《人工智能简史》全面讲述人工智能的发展史，几乎覆盖人工智能学科的所有领域，包括人工智能的起源、自动定理证明、专家系统、神经网络、自然语言处理、遗传算法、深度学习、强化学习、超级智能、哲学问题和未来趋势等，以宏阔的视野和生动的语言，对人工智能进行了全面回顾和深度点评。
   

第2版中每章都有新增内容，并增加了全新的第13章，整理了人工智能几大派别的演化路线和人物的继承关系，有助读者阅读方便。     

本书极具专业性、思想性和趣味性，既适合缺少专业背景的读者了解人工智能的来龙去脉，作为人工智能的启迪之书，也适合专业人士了解人工智能鲜为人知的历史，提供深入学习的指导。

第1章达特茅斯会议：人工智能的缘起
1.背景
2.达特茅斯会议
3.AI历史的方
4.会议之后
5.预测未来：会有奇点
第2章自动定理证明兴衰纪
1.自动定理证明的起源
2.罗宾逊和归结原理
3.项重写
4.阿贡小组和马库恩
5.符号派的内部矛盾：问答系统和归结原理的失落
6.几何定理证明与计算机代数
7.定理证明系统和竞赛
8.哲学问题
9.现状
10.结语
第3章从专家系统到知识图谱
1.费根鲍姆和DENDRAL
2.MYCIN
3.专家系统的成熟
4.知识表示
5.雷纳特和大知识系统
6.语义网
7.谷歌和知识图谱
第4章第五代计算机的教训
1.背景
2.理论基础：逻辑程序和Prolog
3.五代机计划和五代机研究所
4.并发Prolog
5.美国和欧洲对日本五代机计划的反应
6.结局和教训
7.日本还有机会吗：日本下一代人工智能促进战略
第5章神经网络简史
1.神经网络的初创文章
2.罗森布拉特和感知机
3.神经网络的复兴
4.深度学习
第6章计算机下棋简史：机定胜人，人定胜天
1.机器下棋史前史
2.跳棋插曲
3.计算机下棋之初
4.“深蓝”
5.围棋和AlphaGo
第7章自然语言处理
1.乔治敦实验
2.乔姆斯基和句法分析
3.ELIZA和PARRY
4.维诺格拉德和积木世界
5.统计派又来了
6.神经翻译是手段
7.问答系统和IBM沃森
8.回顾和展望
第8章向自然学习：从遗传算法到强化学习
1.霍兰德和遗传算法
2.遗传编程
3.强化学习
4.计算向自然学习还是自然向计算学习
5.计算理论与生物学
第9章哲学家和人工智能
1.德雷弗斯和《计算机不能干什么》
2.塞尔和中文屋
3.普特南和缸中脑
4.给哲学家一点忠告
第10章人是机器——人工智能的计算理论基础
1.丘奇-图灵论题：为什么图灵机是重要的发明？
2.相似性原则：另一个重要但不太被提及的计算理论思想
3.超计算
4.BSS实数模型
5.量子计算
6.计算理论的哲学寓意
7.超计算