人工智能-删减版

人工智能复习参考（2015工程硕士）第1章 绪 论1-1. 什么是人工智能？它的研究目标是什么？人工智能，主要研究用人工的方法和技术开发智能机器或智能系统，模仿、延伸和扩展人的智能，实现机器的智能行为。近期目标：人工智能的近期目标是实现机器智能。即先部分实现机器智能，使计算机灵活好用和更聪明有用。远期目标：人工智能的远期目标是要制造智能机器。使计算机具有看、听、说、写等感知和交互能力，具有联想、学习、推理、理解、学习等高级思维能力，还要有分析问题解决问题和发明创造的能力。1-2. 人工智能有哪些研究方法和途径？简单描述它们的特点。一、传统划分法 1.符号主义：以人脑的心理为模型，将问题或知识表示成某种符号，采用符号推演的方法，宏观上模拟人脑的推理、联想、学习、计算等功能，实现人工智能。 2.连接主义：通过对大脑微观结构的模拟达到对智能的模拟。 3.行为主义：模拟人在控制过程中的智能活动和行为特性。二、现代划分法 1.符号智能：侧重于研究软件来模拟人的抽象思维过程，并把思维过程看成是一个抽象的符号处理过程。 2.计算智能：依靠数值计算解决问题，它是对符号智能中符号推演的再次否定。 3.群体智能：智能可以表现在群体的整体特性上，群体中每个个体的智能虽然有限，但通过个体之间的分工协作和相互竞争，可以表现出很高的智能。1-3. 为什么能够用机器（计算机）模仿人的智能？假设：任何一个系统，如果它能够表现出智能，那么它就必定能够执行上述6种功能：输入符号；输出符号；存储符号；复制符号；建立符号结构；条件性迁移：反之，任何系统如果具有这6种功能，那么它就能够表现出智能，把这个假设称为物理符号系统的假设。物理符号系统的假设伴随3个推论，推论1：既然人具有智能，那么他（她）就一定是个物理符号系统。推论2：既然计算机是一个物理符号系统，它就一定能够表现出智能。推论3：既然人是一个物理符号系统，计算机也是一个物理符号系统，那么就能够用计算机来模拟人的活动。1-4. 人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？研究领域：问题求解，逻辑推理与定理证明，自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学，模式识别，机器视觉，智能控制，智能检索，智能调度与指挥，分布式人工智能与Agent，计算智能与进化计算，数据挖掘与知识发现，人工生命，系统与语言工具。研究热点：专家系统，机器学习，神经网络，机器人学，模式识别，分布式人工智能与Agent，数据挖掘与知识发现。1-5. 人工智能的发展对人类有哪些方面的影响？试结合自己了解的情况和理解，从经济、社会和文化等方面加以说明？1、人工智能对经济的影响：人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。2、人工智能对社会的影响：劳务就业问题；社会结构变化；思维方式与观念的变化；心理上的威胁；技术失控的危险。3、人工智能对文化的影响：改善人类知识；改善人类语言；改善文化生活。1-6. 试评述人工智能的未来发展。主要有以下两个发展方向：1、 计算机能直接在人类大脑实现人机交流。使媒体技术中的感官媒体更真实化，对虚拟的事物不仅可以看见听见，更可以摸得，闻得着。辅助人类做出一定的判断，储存大量信息，甚至可以以身体为媒介，执行电脑程序，是人类更快的学会各种技巧，掌握更多知识。提高了生物验证的渠道，比如利用DNA染色体作为密码的载体，相信是很难伪造的。2、电脑拥有机器思维：机器学会人类的思维方式，帮助人更好的思考问题。第2章 基于图的知识表示与图搜索技术2-1. 什么是知识？知识有哪些分类？知识的表示方法有哪些？掌握用状态图表示知识的方法。 知识是高度组织起来的信息集团，是人们在长期的生活和社会实践中、科学研究和科学实验中积累起来的经验或对客观世界规律的认识等。知识的表示方法有：胃词逻辑表示法、产生式表示法、框架表示法、语义网络表示法、面向对象表示法。2-2. 什么是盲目搜索？什么是启发式搜索？它们各有什么特点？盲目搜索：无向导的搜索，也称穷举搜索。在搜索过程中，没有任何背景知识作指导，不考虑任何与解有关的信息，随机地或按预先规定的顺序生成树的节点，并判断是否为解，直到找到解或证明问题无解为止。启发式搜索：利用“启发性信息”作为导航的搜索过程。用于问题有关的、有利于尽快找到问题解的信息或知识，如待解问题解的分布规律、求解该类问题的经验、窍门等，引导搜索。 对于较大或无限状态空间问题，盲目搜索效率太低，所以在实际当中往往是不可行的。启发式搜索广泛地应用于实际问题求解中，如博弈、机器学习、数据挖掘、智能检索等。2-3. 深度优先搜索和广度优先搜索各有什么特点？广度优先搜索：广度优先搜索是严格按节点在树中的出现位置一层一层向下的搜索过程。 广度优先策略是完备的，即如果问题的解存在，则它一定可以找到解，并且找到的解还是最优解。 广度优先搜索策略与问题无关，具有通用性。 缺点搜索效率低。深度优先搜索：深度优先搜索是一种一直向下的搜索过程，它优先在自己的子结点集合中选择下一个被考察的结点，不断向纵深方向前进，直到到达叶子结点或受到深度限制时，才返回到上一级结点沿另一方向继续前进。 一般不能保证找到最优解。 2-4. 什么是与或树？画出猴子摘香蕉问题的分解变换过程的与或树表示。（见例2.10） 与或树:一棵树中的弧线表示所连树枝为“与”关系,不带弧线的树枝为或关系。这棵树中既有与关系又有或关系，因此被称为与或树。 2-5. 什么是博弈树？有何特点？博弈树搜索有哪些方法？ 博弈树：就是以状态为结点、以合法走步为边的一个树形图，称为博弈树。特点：博弈的过程是双方轮流走步，因此，博弈树中的与、或结点就会按层交替出现。这就是博弈树的特点。 极小极大分析法是搜索方法是博弈树搜索的基本方法：对与结点求极小值、对或结点求极大值计算各先辈结点倒推值的方法。2-6. P62， 8,13，14题第3章 基于谓词逻辑的知识表示与机器学习推理技术3-1. 如何用谓词逻辑法表示知识? 用谓词公式既可表示事物的状态、属性和概念等事实性的知识，也可表示事物间具有因果关系的规则性知识。用谓词公式表示知识的一般步骤1. 分析定理中的对象、对象的属性及对象之间的关系，定义谓词和函数。2. 定理中的事实通常用谓词公式的与或型表示，规则用蕴含式表示，据此定义谓词公式。3. 注意：用谓词表示命题时，一般取全总个体域，再采用使用限定谓词的方法来指出每个个体变元的个体域3-2. 基于谓词逻辑的机器推理有哪几种方法？各有什么特点？按推理的逻辑基础划分、所利用的知识划分、推出的结论的单调性划分。基于谓词逻辑的机器推理有自然演绎推理、归结演绎推理以及基于规则的演绎推理。自然演绎推理是模拟人的思维过程，从一组一直为真的事实出发，直接运用经典逻辑的推理规则推出结论。归结演绎定理是使用归结原理进行自动定理证明。基于规则的演绎推理则是根据推理的方向不同，把已知判断中的知识表示成规则的形式。3-3. 什么是子句？把谓词公式化为子句集有哪些步骤?子句：任何文字的析取称为一个子句（即用公式连接，如或，与等）。子句集：由子句构成的集合称为子句集。3-4. 什么是置换？什么是合一？什么是归结？置换：在谓词逻辑中，有些推理规则应用于合式公式和合式公式集，以产生新的合式公式。合一：寻找项对变量的置换，以使两表达式一致，叫做合一。归结：在谓词公式，某些推理规则以及置换合一等概念的基础上，能够进一步研究消解原理，有些专家把它叫做归结原理。3-5. 简述用归结法证明定理的过程（消解反演求解过程）。（见课本例题）会利用归结法证明定理或求取问题的解。给出一个公式集S和目标公式L，通过反证或反演来求证目标公式L，其证明步骤如下：（1）否定L，得到L；（2）把L添加到S中去；（3）把新产生的集合L，S化成子句集F；（4）（以前）应用消解原理，力图推导出一个表示矛盾的空子句（现在ppt）反复归结子句集F中的子句，若出现了空子句，则停止归结，此时就证明了L永真3-6. 如何通过归结法求取问题的答案?应用归结原理求取问题答案，其过程如下：1.把已知前提用谓词公式表示出来，并且化为相应的子句集S。2.为待求解的问题找一个合适的求证目标谓词，化为相应的子句，再对子句以析取的形式增配一个辅助谓词构成新的子句，并入到子句集S中形成子句集S。辅助谓词的谓词名没有要求，但是它的变量必须要与对应目标谓词中的变量完全一致。3.对子句集S应用归结原理进行归结。4. 当归结式只剩下辅助谓词时，归结结束，辅助谓词中原变量位置上的项就是所求的结果。3-7. 与/或形演绎推理有哪几种推理方式? 简述推理过程 （见课本例题）与/或形演绎推理推理方式：正向演绎推理、反向演绎推理、双向演绎推理正向演绎推理过程：1用与/或树把已知事实表示出来2用F规则的左部和与/或树的叶节点进行匹配，并将匹配成功的F规则加入到与/或树中3重复第(2)步，直到产生一个含有以目标节点作为终止节点的解图为止反向演绎推理过程：1用与/或树把目标公式表示出来2用B规则的右部和与/或树的叶节点进行匹配，并将匹配成功的B规则加入到与/或树中3重复进行第 (2)步，直到产生某个终止在事实节点上的一致解图为止双向演绎推理过程：由表示目标及表示已知事实的两个与/或树结构组成，这些与/或树分别由正向演绎的F规则及逆向演绎的B规则进行操作，并且仍然限制F规则为单文字的左部，B规则为单文字的右部。第4部分 不确定知识的表示与推理技术4-1. 什么是不确定性推理？研究不确定性推理有何意义?有哪几种不确定性?不确定性推理是从不确定性的初始证据出发，通过运用不确定性的知识，最终推出具有一定程度的不确定性但却是合理或者近乎合理的理论的思维过程意义：使计算机对人类思维的模拟更接近于人类的真实思维过程。不确定性推理是一种建立在非经典逻辑基础上的基于不确定性知识的推理，它从不确定性的初始证据出发，通过运用不确定性知识，推出具有一定程度的不确定性的和合理的或近乎合理的结论。不确定性分类：1.随机不确定性2.模糊不确定性3.不完全性4.不一致性4-2. 在什么情况下需要采用不确定性推理?1.选择的不确定性；表示方法时应考虑的因素：充分考虑领域问题的特征；恰当地描述具体问。2.题的不确定性；满足问题求解的实际需求；便于推理过程中对不确定性的推算。3.在知识和信息中含有的不肯定、不可靠、不准确、不精确、不严格、不严密、不完全甚至不一致的成分情况下。4-3. 简述确定性理论（可信度方法）的特点。可信度方法：从不确定的初始证据出发，通过运用相关的不确定性知识，最终推出结论并求出结论的可信度值。4-4. 简述主观Bayes推理方法。 会应用主观贝叶斯方法推理（见课本例题） 根据不确定的信息做出决定时进行的推理。根据以往的经验和分析，结合专家先验知识，由已知的变量信息来推导未知变量的信息的过程。贝叶斯方法是将关于未知参数的先验信息与样本信息综合，再根据贝叶斯定理，得出后验信息，然后根据后验信息去推断未知参数。4-5. 简述主观Bayes方法中， LS和LN的意义。LN表示E 对的不支持程度。LS表示E 对H 的支持程度。4-6. 什么是贝叶斯网络？按推理方向不同，贝叶斯网络推理包括哪几种推理模式？掌握贝叶斯网络的推理计算方法。 以随机变量为节点，以条件概率为节点间关系强度的有向无环网。 包括因果推理、诊断推理、辩解推理4-7. P141 5,6，8题第5章 产生式表示与专家系统5-1什么是产生式规则？产生式系统由哪些部分组成？说明各部分的功能？把一组产生式放在一起，让它们相互配合、协同作用，一个产生式生成的结论可以供另一个产生式作为前提使用，以求得问题的解决，这样的系统称为产生式系统。产生式系统由：规则库、数据库、推理机组成。规则库：用于描述某领域内知识的产生式集合，是某领域知识（规则）的存储器。数据库：用来存放输入事实、外部数据库输入的事实以及中间结果和最后结果。推理机：由一组程序组成，用来控制协调规则库与数据库的运行，包含了推理方式和控制策略。5-2说明产生式系统推理机的推理方式及推理过程。（见课本例题） 5-3 什么是专家系统？ 他有哪些特征和优点？专家系统有哪些分类？专家系统是一种模拟人类专家解决领域问题的智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。特点：(1) 启发性专家系统能运用专家的知识与经验进行推理、判断和决策(2) 透明性专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。(3) 灵活性专家系统能不断地增长知识，修改原有知识，不断更新。优点：(1) 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。(2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。(3) 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。(4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力。(5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力。(6) 军事专家系统的水平是一个国家国防现代化的重要标志之一。(7) 专家系统的研制和应用，具有巨大的经济效益和社会效益。(8) 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。5-4. 专家系统由哪些部分组成？各部分的作用是什么？ (1) 知识库(knowledge base)知识库用于存储某领域专家系统的专门知识，包括事实、可行操作与规则等。(2) 综合数据库(global database)综合数据库又称全局数据库或总数据库，它用于存储领域或问题的初始数据和推理过程中得到的中间数据(信息)，即被处理对象的一些当前事实。 (3) 推理机(reasoning machine)推理机用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据知识进行推理和导出结论，而不是简单地搜索现成的答案。(4) 解释器(explanator)解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其它候选解的原因。(5) 接口(interface)接口又称界面，它能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。第6部分 机器学习6-1 什么是学习和机器学习?为什么要研究机器学习?（课件）学习：是系统所作的适应性变化，使得系统在下一次完成同样或类似的任务时更为有效。机器学习：实现通过经验来提高对某任务处理性能的行为的计算机程序。（课件）机器学习的重要性：机器学习是人工智能的主要核心研究领域之一, 也是现代智能系统的关键环节和瓶颈；很难想象: 一个没有学习功能的系统能被称具有智能的系统；来自生物、金融与网络等各领域的数据，迫切需要分析或建立模型。6-2 试述机器学习系统的基本结构，并说明各部分的作用。基本结构：环境，学习环节，知识库，执行环节。环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。在具体的应用中，环境、知识库和执行部分决定了具体的工作内容，学习部分所需要解决的问题完全由上述三部分确定6-3 简述概念学习的基本过程，举一个例子说明。概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。已知：实例集X：每个实例x由6个属性描述，每个属性的取值范围已确定假设集H：每个假设h描述为6个属性的取值约束的合取目标概念c：一个布尔函数，变量为实例训练样例集D：目标函数（或目标概念）的正例和反例求解：H中的一假设h，使对于X中任意x，h(x)=c(x)6-4 简述决策树的概念、决策树学习方法及其使场合；在构造决策树的过程中，测试属性的选取采用什么原则？如何实现？ 决策树学习是一种逼近离散值目标函数的方法，在这种方法中学习到的