人工智能若干问答题缩印版(2015)

1-1.什么是人工智能？试从学科和能力两方面加以说明。学科：人工智能是计算机科学中涉及研究、设计和应用智能机器的一个分支。它的近期主要目标在于研究用机器来模仿和执行人脑的某些智力能力功能，并开发相关理论和技术。能力：人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。1-3.在过去20年中，人工智能发生了什么变化？传统人工智能（AI）的数学计算体系仍不够严格和完整。除了模糊计算外，近年来，许多模仿人脑思维、自然特征和生物行为的计算方法（如神经计算、进化计算、自然计算、免疫计算和群计算等）已被引入人工智能学科。我们把这些有别于传统人工智能的智能计算理论和方法称为计算智能（Computational Intelligence，CI）。计算智能弥补了传统人工智能的理论框架，使人工智能进入一个新的发展时期。人工智能不同观点、方法和技术的集成，是人工智能发展所必需，也是人工智能发展的必然。1-4.为什么能够用机器模仿人的智能？一个完善的符号系统应具有6种基本功能：（1）输入符号；（2）输出符号；（3）存储符号；（4）复制符号；（5）建立符号结构；（6）条件性迁移。如果一个物理符号具有上述全部6种功能，能够完成这个全过程，那么它就是一个完整的符号系统。人具有上述6种功能，现代计算机也具有上述6种功能。任何一个系统，如果他能够表现出智能，那他就必定能够执行上述6种功能，那么他就能够表现出智能，这种智能指的就是人类所具有的那种智能，因此，机器能模仿人的智能1-5.现在人工智能有哪些学派？它们的认知观是什么？主要学派有三家：（1）符号主义，又称为逻辑主义、心理学派或计算机学派。源于数理逻辑。其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。（2）连接主义，又称为仿生学派或生理学派。源于仿生学，特别是对人脑模型的研究。其原理主要为神经网络及神经网络间的连接机制与学习算法。（3）行为主义，又称为进化主义或控制论学派。源于控制论。其原理为控制论及感知动作型控制系统。1-7.你是如何理解人工智能的研究目标的？人工智能的一般研究目标为：（1）更好的理解人类智能。通过编写程序来模仿和检验有关人类智能的理论。（2）创造有用的灵巧程序。该程序能够执行一般人类专家才能实现的任务。一般地，人工智能的研究目标又可分为近期研究目标和远期目标两种。人工智能的近期研究目标是建造智能计算机以代替人类的某些智力活动。远期研究目标是用自动机模仿人类的思维活动和智力功能。李艾特（Leeait）和费根鲍姆提出人工智能研究的9个“最终目标”，包括深入理解人类认知过程、实现有效的智能自动化、有效的智能扩展、建造超人程序、实现通用问题求解、实现自然语言理解、自主执行任务、自学与编程、大规模文本数据的存储和处理技术、索罗门（Sloman）给出人工智能的3个主要研究目标：智能行为的有效理论分析、解释人类智能、构造智能的人工制品。5-6.构作一个神经网络，用于计算含有两个输入的XOR函数。指定所用神经网络单元的种类。5-11.模糊集合有哪些运算？满足哪些规律?有并、交、补等运算，满足幂等律，交换律，结合律，分配律，吸收律，同一律，复原律，对偶律等。5-14. 遗传算法的基本原理，说明它的求解步骤。答：遗传算法的基本原理是，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合形成下一代新的种群。再对这个新的种群进行下一轮的进化。遗传算法的求解步骤：（1）初始化种群；（2）计算种群上每个个体的适应度值；（3）按由个体适应度值所决定的某个规则选择将进入下一代的个体；（4）按概率Pc进行交叉操作；（5）按概率Pc进行变异操作；（6）若没有满足某中停止条件，则转（2），否则进入下一步：（7）输出中群中适应度最优的染色体作为问题的满意解或最优解。6-1 什么叫专家系统？它具有哪些优点与特点？所谓专家系统，就是一种包含知识和推理的人工智能的计算机程序系统，这些程序软件具有相当于某个专门领域的专家的知识和经验水平，同时具有处理该领域问题的能力.专家系统的优点存在八个方面(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。(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。(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3灵活性。6-2 专家系统由哪些部分构成？各部分的作用为何？专家系统由知识库，全局数据库，推理机，解释机构，知识获取机构，人机交互界面。知识库用来存放专家提供的知识。推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。人机界面是系统与用户进行交流时的界面。综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的存储区。知识获取机构负责建立、修改与扩充知识库，以及对知识库的一致性、完整性等进行维护。解释机构负责对求解过程作出说明和解释。全局数据库又称综合数据库或简称数据库，它是问题求解过程中符号或数据的集合。6-3 建立专家系统的关键步骤是什么？ 建立系统的一般步骤如下: 1设计初始知识库问题(五个小步骤知识 知识概念化 概念形式化 形式规则化规则合法化2原型机（prototype）的开发与实验 3知识库的改进与归纳7-1什么是学习和机器学习？为什么要研究机器学习？13答： 按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。机器学习是研究如何使用机器来模拟人类学习活动的一门学科；机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机。 现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。机器学习为人工智能的发展做出重要贡献，其中，对结构模型、计算理论、算法和混合学习的发展至关重要，所以我们要研究机器学习。7-2.试述机器学习系统的基本结构，并说明各部分的作用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。影响学习系统设计的最重要的因素是环境向系统提供的信息。更具体地说是信息的质量。7-5说明学习的模式和学习的方法归纳是一种从个别到一般，从部分到整体的推理行为。归纳学习的一般模式为： 给定：观察陈述(事实)F，假定的初始归纳断言(可能为空)，及背景知识求：归纳断言(假设)H，能重言蕴涵或弱蕴涵观察陈述，并满足背景知识。学习方法 (1)示例学习 它属于有师学习，是通过从环境中取得若干与某概念有关的例子，经归纳得出一般性概念的一种学习方法。示例学习就是要从这些特殊知识中归纳出适用于更大范围的一般性知识，它将覆盖所有的正例并排除所有反例。(2)观察发现学习 它属于无师学习，其目标是确定一个定律或理论的一般性描述，刻画观察集，指定某类对象的性质。它分为观察学习与机器发现两种，前者用于对事例进行聚类，形成概念描述，后者用于发现规律，产生定律或规则。7-13什么是知识发现？知识发现与数据挖掘有什么关系？根据费亚德的定义，数据库中的知识发现是从大量数据中辨识出有效的，新颖的，潜在有用的，并可被理解的模式的高级处理过程。数据挖掘是知识发现中的一个步骤，它主要是利用某些特定的知识发现算法，在一定的运算效率内，从数据中发现出有关的知识。7-14说明知识发现的处理过程费亚德的知识发现过程包括(1) 数据选择：根据用户需求从数据库中提取与知识发现相关的数据(2) 数据预处理：检查数据的完整性与数据的一致性，对噪音数据进行处理，对丢失的数据利用统计方法进行填补，进行发掘数据库(3) 数据变换：利用聚类分析和判别分析，从发掘数据库里选择数据(4) 数据挖掘(5) 知识评价：对所获得的规则进行价值评定，以决定所得到的规则是否存入基础知识库知识发现的全过程，可进一步归纳为三个步骤，即数据挖掘预处理，数据挖掘，数据挖掘后处理。9-2什么是艾真体？16答：在信息技术，尤其是人工智能和计算机领域，Agent是能够通过传感器感知其环境，并借助执行器作用于该环境的任何物体。9-4艾真体为什么需要通信？答：通信是一种广泛存在的现象。一般来说，来自传统信号的共享系统和信号产生和理解所引发有意的信息交换，就是通信。通信的双重目的就是建立信任和创建社会联系，对于艾真体来说，它有一个能够产生语言的行为，思做说话行为，叫做说话行为或交谈，决定何时调用、交谈以及决定在各种可能在哪个多谈是正确的，这些是艾真体的难点，一个艾真体有许多工作可能的行为可供选择，并且必须努力选择实现与其他艾真体进行信息通信的目标行为。当艾真体采取某一动作以影响另一艾真体的认识结构时，就可以说该艾真体已参与了一个通信行为了。9-8多艾真体系统有哪几种基本模型？其体系结构又有哪几种？答：多艾真体系统有4种基本模型，分别是BDI模型，协商模型，协作规划模型和自协调模型。多艾真体系统的体系结构有3种：艾真体网络，艾真体联盟，黑板结构。（13级）填空题：1.支持向量机(Support Vector Machine, SVM)以训练误差作为优化问题的约束条件,以置信围值最小化作为（优化）目标2.反应式只是简单地对外部刺激产生响应，没有任何（内部状态）3.（人工）生命试图通过人工方法建造具有自然生命特征的人造系统4.BDI关系图描述的是信念、愿望、意图与（行为）的因果关系5.物理符号系统假设之推论一：既然人具有智能，那么他（她）就一定是个（物理符号系统）6.计算智能包括（神经计算），模糊计算，进化计算等7.自然计算具有（模仿）自然界的特点8.专家系统的优点之一是可以使专家的专长不受时间和（空间）的限制9.BP算法中有几个常用的参数，包括（学习率和形状因子），动量因子及收敛误差界值等10.免疫算子有两种类型，全免疫和（目标）免疫简答题5.人工智能的主要研究和应用领域是什么？其中哪些是新的研究热点？主要是：自然语言处理、自动定理证明、智能数据检索系统、机器学习、模式识别、视觉系统、问题求解、人工智能方法和程序语言以及自动程序设计等。或：问题求解，逻辑推理和定理证明，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。其中研究热点为：机器人学、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。7.举例说明一两个特别感兴趣的人工智能研究领域。神经网络：用神经网络处理直觉和形象思维信息具有比传统处理方式好得多的效果。神经网络的发展有着非常广阔的科学背景，是众多学科研究的综合成果。人脑是一个功能特别强大、结构异常复杂的信息处理系统，其基础是神经元及其互联关系。因此，对人脑神经元和人工神经网络的研究，可能创造出新一代人工智能机神经计算机。机器学习：学习能力无疑是人工智能研究中最突出和最重要的一个方面。学习是人类智能的主要标志和获得知识的基本手段。机器学习是使计算机具有智能的根本途径。此外，机器学习还有助于发现人类学习的机理和揭示人脑的奥秘。4-1计算智能的含义是什么？它涉及哪些研究分支？答：第一个关于计算智能的定义是计算智能取决于制造者提供的数值数据，而不依赖于知识；另一方面，人工智能则应用知识精品。计算智能是以模型（计算模型、数学模型）为基础、以分布式并行计算为特征的模拟人的智能求解问题的理论的方法。计算智能涉及神经计算、模糊计算、进化计算和人工生命等领域。4-3. 人工神经网络为什么具有诱人的发展前景和潜在的广泛应用领域？答：关于神经网络的研究自1943年以来，几起几落，走过一段波浪式的发展道路。直到20世纪80年代后期才在人工智能学科领域占有一席之地，成为人工智能的一个新学派。由于人工神经网络具有并行分布处理，非线性映射，可通过训练进行学习，适应性与便于集成以及能够借助硬件实现并行处理等特性，它必将有更大的发展，特别是在大规模的人工神经网络取得进展之后，人工神经网络的应用将会出现新的突破。4-4简述生物神经元及人工神经网络的结构和主要学习算法。连接机制结构的基本处理单元与神经生理学类比往往称为神经元。每个构造起网络的神经元模型模拟一个生物神经元。生物神经元中每个神经元都包括三个主要部分：细胞体、树突、轴突。在两个神经细胞之间的相互连接触点称为突触。人工神经网络由神经元模型构成；这种由许多神经元组成的信息处理网络具有并行分布结构。人工神经网络的基本结构从层次结构看可以分为单层神经网络和多层神经网络；从连接方式看可以分为前馈型网络和反馈型网络。 人工神经网络的主要学习算法：神经网络主要通过两种学习算法进行训练，即指导式（有师）学习算法和非指导式（无师）学习算法。此外，还存在第三种学习算法，即强化学习算法；可把它看做有师学习的一种特例。4-9 什么是模糊性？它的对立含义是什么？试举两个例子加以说明。答：模糊性是指概念本身不是清晰的、界限分明的，他的对立含义是确定性，例如说一个人年轻这个概念就具有模糊性，而20岁这个概念就具有确定性，还有身高很高与身高190CM。4-10 什么是模糊集合和隶属函数或隶属度。答：模糊集合是用来表达模糊性概念的集合，又称模糊集，即指具有某个模糊概念所描述的属性的对象的全体。隶属函数用于表征模糊集合的数学工具，对于普通集合A，它可以理解为某个论域U上的一个子集。为了描述元素u对U上的一个模糊集合的隶属关系，由于这种关系的不分明性，它将用从区间0，1中所取的数值代替0，1这两值来描述，记为，数值表示元素隶属于模糊集合的程度，论域U上的函数 即为模糊集合的隶属函数，而即为u的隶属度。4-12 模糊逻辑推理的方法。答：模糊逻辑推理：是建立在模糊逻辑基础上的不确定性推理方法是在二值逻辑三段论基础上发展起来的，这种推理方法以模糊判断为前提动用模糊语言规则推导出一个近似的模糊判断结论。模糊逻辑推理提出了Zadeh法，Baldwin法Tsukamoto法，Yager法和Mizumoto法等方法。4-13 有哪些模糊蕴涵关系？答：1.模糊合取 2 模糊析取 3 基本蕴含 4 命题演算 5 GMP推理 6 GMT 推理4-14 什么叫模糊判决？答：在推理得到的模糊集合中取一个相对最能代表这个模糊集合的单值的过程就称为解模糊或模糊判决。不同的方法：重心法，最大隶属度方法，加权平均法隶属度，限幅元素平均法。4.15 对某产品的质量进行抽查评估。随机选出5个产品x1，x2，x3，x4，x5进行检验，他们的质量情况分别为x1=80，x2=72，x3=65，x4=98，x5=53，这就确定了一个模糊集Q，表示该产品的”质量水平”这个模糊概念的隶属程度。试写出该模糊集。解： 设隶属函数为u(x)=x/100，则此模糊集合可表示为F=0.80/80+0.72/72+0.98/98+0.53/53+0.65/654.16 设有两个模糊关系R1= 0.2 0.8 0.4 R2= 0.7 0.3 0.4 0 1 0.4 0.8 1 0.5 0 0.2 0.9 0.7 0.6 0.5 试求出R1与R2的复合关系R1OR2： 解： R1OR2= 0.4 0.8 （若改数字，方法为解矩阵的Aij为第一个矩阵的 0.4 0.9 i行与第二个矩阵j列的各元素先取小的值后再取 0.7 0.5 各个小值的最大值） 0.7 0.64.17 什么是进化计算？他包括那些内容？他们的出发点？答：进化计算是遵循自然界中优胜劣态、适者生存的进化准则，模仿生物群体的进化机制，并被用于处理复杂系统的优化问题。进化计算包括遗传算法、进化策略、进化编程和遗传编程。出发点是模仿生物来建立功能强大的算法，进而将他们运用于复杂的优化问题。4.23遗传算法、进化策略和进化编程的关系如何？有何区别？答：遗传算法、进化策略和进化编程都是模拟生物界自然进化过程而建立的鲁棒性计算机算法。进化策略和进化编程都把变异作为主要搜索算子，而在标准的遗传算法中，变异处于次要位置。交叉在遗传算法中起重要作用，而在进化编程中却被完全省去，在进化策略中与自适应结合使用，起到重要作用。标准遗传酸法和进化编程都强调随机选择机制的重要性，而从进化策略的角度看，选择是完全确定的。进化策略和进化编程确定地把某些个体排除在被选择之外，而标准遗传算法一般都对每个个体指定一个非零的选择概率。另外，遗传算法是一种自适应搜索技术，而进化策略是一种数值优化的方法。它们的最基本的区别是研究领域不同。两者在表示个体的方式上、选择过程上、复制的参数上也不同。重点：免疫算法和进化算法的分析关系。免疫算法是模仿生物免疫学和基因进化机理，通过人工方式构造的一类优化搜索算法，是对生物免疫过程的一种数学仿真，是免疫计算的一种最重要形式;进化策略算法是一种模仿自然进化原理以求解参数优化问题的算法。区别：两者的模仿对象不同，进化策略是一种数值优化方法，它采用一个具有自适应步长和倾角的特定爬山法而免疫算法是一种优化搜索算法。联系：对于免疫算法的不同设计思路，两者有着不同的调用关系。在某些领域，可以引入免疫算子改进进化计算；免疫算法也常用进化算法对攻击和病毒进行学习。 粒群优化与进化计算的区别 粒群优化有存储器，而进化计算没有。粒子保持它们及其邻域的最好解答。最好解答的历史对调整粒子位置起到重要作用。原先的速度被用于调整位置。 两种算法都是建立在适应性的基础上，然而粒群优化的变化是通过向同等的粒子学习而不是通过遗传来重组和变异得到的。粒群优化的基本概念粒子：个体；群体效应：一粒子的搜索行为受到群中其他粒子的搜索行为的影响；邻居效应：一粒子的搜索行为受到群中与之相邻的其他粒子的搜索行为的影响；速度：自身速度，群体速度。 粒群优化算法的步骤1）粒群初始化，使得t0时每个粒子Pi P(t)在超空间中的位置 是随机的。2）通过每个粒子的当前位置评价其性能F。 3 ）X ）速度矢量调整。X+1 ）每个粒子移至新位置。X+2 ）转回第（2）步，重复递归直至收敛。424：人工生命是否从1987年开始研究？为什么？答：人工生命的许多早期研究源于人工智能。在1987年第一次人工生命研讨会上，美国圣塔菲研究所飞线形研究组的兰顿正式提出人工生命的概念，建立起人工生命新科学，425 什么是人工生命？答：通俗地讲，人工生命即人造地生命，非自然地生命。人工生命即通过人工方法建造具有自然生命特征地人造系统，以计算机为研究工具，模拟自然界生命现象，在计算机上生成类似于生命的行为，为生物分析为主对现有的生物学作出必要的补充。凡是具有下述自然生命现象和（或）特征地人造系统，都可称为人工生命。自繁殖自进化自寻优 自成长自学习自组织 自稳定自适应自协调 物质构造 能量转换 信息处理426 自然生命有哪些共同特征？答：1自繁殖、自进化、自寻优 2自成长、自学习、自组织3自稳定、自适应、自协调 4物质构造 5能量转换 6信息处理427 为什么要研究人工生命？答：人工生命是自然生命的模拟，延伸与扩展，其研究1.开发基于人工生命的工程技术新方法，新系统，新产品。2.为人工自然的研究提供新模型，新工具，新环境。3.延伸人类寿命，减缓衰老，防治疾病。4扩展自然生命，实现人工进化和优生优育。5促进生命科学，信息科学，系统科学的交叉与发展4进化策略步骤：1寻求与函数极值关联的实n维矢量x。2随机选择父矢量的初始群体。3父矢量xi， i=1，p产生子代矢量xi。4对误差 (i=1，p)排序以选择和决定保持哪些矢量。5继续产生新的试验数据以及选择最小误差矢量。进化编程的步骤：1产生出初始群体。2迭代完成下述子步骤，直至满足选种标准为止：执行群体中的每个程序。应用变异等操作创造新程序群体。3在后代中适应值最高的计算机程序个体被指定为进化编程的结果。自然计算的含义：自然计算是一种表示由自然启发的计算的一般性术语，而自然计算的研究就包括从理论上和经验上对由自然启发的计算的理解。自然计算的本质就是比喻性地使用自然系统潜在的概念、原理和机制。其特征为：自然性，交叉性，复杂性和仿自然性。人工免疫的定义分析：斯塔拉布（Starlab）的定义 人工免疫系统是一种数据处理、归类、表示和推理策略的模型 达斯格普塔（Dasgupta）给出的定义 人工免疫系统由生物免疫系统启发而来的智能策略所组成，主要用于信息处理和问题求解 Timmis给出的定义：“人工免疫系统 (AIS)是一种由理论生物学启发而来的计算范式，它借鉴了一些免疫系统的功能、原理和模型并用于复杂问题的解决”。认为AIS是生物隐喻机制的应用，是免疫学机理运用于智能计算的结果。BP网络的权值更新过程：1）选取学习步长参数r，2）进行下列过程直至性能满足要求为止： 对于每一训练(采样)输入， (a) 计算所有的输出。 (b) 按下式计算输出节点的值 (c) 按下式计算全部其它节点 (d) 按下式计算全部权值变化 对于所有训练(采样)输入，对权值变化求和，并修正各权值。428 人工生命包括哪些研究内容？其研究方法如何？答：人工生命地研究内容分为两类：（1）构成生物体的内部系统，包括脑，神经系统，内分泌系统，免疫系统，遗传系统。酶系统，代谢系统等。（2） 生物体及其群体的外部系统，包括环境适应系统和遗传进化系统等。研究方法：信息模型法，工作原理法.第6章 机器学习6-14有哪几种比较常用的知识发现方法？试略加介绍。答：知识发现的方法有统计方法、机器学习、神经计算和可视化方法等。1、统计方法 统计方法是从事物的外在数量上的表现去推断该事物可能的规律性。2、机器学习方法可能用于机器发现的机器学习方法有：（1）规则归纳（2）决策树（3）范例推理（4）贝叶斯信念网络（5）科学发现（6）遗传算法。3、神经计算4、可视化方法 就是把数据、信息和知识转化为可视的表示形式的过程。8-