人工智能作为21世纪科技发展的最新成就，深刻揭示了科技发展为人类社会带来的巨大影响。本书结合求解智能问题的数据结构以及实现的算法，把人工智能的应用程序应用于实际环境中，并从社会和哲学、心理学以及神经生理学角度对人工智能进行了独特的讨论。本书提供了一个崭新的视角，展示了以人工智能为代表的科技现象作为一种“奇点”思潮，揭示了其在世界范围内所产生的广泛影响。本书全书分为以下几大部分：第一部分人工智能，第二部分问题延伸，第三部分拓展人类思维，第四部分推理，第五部分通信、感知与行动，第六部分结论。本书既详细介绍了人工智能的基本概念、思想和算法，还描述了其各个研究方向最前沿的进展，同时收集整理了详实的历史文献与事件。 适合于不同层次和领域的研究人员及学生，是高等院校本科生和研究生人工智能课的课外读物，也是相关领域的科研与工程技术人员的参考书。

本書獲1998年亞馬遜網站 年度科學類推荐第一名 《劍橋五重奏》是一本談「人工智能之哲學」的書, 談得深入淺出, 值得一讀。 作者以一個假設的「社會」：「聚社會飲」的場合做開場, 讓這場「會飲」 (symposium)發生的地點由古雅典的阿加頓(Agathon)家轉移到今日的英國劍橋基督學院; 會飲的談話主題由「美之為物」轉為「機之思維」。主角不是亞里斯多芬 (Aristophanes)和蘇格拉底, 而是亞蘭．痄F(Alan Tuning)和路德維希．維根斯坦(Ludwig Wittgenstein)。 痄F是現代計算機思想的奠基者, 而維根斯坦則是兩套重要哲學理論的建立者。至為關鍵的是痄F的計算機思想和維根斯坦的第一套哲學有交集之處, 而維根斯坦以第二套哲學來反對第一套哲學的論證, 此時就派上用場, 用來駁斥痄F的觀點。本書的主要內容就以狺顝M維氏的思想為軸心來發展, 並進行兩者的交鋒, 間或有艾文．薛丁格(Erwin Schrodinger)替痄F助陣, 賀爾丹(J.B.S.Haldane)則較支持維根斯坦, 也扮演理論提供的角色, 會飯談話主持人史諾(C.P.Snow)則溝通兩個文化：科學與人文, 穿針引線串場。僕人西蒙則是跑龍套, 藉進奉食物以串場。 痄F的天才在於將數學的運算轉換為機械的計算, 這整個模式稱為「痄F機器」 (Tuning machine)。痄F機器比歷史上其他計算機佔優勢的地方在於數學思想的嚴密以及技術的提昇; 前者是和「判定問題」(Decision Problem)的研究有關, 後者則與電子學的發展有關。簡言之, 痄F將數學上的「可行方法」(effective method)轉化成電子計算機的「機械方法」(mechanical method)。所以只要一個問題可以有限步驟內判定其真假──屬於該集合或不屬於, 那麼電子計算機透過有限的機械步驟, 一定可以得出正確答案出來, 本書的第二幕「大腦與機械的對話」便是在說明這其中的原理。這是我看過談計算機原理的書籍中, 最能以淺顯的文字說明其背後哲學思想與數學理論的書。它能將庫特．哥德爾(Kurt Godel)的不完備性定理(theorem of incompleterness)或不可判定定理(theorem of undecidability) 與痄F機器的關連加以說明, 這也是一大特色。 另外書中也討論了計算機本身的邏輯語言和神經元的類比, 認為大腦神經元接受並發射訊息的方式, 和邏輯命題所蘊含的方式一樣, 都可以轉化成電路訊號的接通方式。因此這就是建立起邏輯／數學、神經生理學、以及電子學三者之間的平衡關係, 這是「人工智能」理論和技術上的重要基礎, 這個「三位一體」的概念也正是維根斯坦反駁的重點。…………

《人脑之谜》是一名实验神经生物学家从脑的结构、脑的发育、神经细胞活动的基本过程以及脑的正常、异常活动等几个侧面，对脑作比较全面的介绍。作者以丰富、翔实的材料为依据，从引述浅显的事实或引证在脑科学发展史上有重要意义的典型病例起步，以生动的笔触带领读者作一场引人入胜的科学之旅——探索脑的奥秘。

Class-tested and coherent, this groundbreaking new textbook teaches classic web information retrieval, including web search and the related areas of text classification and text clustering from basic concepts. Written from a computer science perspective by three leading experts in the field, it gives an up-to-date treatment of all aspects of the design and implementation of systems for gathering, indexing, and searching documents; methods for evaluating systems; and an introduction to the use of machine learning methods on text collections. All the important ideas are explained using examples and figures, making it perfect for introductory courses in information retrieval for advanced undergraduates and graduate students in computer science. Based on feedback from extensive classroom experience, the book has been carefully structured in order to make teaching more natural and effective. Although originally designed as the primary text for a graduate or advanced undergraduate course in information retrieval, the book will also create a buzz for researchers and professionals alike. Contents 1. Information retrieval using the Boolean model; 2. The dictionary and postings lists; 3. Tolerant retrieval; 4. Index construction; 5. Index compression; 6. Scoring and term weighting; 7. Vector space retrieval; 8. Evaluation in information retrieval; 9. Relevance feedback and query expansion; 10. XML retrieval; 11. Probabilistic information retrieval; 12. Language models for information retrieval; 13. Text classification and Naive Bayes; 14. Vector space classification; 15. Support vector machines and kernel functions; 16. Flat clustering; 17. Hierarchical clustering; 18. Dimensionality reduction and latent semantic indexing; 19. Web search basics; 20. Web crawling and indexes; 21. Link analysis. Reviews “This is the first book that gives you a complete picture of the complications that arise in building a modern web-scale search engine. You'll learn about ranking SVMs, XML, DNS, and LSI. You'll discover the seedy underworld of spam, cloaking, and doorway pages. You'll see how MapReduce and other approaches to parallelism allow us to go beyond megabytes and to efficiently manage petabytes." -Peter Norvig, Director of Research, Google Inc. "Introduction to Information Retrieval is a comprehensive, up-to-date, and well-written introduction to an increasingly important and rapidly growing area of computer science. Finally, there is a high-quality textbook for an area that was desperately in need of one." -Raymond J. Mooney, Professor of Computer Sciences, University of Texas at Austin “Through compelling exposition and choice of topics, the authors vividly convey both the fundamental ideas and the rapidly expanding reach of information retrieval as a field.” -Jon Kleinberg, Professor of Computer Science, Cornell University

想要探寻搜索排名、产品推荐、社会化书签和在线匹配背后的力量吗？这本颇具魅力的书籍向你展现如何创建Web 2.0应用程序，从参与性？Internet应用程序产生的大量数据中挖掘金矿。运用本书中介绍的先进算法，你可以编写聪明的程序，以访问其他网站那些有趣的数据集，从自有应用程序的用户中收集数据，或者分析和理解你所发现的数据。 《集体智慧编程》将你带入机器学习和统计的世界，并且阐释了如何从你和他人每天收集的信息中获得关于用户体验、市场营销、个性品味及人类行为的结论。每个算法的描述都十分简明清晰，相关代码均可以立即用于你的网站、博客、Wiki或特定应用程序。本书讲解了下列主题： 可以让在线零售商推荐产品或媒体的协作过滤技术 用于在大数据集中发现同类项组的聚类方法 从数以百万计可能方案中选择问题最佳解决方案的最优化算法 贝叶斯过滤，用在基于单词类型和其他特征的垃圾信息过滤中 支持向量（support-vector）机器，用于在线交友网站中的速配 用于问题解决的演化智能——计算机如何通过多次玩同样的游戏，改进自身代码并获得技能提升 每一章都包含了相关练习，可通过扩展使算法变得更强大。超越简单的数据库支持应用程序模式，让 Internet数据财富为你所用。

In this new edition the author has added substantial material on Bayesian analysis, including lengthy new sections on such important topics as empirical and hierarchical Bayes analysis, Bayesian calculation, Bayesian communication, and group decision making. With these changes, the book can be used as a self-contained introduction to Bayesian analysis. In addition, much of the decision-theoretic portion of the text was updated, including new sections covering such modern topics as minimax multivariate (Stein) estimation.