CS 188 人工智能导论教程

这套教程是什么

这是一套系统介绍经典人工智能方法的中文教程，覆盖搜索、约束满足、博弈、马尔可夫决策过程、强化学习、贝叶斯网络、决策网络与信息价值、隐马尔可夫模型、机器学习和逻辑。

本目录中的十章正文依据用户提供的 cs188.pdf 按页翻译整理，保留原文的章节顺序、公式、算法说明、图注和 PDF 中实际嵌入的原始图片。PDF 没有嵌入的在线讲义外部图片不作为本地图片补造。

教程采用下面的讲解方式：

• 用中文讲解核心概念并保留常用英文术语
• 重新组织论述顺序，使章节之间的联系更清晰
• 保留重要公式、算法、复杂度和成立条件
• 用中文补充公式的直觉和常见误区
• 串联不同算法，说明它们分别解决了上一种方法的什么限制
• 将内容组织为可学习、可复习、可继续扩展的分章教程

同一术语存在多种中文名称时，正文会保留常用英文名称。理解算法时应同时关注它优化的目标、使用的信息、成立条件和失败方式。

适合哪些读者

• 已经掌握一种编程语言和基础数据结构，希望系统学习人工智能的人
• 学过部分算法或机器学习，希望补齐概率推断、决策和逻辑路线的人
• 正在构建智能体，希望理解搜索、状态、观测、策略和效用基础的人
• 需要复习经典 AI 课程核心公式、算法保证和常见误区的人

全书路线图

章节	核心问题	教程
1. Search	已知规则时，怎样找到通往目标的行动序列？	第一章 搜索
2. CSPs	怎样利用约束快速排除不可能的组合？	第二章 约束满足问题
3. Games	当其他智能体也在决策时，怎样选择行动？	第三章 博弈
4. MDPs	当行动结果带有随机性时，怎样规划长期策略？	第四章 马尔可夫决策过程
5. RL	不知道环境模型时，怎样从交互中学会行动？	第五章 强化学习
6. Bayes Nets	怎样表示概率依赖并进行精确或近似推断？	第六章 贝叶斯网络
7. Decision Networks and VPIs	信息值多少钱，什么时候值得先观察再行动？	第七章 决策网络与完美信息价值
8. HMMs	状态不可见、只有带噪观测时，怎样追踪状态？	第八章 隐马尔可夫模型
9. ML	怎样从带标签数据中学习分类或回归函数？	第九章 机器学习
10. Logic	怎样用符号知识表示世界并进行可靠推理？	第十章 逻辑

十章之间的关系

全书可以看成五次能力升级：

确定性单智能体规划
  搜索 → 约束满足

多个行动者或随机结果
  博弈 → MDP

模型未知，需要从经验学习
  强化学习

状态与证据存在不确定性
  贝叶斯网络 → 决策网络 → HMM

从数据或符号知识获得能力
  机器学习 → 逻辑推理

另一种理解方式是观察“智能体知道多少”：

情形	已知信息	主要方法
规则、状态和目标都已知	转移模型确定	DFS、BFS、UCS、A*
解由多个变量共同决定	变量、域和约束已知	回溯、过滤、变量排序
存在对手	对手会针对自己行动	Minimax、Alpha-Beta
行动结果随机	转移概率和奖励已知	Value Iteration、Policy Iteration
转移或奖励未知	只能通过交互获得样本	TD、Q-Learning
世界状态带有概率依赖	联合分布太大	Bayes Net、Variable Elimination
观察信息本身有成本	可在行动前购买信息	Decision Network、VPI
当前状态不可直接观察	有连续的带噪证据	Forward、Viterbi、Particle Filtering
规则需要从数据获得	有训练样本	Naive Bayes、Perceptron、Regression、Neural Network
知识以符号规则给出	有命题或一阶逻辑知识库	DPLL、Resolution、Forward Chaining

贯穿全书的智能体视角

第一章用 PEAS 描述任务环境：

P：Performance measure，怎样衡量行动好坏
E：Environment，智能体所处的环境
A：Actuators，智能体能够执行的行动
S：Sensors，智能体能够获得的观测

后续各章都可以放回这个框架：

• 搜索和 CSP 主要研究如何根据已知模型选择行动或配置
• 博弈把其他智能体加入环境
• MDP 把随机转移加入环境
• 强化学习让转移和奖励需要通过传感器反馈估计
• 贝叶斯网络和 HMM 处理不完整、带噪的观测
• 决策网络把概率信念与效用结合
• 机器学习从观测样本中获得预测函数
• 逻辑用符号知识支持可解释推理

关于 PEAS 在现代软件智能体中的应用，可以继续阅读：PEAS 在现代 Coding Harness 中的映射。

常用符号

符号	常见含义
$s,s^{\prime }$	当前状态与后继状态
$a$	行动
$S,A$	状态集合与行动集合
$T(s,a,s^{\prime })$	在 $s$ 执行 $a$ 后到达 $s^{\prime }$ 的概率
$R(s,a,s^{\prime })$	一次转移得到的奖励
$\gamma$	折扣因子
$V(s)$	状态价值
$Q(s,a)$	状态—行动价值
$\pi (a\mid s)$	策略在状态 $s$ 选择行动 $a$ 的概率
$P(X)$、$P(X\mid Y)$	概率与条件概率
$x$	数据点、状态取值或变量取值，具体含义由章节决定
$w$	模型参数或权重向量

同一个字母在不同章节可能承担不同角色，阅读公式时应先确认当前章节的定义。

建议学习顺序

如果第一次系统学习人工智能，可以按章节顺序阅读：

1 → 2 → 3 → 4 → 5 → 6 → 7 → 8 → 9 → 10

如果目标是理解现代智能体，可以优先走下面的路线：

第一章 Agents 与 Search
→ 第四章 MDP
→ 第五章 Reinforcement Learning
→ 第六章 Bayes Nets
→ 第七章 Decision Networks
→ 第八章 HMM

如果目标是复习考试，建议每章完成三件事：

1. 能写出该章核心问题的形式化定义。
2. 能手算一个小例子，并解释每一步为什么成立。
3. 能说清算法保证成立所需的条件，以及换一个条件后哪里会失效。

学习边界

这套教程聚焦经典人工智能的基础模型与算法。计算机视觉、自然语言处理、生成模型、大语言模型、多模态学习和大规模深度学习工程需要在这些基础之上继续学习。

每章会覆盖定义、直觉、核心公式、算法步骤、成立条件和常见误区。真正掌握还需要动手实现算法，并在小规模例子上逐步计算中间结果。

参考与许可

教程路线参考 UC Berkeley CS 188 在线教材 及其公开源码。原教材主要作者为 Nikhil Sharma、Josh Hug、Jacky Liang 和 Henry Zhu，采用 CC BY-SA 4.0 许可。本教程中的改编内容同样依 CC BY-SA 4.0 分享；UC Berkeley 与原作者不对本教程作背书。