本书为第3版内容，经过了完全重写和更新，反映了之前版本发行来人工智能领域的革命性进展。第1部分阐述知识表达和利用知识进行推理的方法，第2部分阐述显现智能的先决条件——学习能力，第3部分阐述视觉感知和语言理解；其《教师手册》包含了详细的习题解符号和教学大纲范例；对已掌握LISP语言的读者，还可从因特网下载有关该书的大量程序。
本书适合计算机科学与工程专业学习，还有心理学、生物学、语言学、哲学专业学生和有关研究人员。
温斯顿，美国人工智能协会前主席 ；美国麻省理工学院人工智能和计算机科学教授，主讲《人工智能导论》等有关课程；美国Ascent技术公司总裁和创始人之一；1972年至1997年任MIT人工智能实验室主任；1997年任《对人工智能的再思考》论坛主席，主持讨论人工智能在商业上向何处去，发言者来自迪斯尼、通用电气、微软 、网景等公司以及东道 MIT人工智能实验室；主要出版著作有：《Artificial Intellgence,Third Edition》、 《On to Smalltalk》、《On to C》、《On to C++》、《 On to Java》、《Lisp, Third Edition》、《The AI Business:Commercial Uses of Artificial》、《Artificial Intelligence at MIT: Expanding Frontiers》、《Artificial Intelligence:An MIT Perspective》等。
书评
本书分为三个部分：第1部分阐述知识表达和利用知识进行推理的方法；第2部分阐述显现智能的先决条件，即学习能力；第3部分阐述视觉感知和语言理解。本书为美国麻省理工学院2004年秋季6034课程Introduction to Intelligence的推荐教材。
本书面向两类读者，一为计算机科学和工程专业的学生或相关人员 ，它提供了尤其是知识表达、开发实用 系统方面的各种新概念，这类读者理解人工智能后可更好地发挥计算机的潜力；二为心理学、生物学、语言学或哲学专业的学生或相关人员，它从计算的视角揭开了智能的神秘面纱，这类读者理解人工智能后可掌握实现智能的原理。
第1部分 表达和方法
第1章 智能计算机
第2章 语义网络和描述匹配
第3章 生成-测试法、手段-目标分析法和问题归约法
第4章 网络和基本搜索法
第5章 网络和最佳搜索法
第6章 树和对抗搜索法
第7章 规则和规则链接
第8章 规则、底层和认知模型的建立
第9章 框架和继承
第10章 框架和常识
第11章 数值约束和传播
第12章 标符约束和传播
第13章 逻辑和消解法证明
第14章 回溯和真值维护
第15章 规划
第2部分 学习和认识规律
第16章 通过分析差异进行学习
第17章 通过解释经验进行学习
第18章 通过纠正错误进行学习
第19章 通过记录案例进行学习
第20章 通过管理多重模型进行学习
第21章 通过建立识别树进行学习
第22章 通过训练神经网络进行学习
第23章 通过训练感知机进行学习
第24章 通过训练近似网络进行学习
第25章 通过模拟进化进行学习
第3部分 视觉和语言
第26章 识别物体
第27章 描述图像
第28章 表达语言约束
第29章 应答疑问句和命令句
附录 关系数据库
习题
中英文术语对照
……
