臧光明

抽象，是人類對事物進行感知及推理的過程中一個必不可少的步驟。如今，抽象幾乎與所有的學科產(chǎn)生了緊密的聯(lián)系，在日常生活也常被人們用做解決問題的有利工具。本書以問題和解答的形式講述了抽象化的基本方法和成果，并且給出了這些理論在人工智能以及復雜系統(tǒng)的各種問題中的應用。

本書分為3個部分，共13章。第1部分是抽象（abstraction）基礎(chǔ)，包含第1-5章：1.引言。介紹了抽象的概念，并給出一些實例對概念進行補充與延展；2.不同學科中的抽象。簡述了抽象在哲學、自然語言學、數(shù)學、計算機科學、藝術(shù)、認知學以及視覺等不同學科領(lǐng)域中的不同概念與處理過程，從而驗證了抽象是諸多學科領(lǐng)域中必不可少的處理流程；3.人工智能中的抽象。在人工智能（AI）領(lǐng)域的很多實際應用中，抽象都被認為是一個在理論模型以及計算模型建立過程中必須要達到的目標。在回顧了一些經(jīng)典的理論方法后，本章解釋了抽象如何在人工智能的不同分支中發(fā)揮關(guān)鍵作用；4-5.抽象的限定。在給出了抽象的精確定義后，本章節(jié)討論了抽象與相關(guān)概念之間的區(qū)別與聯(lián)系。

第2部分是抽象模型，包含第6-10章：6.KRA模型。在介紹了KPA模型的概念及相關(guān)優(yōu)點后，本章給出了KRA模型在環(huán)境查詢、框架描述、空間配置以及數(shù)據(jù)生成等步驟中的詳細處理過程；7.模式設計。本章對抽象處理進行細化，按照功能與作用的不同進行分類。隨后本章討論了如何設計通用的操作架構(gòu)問題，并在此基礎(chǔ)上將其與抽象數(shù)據(jù)類型及設計模式關(guān)聯(lián)起來；8.KRA模型性質(zhì)。在前面章節(jié)的基礎(chǔ)上，本章試圖通過KRA模型來闡明：抽象過程在獲取預期結(jié)果的同時，可以有效減少信息量；9.機器學習中的抽象。在對機器學習進行簡單的介紹后，本章著重介紹了特征選取、實例選取、特征離散化、增強學習中的抽象、機器學習中的抽象算子等內(nèi)容；10.復雜系統(tǒng)與抽象。在對復雜系統(tǒng)及抽象技術(shù)進行必要的敘述后，本章描述了復雜化與簡單化之間的區(qū)別與聯(lián)系，并且將兩者與抽象模型緊密地關(guān)聯(lián)起來。

第3部分是應用與討論，包含第11-13章：11.應用實例。本章展示了利用KRA模型中抽象算子解決實際問題的三個實例：基于模型的故障診斷系統(tǒng)、制圖綜合的知識獲取、用戶身份識別中的層次隱馬爾可夫模型的采集與使用等；12-13.討論與總結(jié)。這兩章從相似（Analoqy）、計算復雜度方面討論了關(guān)于抽象方法的一些附加話題，展示了KRA模型的擴展，以期在未來的應用中能有所提高與改進。章節(jié)末概述了本文的主要貢獻，并對未來的發(fā)展趨勢做了展望。

本書嚴格來說并不適合作為一本教科書使用，本書的目標讀者群為計算機科學、人工智能、應用數(shù)學等研究領(lǐng)域的專家和學者。

（中國科學院國家空間科學中心）endprint