人工智能问题解释终极版.docx
《人工智能问题解释终极版.docx》由会员分享，可在线阅读，更多相关《人工智能问题解释终极版.docx（21页珍藏版）》请在冰点文库上搜索。
人工智能问题解释终极版
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（ArtificialIntelligence），简称AI，又称机器智能（MachineIntelligence，MI），主要研究用人工的方法和技术开发智能机器或智能系统，以模仿、延伸和扩展人的智能、生物智能、自然智能，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。
即先部分地或某种程度地实现机器智能，从而使现有的计算机更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。
具体讲就是使计算机具有看、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：
以人脑的心理模型为依据，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：
不仅要求机器产生的智能和人相同，产生的过程和机理也应该相同。
人或某些动物所具有的智能皆源自于大脑，通过对大脑微观结构的模拟达到对智能的模拟，这是一条很自然的研究人工智能的途径。
3.行为主义：
模拟人在控制过程中的智能活动和行为特性，如自适应，自寻优、自学习、自组织等，以此来研究和实现人工智能。
二、现代划分法
1.符号智能：
是对智能和人工智能持狭义的观点，侧重于研究任何利用计算机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：
计算机智能又重新回到依靠数值计算解决问题的轨道上来，它是对符号智能中符号推演的再次否定。
3.群体智能：
它认同智能同样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很有限，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，这种智能指的是人类所具有的那种智能。
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、计算机能直接而人类大脑实现人机交流。
借助以上技术，人类可以用思维控制自己想看到的，想听到的，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。
同时电脑可以进一步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。
同时，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。
概括地说，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。
知识分类：
（1）从应用领域来划分
常识性知识
领域（专业）性知识
（2）从在问题求解中的作用来划分
叙述性知识
过程性知识
控制性知识
（3）从确定性来划分
确定性知识
非确定性知识
（4）从知识的表现形式来划分，可分为文字、符号、声音、图形、图像等。
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。
通过将OPEN表设计为一个队列来实现，将新生成的子节点放在OPEN表的后面，保证先生成的节点先考察。
Ø广度优先中OPEN表是一个队列，CLOSED表是一个顺序表，表中各节点按顺序编号，正被考察的节点在表中编号最大。
Ø广度优先搜索又称为宽度优先或横向搜索。
Ø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。
Ø广度优先搜索策略与问题无关，具有通用性。
Ø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。
ØOPEN表为一个堆栈。
Ø深度优先又称纵向搜索。
Ø一般不能保证找到最优解。
如下图所示：
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：
博弈问题的状态空间就是以状态为结点、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。
子句集：
由子句构成的集合称为子句集。
子句集中子句和子句之间的关系是合取关系，所以，子句集就是一个合取式。
谓词公式化为子句集步骤：
1.消蕴含词和等值词
2.移动否定词作用围，使其仅作用于原子公式
3.适当改名，使变量标准化
4.消去存在量词（Skolem化）,同时进行变元替换
5.消去所有全称量词
6.化公式为合取式
7.适当改名，使子句间无同名变元
8.消去合取词，以子句为元素组成一个集合S
3-4.掌握把谓词公式化为子句集的方法。
如把下列句子变换成子句形式：
～（x）｛P（x）→｛（y）［p（y）→p（f（x,y））］∧（y）［Q（x,y）→P（y）］｝
答案：
（1）消去蕴涵符号（只应用∨和～符号，以～A∨B替换A→B）
～（x）｛～P（x）∨｛（y）［～p（y）∨p（f（x,y））］∧（y）［～Q（x,y）∨P（y）］｝｝
（2）减少否定符号的辖域（每个否定符号～最多只用到一个谓词符号上，并反复应用狄·摩根定律）
（x）｛～｛～P（x）∨｛（y）［～p（y）∨p（f（x,y））］∧（y）［～Q（x,y）∨P（y）］｝｝｝
（x）｛P（x）∧｛～｛（y）［～p（y）∨p（f（x,y））］∧（y）［～Q（x,y）∨P（y）］｝｝｝
（x）｛P（x）∧｛｛～（y）［～p（y）∨p（f（x,y））］∨｛～（y）［～Q（x,y）∨P（y）］｝｝｝
（x）｛P（x）∧｛（y）［p（y）∧～p（f（x,y））］∨（y）［Q（x,y）∧～P（y）］｝｝
（3）对变量标准化（对哑元（虚构变量）改名，以保证每个量词有其自己唯一的哑元）
（x）｛P（x）∧｛（y）［p（y）∧～p（f（x,y））］∨（ω）［Q（x,ω）∧～P（ω）］｝｝
（4）消去存在量词（以Skolem函数代替存在量词的约束变量，然后消去存在量词）
P（A）∧｛［p（B）∧～p（f（A,B））］∨［Q（A,C）∧～P（C）］｝
（5）化为前束形：
（把所有全称量词移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分）
（6）把母式化为合取式（任何母式都可写成由一些谓词公式和（或）谓词公式的否定的析取的有限集组成的合取）
P（A）∧｛［p（B）∨Q（A,C）］∧［p（B）∨～P（C）］∧［～p（f（A,B））∨Q（A,C）］∧［～p（f（A,B））∨～P（C）］｝
P（A）∧［p（B）∨Q（A,C）］∧［p（B）∨～P（C）］∧［～p（f（A,B））∨Q（A,C）］∧［～p（f（A,B））∨～P（C）］
（7）消去全称量词（所有余下的量词均被全称量词量化了。
消去前缀，即消去明显出现的全称量词）
（8）消去连词符号∧（用{A,B}代替（A∧B），消去符号∧。
最后得到一个有限集，其中每个公式是文字的析取）
P（A）
p（B）∨Q（A,C）
p（B）∨～P（C）
～p（f（A,B））∨Q（A,C）
～p（f（A,B））∨～P（C）
（9）更换变量名称（可以更换变量符号的名称，使一个变量符号不出现在一个以上的子句中）
P（x1）
p（y1）∨Q（x2,ω1）
p（y2）∨～P（ω2）
～p（f（x3,y3））∨Q（x3,ω3）
～p（f（x4,y4））∨～P（ω4）
3-5.什么是置换？
什么是合一？
什么是归结？
置换：
在谓词逻辑中，有些推理规则可应用于一定的合式公式和合式公式集，以产生新的合式公式。
一个重要的推理规则是假元推理，这就是由合式公式和产生合式公式的运算。
另一个推理规则是全称化推理，它是由合式公式产生合式公式，其中为任意常量符号。
同时应用假元推理和全称化推理，例如，可由合式公式和生成合式公式。
这就是寻找的对的置换，使与一致。
合一：
寻找项对变量的置换，以使两表达式一致，叫做合一。
如果一个置换作用于表达式集的每个元素，则用来表示置换例的集，称表达式集是合一的。
如果存在一个置换使得：
那么称此为的合一者，因为的作用是使集合成为单一形式。
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。
3-6.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
3-7.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。
3-8.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
现实世界中遇到的问题和事物间的关系往往比较复杂，客观事物存在的随机性、模糊性、不完全性和不精确性，往往导致人们认识上一定程度的不确定性。
这是，若仍然采用经典的精确推理方法进行处理，必然无法反映事物的真实性。
需要在不完全和不确定的情况下运用不确定知识进行推理，即进行不确定性推理。
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的情况下。
4-3.简述确定性理论（可信度方法）的特点。
确定性推理：
规约推理、消解演绎推理和规则演绎推理等。
可信度方法：
（推理算法）组合证据的不确定性算法，不确定性的传递算法，多个独立证据推出同一假设的合成算法
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）
推理的一种形式。
人们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。
贝叶斯推断的基本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表示必要性因子，它表示~E对Ｈ的支持程度。
LS表示充分性因子，它表示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.P1415,6，8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）
产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。
正向推理：
从已知事实出发，通过规则求得结论。
或称数据驱动方式也称作自底向上的方式。
正向推理的推理过程：
（1）规则集中的规则与数据库中的事实进行匹配，得匹配的规则集合。
（2）使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。
（3）执行启用规则的后件。
将该请用规则的后件送入数据库。
重复这个过程直至达到目标。
反向推理：
从目标（作为假设）出发，反向使用规则，求得已知事实。
这种推理方式也称目标驱动方式或称自顶向下的方式。
反向推理的推理过程：
（1）规则库中的规则后件与目标事实进行匹配，得匹配的规则集合。
（2）使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。
（3）将启用规则的前件作为子目标。
重复这个过程直至各子目标均为已知事实成功结束。
双向推理：
双向推理是一种既自顶向下、又自底向上的推理方式，推理从两个方向同时进行，直至某个中间界面上两方向结果相符便成功结束。
这种双向推理较正向或反向推理所形成的推理网络小，从而有更高的推理效率。
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（knowledgebase）
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（globaldatabase）
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（reasoningmachine）
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?
学习（西蒙）：
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，比现在做的更好或效率更高。
（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。
机器学习进入新阶段的重要性表现在以下诸多方面：
（1）机器学习已成为新的边缘学科并在高校形成一门课程。
（2）结合各种学习方法，取长补短的多种形式的继承学习系统研究正在兴起。
（3）机器学习与人工智能各种基础问题的统一性观点正在形成。
（4）各种学习方法的应用围不断扩大，一部分已形成商品。
（5）数据挖掘和知识发现的研究已形成热潮，并在生物医学、金融管理、商业销售等领域得到成功应用，给机器学习注入新的活力。
（6）与机器学习有关的学术活动空前活跃。
（课件）机器学习的重要性：
机器学习是人
升级会员 