
6.8 まとめ

III　知識と推論
7　論理的エージェント
7.1 知識エージェント
7.2 Wumpus World
7.3 理論
7.4 命題論理：とても単純な理論
7.5 命題論理における推論パターン
7.6 実用的な命題推論法
7.7 命題論理エージェント
7.8 まとめ

8　一階述語論理
8.1 再び表現について
8.2 一階述語論理の統語論と意味論
8.3 一階述語論理の利用
8.4 一階述語論理における知識工学
8.5 まとめ

9　一階述語論理による推論
9.1 命題論理 対 一階述語論理
9.2 単一化ともちあげ
9.3 前向き連鎖
9.4 後向き連鎖
9.5 融合法
9.6 まとめ

10　知識表現
10.1 オントロジ工学
10.2 カテゴリとオブジェクト
10.3 行為，状況，イベント
10.4 心的事象と心的オブジェクト
10.5 インターネットショッピングの世界
10.6 カテゴリのための推論システム
10.7 デフォルト情報をを使った推論
10.8 真理維持システム
10.9 まとめ

IV　プランニング
11　プランニング
11.1 プランニング問題
11.2 状態空間探索によるプランニング
11.3 半順序プランニング
11.4 プランニンググラフ
11.5 命題論理を用いたプランニング
11.6 プランニングのアプローチの解析
11.7 まとめ

12　実世界におけるプランニングと行為
12.1 時間，スケジュール，資源
12.2 階層的タスクネットワークプランニング
12.3 非決定的領域におけるプランニングと行為
12.4 条件付プランニング
12.5 実行モニタリングと再プランニング
12.6 連続プランニング
12.7 マルチエージェントプランニング
12.8 まとめ

V　不確実な知識と推論
13　不確実性
13.1 不確実性のもとでの行為
13.2 確率の基本的な記法
13.3 確率論の公理
13.4 完全結合分布を用いた推論
13.5 独立
13.6 ベイズ規則とその使用法
13.7 Wumpus World再考
13.8 まとめ

14　確率推論
14.1 不確実な領域における知識表現
14.2 ベイジアンネットの意味論
14.3 条件付き確率分布の効率的な表現
14.4 ベイジアンネットの厳密推論
14.5 ベイジアンネットの近似推論
14.6 一階論理表現への確率の拡張
14.7 不確実性推論に対するその他のアプローチ
14.8 まとめ

15　時間を伴う確率的推論
15.1 時間と不確実性
15.2 時制モデルの推論
15.3 隠れマフコフモデル
15.4 カルマンフィルタ
15.5 動的ベイジアンネット
15.6 音声認識
15.7 まとめ

16　単純な意思決定
16.1 不確かさのもとでの信念と願望の結び付け
16.2 効用理論の基礎
16.3 効用関数
16.4 多属性効用関数
16.5 意思決定ネットワーク
16.6 情報の価値
16.7 意思決定理論的エキスパート・システム
16.8 まとめ

17　複雑な意思決定
17.1 逐次意思決定問題
17.2 価値反復
17.3 方策反復
17.4 部分観測マフコフ意思決定過程
17.5 意思決定論的エージェント
17.6 複数のエージェントにおける決定：ゲーム理論
17.7 機構設計
17.8 まとめ

VI　学習
18　経験からの学習
18.1 学習の形式
18.2 帰納学習
18.3 決定木の学習
18.4 アンサンブル学習
18.5 学習はなぜ可能か：計算論的学習理論
18.6 まとめ

19　学習における知識
19.1 学習の論理的な定式化
19.2 学習における知識
19.3 説明に基づく学習
19.4 関連情報を用いた学習
19.5 帰納論理プログラミング
19.6 まとめ

20　統計的学習手法
20.1 統計的学習
20.2 完全なデータからの学習
20.3 隠れ変数を含む学習：EMアルゴリズム
20.4 事例ベース学習
20.5 ニューラルネットワーク
20.6 カーネルマシン
20.7 応用事例：手書き数字認識
20.8 まとめ

21　強化学習
21.1 はじめに
21.2 受動強化学習
21.3 能動強化学習
21.4 強化学習における一般化
21.5 制作の探索
21.6 まとめ

VII　コミュニケーション，知覚，行動
22　コミュニケーション
22.1 行為としてのコミュニケーション
22.2 英語の断片のための形式文法
22.3 統語解析（構文解析）
22.4 拡張文法
22.5 意味解釈
22.6 多義性と多義性解消
22.7 談話理解
22.8 文法帰納
22.9 まとめ

23　確率的言語処理
23.1 確率言語モデル
23.2 情報検索
23.3 情報抽出
23.4 機械翻訳
23.5 まとめ

24　知覚
24.1 序論
24.2 画像の生成
24.3 初期画像処理演算
24.4 視覚を用いた３次元情報の抽出
24.5 対象の認識
24.6 対象の操作とナビゲーションのための視覚の利用
24.7 まとめ

25　ロボティクス
25.1 はじめに
25.2 ロボットハードウェア
25.3 ロボットの知覚
25.4 動作計画
25.5 不確かな運動の計画
25.6 運動すること
25.7 ロボットのソフトウェアアーキテクチャ
25.8 応用領域
25.9 まとめ

26　哲学的基礎
26.1 弱いAI: 機械は知的に振舞うことができるか？
26.2 強いAI：機械は本当に考えることができるか？
26.3 AIの発展に関する倫理と危険性
26.4 まとめ

27　AI：現在と未来
27.1 エージェントの諸構成素
27.2 エージェントアーキテクチャ
27.3 我々は正しい方向に進んでいるか？
27.4 もしAIが本当に成功したらどうなるか？

A　数学の諸概念について
A.1 計算量の解析とO ( )表記
A.2 ベクトル，行列，線形代数
A.3 確率と分布

B　言語とアルゴリズムについての注意
B.1 形式言語のバッカス‐ナウア記法（BNF記法）による定義
B.2 アルゴリズムの擬似コードによる記述
B.3 オンライン・ヘルプ