应用人工智能：工程方法（原书第2版）

大多数的AI书籍主要聚焦于AI背后的理论方法，却很少关注AI应用程序的工程化。目前存在哪些AI库、框架和服务？在哪种情况下应该选择哪种库、框架和服务？如何将它们整合到一个具有良好用户体验、易于维护的AI应用程序中？如何满足功能性要求和非功能性要求，特别是高性能要求？针对上述问题，本书结合当前的新兴技术和具体实例给出了很好的答案。本书首先介绍AI的定义以及AI的简要发展史，接着介绍主要的AI方法，包括机器学习和知识表示，之后给出AI应用程序架构设计的指导原则，最后聚焦于AI的各个分领域，包括信息检索、自然语言处理及计算机视觉。书中涵盖大量应用实例，其中，虚拟博物馆实例贯穿全书。此外，本书还提供相关AI产品列表及源代码样例，方便读者快速开发自己的应用。

这是一本专注于人工智能应用程序的工程化实践的著作。书中首先介绍了人工智能的定义以及AI的简要发展史，接着介绍了主要的AI方法，包括机器学习和知识表示，之后给出了AI应用程序架构设计的指导原则，最后聚焦于AI的各个分领域，包括信息检索、自然语言处理及计算机视觉。 书中以虚拟博物馆实例贯穿全书，展示了如何将AI技术应用于实际场景中。此外，书中还提供相关AI产品列表及源代码样例，方便读者快速开发自己的应用。 在讨论何时使用代理框架时，作者认为，如果代理逻辑足够复杂，并且框架提供的服务适合应用用例，那么引入代理框架的成本很可能是合理的。然而，如果不是这样，传统的基于组件的软件架构是足够的。遵循代理隐喻的架构建议仍然可以在某种程度实现。 在讨论AI应用架构时，作者指出，许多AI应用实际上类似于经典的商业信息系统，其中应用了传统的软件工程原理和技术，包括分离关注点、信息隐藏、分层、面向组件等。性能、安全性、可维护性、成本效益等常见问题都是很重要的。合理的开发方法也很重要，包括如早期的发布和原型，定期用户反馈和质量保证等都遵循敏捷开发方法。 在讨论机器学习与知识表示方法时，作者详细介绍了决策