1장 인공지능의 개요
   1.1 AI의 정의 ... 3
   1.2 AI의 중요성 ... 6
   1.3 AI 초기 연구 ... 7
   1.4 AI 관련 분야 ... 11
   1.5 요약 ... 12
2장 지식의 개념
   2.1 서론 ... 15
   2.2 지식의 정의 및 중요성 ... 16
   2.3 지식기반 시스템 ... 20
   2.4 지식의 표현 ... 21
   2.5 지식의 구조 ... 24
   2.6 지식의 조작 ... 24
   2.7 지식의 습득 ... 25
   2.8 요약 ... 25
   연습문제 ... 26
3장 LISP와 기타 AI 프로그래밍 언어
   3.1 LISP의 소개 ... 29
   3.2 리스트(LISP) 조작 함수 ... 32
   3.3 사용자 정의 함수, 술어함수, 조건문 ... 35
   3.4 입력, 출력, 지역변수 ... 40
   3.5 반복과 순환 ... 44
   3.6 특성리스트 및 배열 ... 47
   3.7 기타 주제들 ... 50
   3.8 PROLOG와 기타 AI 프로그래밍 언어 ... 53
   3.9 요약 ... 57
   연습문제 ... 57
4장 형식 기호 논리
   4.1 서론 ... 63
   4.2 명제 논리의 구문과 의미론 ... 65
   4.3 일차 술어 논리의 구문과 의미론 ... 72
   4.4 정형식의 성질 ... 77
   4.5 절의 형태로 변환 ... 80
   4.6 추론 규칙 ... 83
   4.7 비교 흡수 원리 ... 85
   4.8 비 연역적 추론 방법 ... 93
   4.9 규치글 사용한 표현 ... 95
   4.10 요약 ... 97
   연습문제 ... 98
5장 불일치와 불확실성 다루기
   5.1 서론 ... 103
   5.2 진리값 유지 시스템 ... 105
   5.3 디폴트 추론과 폐쇄 세계 가정 ... 111
   5.4 술어 완전과 범위 한정 ... 114
   5.5 Modal과 시간 논리 ... 117
   5.6 퍼지 논리와 자연 언어 계산 ... 123
   5.7 요약 ... 131
   연습문제 ... 132
6장 확률 추론
   6.1 추론 ... 137
   6.2 베이스의 확률 추론 ... 138
   6.3 가능성 세계 표현 ... 144
   6.4 Dempster-Shafer 이론 ... 146
   6.5 특수한 방법 ... 151
   6.6 휴리스틱 추론 방법 ... 153
   6.7 요약 ... 156
   연습문제 ... 157
7장 구조 지식 : 그래프, 프레임, 관련구조
   7.1 서론 ... 161
   7.2 연관 망 ... 162
   7.3 프레임 구조 ... 172
   7.4 개념 의존과 스크립트 ... 177
   7.5 요약 ... 182
   연습문제 ... 183
8장 객체 지향 표현
   8.1 서론 ... 187
   8.2 객체 지향 시스템의 개관 ... 189
   8.3 객체, 클래스, 메시지, 메소드 ... 190
   8.4 OOS 프로그램을 사용한 모의 실험 예 ... 196
   8.5 객체-지향 언어와 시스템 ... 203
   8.6 요약 ... 206
   연습문제 ... 207
9장 탐색과 제어전략
   9.1 소개(Introduction) ... 211
   9.2 서론 개념(preliminary concepts) ... 212
   9.3 탐색 문제들의 예 ... 214
   9.4 무정보 또는 브라인드 탐색(Uninformed or Blind Search) ... 219
   9.5 정보가 있는 탐색(Informed Search) ... 224
   9.6 AND-OR 그래프 탐색(Searching AND-OR Graphs) ... 231
   9.7 요약 ... 232
   연습문제 ... 233
10장 매칭 기술
   10.1 서문(Introduction) ... 239
   10.2 매칭에 사용되는 구조(Structures used in matching) ... 242
   10.3 매칭의 척도(Measures for Matching) ... 245
   10.4 패턴류 매칭(Matching Like Patterns) ... 250
   10.5 부분 매칭(Partial Matching) ... 253
   10.6 퍼지 매칭 알고리즘(Fuzzy Matching Algorithms) ... 257
   10.7 The Rete Matching Algorithn ... 258
   10.8 요약 ... 262
   연습문제 ... 263
11장 지식 구성과 관리
   11.1 서론 ... 267
   11.2 색인화와 검색 기술(Indexing And Retrieval Technioues) ... 271
   11.3 메모리내 지식의 통합(Integrating Knowledged In Memory) ... 276
   11.4 메모리 구성 시스템(Memory Organization Systems) ... 277
   11.5 요약 ... 282
   연습문제 ... 282
12장 자연어 처리
   12.1 서론 ... 287
   12.2 언어학(Linguistics) 개요 ... 288
   12.3 문법과 언어 ... 291
   12.4 기본적인 파싱 기법(Parsing Techniques) ... 302
   12.5 의미 분석과 표현 구조 ... 319
   12.6 자연어 생성(Natural Language Generation) ... 324
   12.7 자연어 시스템 ... 329
   12.8 요약 ... 332
   연습문제 ... 335
13장 패턴 인식
   13.1 서론 ... 339
   13.2 인식과 분류 과정 ... 341
   13.3 분류 패턴의 학습(Learnning Classification Patterns) ... 346
   13.4 음성(speech)인식과 이해 ... 350
   13.5 요약 ... 352
   연습문제 ... 353
14장 화상 이해
   14.1 서론 ... 357
   14.2 화상변환과 낮은 단계(low-level)처리 ... 362
   14.3 중간단계(intermediate level)화상처리 ... 372
   14.4 대상물의 묘사와 레이블 부여(Labling) ... 378
   14.5 높은 단계 처리(High-Level Processing) ... 386
   14.6 비젼 시스템 구조(Vision System Architecture) ... 391
   14.7 요약 ... 398
   연습문제 ... 399
15장 전문가 시스템 구조
   15.1 서론 ... 405
   15.2 규칙기반시스템(Rule-Based System)구조 ... 409
   15.3 비생성 시스템(Nonproduction system)구조 ... 417
   15.4 불확실성(Uncertainty) 처리 ... 429
   15.5 지식획득(Knowledge Acquisition)과 검증(Validation) ... 429
   15.6 지식시스템(Knowledge System) 구축 도구 ... 432
   15.7 요약 ... 437
   연습문제 ... 438
16장 지식 획득의 일반 개념
   16.1 서론 ... 443
   16.2 학습의 종류 ... 444
   16.3 지식 획득은 어렵다 ... 446
   16.4 일반 학습 모델 ... 448
   16.5 성능 측정 ... 450
   16.6 요약 ... 452
   연습문제 ... 452
17장 기계학습의 초기 업적
   17.1 서론 ... 457
   17.2 퍼셉트론(Perceptrons) ... 457
   17.3 체커(Checker) 게임의 예 ... 460
   17.4 학습 오토마타(Learning Automata) ... 462
   17.5 유전자적 알고리즘(Genetic Algorithms) ... 466
   17.6 지능형 에디터(Intelligent Editors) ... 469
   17.7 요약 ... 470
   연습문제 ... 471
18장 귀납법에 의한 학습
   18.1 서론 ... 475
   18.2 기본 개념 ... 475
   18.3 정의 ... 477
   18.4 일반화(Generalization)와 특정화(Specialijation) ... 479
   18.5 귀납적 편중(Inductive bias) ... 482
   18.6 귀납적 학습의 예 ... 484
   18.7 요약 ... 493
   연습문제 ... 493
19장 귀납적 학습자의 다른 예
   19.1 개론 ... 497
   19.2 ID3 시스템 ... 497
   19.3 LEX 시스템 ... 501
   19.4 INDUCE 시스템 ... 505
   19.5 구조적 개념 학습 ... 508
   19.6 요약 ... 510
   연습문제 ... 511
20장 유추와 설명 기반 학습
   20.1 개론 ... 515
   20.2 유추에 의한 추리와 학습(Analogical reasoning and learning) ... 516
   20.3 유추 학습 시스템의 예 ... 520
   20.4 설며 기반(Explanation-Based)학습 ... 526
   20.5 요약 ... 530
   연습문제 ... 531
찾아보기 ... 533