“在该领域里学生经常遇到许多很难的概念；通过深刻的实例与简单明了的视图，该书清晰而准确地阐述了这些概念。”
　　——Joseph Lewis，圣迭戈州立大学
　　
　　“本书是人工智能课程的完美补充。它既给读者以历史的观点，又给出所有技术的实用指南。这是一本必须要推荐的人工智能的图书。”
　　——Pascal Rebreyend，瑞典达拉那大学
　　
　　“该书的写作风格和全面的论述使它成为人工智能领域很有价值的文献。”
　　——Malachy Eaton，利默里克大学
　　本版新增内容
　　
　　新增一章，介绍用于机器学习的随机方法，包括一阶贝叶斯网络、各种隐马尔可夫模型、马尔可夫随机域推理和循环信念传播。
　　介绍针对期望最大化学习以及利用马尔可夫链蒙特卡罗采样的结构化学习的参数选择，加强学习中马尔可夫决策过程的利用。
　　介绍智能体技术和本体的使用。
　　介绍自然语言处理的动态规划（Earley语法分析器）以及Viterbi等其他概率语法分析技术。
　　书中的许多算法采用Prolog、Lisp和Java语言来构建。
　　作者简介
　　George F. Luger　1973年在宾夕法尼亚大学获得博士学位，并在之后的5年间在爱丁堡大学人工智能系进行博士后研究，现在是新墨西哥大学计算机科学研究、语言学及心理学教授。

无