第一篇：人工智能及其應(yīng)用復(fù)習(xí)資料

人工智能及其應(yīng)用(2)

第一章 緒 論

1-1.什么是人工智能？試從學(xué)科和能力兩方面加以說明。

從學(xué)科角度來看：人工智能是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支。它的近期主要目標在于研 究用機器來模仿和執(zhí)行人腦的某些智能功能，并開發(fā)相關(guān)理論和技術(shù)。

從能力角度來看：人工智能是智能機器所執(zhí)行的通常與人類智能有關(guān)的功能，如判斷、推理、證明、識別、感知、理解、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動

1-2.在人工智能的發(fā)展過程中，有哪些思想和思潮起了重要作用？

控制論之父維納 1940 年主張計算機五原則。他開始考慮計算機如何能像大腦一樣工作。系統(tǒng)地創(chuàng)建了控制論，根 據(jù)這一理論，一個機械系統(tǒng)完全能進行運算和記憶。

帕梅拉·麥考達克(Pamela McCorduck)在她的著名的人工智能歷史研究《機器思維》(Machine Who Think,1979)中曾 經(jīng)指出：在復(fù)雜的機械裝置與智能之間存在著長期的聯(lián)系。

著名的英國科學(xué)家圖靈被稱為人工智能之父,圖靈不僅創(chuàng)造了一個簡單的通用的非數(shù)字計算模型，而且直接證明了計 算機可能以某種被理解為智能的方法工作。提出了著名的圖靈測試。

數(shù)理邏輯從 19 世紀末起就獲迅速發(fā)展；到 20 世紀 30 年代開始用于描述智能行為。計算機出現(xiàn)后，又在計算機上 實現(xiàn)了邏輯演繹系統(tǒng)。

1943 年由生理學(xué)家麥卡洛克(McCulloch)和數(shù)理邏輯學(xué)家皮茨(Pitts)創(chuàng)立的腦模型，即 MP 模型。60-70 年代，聯(lián)結(jié) 主義，尤其是對以感知機(perceptron)為代表的腦模型的研究曾出現(xiàn)過熱潮，控制論思想早在40-50 年代就成為時代思潮的重要部分，影響了早期的人工智能工作者。到60-70 年代，控制論系 統(tǒng)的研究取得一定進展，播下智能控制和智能機器人的種子。

1-3.為什么能夠用機器（計算機）模仿人的智能？

物理符號系統(tǒng)的假設(shè)：任何一個系統(tǒng)，如果它能夠表現(xiàn)出智能，那么它就必定能執(zhí)行輸入符號、輸出符號、存儲符 號、復(fù)制符號、建立符號結(jié)構(gòu)、條件性遷移6 種功能。反之，任何系統(tǒng)如果具有這6 種功能，那么它就能夠表現(xiàn)出 智能(人類所具有的智能)。

物理符號系統(tǒng)的假設(shè)伴隨有3 個推論。

推論一: 既然人具有智能，那么他(她)就一定是個物理符號系統(tǒng)。

推論二: 既然計算機是一個物理符號系統(tǒng)，它就一定能夠表現(xiàn)出智能。

推論三: 既然人是一個物理符號系統(tǒng)，計算機也是一個物理符號系統(tǒng)，那么我們就能夠用計算機來模擬人的活動。

1-4.現(xiàn)在人工智能有哪些學(xué)派？它們的認知觀是什么？

符號主義(Symbolicism)，又稱為邏輯主義(Logicism)、心理學(xué)派(Psychlogism)或計算機學(xué)派(Computerism)[ 其原理 主要為物理符號系統(tǒng)(即符號操作系統(tǒng))假設(shè)和有限合理性原理。]

認為人的認知基元是符號，而且認知過程即符號操作過程。認為人是一個物理符號系統(tǒng)，計算機也是一個物理符號 系統(tǒng)，因此，我們就能夠用計算機來模擬人的智能行為。知識是信息的一種形式，是構(gòu)成智能的基礎(chǔ)。人工智能的 核心問題是知識表示、知識推理和知識運用。

聯(lián)結(jié)主義(Connectionism)，又稱為仿生學(xué)派(Bionicsism)或生理學(xué)派(Physiologism)[ 其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng) 絡(luò)間的連接機制與學(xué)習(xí)算法 ]

認為人的思維基元是神經(jīng)元，而不是符號處理過程。認為人腦不同于電腦，并提出聯(lián)結(jié)主義的大腦工作模式，用于 取代符號操作的電腦工作模式。

行為主義(Actionism)，又稱進化主義(Evolutionism)或控制論學(xué)派(Cyberneticsism)[ 其原理為控制論及感知-動作型控 制系統(tǒng) ] 認為智能取決于感知和行動。認為智能不需要知識、不需要表示、不需要推理；人工智能可以象人類智能一樣逐步進化。智能行為只能在現(xiàn)實世界中與周圍環(huán)境交互作用而表現(xiàn)出來。符號主義、聯(lián)結(jié)主義對真實世界客觀事物的描 述及其智能行為工作模式是過于簡化的抽象，因而是不能真實地反映客觀存在的。

1-5.你認為應(yīng)從哪些層次對認知行為進行研究？

心理活動的最高層級是思維策略，中間一層是初級信息處理，最低層級是生理過程，與此相應(yīng)的是計算機程序、語 言和硬件。

研究認知過程的主要任務(wù)是探求高層次思維決策與初級信息處理的關(guān)系，并用計算機程序來模擬人 的思維策略水平，而用計算機語言模擬人的初級信息處理過程。

1-6.人工智能的主要研究和應(yīng)用領(lǐng)域是什么？其中，哪些是新的研究熱點？

問題求解(下棋程序)，邏輯推理與定理證明(四色定理證明)，自然語言理解，自動程序設(shè)計，專家系統(tǒng)，機器學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，機器人學(xué)(星際探索機器人)，模式識別(手寫識別，汽車牌照識別，指紋識別)，機器視覺(機器裝配，衛(wèi)星圖像處理)，智能控制，智能檢索，智能調(diào)度與指揮(汽車運輸高度，列車編組指揮)，系統(tǒng)與語言工具。

新的研究熱點： 分布式人工智能與Agent，計算智能與進化計算，數(shù)據(jù)挖掘與知識發(fā)現(xiàn)(超市市場商品數(shù)據(jù)分析)，人工生命。

第二章 知識表示方法

2-2 設(shè)有 3 個傳教士和 3 個野人來到河邊，打算乘一只船從右岸渡到左岸去。該船的負載能力為兩人。在任何時候，如果野人人數(shù)超過傳教士人數(shù)，那么野人就會把傳教士吃掉。他們怎樣才能用這條船安全地把所有人都渡過河去?

用S i(nC, nY)表示第i 次渡河后，河對岸的狀態(tài)，nC 表示傳教士的數(shù)目，nY 表示野人的數(shù)目，由于總?cè)藬?shù)的確定 的，河對岸的狀態(tài)確定了，河這邊的狀態(tài)也即確定了?？紤]到題目的限制條件，要同時保證，河兩岸的傳教士數(shù)目 不少于野人數(shù)目，故在整個渡河的過程中，允許出現(xiàn)的狀態(tài)為以下3 種情況：

1.nC=0 2.nC=3

3.nC=nY>=0(當nC 不等于0 或3)

用d i(dC, dY)表示渡河過程中，對岸狀態(tài)的變化，dC 表示，第i 次渡河后，對岸傳教士數(shù)目的變化，dY 表示，第i 次渡河后，對岸野人數(shù)目的變化。當i 為偶數(shù)時，dC,dY 同時為非負數(shù)，表示船駛向?qū)Π?，i 為奇數(shù)時，dC, dY 同時 為非正數(shù)，表示船駛回岸邊。

初始狀態(tài)為S 0(0, 0)，目標狀態(tài)為S 0(3, 3)，用深度優(yōu)先搜索的方法可尋找渡河方案。在此，用圖求法該問題，令橫坐標為 nY, 縱坐標為 nC，可行狀態(tài)為空心點表示，每次可以在格子上，沿對角線移 動一格，也可以沿坐標軸方向移動1 格，或沿坐標軸方向移動2 格。第奇數(shù)次數(shù)狀態(tài)轉(zhuǎn)移，沿右方，上方，或右上 方移動，第偶數(shù)次數(shù)狀態(tài)轉(zhuǎn)移，沿左方，下方，或左下方移動。

從(0,0)開始，依次沿箭頭方向改變狀態(tài)，經(jīng)過11 步之后，即可以到達目標狀態(tài)(3,3)，相應(yīng)的渡河方案為： d1(1,1)--d2(-1,0)--d3(0,2)--d4(0,-1)--d5(2,0)--d6(-1,-1)--d7(2,0)--d8(0,-1)--d9(0,2)--d10(-1,0)--d11(1,1)

2-4 試說明怎樣把一棵與或解樹用來表達圖2.28 所示的電網(wǎng)絡(luò)阻抗的計算。單獨的R、L 或C 可分別用R、jωL 或1/jωC 來計算，這個事實用作本原問題。后繼算符應(yīng)以復(fù)合并聯(lián)和串聯(lián)阻抗的規(guī)則為基礎(chǔ)。

約定，用原來的與后繼算法用來表達并聯(lián)關(guān)系，用原來的或后繼算法用來表達串聯(lián)關(guān)系

2-5 試用四元數(shù)列結(jié)構(gòu)表示四圓盤梵塔問題，并畫出求解該問題的與或圖。

用四元數(shù)列(nA, nB, nC, nD)來表示狀態(tài)，其中nA 表示A 盤落在第nA 號柱子上，nB 表示B 盤落在第nB 號柱子 上，nC 表示C 盤落在第nC 號柱子上，nD 表示D 盤落在第nD 號柱子上。初始狀態(tài)為 1111，目標狀態(tài)為 3333

如圖所示，按從上往下的順序，依次處理每一個葉結(jié)點，搬動圓盤，問題得解。

2-6 把下列句子變換成子句形式：

(1)(x)｛P(x)→P(x)｝

(2)x y(On(x,y)→Above(x,y))

(3)x y z(Above(x,y)∧Above(y,z)→Above(x,z))(4)～｛(x)｛P(x)→｛（y）〔p(y)→p(f(x,y))〕∧(y)〔Q(x,y)→P(y)〕｝｝｝(1)(ANY x){ P(x)P(x)}(ANY x){~P(x)OR P(x)} ~P(x)OR P(x)

最后子句為 ~P(x)OR P(x)

(2)(ANY x)(ANY y){ On(x,y)Above(x,y)}(ANY x)(ANY y){ ~On(x,y)OR Above(x,y)} ~On(x,y)OR Above(x,y)

最后子句為 ~On(x,y)OR Above(x,y)

(3)(ANY x)(ANY y)(ANY z){ Above(x,y)AND Above(y,z)Above(x,z)}(命題聯(lián)結(jié)詞之優(yōu)先級如下:否定→合取→析取→蘊涵→等價)

(ANY x)(ANY y)(ANY z){ ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)} ~ [ Above(x,y)AND Above(y,z)] OR Above(x,z)最后子句為 ~[Above(x,y), Above(y,z)] OR Above(x,z)

(4)~{(ANY x){ P(x){(ANY y)[ p(y)p(f(x,y))] AND(ANY y)[ Q(x,y)P(y)] } } } ~ {(ANY x){ ~P(x)OR {(ANY y)[ ~p(y)OR p(f(x,y))] AND(ANY y)[ ~Q(x,y)OR P(y)] } } }(EXT x){ P(x)AND {(EXT x)[ p(y)AND ~p(f(x,y))] OR(EXT y)[ Q(x,y)AND ~P(y)] } }(EXT x){ P(x)AND {(EXT w)[ p(y)AND ~p(f(w,y))] OR(EXT v)[ Q(x,v)AND ~P(v)] } } P(A)AND { [ p(y)AND ~p(f(B,y))] OR [ Q(A,C)AND ~P(C)] }

P(A)AND { [ p(y)AND ~p(f(B,y))OR Q(A,C)] AND [ p(y)AND ~p(f(B,y))OR ~P(C)] } P(A)AND { { p(y), ~p(f(B,y))} OR Q(A,C)} AND { { p(y), ~p(f(B,y))} OR ~P(C)} 最后子句為

P(A)

{ p(x), ~p(f(B,x))} OR Q(A,C){ p(y), ~p(f(B,y))} OR ~P(C)

2-7 用謂詞演算公式表示下列英文句子(多用而不是省用不同謂詞和項。例如不要用單一的謂詞字母來表示每個句 子。)A computer system is intelligent if it can perform a task which, if performed by a human, requires intelligence.先定義基本的謂詞

INTLT(x)means x is intelligent

PERFORM(x,y)means x can perform y REQUIRE(x)means x requires intelligence CMP(x)means x is a computer system HMN(x)means x is a human 上面的句子可以表達為

(任意x)

{(存在t)(存在y)[ HMN(y)合取 PERFORM(y,t)合取 REQUIRE(t)合取 CMP(x)合取 PERFORM(x,t)] INTLT(x)}

2-8 把下列語句表示成語義網(wǎng)絡(luò)描述：

(1)All man are mortal.(2)Every cloud has a silver lining.(3)All branch managers of DEC participate in a profit-sharing plan.(1)

(2)

(3)

2-9 作為一個電影觀眾，請你編寫一個去電影院看電影的劇本。

(1)開場條件

(a)顧客想看電影

(b)顧客在足夠的錢

(2)角色

顧客，售票員，檢票員，放映員

(3)道具

錢，電影票

(4)場景

場景 1 購票

(a)顧客來到售票處

(b)售票員把票給顧客

(c)顧客把錢給售票員

(d)顧客走向電影院門

場景 2 檢票

(a)顧客把電影票給檢票員

(b)檢票員檢票

(c)檢票員把電影票還給顧客

(d)顧客進入電影院

場景 3 等待

(a)顧客找到自己的座位

(b)顧客坐在自己座位一等待電影開始

場景 4 觀看電影

(a)放映員播放電影

(b)顧客觀看電影 場景 5 離開

(a)放映員結(jié)束電影放映

(b)顧客離開電影院

(5)結(jié)果

(a)顧客觀看了電影

(b)顧客花了錢

(c)電影院賺了錢

2-10 試構(gòu)造一個描述你的寢室或辦公室的框架系統(tǒng)。

第三章 搜索推理技術(shù)

3-1 什么是圖搜索過程?其中，重排OPEN 表意味著什么，重排的原則是什么?

圖搜索的一般過程如下：

(1)建立一個搜索圖G(初始只含有起始節(jié)點S)，把S 放到未擴展節(jié)點表中（OPEN 表）中。

(2)建立一個已擴展節(jié)點表（CLOSED 表），其初始為空表。

(3)LOOP：若OPEN 表是空表，則失敗退出。

(4)選擇OPEN 表上的第一個節(jié)點，把它從OPEN 表移出并放進CLOSED 表中。稱此節(jié)點為節(jié)點n，它是CLOSED 表中 節(jié)點的編號

(5)若n 為一目標節(jié)點，則有解并成功退出。此解是追蹤圖G 中沿著指針從n 到S 這條路徑而得到的(指針將在第7 步中設(shè)置)

(6)擴展節(jié)點n，生成不是n 的祖先的那些后繼節(jié)點的集合M。將M 添入圖G 中。

(7)對那些未曾在G 中出現(xiàn)過的(既未曾在OPEN 表上或CLOSED 表上出現(xiàn)過的)M 成員設(shè)置一個通向n 的指針，并將 它們加進OPEN 表。對已經(jīng)在OPEN 或CLOSED 表上的每個M 成員，確定是否需要更改通到n 的指針方向。對已在CLOSED 表上的每個M 成員，確定是否需要更改圖G 中通向它的每個后裔節(jié)點的指針方向。(8)按某一任意方式或按某個探試值，重排OPEN 表。

(9)GO LOOP。

重排OPEN 表意味著，在第(6)步中，將優(yōu)先擴展哪個節(jié)點，不同的排序標準對應(yīng)著不同的搜索策略。

重排的原則當視具體需求而定，不同的原則對應(yīng)著不同的搜索策略，如果想盡快地找到一個解，則應(yīng)當將最有可能 達到目標節(jié)點的那些節(jié)點排在OPEN 表的前面部分，如果想找到代價最小的解，則應(yīng)當按代價從小到大的順序重排 OPEN 表。

3-2 試舉例比較各種搜索方法的效率。

(1)把起始節(jié)點放到OPEN 表中(如果該起始節(jié)點為一目標節(jié)點，則求得一個解答)。

(2)如果OPEN 是個空表，則沒有解，失敗退出；否則繼續(xù)。

(3)把第一個節(jié)點(節(jié)點n)從OPEN 表移出，并把它放入CLOSED 擴展節(jié)點表中。

(4)擴展節(jié)點n。如果沒有后繼節(jié)點，則轉(zhuǎn)向上述第(2)步。

(5)把n 的所有后繼節(jié)點放到OPEN 表的末端，并提供從這些后繼節(jié)點回到n 的指針。

(6)如果n 的任一個后繼節(jié)點是個目標節(jié)點，則找到一個解答，成功退出；否則轉(zhuǎn)向第(2)步。

有界深度優(yōu)先搜索

(1)把起始節(jié)點S 放到未擴展節(jié)點OPEN 表中。如果此節(jié)點為一目標節(jié)點，則得到一個解。

(2)如果OPEN 為一空表，則失敗退出。

(3)把第一個節(jié)點(節(jié)點n)從OPEN 表移到CLOSED 表。

(4)如果節(jié)點n 的深度等于最大深度，則轉(zhuǎn)向(2)。

(5)擴展節(jié)點n，產(chǎn)生其全部后裔，并把它們放入OPEN 表的前頭。如果沒有后裔，則轉(zhuǎn)向(2)。

(6)如果后繼節(jié)點中有任一個為目標節(jié)點，則求得一個解，成功退出；否則，轉(zhuǎn)向(2)。

等代價搜索方法以g(i)的遞增順序擴展其節(jié)點，其算法如下：

(1)把起始節(jié)點S 放到未擴展節(jié)點表OPEN 中。如果此起始節(jié)點為一目標節(jié)點，則求得一個解;否則令g(S)=0。

(2)如果OPEN 是個空表，則沒有解而失敗退出。

(3)從 OPEN 表中選擇一個節(jié)點 i，使其 g(i)為最小。如果有幾個節(jié)點都合格，那么就要選擇一個目標節(jié)點作為節(jié) 點i(要是有目標節(jié)點的話)；否則，就從中選一個作為節(jié)點i。把節(jié)點i 從OPEN 表移至擴展節(jié)點表CLOSED 中。(4)如果節(jié)點i 為目標節(jié)點，則求得一個解。

(5)擴展節(jié)點i。如果沒有后繼節(jié)點，則轉(zhuǎn)向第(2)步。(6)對于節(jié)點 i 的每個后繼節(jié)點 j，計算g(j)=g(i)+c(i,j)，并把所有后繼節(jié)點 j 放進 OPEN 表。提供回到節(jié)點 i 的指針。

(7)轉(zhuǎn)向第(2)步。

3-3 化為子句形有哪些步驟?請結(jié)合例子說明之。

任一謂詞演算公式可以化成一個子句集。其變換過程由下列九個步驟組成：

(1)消去蘊涵符號

將蘊涵符號化為析取和否定符號

(2)減少否定符號的轄域

每個否定符號最多只用到一個謂詞符號上，并反復(fù)應(yīng)用狄· 摩根定律

(3)對變量標準化

對啞元改名以保證每個量詞有其自己唯一的啞元

(4)消去存在量詞

引入Skolem 函數(shù)，消去存在量詞

如果要消去的存在量詞不在任何一個全稱量詞的轄域內(nèi)，那么我們就用不含變量的Skolem 函數(shù)即常量。

(5)化為前束形

把所有全稱量詞移到公式的左邊，并使每個量詞的轄域包括這個量詞后面公式的整個部分。

前束形 =(前綴)(母式)前綴 = 全稱量詞串

母式 = 無量詞公式

(6)把母式化為合取范式

反復(fù)應(yīng)用分配律，將母式寫成許多合取項的合取的形式，而每一個合取項是一些謂詞公式和(或)謂詞公式的否定的析取

(7)消去全稱量詞

消去前綴，即消去明顯出現(xiàn)的全稱量詞

(8)消去連詞符號(合取)

用{合取項1,合取項2}替換明顯出現(xiàn)的合取符號

(9)更換變量名稱

更換變量符號的名稱，使一個變量符號不出現(xiàn)在一個以上的子句中

3-4 如何通過消解反演求取問題的答案?

給出一個公式集S 和目標公式L，通過反證或反演來求證目標公式L，其證明步驟如下：

(1)否定L，得～L；

(2)把～L 添加到S 中去；

(3)把新產(chǎn)生的集合｛～L，S｝化成子句集；

(4)應(yīng)用消解原理，力圖推導(dǎo)出一個表示矛盾的空子句NIL。

3-5 什么叫合適公式?合適公式有哪些等價關(guān)系? 合式公式的遞歸定義為：

(1)原子謂詞公式是合式公式

(2)若A 為合式公式，則A 的否定也是合式公式

(3)若A、B 都是合式公式，則A AND B, AOR B, AB, A>B 也都是合式公式

(4)若A 是合式公式，x 為A 中的自由變元，則(ANY x)A 和(EXT x)A 都是合式公式

(5)只有按規(guī)則(1)~(4)求得的公式，才是合式公式 等價關(guān)系有：否定之否定，蘊含與與或形式的等價，狄.摩根定律；分配律，交換律，結(jié)合律，逆否律，否定跨越量 詞，全稱量詞同與或連詞，量詞中的啞元

3-6 用寬度優(yōu)先搜索求圖3.33 所示迷宮的出路。

第一步 SAB 第二步 BH

BC

第三步 HG

CF

最終路徑為SABCF

3-7 用有界深度優(yōu)先搜索方法求解圖3.34 所示八數(shù)碼難題。

解：定義操作符集：F={f1,f2,f3,f4}，其中： f1 表示空格右移； f2 表示空格上移；

f3 表示空格左移； f4 表示空格下移。

搜索時，節(jié)點的擴展順序規(guī)定為按右、左、上、下方向移動空格。并設(shè)置深度界限為8。

由上述有界深度優(yōu)先搜索樹中可見，當d=8 時，八數(shù)碼難題的一個解為： f4, f4, f3, f2, f2, f3, f4, f3

3-10 一個機器人駕駛卡車，攜帶包裹(編號分別為＃

1、＃2 和＃3)分別投遞到林(LIN)、吳(WU)和胡(HU)3 家住宅處。規(guī)定了某些簡單的操作符，如表示駕駛方位的drive(x,y)和表示卸下包裹的unload(z)都有一定的先決條件和結(jié)果。試說明狀態(tài)空間問題求解系統(tǒng)如何能夠應(yīng)用謂詞演算求得一個操作符序列，該序列能夠生成一個滿足AT(#1，LIN)∧AT(#2，WU)∧AT(#3,HU)的目標狀態(tài)。

初始狀態(tài)可描述為：AT(#1, ~LIN)AND AT(#2, ~WU)AND AT(#1, ~HU)AND AT(#1, CAR)AND AT(#2, CAR)AND AT(#3, CAR)目標狀態(tài)可描述為：AT(#1, LIN)AND AT(#2, WU)AND AT(#1, HU)AND AT(#1, ~CAR)AND AT(#2, ~CAR)AND AT(#3, ~CAR)

對每個操作符都有一定的先決條件和結(jié)果，詳細如下

drive(x, y)

先決條件：AT(CAR, x)

結(jié)果： AT(CAR, y)unload(z)先決條件：AT(z, CAR)AND AT(CAR, x)結(jié)果： AT(z, ~CAR)AND AT(z, x)

原問題就轉(zhuǎn)換為尋找一個可將初始狀態(tài)轉(zhuǎn)換到目標狀態(tài)的操作序列 如何求得該操作序列???

3-11 規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)有哪幾種推理方式?各自的特點為何?

規(guī)則演繹系統(tǒng)的推理方式有正向推理、逆向推理和雙向推理

雙向推理組合了正向推理和逆向推理的優(yōu)點，克服了各自的缺點，具有更高的搜索求解效率。

產(chǎn)生式系統(tǒng)的推理方式有正向推理、逆向推理和雙向推理

雙向推理結(jié)合了正向推理和逆向推理的長處，克服了兩者的短處，其控制策略比兩者都要復(fù)雜。

3-12 為什么需要采用系統(tǒng)組織技術(shù)?有哪幾種系統(tǒng)組織技術(shù)?

如果不采用系統(tǒng)組織技術(shù)，而直接寫出包含所有知識的規(guī)則，并讓系統(tǒng)利用這些規(guī)則，找出一條從給定狀態(tài)到目標 狀態(tài)的路徑，這種方法有嚴重的缺點：

(1)隨著規(guī)則的增加，既要加入新的規(guī)則，又要使新規(guī)則不與現(xiàn)有規(guī)則產(chǎn)生沖突，這將使問題變得愈來愈困難

(2)在問題求解過程中，由于每一步都必須考慮所有規(guī)則，效率就會大大降低，然而，實際上卻往往是只有應(yīng)用完 一組規(guī)則之后，才考慮另一組別的規(guī)則

(3)一種問題求解技術(shù)和知識表達形式可能對問題的某一部分是最好的，而對另一部分卻不是最好的 因此，采用系統(tǒng)組織技術(shù)，將一個大系統(tǒng)中的知識分成一組相對獨立的模塊比較合適。

有3 種系統(tǒng)組織技術(shù)：議程表、黑板法和Delta 極小搜索法

3-13 研究不確定性推理有何意義?有哪幾種不確定性?

不確定性推理是研究復(fù)雜系統(tǒng)不完全性和不確定性的有力工具。

有3 種不確定性，關(guān)于證據(jù)的不確定性(觀測有誤差)，關(guān)于結(jié)論的不確定性和多個規(guī)則支持同一事實時的不確定性。

3-14 單調(diào)推理有何局限性?什么叫缺省推理?非單調(diào)推理系統(tǒng)如何證實一個節(jié)點的有效性?

單調(diào)系統(tǒng)不能很好地處理常常出現(xiàn)在現(xiàn)實問題領(lǐng)域中的3 類情況，即不完全的信息、不斷變化的情況、以及求解復(fù)雜問題過程中生成的假設(shè)

有兩種方法可以證實節(jié)點的有效性：

(1)支持表。

(SL(IN-節(jié)點表)(OUT-節(jié)點表))

如果某節(jié)點的IN 節(jié)點表中提到的節(jié)點當前都是IN, 且OUT 節(jié)點表中提到的節(jié)點當前都是OUT，則它是有效的(2)條件證明。

(CP(結(jié)論)(IN-假設(shè))(OUT-假設(shè)))

條件證明(CP)的證實表示有前提的論點，無論何時，只要在IN 假設(shè)中的節(jié)點為IN, OUT 假設(shè)中的節(jié)點為OUT, 則 結(jié)論節(jié)點往往為IN，于是條件證明的證實有效。

3-15 在什么情況下需要采用不確定推理或非單調(diào)推理?

不完全的信息、不斷變化的情況、以及求解復(fù)雜問題過程中生成的假設(shè)

3-16 下列語句是一些幾何定理，把這些語句表示為基于規(guī)則的幾何證明系統(tǒng)的產(chǎn)生式規(guī)則：

(1)兩個全等三角形的各對應(yīng)角相等。

(2)兩個全等三角形的各對應(yīng)邊相等。

(3)各對應(yīng)邊相等的三角形是全等三角形。

(4)等腰三角形的兩底角相等。

規(guī)則(1): IF 兩個三角形全等

THEN 各對應(yīng)角相等

規(guī)則(2): IF 兩個三角形全等

THEN 各對應(yīng)邊相等

規(guī)則(3): IF 兩個三角形各對應(yīng)邊相等

THEN 兩三角形全等

規(guī)則(4): IF 它是等腰三角形

THEN 它的兩底角相等

第四章 計算智能（1）：神經(jīng)計算 模糊計算

4-1 計算智能的含義是什么？它涉及哪些研究分支？

貝茲德克認為計算智能取決于制造者提供的數(shù)值數(shù)據(jù)，而不依賴于知識。計算智能是智力的低層認知。

主要的研究領(lǐng)域為神經(jīng)計算，模糊計算，進化計算，人工生命。

4-2 試述計算智能（CI）、人工智能（AI）和生物智能（BI）的關(guān)系。

計算智能是智力的低層認知，主要取決于數(shù)值數(shù)據(jù)而不依賴于知識。人工智能是在計算智能的基礎(chǔ)上引入知識而產(chǎn) 生的智力中層認知。生物智能，尤其是人類智能，則是最高層的智能。即CI 包含AI 包含BI

4-3 人工神經(jīng)網(wǎng)絡(luò)為什么具有誘人的發(fā)展前景和潛在的廣泛應(yīng)用領(lǐng)域？

人工神經(jīng)網(wǎng)絡(luò)具有如下至關(guān)重要的特性：

(1)并行分布處理 適于實時和動態(tài)處理

(2)非線性映射 給處理非線性問題帶來新的希望

(3)通過訓(xùn)練進行學(xué)習(xí)

一個經(jīng)過適當訓(xùn)練的神經(jīng)網(wǎng)絡(luò)具有歸納全部數(shù)據(jù)的能力，能夠解決那些由數(shù)學(xué)模型或描述規(guī)則難以處理的問題

(4)適應(yīng)與集成

神經(jīng)網(wǎng)絡(luò)的強適應(yīng)和信息融合能力使得它可以同時輸入大量不同的控制信號，實現(xiàn)信息集成和融合，適于復(fù)雜，大 規(guī)模和多變量系統(tǒng)

(5)硬件實現(xiàn)

一些超大規(guī)模集成是電路實現(xiàn)硬件已經(jīng)問世，使得神經(jīng)網(wǎng)絡(luò)成為具有快速和大規(guī)模處理能力的網(wǎng)絡(luò)。

4-4 簡述生物神經(jīng)元及人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和主要學(xué)習(xí)算法。

生物神經(jīng)元

大多數(shù)神經(jīng)元由一個細胞體(cell body 或soma)和突(process)兩部分組成。突分兩類，即軸突(axon)和樹突(dendrite)，軸突是個突出部分，長度可達 1m，把本神經(jīng)元的輸出發(fā)送至其它相連接的神經(jīng)元。樹突也是突出部分，但一般較 短，且分枝很多，與其它神經(jīng)元的軸突相連，以接收來自其它神經(jīng)元的生物信號。

軸突的末端與樹突進行信號傳遞的界面稱為突觸(synapse)，通過突觸向其它神經(jīng)元發(fā)送信息。對某些突觸的刺激促 使神經(jīng)元觸發(fā)(fire)。只有神經(jīng)元所有輸入的總效應(yīng)達到閾值電平，它才能開始工作。此時，神經(jīng)元就產(chǎn)生一個全強 度的輸出窄脈沖，從細胞體經(jīng)軸突進入軸突分枝。這時的神經(jīng)元就稱為被觸發(fā)。突觸把經(jīng)過一個神經(jīng)元軸突的脈沖 轉(zhuǎn)化為下一個神經(jīng)元的興奮或抑制。學(xué)習(xí)就發(fā)生在突觸附近。

每個人腦大約含有 10^11-10^12 個神經(jīng)元，每一神經(jīng)元又約有 10^3-10^4 個突觸。神經(jīng)元通過突觸形成的網(wǎng)絡(luò)，傳 遞神經(jīng)元間的興奮與抑制。大腦的全部神經(jīng)元構(gòu)成極其復(fù)雜的拓撲網(wǎng)絡(luò)群體，用于實現(xiàn)記憶與思維。

人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

人工神經(jīng)網(wǎng)絡(luò)由神經(jīng)元模型構(gòu)成。每個神經(jīng)元具有單一輸出，并且能夠與其它神經(jīng)元連接，存在許多輸出連接方法，每種連接方法對應(yīng)于一個連接權(quán)系數(shù)。

人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分為2 類：

(1)遞歸(反饋)網(wǎng)絡(luò) 有些神經(jīng)元的輸出被反饋至同層或前層神經(jīng)元。信號能夠從正向和反向流通。Hopfield 網(wǎng)絡(luò)，Elmman 網(wǎng)絡(luò)和Jordan 網(wǎng)絡(luò)是代表。

(2)前饋網(wǎng)絡(luò) 具有遞階分層結(jié)構(gòu)，由一些同層神經(jīng)元間不存在互連的層級組成。從輸入層至輸出層的信號通過單向連接流通，神 經(jīng)元從一層連接至下一層，不存在同層神經(jīng)元之間的連接。多層感知器(MLP)，學(xué)習(xí)矢量量化網(wǎng)絡(luò)(LVQ)，小腦模 型連接控制網(wǎng)絡(luò)(CMAC)和數(shù)據(jù)處理方法網(wǎng)絡(luò)(GMDH)是代表。

人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法

(1)指導(dǎo)式(有師)學(xué)習(xí)

根據(jù)期望和實際的網(wǎng)絡(luò)輸出之間的差來調(diào)整神經(jīng)元連接的強度或權(quán)。包括Delta 規(guī)則，廣義Delta 規(guī)則，反向傳播算 法及LVQ 算法。

(2)非指導(dǎo)(無導(dǎo)師)學(xué)習(xí)

訓(xùn)練過程中，神經(jīng)網(wǎng)絡(luò)能自動地適應(yīng)連接權(quán)，以便按相似特征把輸入模式分組聚集。包括 Kohonen 算法，Carpenter-Grossberg 自適應(yīng)諧振理論(ART)(3)強化學(xué)習(xí)

是有師學(xué)習(xí)的一種特例。它不需要老師給出目標輸出，而是由一個“評論員”來評介與給定輸入相對應(yīng)的神經(jīng)網(wǎng)絡(luò) 輸出的優(yōu)度。例如遺傳算法(GA)

4-10 什么是模糊集合和隸屬函數(shù)或隸屬度？

論域U 模糊子集F 隸屬函數(shù)

序偶 P119

4-11 模糊集合有哪些運算，滿足哪些規(guī)律？

并(取max)，交(取min)，補

冪等律，交換律，結(jié)合律，分配律，吸收律，同一律，Demorgan 律，復(fù)原律，對偶律，互補律不成立

4-12 什么是模糊推理？有哪幾種模糊推理方法？

模糊推理是建立在模糊邏輯基礎(chǔ)上的，一種不確定性推理方法，是在二值邏輯三段論基礎(chǔ)上發(fā)展起來的。它以模糊判斷為前提，動用模糊語言規(guī)則，推導(dǎo)出一個近似的模糊判斷結(jié)論。

有許多模糊推理方法。在Zadeh 法中，有2 種重要的模糊推理規(guī)則：廣義取式(肯定前提)假言推理法(GMP)和廣義 拒式(否定結(jié)論)假言推理法(GMT)，分別簡稱為廣義前向推理法和廣義后向推理法。

4-13 有哪些模糊蘊含關(guān)系？ 模糊合取，模糊析取，基本蘊涵，命題演算，GMP 推理，GMT 推理

4-14 什么叫模糊判決？有哪幾種常用的模糊判決方法？

從推理得到的模糊集合中，取一個相對最能代表這個模糊集合的單值的過程就稱為解模糊或模糊判決。

常用的模糊判決方法有：重心法，最大隸屬度法，系數(shù)加權(quán)平均法，隸屬度限幅元素平均法

第五章 計算智能(2):進化計算 人工生命

5-1 什么是進化計算？它包括哪些內(nèi)容？它們的出發(fā)點是什么？

什么是？

進化計算包括遺傳算法，進化策略，進化編程和遺傳編程。

出發(fā)點？

5-2 試述遺傳算法的基本原理，并說明遺傳算法的求解步驟。

基本原理？

求解步驟：

(1)隨機產(chǎn)生一個由確定長度的特征字符串組成的初始種群體

(2)對該字符串種群迭代地執(zhí)行下步的步驟[1]和步驟[2]，直到滿足停止準則為止：

[1] 計算種群中每個個體字符中的適應(yīng)值

[2] 應(yīng)用復(fù)制，交叉和變異等遺傳算子產(chǎn)生下一代種群

(3)把在后代中出現(xiàn)的最好個體字符指定為遺傳算法的執(zhí)行結(jié)果，這個結(jié)果可以表示問題的一個解。

5-5 進化策略是如何描述的？

最簡單的進化策略可描述如下： P137

5-6 簡述進化編程的機理和基本過程，并以四狀態(tài)機為例說明進化編程的表示。

機理？

基本過程？

P139

5-7 遺傳算法、進化策略和進化編程的關(guān)系如何？有何區(qū)別？

關(guān)系： 它們都是模擬生物界自然進化過程而建立的魯棒性計算機算法。

區(qū)別：

進化策略和進化編程把變異作為主要搜索算子，標準遺傳算法中，變異處于次要位置。

交叉在遺傳法起著重要作用，而在進化編程中卻被完全省去，在進化策略中與自適應(yīng)結(jié)合使用，起了很重要的作用。標準遺傳算法和進化編程都強調(diào)隨機選擇機制的重要性，而進化策略的選擇是完全確定的。

進化策略和進化編程，確定地把某個個體排除在被選擇之外，而標準遺傳算法都對每個個體指定一個非零的選擇概率。

5-8 人工生命是否從1987 年開始研究？為什么？

不是。

1987 年第一次人工生命研討會上，美國圣塔菲研究所非線性研究組的蘭頓正式提出了人工生命的概念，建立起人工 生命新學(xué)科。世紀，60 年代，羅森布拉特研究感知機，斯塔爾建立細胞活動模型，林登邁耶提出了生長發(fā)育中的細胞交互作 用數(shù)學(xué)模型。

年代，康拉德等人研究人工仿生系統(tǒng)中的自適應(yīng)，進化和群體動力學(xué)，提出不斷完善的“人工世界”模型。細胞 自動機被用于圖像處理?？淀f提出生命的細胞自動機對策論。

年代，人工神經(jīng)網(wǎng)絡(luò)再度興起，促進了人工生命的發(fā)展。

5-9 什么是人工生命？請按你的理解用自己的語言給人工生命下個定義。

1987 年蘭德提出的人工生命定義為：人工生命是研究能夠演示出自然生命系統(tǒng)特征行為的人造系統(tǒng)。通過計算機或 其它機器對類似生命的行為進行綜合研究，以便對傳統(tǒng)生物科學(xué)起互補作用。

凡是具有自然生命現(xiàn)象和特征的人造系統(tǒng)，都可稱為人工生命。

5-10 人工生命要模仿自然生命的特征和現(xiàn)象。自然生命有哪些共同特征？

自然生命的共同特征和現(xiàn)象，包括但不限于：

18(1)自繁殖，自進化，自尋優(yōu)

(2)自成長，自學(xué)習(xí)，自組織

(3)自穩(wěn)定，自適應(yīng)，自協(xié)調(diào)

(4)物質(zhì)構(gòu)造

(5)能量轉(zhuǎn)換

(6)信息處理

5-11 為什么要研究人工生命？

具有重大的科學(xué)意義和廣泛的應(yīng)用價值

(1)開發(fā)基于人工生命的工程技術(shù)新方法，新系統(tǒng)，新產(chǎn)品(2)為自然生命的研究提供新模型、新工具、新環(huán)境(3)延伸人類壽命，減緩衰老，防治疾病(4)擴展自然生命，實現(xiàn)人工進化和優(yōu)生優(yōu)育

(5)促進生命科學(xué)，信息科學(xué)，系統(tǒng)科學(xué)的交叉發(fā)展

5-12 人工生命包括哪些研究內(nèi)容？其研究方法如何？ 研究內(nèi)容大致分為兩類：

（1）構(gòu)成生物體的內(nèi)部系統(tǒng)，包括腦，神經(jīng)系統(tǒng)，內(nèi)分泌系統(tǒng)，免疫系統(tǒng)，遺傳系統(tǒng)，酶系統(tǒng)，代謝系統(tǒng)

（2）生物體及其群體的外部系統(tǒng)，包括環(huán)境適應(yīng)系統(tǒng)和遺傳進化系統(tǒng) 研究方法主要可分為兩類：

（1）信息模型法，根據(jù)內(nèi)部和外部系統(tǒng)所表現(xiàn)出來的生命行為來建造信息模型

（2）工作原理法：生命行為所顯示的自律分散和非線性行為，其工作原理是混沌和分形，以此為基礎(chǔ)研究人工生命的機理。

第六章 專家系統(tǒng)

6-1 什么叫做專家系統(tǒng)？具有哪些特點和優(yōu)點？

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的智能計算機程序系統(tǒng)，其內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題。也就是說，專家系統(tǒng)是一個具有 大量的專門知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)某一個領(lǐng)域或多個專家提供的知識和經(jīng)驗，進行推理和判斷，模擬人類專家的決策過程，一邊解決那些需要人類專家處理的復(fù)雜問題。特點：

（1）啟發(fā)性 專家系統(tǒng)能運用專家的知識與經(jīng)驗進行推理、判斷和決策

（2）透明性 專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題，以便讓用戶能夠了解推理過程，提高對專家系統(tǒng)的信賴感。

（3）靈活性 專家系統(tǒng)能不斷地增長知識，修改原有知識，不斷更新 優(yōu)點

（1）專家系統(tǒng)能夠高效率、準確、周到、迅速和不知疲倦地進行工作（2）專家系統(tǒng)解決實際問題時不受周圍環(huán)境的影響，也不可能遺漏忘記

（3）可以使專家的專長不受時間和空間的限制，以便推廣珍貴和稀缺的專家知識與經(jīng)驗

（4）專家系統(tǒng)能夠促進各領(lǐng)域的發(fā)展，它使各領(lǐng)域?qū)＜业膶I(yè)知識和經(jīng)驗得到總結(jié)和精煉，能夠廣泛有力地傳播專家的知識、經(jīng)驗和能力

（5）專家系統(tǒng)能夠匯集多領(lǐng)域?qū)＜业闹R和經(jīng)驗以及他們寫作解決重大問題的能力，它擁有更淵博的 19 知識、更豐富的經(jīng)驗和更強的工作能力

（6）軍事專家系統(tǒng)的水平是一個國家國防現(xiàn)代化的重要標志之一（7）專家系統(tǒng)的研制和應(yīng)用，具有巨大的經(jīng)濟效益和社會效益

（8）研究專家系統(tǒng)能夠促進整個科學(xué)技術(shù)的發(fā)展。專家系統(tǒng)對人工智能的各個領(lǐng)域的發(fā)展起了很大的促進作用，并將對科技、經(jīng)濟、國防、教育、社會和人民生活產(chǎn)生極其深遠的影響。

6-2 專家系統(tǒng)由哪些部分構(gòu)成？各個部分的的作用為何？

（1）知識庫（knowledge base）知識庫用于存儲某領(lǐng)域的專門知識，包括事實、可行操作與規(guī)則等。（2）綜合數(shù)據(jù)庫（global database）綜合數(shù)據(jù)庫又稱全局數(shù)據(jù)庫或總數(shù)據(jù)庫，它用于存儲領(lǐng)域或問題的廚師數(shù)據(jù)和推理過程中得到的中間數(shù)據(jù)（信息），即被處理對象的一些當前事實。

（3）推理機（reasoning machine）推理機用于記憶所采用的規(guī)則和控制策略的程序，使整個專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。推理機能夠根據(jù)指示進行推理和導(dǎo)出結(jié)論，而不是簡單地搜索現(xiàn)成的答案。（4）解釋器（explanator）解釋器能夠向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其他候選解的原因。

（5）接口（interface）又稱界面，他能夠使系統(tǒng)與用戶進行對話，使用戶能夠輸入必要的數(shù)據(jù)、提出問題和了解推理過程及推理結(jié)果等。系統(tǒng)則通過接口，要求用戶回答提問，并回答用戶提出的問題，進行必要的解釋。

6-3 建造專家系統(tǒng)的關(guān)鍵步驟是什么？

是否擁有大量知識是專家系統(tǒng)成功與否的關(guān)鍵，因而知識表示就成為設(shè)計專家系統(tǒng)的關(guān)鍵（1）設(shè)計初始知識庫

問題知識化、知識概念化、概念形式化、形式規(guī)則化、規(guī)則合法化

（2）原型機（prototype）的開發(fā)與試驗

建立整個系統(tǒng)所需要的實驗子集，它包括整個模型的典型知識，而且只涉及與試驗有關(guān)的足夠簡單的任務(wù)和推理過程

（3）知識庫的改進與歸納

反復(fù)對知識庫及推理規(guī)則進行改進試驗，歸納出更完善的結(jié)果

6-4 專家系統(tǒng)程序與一般的問題求解軟件程序有何不同？開發(fā)專家系統(tǒng)與開發(fā)其他軟件的任務(wù)有何不同？

一般應(yīng)用程序與專家系統(tǒng)的區(qū)別在于：前者把問題求解的知識隱含地編入程序，而后者則把其應(yīng)用領(lǐng)域的問題求解知識單獨組成一個實體，即為知識庫。知識庫的處理時通過與知識庫分開的控制策略進行的。更明確地說，一般應(yīng)用程序把知識組織為兩級：數(shù)據(jù)級和程序級；大多數(shù)專家系統(tǒng)則將知識組織成三級：數(shù)據(jù)、知識庫和控制。

在數(shù)據(jù)級上，是已經(jīng)解決了的特定問題的說明性知識以及需要求解問題的有關(guān)事件的當前狀態(tài)、在知識庫級是專家系統(tǒng)的專門知識與經(jīng)驗。是否擁有大量知識是專家系統(tǒng)成功與否的關(guān)鍵，因而知識表示就成為設(shè)計專家系統(tǒng)的關(guān)鍵。

在控制程序級，根據(jù)既定的控制策略和所求解問題的性質(zhì)來決定應(yīng)用知識庫中的哪些知識。

6-5 基于規(guī)則的專家系統(tǒng)是如何工作的？其結(jié)構(gòu)為何？

系統(tǒng)的主要部分是知識庫和推理引擎。

知識庫由謂詞演算事實和有關(guān)討論主題的規(guī)則構(gòu)成?！爸R工程師”與應(yīng)用領(lǐng)域的專家共同工作以便把專家的相關(guān)知識表示成一種形式，由一個知識采集子系統(tǒng)協(xié)助，輸入到知識庫。

推理引擎由所有操作知識庫來演繹用戶要求的信息的過程構(gòu)成-如消解、前向鏈或反向鏈。

用戶接口可能包括某種自然語言處理系統(tǒng)，它允許用戶用一個有限的自然語言形式與系統(tǒng)交互。也可是用帶有菜單的圖形接口界面。

解釋子系統(tǒng)分析被系統(tǒng)只需的推理結(jié)構(gòu)，并把它解釋給用戶。

6-6 基于框架的專家系統(tǒng)與面向目標的編程技術(shù)，以提高系統(tǒng)的能力和靈活性。它們共享許多特征。面向目標的編程其所有數(shù)據(jù)結(jié)構(gòu)均以目標形式出現(xiàn)，每個目標含有兩種基本信息：描述目標的信息和說明目標能做什么的信息。面向目標的編程為表示實際世界目標提供了一種自然的方法。應(yīng)用專家系統(tǒng)的術(shù)語來說，每個目標具有陳述性知識和過程知識。

結(jié)構(gòu)的主要特點在于基于框架的專家系統(tǒng)采用框架而不是規(guī)則來表示知識?？蚣芴峁┮环N比規(guī)則更豐富的獲取問題知識的方法，不僅提供某些目標的包描述，而且還規(guī)定了該目標如何工作。開發(fā)基于框架的專家系統(tǒng)的主要任務(wù)有：

（1）定義問題（對問題和結(jié)論的考察與綜述）

（2）分析領(lǐng)域（定義事物、事物特征、事件和框架結(jié)構(gòu)）（3）定義類及其特征（4）定義例及其框架結(jié)構(gòu)（5）確定模式匹配法則（6）規(guī)定事物通信方法（7）設(shè)計系統(tǒng)界面（8）對系統(tǒng)進行評價

（9）對系統(tǒng)進行擴展，深化和擴展知識

6-7 為什么要提出基于模型的專家系統(tǒng)？試述神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的一般結(jié)構(gòu)。

有一種關(guān)于人工智能的觀點認為：人工智能是對各種定性模型的獲得、表達及使用的計算方法進行研究 21 的學(xué)問。根據(jù)這一觀點，一個知識系統(tǒng)中的知識庫是由各種模型綜合而成的，而這些模型又往往是定性的模型。

采用各種定性模型來設(shè)計專家系統(tǒng)，一方面它增加了系統(tǒng)的功能，提高了性能指標，另一方面，可獨立地深入研究各種模型及其相關(guān)問題，把獲得的結(jié)果用于改進系統(tǒng)設(shè)計。

6-8 新型專家系統(tǒng)有何特征？什么是分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)？ 新型專家系統(tǒng)的特征：（1）并行于分布處理（2）多專家系統(tǒng)協(xié)同工作（3）高級語言和知識語言描述

知識工程師只需用一種高級專家系統(tǒng)描述語言對系統(tǒng)進行功能、性能及接口描述，并用知識表示語言描述領(lǐng)域知識，專家系統(tǒng)生成系統(tǒng)就能自動或半自動地生成所需專家系統(tǒng)。（4）具有自學(xué)習(xí)功能

具有高級的知識獲取與學(xué)習(xí)能力（5）引入新的推理機制

除了能進行演繹推理之外，還有歸納推理（聯(lián)想、類比）、非標準邏輯推理（非單調(diào)邏輯推理、加權(quán)邏輯推理）及各種基于不完全知識和模糊知識的推理。（6）具有自糾錯和自完善能力（7）先進的智能人機接口

理解自然語言，實現(xiàn)語聲、文字、圖形和圖像的直接輸入輸出時如今人們對智能計算機提出的要求。

分布式專家系統(tǒng)

具有分布處理的特征，能把一個專家系統(tǒng)的功能經(jīng)分解以后分布到多個處理器上去并行地工作，從而有總體上提高系統(tǒng)的處理效率。它可以工作在緊耦合的多處理器系統(tǒng)環(huán)境中，也可工作在松耦合的計算機網(wǎng)絡(luò)環(huán)境中，其總體結(jié)構(gòu)在很大程度上依賴于其所在的硬件環(huán)境。

協(xié)同式專家系統(tǒng)

又稱為“群專家系統(tǒng)”，是一個能綜合若干個相近領(lǐng)域或一個領(lǐng)域的多個方面的子專家系統(tǒng)互相協(xié)作，共同解決一個更廣領(lǐng)域問題的專家系統(tǒng)。是克服一般專家系統(tǒng)的局限性的重要途徑。它不著重于處理的分布和知識的分布，而是更強調(diào)子系統(tǒng)間的協(xié)同合作。它并不一定要求有多高處理機的硬件環(huán)境，而且一般都是在同一個處理機上實現(xiàn)各子專家系統(tǒng)的。

6-9 在設(shè)計專家系統(tǒng)時，應(yīng)考慮哪些技術(shù)？（1）具有可靠知識與數(shù)據(jù)的小搜索空間問題

數(shù)據(jù)可靠（無噪聲、無錯誤、不丟失、不多余）和知識可靠（不出現(xiàn)假的、近似的或推測性的結(jié)論），決定了系統(tǒng)具有單調(diào)性并可采用單路推理路線。而小搜索空間的問題一般允許采用窮舉搜索策略。（2）不可靠的數(shù)據(jù)或知識

這種情況應(yīng)采用概率推理、模糊推理、不可靠數(shù)據(jù)的精確推理方法或?qū)ｉT的不確定性推理技術(shù)。（3）時變數(shù)據(jù)

一般要設(shè)計時間推理技術(shù)，推理過程要求較復(fù)雜的表示法。（4）大搜索空間的問題

一般要引入啟發(fā)式搜索策略或采用分層體系結(jié)構(gòu)，來降低求解過程的復(fù)雜程度。對打空間的問題通常還要根據(jù)具體問題的特征來去相應(yīng)的對策。

6-10 什么是建造專家系統(tǒng)的工具？你知道哪些專家系統(tǒng)工具，各有什么特點？

專家系統(tǒng)開發(fā)工具室一些比較通用的工具，作為設(shè)計和開發(fā)專家系統(tǒng)的輔助手段和環(huán)境，以求提高專家系統(tǒng)的開發(fā)效率、質(zhì)量和自動化水平。專家系統(tǒng)工具是一種更高級的計算機程序設(shè)計語言。比一般的計算機高級語言具有更強的功能。主要分為骨架型工具（又稱外殼）、語言型工具、構(gòu)造輔助工具和支撐環(huán)境等四類。（1）骨架型工具

借用以前開發(fā)好的專家系統(tǒng)，將描述領(lǐng)域知識的規(guī)則從原系統(tǒng)中“挖掉”，只保留其獨立于問題領(lǐng)域知識的推理機部分，這樣形成的工具成為骨架型工具，如EMYCIN, KAS 以及EXPERT等。（2）語言型工具

提供給用戶的是建立專家系統(tǒng)所需要的基本機制，其控制策略也不固定于一種或幾種形式，用戶可以通過一定手段來影響其控制策略。因此語言型工具的結(jié)構(gòu)變化范圍廣泛，表示靈活，所適應(yīng)的范圍要比骨架型工具廣泛得多。像OPS5，OPS83，RLL及ROSIE等，均屬于這一類工具。（3）構(gòu)造輔助工具

主要分兩類：一類是設(shè)計輔助工具，典型的有AGE系統(tǒng)，另一類是知識獲取工具，典型的有TEIRESIAS系統(tǒng)。

（4）支撐環(huán)境

是指幫助進行程序設(shè)計的工具，它常備作為知識工程語言的一部分。工具支撐環(huán)境僅是一個附帶的軟件包，以便使用戶界面更友好，它包括四個典型組件：調(diào)試輔助工具、輸入輸出設(shè)施、解釋設(shè)施和知識庫編輯器。ART就屬于這一類系統(tǒng)。

第七章 機器學(xué)習(xí)

7-1 什么是學(xué)習(xí)和機器學(xué)習(xí)？為什么要研究機器學(xué)習(xí)？

按照人工智能大師西蒙的觀點，學(xué)習(xí)就是系統(tǒng)在不斷重復(fù)的工作中對本身能力的增強或者改進，使得系統(tǒng)在下一次執(zhí)行同樣認為或類似任務(wù)時，會比現(xiàn)在做得更好或效率跟高。

機器學(xué)習(xí)室研究如何使用機器來模擬人類學(xué)習(xí)活動的一門學(xué)科，機器學(xué)習(xí)是一門研究機器獲取新知識和 23 新技能，并識別現(xiàn)有知識的學(xué)問。這里說的“機器”，指的就是計算機。

現(xiàn)有的計算機系統(tǒng)和人工智能系統(tǒng)沒有什么學(xué)習(xí)能力，至多也只有非常有限的學(xué)習(xí)能力，因而不能滿足科技和生產(chǎn)提出的新要求。

7-2 試述機器學(xué)習(xí)系統(tǒng)的基本結(jié)構(gòu)，并說明各部分的作用。

環(huán)境向系統(tǒng)的學(xué)習(xí)部分提供某些信息，學(xué)習(xí)部分利用這些信息修改知識庫，以增進系統(tǒng)執(zhí)行部分完成任務(wù)的效能，執(zhí)行部分根據(jù)知識庫完成任務(wù)，同時把獲得的信息反饋給學(xué)習(xí)部分。

7-3 試解釋機械學(xué)習(xí)的模式。機械學(xué)習(xí)有哪些重要問題需要加以研究？

機械學(xué)習(xí)是最簡單的機器學(xué)習(xí)方法。機械學(xué)習(xí)就是記憶，即把新的知識存儲起來，供需要時檢索調(diào)用，而不需要計算和推理。是最基本的學(xué)習(xí)過程。任何學(xué)習(xí)系統(tǒng)都必須記住它們獲取的知識。在機械學(xué)習(xí)系統(tǒng)中，知識的獲取是以較穩(wěn)定和直接的方式進行的，不需要系統(tǒng)進行過多的加工。要研究的問題：

（1）存儲組織信息

只有當檢索一個項目的時間比重新計算一個項目的時間短時，機械學(xué)習(xí)才有意義，檢索的越快，其意義也就越大。

（2）環(huán)境的穩(wěn)定性

機械學(xué)習(xí)基礎(chǔ)的一個重要嘉定是在某一時刻存儲的信息必須適用于后來的情況。（3）存儲與計算之間的權(quán)衡

如果檢索一個數(shù)據(jù)比重新計算一個數(shù)據(jù)所花的時間還要多，那么機械學(xué)習(xí)就失去了意義。

7-4 試說明歸納學(xué)習(xí)的模式和學(xué)習(xí)方法。

歸納是一種從個別到一般，從部分到整體的推理行為。歸納學(xué)習(xí)的一般模式為：

給定：觀察陳述（事實）F，嘉定的初始歸納斷言（可能為空），及背景知識 求：歸納斷言（假設(shè)）H，能重言蘊含或弱蘊含觀察陳述，并滿足背景知識。學(xué)習(xí)方法：

（1）示例學(xué)習(xí)

它屬于有師學(xué)習(xí)，是通過從環(huán)境中取得若干與某概念有關(guān)的例子，經(jīng)歸納得出一般性行概念的一種學(xué)習(xí)方法。示例學(xué)習(xí)就是要從這些特殊知識中歸納出適用于更大范圍的一般性知識，它將覆蓋所有的正例并排除所有的反例。（2）觀察發(fā)現(xiàn)學(xué)習(xí)

它屬于無師學(xué)習(xí)，其目標是確定一個定律或理論的一般性描述，刻畫觀察集，制定某類對象的性質(zhì)。它分為觀察學(xué)習(xí)與機器發(fā)現(xiàn)兩種，前者用于對事例進行聚類，形成概念描述，后者用于發(fā)現(xiàn)規(guī)律，產(chǎn)生定律或規(guī)則。

7-5 什么是類比學(xué)習(xí)？其推理和學(xué)習(xí)過程為何？

類比是一種很有用和很有效的推理方法，它能清晰，簡潔地買哦書對象間的相似性，是人類認識世界的 24 一種重要方法。類比推理的目的是從源域S中，選出與目標域T最近似的問題及其求解方法，解決當前問題，或者建立起目標域中已有命題間的聯(lián)系，形成新知識。

類比學(xué)習(xí)就是通過類比，即通過對相似事物加以比較所進行的一種學(xué)習(xí)。類比推理過程如下：（1）回憶與聯(lián)想

通過回憶與聯(lián)想在源域S中找出與目標域T相似的情況。（2）選擇

從找出的相似情況中，選出與目標域T最相似的情況及其有關(guān)知識。（3）建立對應(yīng)關(guān)系

在源域S與目標域T之間建立相似元素的對應(yīng)關(guān)系，并建立起相應(yīng)的映射。（4）轉(zhuǎn)換

把S中的有關(guān)知識引導(dǎo)T中來，從而建立起求解當前問題的方法或者學(xué)習(xí)到關(guān)于T的新知識。

類比學(xué)習(xí)過程主要包括：

（1）輸入一組已經(jīng)條件（已解決問題）和一組未完全確定的條件（新問題）（2）按照某種相似性的定義，尋找兩者可類比的對應(yīng)關(guān)系

（3）根據(jù)相似變換的方法，建立從已解決問題到新問題的映射，以獲得帶求解問題所需的新知識。（4）對通過類比推理得到的關(guān)于新問題的知識進行校驗。驗證正確的知識存入知識庫中，暫時無法驗證的知識作為參考性知識，置于數(shù)據(jù)庫中。

7-10 考慮一個具有階梯型閾值函數(shù)的神經(jīng)網(wǎng)絡(luò)，假設(shè)（1）用一常數(shù)乘所有的權(quán)值和閾值（2）用一常數(shù)加于所有權(quán)值和閾值 試說明網(wǎng)絡(luò)性能是否會變化？（1）不會（2）會

7-11 什么是知識發(fā)現(xiàn)？知識發(fā)現(xiàn)與數(shù)據(jù)挖掘有何關(guān)系？

根據(jù)費亞德的定義，數(shù)據(jù)庫中的知識發(fā)現(xiàn)時從大量數(shù)據(jù)中辨識出有效的，新穎的，潛在有用的，并可被理解的模式的高級處理過程。

數(shù)據(jù)挖掘時知識發(fā)現(xiàn)中的一個步驟，它主要是利用某些特定的知識發(fā)現(xiàn)算法，在一定的運算效率內(nèi)，從數(shù)據(jù)中發(fā)現(xiàn)出有關(guān)知識。

7-12 增大權(quán)值是否能使BP學(xué)習(xí)變慢？ 是

7-13 試說明知識發(fā)現(xiàn)的處理過程。費亞德的知識發(fā)現(xiàn)過程包括：（1）數(shù)據(jù)選擇

根據(jù)用戶需求從數(shù)據(jù)庫中提取與知識發(fā)現(xiàn)相關(guān)的數(shù)據(jù)（2）數(shù)據(jù)預(yù)處理

檢測數(shù)據(jù)的完整性與數(shù)據(jù)的一致性，對噪音數(shù)據(jù)進行處理，對丟失的數(shù)據(jù)利用統(tǒng)計方法進行填補，進行發(fā)掘數(shù)據(jù)庫

（3）數(shù)據(jù)變換

利用聚類分析和判別分析，從發(fā)掘數(shù)據(jù)庫里選擇數(shù)據(jù)（4）數(shù)據(jù)挖掘（5）知識評價

對所獲得的規(guī)則進行價值評定，以決定所得到的的規(guī)則是否存入基礎(chǔ)知識庫

知識發(fā)現(xiàn)的全過程，可進一步歸納為三個步驟，即數(shù)據(jù)挖掘預(yù)處理，數(shù)據(jù)挖掘，數(shù)據(jù)挖掘后處理。

7-14 有哪幾種比較常用的知識發(fā)現(xiàn)方法？試略加介紹。常用的知識發(fā)現(xiàn)方法有：（1）統(tǒng)計方法

統(tǒng)計方法是從事物外在數(shù)量上的表現(xiàn)去推斷事物可能的規(guī)律性，包括傳統(tǒng)方法，模糊集，支持向量機，粗糙集

（2）機器學(xué)習(xí)方法

包括規(guī)則歸納、決策樹、范例推理、貝葉斯信念網(wǎng)絡(luò)，科學(xué)發(fā)現(xiàn)，遺傳算法（3）神經(jīng)計算方法

常用的有剁成感知器，反向傳播網(wǎng)絡(luò)，自適應(yīng)映射網(wǎng)絡(luò)（4）可視化方法

使用有效的可視化界面，可以快速，高效地與大量數(shù)據(jù)打交道，以發(fā)現(xiàn)其中隱藏的特征，關(guān)系，模式和趨勢

7-15知識發(fā)現(xiàn)的應(yīng)用領(lǐng)域有哪些？試展望知識發(fā)現(xiàn)的發(fā)展和應(yīng)用評估。（1）金融業(yè)

數(shù)據(jù)清理，金融市場分析和預(yù)測，賬戶分類，銀行擔(dān)保和信用評估（2）保險業(yè)

通過對索賠者的資料與索賠歷史數(shù)據(jù)模式進行比較，以判定用戶的索賠是否合理（3）制造業(yè)

零部件故障診斷，資源優(yōu)化，生產(chǎn)過程分析（4）市場和零售業(yè)

銷售預(yù)測，庫存需求，零售點選擇和價格分析（5）醫(yī)療業(yè)

數(shù)據(jù)清理，預(yù)測醫(yī)療保險費用（6）司法

案件調(diào)查，詐騙檢測，洗錢認證，犯罪組織分鐘（7）工程與科學(xué) 工程與科學(xué)數(shù)據(jù)分析

第八章 機器人規(guī)劃

8-1 有哪幾種重要的機器人高層規(guī)劃系統(tǒng)？它們各有什么特點？你認為哪種規(guī)劃方法有較大的發(fā)展前景？

基于謂詞邏輯的規(guī)劃是用謂詞邏輯來描述世界模型機規(guī)劃過程的一種規(guī)劃方法（1）規(guī)劃演繹法。用F規(guī)則求解規(guī)劃序列

（2）邏輯演算和通用搜索法。STRIPS和ABSTRIPS系統(tǒng)。（3）具有學(xué)習(xí)能力的規(guī)劃系統(tǒng)。如PULP-I系統(tǒng)

（4）分層規(guī)劃方法。如NOAH規(guī)劃系統(tǒng)，他具有更快的規(guī)劃速度，更強的規(guī)劃能力和更大的適應(yīng)性。發(fā)展前景？

8-5 機器人Rover 正在房外，想進入房內(nèi)，但不能開門讓自己進去，而只能喊叫，讓叫聲促使開門。另一機器人Max 在房間內(nèi)，他能夠開門并喜歡平靜。Max 通?？梢园验T打開來使Rover 停止叫喊。假設(shè) Max 和Rover 各有一個STRIPS規(guī)劃生產(chǎn)系統(tǒng)和規(guī)劃執(zhí)行系統(tǒng)。試說明Max 和 Rover 的STRIPS規(guī)則和動作，并描述導(dǎo)致平衡狀態(tài)的規(guī)劃序列和執(zhí)行的步驟。用來描述狀態(tài)的謂詞公式有： INROOM(X): X在房間里 OUTROOM(X): X不在房間里 SOUND(X): X在喊叫 QUIET(X): X保持安靜

OPENEN(X): X處于打開狀態(tài) CLOSED(X): X處于關(guān)閉狀態(tài)

Rover 可執(zhí)行的動作有： Shout(X): X喊叫

先決條件：OUTROOM(X)AND CLOSED(Door)AND QUIET(X)刪除表：QUIET(X)添加表：SOUND(X)ComeIn(X): X走進房間

先決條件：OUTROOM(X)AND OPEN(Door)刪除表：OUTROOM(X)添加表：INROOM(X)

Max 可執(zhí)行的動作有：

Open(X, Door): 為X打開門

先決條件：SOUND(X)AND OUTROOMX AND CLOSED(Door)刪除表：OPENED(X)添加表：CLOSED(X)

初始狀態(tài)M0 OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)目標狀態(tài)G0 INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)

導(dǎo)致平衡狀態(tài)的規(guī)劃序列為{Shout(Rover), Open(Rover, Door), ComeIn(Rover), Close(Door)} 執(zhí)行步驟：(1)M0：OUTROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)OP1：Shout(Rover)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)(2)M1：OUTROOM(Rover)AND SOUND(Rover)AND CLOSED(Door)AND INROOM(Max)OP2：Open(Rover，Door)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)(3)M2：OUTROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP3：ComeIn(Rover)M3：INROOM(Rover)AND QUIET(Rover)AND OPENED(Door)AND INROOM(Max)OP4：Close(Door)M4(G0)：INROOM(Rover)AND QUIET(Rover)AND CLOSED(Door)AND INROOM(Max)

8-6 用本章討論過的任何規(guī)劃生成系統(tǒng)，解決圖8.22所示機械手堆積木問題。

用來描述狀態(tài)的謂詞公式有： ON(A,B): 積木A在積木B 上 ONTABLE(A): 積木A在桌子上 CLEAR(A): A上沒有東西

HOLDING(A): 機械手正抓住A HANDEMPTY: 機械手為空

機械手可執(zhí)行的動作有：

Stack(X,Y): 把積木X堆在積木Y上

先決條件：HOLDING(X)AND CLEAR(Y)刪除表：HOLDING(X)AND CLEAR(Y)添加表：HANDEMPTY AND ON(X,Y)

UnStack(X,Y): 把堆在積木Y上的積木X抬起

先決條件：HANDEMPTY AND ON(X,Y)AND CLEAR(X)刪除表：HANDEMPTY AND ON(X,Y)添加表：HOLDING(X)AND CLEAR(Y)28

PickUp(X): 從桌面上抓起積木X 先決條件：HANDEMPTY AND ONTABLE(X)AND CLEAR(X)刪除表：ANDEMPTY AND ONTABLE(X)添加表：HOLDING(X)

PutDown(X): 將積木X 放到桌面上 先決條件：HOLDING(X)刪除表：HOLDING(X)添加表：ONTABLE(X)AND HANDEMPTY 初始布局M0：

ON(D,B)AND ON(A,C)AND CLEAR(D)AND ONTALBE(B)AN ONTALBE(C)AND HANDEMPTY 目標布局G0：

ON(A,B)AND ON(B,C)AND ON(C,D)AND ONTABLE(D)AND CLEAR(A)AND HANDEMPTY 如何規(guī)劃？

第九章 Agent 9-1 分布式人工智能系統(tǒng)有何特點？試與多艾真體系統(tǒng)的特性加以比較。分布式人工智能系統(tǒng)的特點：（1）分布性

系統(tǒng)信息（數(shù)據(jù)、知識、控制）在邏輯上和物理上都是分布的（2）連接性

各個子系統(tǒng)和求解機構(gòu)通過計算機網(wǎng)絡(luò)相互連接（3）協(xié)作性

各個子系統(tǒng)協(xié)調(diào)工作（4）開放性

通過網(wǎng)絡(luò)互連和系統(tǒng)的分布，便于擴充系統(tǒng)規(guī)模（5）容錯性

具有較多的冗余處理結(jié)點、通信路徑和知識，提高工作的可靠性（6）獨立性

系統(tǒng)把求解任務(wù)規(guī)約為幾個相對獨立的子任務(wù)，降低了問題求解及軟件開發(fā)的復(fù)雜性

9-2 什么是艾真體？你對Agent的譯法有何見解？

Agent是能夠通過傳感器感知其環(huán)境，并借助執(zhí)行器作用于該環(huán)境的實體，可以看做是從感知序列到動作序列的映射。

其特征為：行為自主性，作用交互性，環(huán)境協(xié)調(diào)性，面向目標性，存在社會性，工作協(xié)作性，運行持續(xù)性，系統(tǒng)適應(yīng)性，結(jié)構(gòu)分布性，功能智能性 把agent 譯為艾真體的原因有：

（1）一種普遍的觀點認為，Agent是一種果果傳感器感知其環(huán)境，并通過執(zhí)行器作用于該環(huán)境的實體。（2）“主體”一詞考慮到了Agent 具有自主性，但并未考慮Agent 還具有交互性，協(xié)調(diào)性，社會性，適應(yīng)性和分布性等特性。

（3）“代理”一詞在漢語中已經(jīng)有明確的含義，并不能表示出Agent的原意。

（4）把Agent譯為艾真體，含有一定物理意義，即某種“真體”或事物，能夠在十分廣泛的領(lǐng)域內(nèi)得到認可。

（5）在找不到一個確切和公認的譯法時，宜采用音譯。

9-3 艾真體在結(jié)構(gòu)上有什么特點？在結(jié)構(gòu)上如何分類？每種結(jié)構(gòu)的特點如何？ 真體=體系結(jié)構(gòu)+程序

（1）在計算機系統(tǒng)中，真體相當于一個獨立的功能模塊，獨立的計算機應(yīng)用系統(tǒng)（2）真體的核心部分是決策生成器或問題求解器，起到主控作用（3）真體的運行時一個或多個進程，并接受總體調(diào)度

（4）各個真體在多個計算機CPU上并行運行，其運行環(huán)境由體系結(jié)構(gòu)支持

結(jié)構(gòu)分類及特點：（1）反應(yīng)式

只是簡單地對外部刺激產(chǎn)生響應(yīng)，沒有內(nèi)部狀態(tài)（2）慎思式

是一個具有顯示符號模型的基于知識的系統(tǒng)（3）跟蹤式

是具有內(nèi)部狀態(tài)的反應(yīng)式真體，通過找到一個條件與現(xiàn)有的環(huán)境匹配的規(guī)則進行工作，然后執(zhí)行與規(guī)則相關(guān)的作用

30（4）基于目標

真體的程序能夠與可能的作用結(jié)果信息結(jié)合起來，以便選擇達到目標的行為，只要指定新的目標，就能夠產(chǎn)生新的作用（5）基于效果

一個具有顯示效果函數(shù)的真體能夠比較由不同作用獲得的效果，從而做出理性決策（6）復(fù)合式

在一個真體內(nèi)組合多種相對獨立和并行執(zhí)行的智能形態(tài)，其結(jié)構(gòu)包括感知、動作、反應(yīng)、建模、規(guī)劃、通信和決策。

9-4 艾真體為什么需要互相通信？

一些交談能向受話者傳送信息，還有一些交談要受話者采取行動。通信的雙重目的就是建立信任和創(chuàng)建社會聯(lián)系。

9-5 試述艾真體通信的步驟、類型和方式。通信的步驟：

在一個通信事件中，講話者（T）要使用文字（W）向受話者（H）調(diào)查建議（P）在講話者身上發(fā)生三種作用：（1）意向：T要H相信P（2）生成：T選擇文字W（3）總和：H決定相信P 在受話者身上發(fā)生四種作用：

（1）感知：H 感知W(理想狀態(tài)下W’=W，但可能會有錯覺)（2）分析：H推斷，W’有多個可能的含義P1，P2，P3…….Pn（3）消岐：H推斷，T要調(diào)查Pi(理想地，Pi=P，但誤解是可能的)（4）總和：H決定相信Pi 通信的類型：

（1）使用TELL和ASK通信

真體分享相同的內(nèi)部表示語言，并通過界面TELL 和ASK 直接訪問相互的知識庫（2）使用形式語言通信

外部通信語言可以與內(nèi)部表示語言不同，并且這些真體的每一個都可以有不同的內(nèi)部語言，只人每個真體能可靠地從外部語言映射到自己的內(nèi)部語言，它們就無須同意任何內(nèi)部符號，其通信是通過語言而不是直接訪問知識庫而實現(xiàn)的 通信的方式：

（1）黑板結(jié)構(gòu)方式

黑板提供公共工作區(qū)，真體可以交換信息，數(shù)據(jù)和知識（2）消息/對話方式

這是實現(xiàn)靈活和復(fù)雜的協(xié)調(diào)策略的基礎(chǔ)。各真體使用規(guī)定的協(xié)議相互交換信息，用于建立通信和協(xié)調(diào)機制。兩真體之間的信息是直接交換的，執(zhí)行中沒有緩沖。

9-6 艾真體有哪幾種主要通信語言？它們各自有什么特點？ 知識詢問與操作語言KQML KQML定義了一種真體間傳遞信息的標準語法以及一些動作表達式，分為通信、消息和內(nèi)容三個從此 知識交換語言KIF 其語法基本上類似于用LISP語法書寫的一階謂詞演算

9-7 多艾真體系統(tǒng)有哪幾種基本模型？其體型結(jié)構(gòu)又有哪幾種？ 基本模型：

（1）BDI模型

它是一個概念和邏輯上的理論模型，滲透在其他模型中，成為研究真體理性和推理機制的基礎(chǔ)。將BDI模型擴展至多真體系統(tǒng)時，提出了聯(lián)合意圖、社會承諾、合理行為等描述真體行為的形式化定義。（2）協(xié)商模型

產(chǎn)生于經(jīng)濟活動理論，主要用于資源競爭，任務(wù)分配和沖突消解等問題（3）協(xié)作規(guī)劃模型

用于制定其協(xié)調(diào)一致的問題求解規(guī)劃。每個真體都具有自己的求解目標，考慮其它真體的行動與約束，并進行獨立規(guī)劃。（4）自調(diào)整模型

為適應(yīng)復(fù)雜控制系統(tǒng)的動態(tài)實時控制和優(yōu)化而提出來。自協(xié)調(diào)模型隨環(huán)境變化自適應(yīng)地調(diào)整行為，是簡歷在開放和動態(tài)環(huán)境下的多真體系統(tǒng)模型。

體系結(jié)構(gòu)：

（1）真體網(wǎng)絡(luò)

無論是遠距離還是短距離的真體，其通信都是直接進行的，當真體數(shù)目較大時，這種一一交互的結(jié)構(gòu)將導(dǎo)致系統(tǒng)效率低下。（2）真體聯(lián)盟

若干近程真體通過助手真體進行交互，而遠程真體則由各個局部真體群體的助手真體完成交互和消息發(fā)送。一個真體無須知道其他真體的詳細信息，比真體網(wǎng)絡(luò)有較大的靈活性。（3）黑板結(jié)構(gòu)

局部真體群體共享數(shù)據(jù)存儲——黑板。其中控制外殼真體負責(zé)信息交互，而網(wǎng)絡(luò)控制真體負責(zé)局部真體群體之間的遠程信息交互。

9-8 試說明多艾真體的協(xié)作方法、協(xié)商技術(shù)和協(xié)調(diào)方式。

協(xié)作是保持非對抗真體間行為協(xié)調(diào)的特例，它通過適當?shù)膮f(xié)調(diào)，合作完成共同目標。協(xié)作方法：

（1）決策網(wǎng)絡(luò)和遞歸建模

決策網(wǎng)絡(luò)可看做是增加了決策節(jié)點和效益節(jié)點的貝葉斯網(wǎng)絡(luò)。根據(jù)對環(huán)境和其他真體的觀察信息和貝葉斯學(xué)習(xí)方法來修正模型，即修正對其他真體行為的信念，并預(yù)測它們的行為。（2）Markov對策

單真體系統(tǒng)中真體的動態(tài)決策其實是一個Markov過程，在多真體系統(tǒng)中真體的Markov決策過程的擴展形式就是隨機對策，即Markov對策（3）真體學(xué)習(xí)方法

多真題系統(tǒng)的協(xié)作，本質(zhì)上說是每個真體學(xué)習(xí)其他真體的邢翁策略模型而采取相應(yīng)的最優(yōu)反應(yīng)。（4）決策樹和對策樹

實質(zhì)是將對策理論和對策過程形式化，以實現(xiàn)真體的自動推理過程 協(xié)商時多真體系統(tǒng)實現(xiàn)協(xié)同，協(xié)作，沖突消解和矛盾處理的關(guān)鍵環(huán)節(jié)

協(xié)商技術(shù)：

（1）協(xié)商協(xié)議

主要研究真體通信語言的定義，表示，處理和語義解釋，主要處理協(xié)商過程總，真體之間的交互

32（2）協(xié)商策略

用于真體決策及選擇協(xié)商協(xié)議和通信消息，主要修改真體內(nèi)的決策和控制過程（3）協(xié)商處理

側(cè)重描述和分析單個真體和多真體協(xié)商社會的整體協(xié)作行為，包括協(xié)商算法和系統(tǒng)分析兩方面 協(xié)調(diào)時一種動態(tài)行為，是真體對環(huán)境及其它真體的適應(yīng)，往往通過改變真體的心智狀態(tài)來實現(xiàn)

協(xié)調(diào)方法：

（1）基于集中規(guī)劃

至少有一個真體具備其他真體的知識，能力和環(huán)境資源知識，它作為主控真體，對系統(tǒng)的目標進行分解，任務(wù)進行規(guī)劃，并指示其他真體執(zhí)行任務(wù)（2）基于協(xié)商

屬于分布式協(xié)調(diào)，系統(tǒng)中沒有作為規(guī)劃的主控真體（3）基于對策論

包括無通信協(xié)調(diào)和有通信協(xié)調(diào)兩類（4）基于社會規(guī)劃

以每個真體都必須遵循的社會規(guī)則，過濾策略，標準和慣例為基礎(chǔ)的協(xié)調(diào)方法

9-9 為什么多艾真體需要學(xué)習(xí)與規(guī)劃？

學(xué)習(xí)能力是衡量多真體系統(tǒng)和其他智能系統(tǒng)的重要特征之一。多真體系統(tǒng)學(xué)習(xí)比單真體學(xué)習(xí)復(fù)雜得多，因為其學(xué)習(xí)對象處于動態(tài)變化中，且其學(xué)習(xí)離不開真體間的通信。只要給計算機設(shè)定一個目標，然后計算機不斷與環(huán)境交互以達到該目標。

規(guī)劃是連接精神狀態(tài)（打算，設(shè)想）與執(zhí)行動作的橋梁。多真體系統(tǒng)中的規(guī)劃與經(jīng)典規(guī)劃有所不同，需要反映環(huán)境的持續(xù)變化。

9-10 你認為多艾真體系統(tǒng)的研究方向應(yīng)是哪些？其應(yīng)用前景又如何？ 研究方向？

應(yīng)用領(lǐng)域有：多機器人協(xié)調(diào)，過程智能控制，網(wǎng)絡(luò)通信與管理，交通控制，電子商務(wù)，遠程教學(xué)，遠程醫(yī)療，網(wǎng)上數(shù)據(jù)挖掘，信息過濾、評估和集成以及數(shù)據(jù)庫管理。

第二篇：人工智能及其應(yīng)用課程總結(jié)

《人工智能及其應(yīng)用》課程總結(jié)

20世紀40年代，計算機的發(fā)明揭開了人類發(fā)展的新篇章，使得人類追尋已久的腦力勞動機械化問題獲得了解決的方法和途徑。計算機能夠代替人類大腦進行復(fù)雜的計算，并且能夠根據(jù)計算對某些問題做出判斷，從某種程度上代替了人腦的部分功能。而隨著計算機計算機技術(shù)的發(fā)展，20世紀50年代人工智能(AI)這一新的學(xué)科門類的誕生，對人類的發(fā)展和進步有著重大的意義。

人工智能是指人類的各種腦力勞動或智能行為，諸如判斷、推理、證明、識別、感知、理解、通信、設(shè)計、思考、規(guī)劃、學(xué)習(xí)和問題求解等思維活動，可用某種智能化的機器來予以人工的實現(xiàn)。諸如機器編譯、機器診斷、機器推理以及各種專家系統(tǒng)。隨著人工智能技術(shù)的發(fā)展，引起了眾多學(xué)科和不同專業(yè)背景學(xué)者們的日益重視，并且發(fā)展出了若干個研究子學(xué)科，如計算機科學(xué)、哲學(xué)、生理學(xué)、社會學(xué)、生物學(xué)、信息學(xué)和計算機數(shù)學(xué)等，人工智能成為一門廣泛的交叉和前沿學(xué)科。因此，《人工智能及其應(yīng)用》課程的學(xué)習(xí)，對于計算機應(yīng)用研究技術(shù)、機械技術(shù)以及本人的專業(yè)——農(nóng)業(yè)機械工程的學(xué)習(xí)和科研工作中，具有十分重要的作用?！度斯ぶ悄芗捌鋺?yīng)用》課程所講授的知識涵蓋面廣、內(nèi)容較多，其中許多章節(jié)所設(shè)計的知識都可以單獨作為一門課程學(xué)習(xí)。因此，通過本學(xué)期對《人工智能及其應(yīng)用》課程的學(xué)習(xí)，我重點總結(jié)一下主要學(xué)習(xí)和掌握的幾方面知識：

1．人工智能的研究與應(yīng)用領(lǐng)域。在人工智能這門學(xué)科中，包含有多個研究領(lǐng)域，每個研究領(lǐng)域都有其特有的感興趣的研究課題、研究技術(shù)和術(shù)語，它們包括：自然語言處理、自動定理證明、智能數(shù)據(jù)檢索系統(tǒng)、機器學(xué)習(xí)、模式識別、視覺系統(tǒng)、問題求解、人工智能方法和程序語言以及自動程序設(shè)計等。通過對這些研究領(lǐng)域的研究和應(yīng)用介紹，我發(fā)現(xiàn)其中專家系統(tǒng)、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、模式識別、機器視覺和數(shù)據(jù)挖掘等方面的知識，是我所研究的專業(yè)領(lǐng)域和課題中，使用計算機軟件進行數(shù)據(jù)處理和自動判別所需要的知識，對我課題的研究和完成將會有很大幫助。

2．知識表示與推理。本部分研究了傳統(tǒng)人工智能的知識表示方法、搜索技術(shù)和知識推理。以符號和邏輯為基礎(chǔ)的傳統(tǒng)人工智能問題求解是通過知識表示和

知識推理來實現(xiàn)的。知識表示的方法有很多，包括圖示法、公式法、結(jié)構(gòu)化方法、陳述式表示、過程式表示、狀態(tài)空間法和問題歸約法等。表示問題是為了進一步求解問題，從問題表示到問題的解決有一個求解的過程，也就是搜索過程。因此，學(xué)習(xí)了圖搜索策略和A*算法的方法和步驟。學(xué)習(xí)了消解原理這一用于一定的子句公式的重要推理規(guī)則，包括消解推理規(guī)則、含有變量的消解式、消解反演求解過程等。并且學(xué)習(xí)了規(guī)則演繹系統(tǒng)和產(chǎn)生式系統(tǒng)。它們是解決比較復(fù)雜的系統(tǒng)和問題的較為先進的推理技術(shù)和系統(tǒng)求解方法，能夠解決搜索推理方法難以解決的一些問題。

3．計算智能。包括人工神經(jīng)網(wǎng)絡(luò)計算、模糊計算、粗糙集理論、遺傳算法、進化策略、進化編程、人工生命、粒群優(yōu)化、蟻群算法、自然計算和免疫計算。其中每一部分都可以作為單獨的一門課程和知識進行深入的學(xué)習(xí)和研究。其中，我結(jié)合課程內(nèi)容，重點學(xué)習(xí)和研究了人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是模擬生物神經(jīng)元的特性而產(chǎn)生的，是基于生物神經(jīng)元特性的互聯(lián)模型制造的算法及機器。包括有以下幾個重要特性：并行分布處理、非線性映射、通過訓(xùn)練進行學(xué)習(xí)、適應(yīng)與集成、硬件實現(xiàn)性。在本部分學(xué)習(xí)了神經(jīng)網(wǎng)絡(luò)是由基本處理單元——神經(jīng)元及其互聯(lián)方法構(gòu)成的。其網(wǎng)絡(luò)基本結(jié)構(gòu)分為兩類：遞歸網(wǎng)絡(luò)和前饋網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)的主要學(xué)習(xí)算法有：有師學(xué)習(xí)、無師學(xué)習(xí)和強化學(xué)習(xí)三種。具體學(xué)習(xí)了自適應(yīng)諧振理論網(wǎng)絡(luò)、學(xué)習(xí)矢量量化網(wǎng)絡(luò)、Kohonen網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)，并且學(xué)習(xí)了基于神經(jīng)網(wǎng)絡(luò)的知識表示方法和推理方法。通過這部分的學(xué)習(xí)，了解了神經(jīng)網(wǎng)絡(luò)的應(yīng)用方法和應(yīng)用領(lǐng)域，由于其學(xué)習(xí)和適應(yīng)、自組織、函數(shù)逼近和大規(guī)模并行處理等能力，因而在模式識別、信號處理、系統(tǒng)辨識和優(yōu)化等方面有著廣泛的應(yīng)用。

4．機器學(xué)習(xí)。機器學(xué)習(xí)是一門研究機器獲取新知識和新技能，并實現(xiàn)現(xiàn)有知識的學(xué)問。在此部分，主要學(xué)習(xí)了機器學(xué)習(xí)的主要策略、系統(tǒng)的基本結(jié)構(gòu)和各種機器學(xué)習(xí)算法，包括：機械學(xué)習(xí)、歸納學(xué)習(xí)、類比學(xué)習(xí)、解釋學(xué)習(xí)、神經(jīng)學(xué)習(xí)和知識發(fā)現(xiàn)。而其中的一些學(xué)習(xí)方法又與以前學(xué)習(xí)章節(jié)中的內(nèi)容有所交叉，如神經(jīng)學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)。介紹了各種學(xué)習(xí)方法的定義、結(jié)構(gòu)、基本計算方法和流程等知識。機器學(xué)習(xí)廣泛的應(yīng)用于圖像處理、模式識別、機器人動力學(xué)與控制、自動控制、自然語言理解、語音識別、信號處理和專家系統(tǒng)等領(lǐng)域。

通過對《人工智能及其應(yīng)用》課程的學(xué)習(xí)，使我學(xué)習(xí)了人工智能的各種基本算法和思想，了解了各種方法的應(yīng)用領(lǐng)域和適用范圍。由于我的研究課題中，也需要對采集的數(shù)據(jù)進行處理和做出判斷，因此必然涉及人工智能的相關(guān)知識。課程包含內(nèi)容很多，涵蓋的領(lǐng)域非常廣泛，雖然學(xué)習(xí)深度有限，但是正是對人工智能知識的廣泛了解，才能擴展我的研究思路，選定方向和研究算法，進行更深層次的研究。

第三篇：人工智能2015復(fù)習(xí)資料解讀

1.深度優(yōu)先方法的特點是什么？ 答:（1）屬于圖搜索；（2）是一個通用的搜索方法；（3）如果深度限制不合適，有可能找不到問題的解；（4）不能保證找到最優(yōu)解。

2.什么是置換？置換是可交換的嗎？

答: 通常用有序?qū)Φ募蟬＝{t1/v1，t2/v2，?，tn/vn}來表示任一置換，置換集的元素ti/vi的含義是表達式中的變量vi處處以項ti來替換，用s對表達式E作置換后的例簡記為Es。一般來說，置換是不可交換的，即兩個置換合成的結(jié)果與置換使用的次序有關(guān)。3.填寫下面的三值邏輯表。

其中T，F(xiàn)，U分別表示真，假，不能判定

4.什么是產(chǎn)生式？

答：產(chǎn)生式規(guī)則基本形式：P→Q 或者

IF P THEN Q P 是產(chǎn)生式的前提（前件），用于指出該產(chǎn)生式是否可用的條件 Q 是一組結(jié)論或操作（后件），用于指出當前提 P 所指示的條件滿足時，應(yīng)該得出的結(jié)論或應(yīng)該執(zhí)行的操作

5.產(chǎn)生式規(guī)則的語義是什么？

產(chǎn)生式規(guī)則的語義：如果前提P被滿足，則可推出結(jié)論 Q 或執(zhí)行 Q 所規(guī)定的操作 6.解釋下列模糊性知識： 1)張三，體型，（胖，0.9））。

2)(患者，癥狀，(頭疼，0.95))∧(患者，癥狀，(發(fā)燒，1.1))→(患者，疾病，(感冒，1.2))答：1）表示：命題“張三比較胖”

2）解釋為：如果患者有些頭疼并且發(fā)高燒，則他患了重感冒。

7、簡單闡述產(chǎn)生式系統(tǒng)的組成：

答：1）產(chǎn)生式規(guī)則庫：描述相應(yīng)領(lǐng)域知識的產(chǎn)生式規(guī)則集。2）數(shù)據(jù)庫：（事實的集合）存放問題求解過程中當前信息的數(shù)據(jù)結(jié)構(gòu)（初始事實、外部數(shù)據(jù)庫輸入的事實、中間結(jié)果事實和最后結(jié)果事實）。3）推理機：（控制系統(tǒng)）是一個程序，控制協(xié)調(diào)規(guī)則庫與數(shù)據(jù)庫的運行，包含推理方式和控制策略。

8、補齊產(chǎn)生式系統(tǒng)與圖搜索的對比表

答：

9、已知W={P(f(x,g(A,y)),z),P(f(x,z),z)}，求MGU 答：k=0;S0=S;δ0=ε;S0不是單元素集，求得差異集D0={g(A,y)},z},其中z是變元，g(A,y)是項，且z不在g(A,y)中出現(xiàn)。k=k+1=1 有δ1=δ0·｛g(A,y)/z｝=ε·｛g(A,y)/z｝=｛g(A,y)/z｝，S1=S0·｛g(A,y)/z｝={P(f(x,g(A,y)),g(A,y))},S1是單元素集。根據(jù)求MGU算法，MGU=δ1=｛g(A,y)/z｝ 10.證明G是否是F1、F2的邏輯結(jié)論；

F1：?x(P(x)?(Q(x)?R(x))F2：?x(P(x)?S(x))G：?x(S(x)?R(x))證:①┓P(x)∨Q(x)．．．從F1變換

②┓P(y)∨R(y)` ．．．從F1變換 ③P(a)

．．．從F2變換 ④S(a)

．．．從F2變換 ⑤┓S(z)∨┓R(z)．．．結(jié)論的否定

⑥R(a)

．．．②③歸結(jié)｛a/y｝ ⑦┓R(a)

．．．④⑤歸結(jié)｛a/z｝ ⑧□

．．．⑥⑦歸結(jié) 得證.11.謂詞公式G通過８個步驟所得的子句集合S，稱為G的子句集。請寫出這些步驟。答：1）消去蘊含式和等價式→，<->

2）縮小否定詞的作用范圍，直到其作用于原子公式: 3）適當改名，使量詞間不含同名指導(dǎo)變元和約束變元。

4.）消去存在量詞（形成Skolem標準型）

5）消去所有全稱量詞

6)化成合取范式

7).適當改名，使子句間無同名變元

8).消去合取詞∧，用逗號代替，以子句為元素組成一個集合S 12.已知S={P(f(x),y,g(y)),P(f(x),z,g(x))}，求MGU 答：k=0;S0=S;δ0=ε;S0不是單元素集，求得差異集D0={y,z},其中y是變元，z是項，且y不在z中出現(xiàn)。k=k+1=1 有δ1=δ0·｛z/y｝=ε·｛z/y｝=｛z/y｝，S1=S0·｛z/y｝={P(f(x),z,g(z)),P(f(x),z,g(x))},S1不是單元素集，求得差異集D1=｛z,x｝,k=k+1=2;δ2=δ1·｛z/x｝=｛z/y,z/x｝, S2=S1·｛z/x｝=｛P(f(z),z,g(z))｝是單元素集。根據(jù)求MGU算法，MGU=δ2=｛z/y,z/x｝ 13.證明G是否是F的邏輯結(jié)論；

F:?x(P(x)?Q(a)?Q(x))G:?x(P(x)?Q(x))2 證:①P(x)

．．．從F變換

②Q(a)∨Q(x)．．．從F變換 ③┓P(y)∨┓Q(y)．．．結(jié)論的否定 ④┓Q(x)

．．．①③歸結(jié),{x/y} ⑤□

．．．②④歸結(jié),置換{a/x} 得證。

14.某問題由下列公式描述：

試用歸結(jié)法證明(x)R(x)；

15.下圖所示博弈樹，按從左到右的順序進行α-β剪枝搜索，試標明各生成節(jié)點的到推值，何處發(fā)生剪枝，及應(yīng)選擇的走步。10分

16.設(shè)有如下關(guān)系：（1）如果x是y的父親，y又是z的父親，則x是z的祖父；（2）老李是大李的父親；（3）大李是小李的父親；問上述人員中誰和誰是祖孫關(guān)系？(10分)解:現(xiàn)定義如下謂詞

F(x,y)------x是y的父親;G(x,z)------x是y的祖父;用謂詞邏輯表示已知與求解:(1)F(x,y)∧F(y,z)→G(x,z)(2)F(L,D)(3)F(D,X)(4)G(u,v),u=?,v=? 其中,L表示老李,D表示大李,X表示小李。先證存在祖孫關(guān)系

① ～F(x,y)∨～F(y,z)∨G(x,z)．．．從(1)變換 ② F(L,D)

．．．從(2)變換 ③ F(D,X)

．．．從(3)變換 ④ ～G(u,v)

．．．結(jié)論的否定 ⑤ ～F(D,z)∨G(L,z)．．．①②歸結(jié),置換｛L/x,D/y｝ ⑥ G(L,X)

．．．③⑤歸結(jié),置換｛X/z｝ ⑦ □

．．．④⑥歸結(jié),置換｛L/u,X/v｝ 得證,說明存在祖孫關(guān)系。為了求解用一個重言式④ ④ ～G(u,v)∨G(u,v)．．．用重言式代替結(jié)論的否定,重言式恒為真 ⑤ ～F(D,z)∨G(L,z)．．．①②歸結(jié),置換｛L/x,D/y｝ ⑥ G(L,X)

．．．③⑤歸結(jié),置換｛X/z｝ ⑦ G(L,X)

．．．④⑥歸結(jié),置換｛L/u,X/v｝ 得結(jié)果:L是X的祖父，即老李是小李的祖父。張某被盜，公安局派了五個偵察員去調(diào)查。研究案情時，偵察員Ａ說：“趙與錢中至少有一人作案”；偵察員Ｄ說：“錢與孫至少有一人作案”；偵察員Ｃ說：“孫與李中至少有一個作案”；偵察員Ｄ說“趙與孫至少一個與案無關(guān)”；偵察員Ｅ說“錢與李中至少有一人與此案無關(guān)”。如果這五個偵察員的話都是可信的，試用消解原理推理求出誰是盜竊犯。（10分）解：設(shè)用T(x)表示x是作案者，則

偵察員A的話可表示：T(趙)T(錢)

偵察員B的話可表示：T(錢)T(孫)

偵察員C的話可表示：T(孫)T(李)

偵察員D的話可表示：T(趙)T(孫)

偵察員E的話可表示：T(錢)T(李)上面五個組成子句集S，求誰是作案者，把T(x)ANSWER(x)并入S1得到。即比S1多出如下一個子句：T(x)ANSWER(x)然后利用消解原理對S1進行消解可得答案：錢和孫是作案者。18.將命題：“某個學(xué)生讀過三國演義”分別用謂詞公式和語義網(wǎng)絡(luò)表示 答：謂詞公式表示：

??x(student(x)∧read(x,三國演義))語義網(wǎng)絡(luò)表示如圖：

19.利用謂詞邏輯表示下列知識（包括已知和結(jié)論），然后化成子句集：（1）凡是清潔的東西就有人喜歡；（2）人們都不喜歡蒼蠅 求證：蒼蠅是不清潔的。證：現(xiàn)定義如下謂詞

L(x,y)------某人x喜歡某物y； P(y)------某物y是清潔的東西

(1)?y?x(P(y)→L(x,y))==> ┓P(y)∨L(f(y),y)(2)?x(┓L(x,Fly))==> ┓L(x,Fly)(3)P(Fly)．．．結(jié)論的反

(4)L(f(Fly), Fly)．．．(1)(3)歸結(jié),置換{Fly/y}(5)□

．．．(2)(4)歸結(jié),{f(Fly)/x} 得證。

20.用語義網(wǎng)絡(luò)表示下列信息：

(1)胡途是思源公司的經(jīng)理，他35歲，住在飛天胡同68號

(2)清華大學(xué)與北京大學(xué)進行藍球比賽，最后以89：102的比分結(jié)束。答：

21.圖示博弈樹，其中末一行的數(shù)字為假設(shè)的估值，請利用α-β剪枝技術(shù)剪去不必要的分枝。（在節(jié)點及邊上直接加注釋）

22.什么是人工智能？

答：人工智能(學(xué)科)是計算機科學(xué)中涉及研究、設(shè)計和應(yīng)用智能機器的一個分支。它的近期主要目標在于研究用機器來模仿和執(zhí)行人腦的某些智力功能，并開發(fā)相關(guān)理論和技術(shù)。23.什么是聯(lián)結(jié)主義？

答：聯(lián)結(jié)主義(Connectionism)，又稱為仿生學(xué)派(Bionicsism)或生理學(xué)派(Physiologism)，其原理主要為神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機制與學(xué)習(xí)算法。24.什么是自然語言理解？

答：語言處理也是人工智能的早期研究領(lǐng)域之一，并引起了進一步的重視。語言的生成和理解是一個極為復(fù)雜的編碼和解碼問題。一個能理解自然語言信息的計算機系統(tǒng)看起來就像一個人一樣需要有上下文知識以及根據(jù)這些上下文知識和信息用信息發(fā)生器進行推理的過程。理解口頭的和書寫語言的計算機系統(tǒng)所取得的某些進展，其基礎(chǔ)就是有關(guān)表示上下文知識結(jié)構(gòu)的某些人工智能思想以及根據(jù)這些知識進行推理的某些技術(shù)。

25.什么是知識表示？

答：是研究用機器表示知識的可行性、有效性的一般方法，是一種數(shù)據(jù)結(jié)構(gòu)與控制結(jié)構(gòu)的統(tǒng)一體，既考慮知識的存儲又考慮知識的使用。26.什么是神經(jīng)網(wǎng)絡(luò)？

答：神經(jīng)網(wǎng)絡(luò)處理直覺和形象思維信息具有比傳統(tǒng)處理方式好得多的效果。

神經(jīng)網(wǎng)絡(luò)已在模式識別、圖象處理、組合優(yōu)化、自動控制、信息處理、機器人學(xué)和人工智能的其它領(lǐng)域獲得日益廣泛的應(yīng)用。27.什么是產(chǎn)生式系統(tǒng)？

答：在基于規(guī)則系統(tǒng)中，每個if可能與某斷言(assertion)集中的一個或多個斷言匹配，then部分用于規(guī)定放入工作內(nèi)存的新斷言。當then部分用于規(guī)定動作時，稱這種基于規(guī)則的系統(tǒng)為反應(yīng)式系統(tǒng)(reaction system)或產(chǎn)生式系統(tǒng)(production system)。

28、證明G是否是F1、F2的邏輯結(jié)論；

F1：?x(P(x)?(Q(x)?R(x))F2：?x(P(x)?S(x))G：?x(S(x)?R(x))

證明G是否是F1、F2的邏輯結(jié)論； 證明：①┓P(x)∨Q(x)．．．從F1變換 ②┓P(y)∨R(y)` ．．．從F1變換 ③P(a)

．．．從F2變換 ④S(a)

．．．從F2變換 ⑤┓S(z)∨┓R(z)．．．結(jié)論的否定 ⑥R(a)

．．．②③歸結(jié)｛a/y｝ ⑦┓R(a)．．．④⑤歸結(jié)｛a/z｝ ⑧□

．．．⑥⑦歸結(jié) 得證.29.簡述產(chǎn)生式系統(tǒng)推理的三種方式。答：正向推理

從一組表示事實的謂詞或命題出發(fā)，使用一組產(chǎn)生式規(guī)則，用以證明該謂詞公式或命題是否成立。

一般策略：先提供一批事實（數(shù)據(jù)）到總數(shù)據(jù)庫中。系統(tǒng)利用這些事實與規(guī)則的前提相匹配，觸發(fā)匹配成功的規(guī)則，把其結(jié)論作為新的事實添加到總數(shù)據(jù)庫中。繼續(xù)上述過程，用更新過的總數(shù)據(jù)庫的所有事實再與規(guī)則庫中另一條規(guī)則匹配，用其結(jié)論再次修改總數(shù)據(jù)庫的內(nèi)容，直到?jīng)]有可匹配的新規(guī)則，不再有新的事實加到總數(shù)據(jù)庫中。

逆向推理

從表示目標的謂詞或命題出發(fā)，使用一組產(chǎn)生式規(guī)則證明事實謂詞或命題成立，即首先提出一批假設(shè)目標，然后逐一驗證這些假設(shè)。

一般策略：首先假設(shè)一個可能的目標，然后由產(chǎn)生式系統(tǒng)試圖證明此假設(shè)目標是否在總數(shù)據(jù)庫中。若在總數(shù)據(jù)庫中，則該假設(shè)目標成立；否則，若該假設(shè)為終葉（證據(jù)）節(jié)點，則詢問用戶。若不是，則再假定另一個目標，即尋找結(jié)論部分包含該假設(shè)的那些規(guī)則，把它們的前提作為新的假設(shè)，并力圖證明其成立。這樣反復(fù)進行推理，直到所有目標均獲證明或者所有路徑都得到測試為止。

雙向推理

雙向推理的推理策略是同時從目標向事實推理和從事實向目標推理，并在推理過程中的某個步驟，實現(xiàn)事實與目標的匹配。闡述語義網(wǎng)絡(luò)的基本語義聯(lián)系。

答：隸屬關(guān)系，包含關(guān)系，屬性關(guān)系，時間關(guān)系，位置關(guān)系，相近關(guān)系，因果關(guān)系，組成關(guān)系 31.闡述求子句集的步驟。

(1)消去蘊涵符號

(2)減少否定符號的轄域

(3)對變量標準化

(4)消去存在量詞

(5)化為前束形

(6)把母式化為合取范式

(7)消去全稱量詞

(8)消去連詞符號∧

(9)更換變量名稱 32.什么叫信息處理系統(tǒng)？

答：又叫符號操作系統(tǒng)(Symbol Operation System)或物理符號系統(tǒng)(Physical Symbol System)。所謂符號就是模式(pattern)。

一個完善的符號系統(tǒng)應(yīng)具有下列6種基本功能：(1)輸入符號(input)；(2)輸出符號(output);(3)存儲符號(store);(4)復(fù)制符號(copy);(5)建立符號結(jié)構(gòu)：通過找出各符號間的關(guān)系，在符號系統(tǒng)中形成符號結(jié)構(gòu)；(6)條件性遷移(conditional transfer):根據(jù)已有符號，繼續(xù)完成活動過程 33.什么是行為主義？

答：又稱進化主義(Evolutionism)或控制論學(xué)派(Cyberneticsism)，其原理為控制論及感知 34.什么是專家系統(tǒng)？

答：一般地說，專家系統(tǒng)是一個智能計算機程序系統(tǒng)，其內(nèi)部具有大量專家水平的某個領(lǐng)域知識與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來解決該領(lǐng)域的問題。

發(fā)展專家系統(tǒng)的關(guān)鍵是表達和運用專家知識，即來自人類專家的并已被證明對解決有關(guān)領(lǐng)域內(nèi)的典型問題是有用的事實和過程。35.什么是自然語言理解？

答：語言處理也是人工智能的早期研究領(lǐng)域之一，并引起了進一步的重視。語言的生成和理解是一個極為復(fù)雜的編碼和解碼問題。

一個能理解自然語言信息的計算機系統(tǒng)看起來就像一個人一樣需要有上下文知識以及根據(jù)這些上下文知識和信息用信息發(fā)生器進行推理的過程。理解口頭的和書寫語言的計算機系統(tǒng)所取得的某些進展，其基礎(chǔ)就是有關(guān)表示上下文知識結(jié)構(gòu)的某些人工智能思想以及根據(jù)這些知識進行推理的某些技術(shù)。36.什么是智能機器？

答：能夠在各類環(huán)境中自主地或交互地執(zhí)行各種擬人任務(wù)(anthropomorphic tasks)的機器。37.什么是符號主義？

答：又稱為邏輯主義(Logicism)、心理學(xué)派(Psychlogism)或計算機學(xué)派(Computerism)，其原理主要為物理符號系統(tǒng)(即符號操作系統(tǒng))假設(shè)和有限合理性原理。38.什么是知識？以及特點和分類

答：是人類智能的基礎(chǔ)，是經(jīng)過加工的信息，是由特定領(lǐng)域的 描述、關(guān)系和過程組成的，是事實、信念和啟發(fā)式規(guī)則。

知識的特點：相對正確性，不確定性，可表示性，可利用性。

知識的分類：事實性知識，過程性知識，行為性知識，實例性知識，類比性知識，元知識。39.簡述人工智能的研究領(lǐng)域。

答：專家系統(tǒng)；模式識別；機器人學(xué)；自動定理證明；自然語言理解；博弈；智能檢索；自動 程序設(shè)計 ；組合調(diào)度 問題；軟件集；分布式人工智能；數(shù)據(jù)挖掘； 40.簡述工智能的基本技術(shù)。

答：技術(shù)，搜索技術(shù)，歸納技術(shù)，聯(lián)想技術(shù)。41.簡述架表示法的特點

答：繼承性，結(jié)構(gòu)化，自然性，推理靈活多變。

42.知識是大腦對現(xiàn)實世界認識的表達，它經(jīng)過對信息的加工整理、解釋、挑選和改造而成。通常知識可以從范圍、目的和有效性三個方面來描述，其中知識的范圍是由具體到一般，知識的目的是由說明性到指定性，知識的有效性是由確定到不確定。

43.不確定性推理：不確定性推理泛指除精確推理以外的其它各種推理問題。包括不完備、不精確知識的推理，模糊知識的推理，非單調(diào)性推理等。不確定性推理過程實際上是一種從不確定的初始證據(jù)出發(fā)，通過運用不確定性知識，最終推出具有一定不確定性但卻又是合理或基本合理的結(jié)論的思維過程

44.證據(jù)理論是由德普斯特(A.P.Dempster)首先提出，并有沙佛(G.Shafer)進一步發(fā)展起來的用于處理不確定性的一種理論，也稱DS(Dempster-Shafer)理論。它將概率論中的單點賦值擴展為集合賦值，可以處理由“不知道”所引起的不確定性，比主觀Bayes方法有著更大的靈活性。

在DS理論中，可以分別用信任函數(shù)、似然函數(shù)及類概率函數(shù)來描述知識的精確信任度、不可駁斥信任度及估計信任度。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的?！_爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上。——高爾基

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第四篇：人工智能的發(fā)展及應(yīng)用解讀

人工智能的發(fā)展及應(yīng)用

學(xué)院 ： 班級 ： 姓名 ： 學(xué)號 ：

人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計算機實現(xiàn)智能的原理、制造類似于人腦智能的計算機，使計算機能實現(xiàn)更高層次的應(yīng)用。人工智能幾乎涉及到是自然科學(xué)和社會科學(xué)的所有學(xué)科，其范圍已遠遠超出了計算機科學(xué)的范疇，人工智能與思維科學(xué)的關(guān)系是實踐和理論的關(guān)系，人工智能是處于思維科學(xué)的技術(shù)應(yīng)用層次，是它的一個應(yīng)用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發(fā)展，數(shù)學(xué)常被認為是多種學(xué)科的基礎(chǔ)科學(xué)，數(shù)學(xué)也進入語言、思維領(lǐng)域，人工智能學(xué)科也必須借用數(shù)學(xué)工具，數(shù)學(xué)不僅在標準邏輯、模糊數(shù)學(xué)等范圍發(fā)揮作用，數(shù)學(xué)進入人工智能學(xué)科，它們將互相促進而更快地發(fā)展。

人工智能是包括十分廣泛的科學(xué)，它由不同的領(lǐng)域組成，如機器學(xué)習(xí)，計算機視覺等等，總的說來，人工智能研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復(fù)雜工作。人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創(chuàng)造人工智能的地步，等等。但總的來說，“人工系統(tǒng)”就是通常意義下的人工系統(tǒng)。關(guān)于什么是“智能”，就問題多多了。這涉及到其它諸如意識、自我、思維等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構(gòu)成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。關(guān)于人工智能一個大家比較容易接受的定義是這樣的： 人工智能是人造的智能,是計算機科學(xué)、邏輯學(xué)、認知科學(xué)交叉形成的一門科學(xué)，簡稱AI。

人工智能體現(xiàn)在思維、感知、行為三個層次。它主要模擬眼神、擴展人的智能。其研究內(nèi)容可以分為機器思維和思維機器、機器行為和行為機器、機器感知和感知機器、三個層次。人工智能研究與應(yīng)用雖然取得了不少成果，但離全面推廣應(yīng)用還有很大距離，還有很多問題需要許多學(xué)科的共同研究。

人工智能有兩種實現(xiàn)方式，第一種叫做工程學(xué)方法（Engineering approach），是采用傳統(tǒng)的編程技術(shù)，使系統(tǒng)呈現(xiàn)智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。它已在一些領(lǐng)域內(nèi)作出了成果，如文字識別、電腦下棋等。第二種是模擬法（Modeling approach），它不僅要看效果，還要求實現(xiàn)方法也和人類或生物機體所用的方法相同或相類似。第一種方法，需要人工詳細規(guī)定程序邏輯，如果游戲簡單，還是方便的。如果游戲復(fù)雜，角色數(shù)量和活動空間增加，相應(yīng)的邏輯就會很復(fù)雜（按指數(shù)式增長），人工編程就非常繁瑣，容易出錯。而一旦出錯，就必須修改原程序，重新編譯、調(diào)試，最后為用戶提供一個新的版本或提供一個新補丁, 非常麻煩。采用第二種方法時，編程者要為每一角色設(shè)計一個智能系統(tǒng)（一個模塊）來進行控制，這個智能系統(tǒng)（模塊）開始什么也不懂，就像初生嬰兒那樣，但它能夠?qū)W習(xí)，能漸漸地適應(yīng)環(huán)境，應(yīng)付各種復(fù)雜情況。人工智能的發(fā)展: 人工智能的研究經(jīng)歷了以下幾個階段: 孕育階段:古希臘的Aristotle（亞里士多德）（前384-322），給出了形式邏輯的基本規(guī)律。英國的哲學(xué)家、自然科學(xué)家Bacon（培根）（1561-1626），系統(tǒng)地給出了歸納法?！爸R就是力量”德國數(shù)學(xué)家、哲學(xué)家Leibnitz（布萊尼茲）（1646-1716）。提出了關(guān)于數(shù)理邏輯的思想，把形式邏輯符號化，從而能對人的思維進行運 算和推理。做出了能做四則運算的手搖計算機英國數(shù)學(xué)家、邏輯學(xué)家Boole（布爾）（1815-1864）實現(xiàn)了布萊尼茨 的思維符號化和數(shù)學(xué)化的思想,提出了一種嶄新的代數(shù)系統(tǒng)——布爾代數(shù)。

第一階段: 50 年代人工智能的興起和冷落人工智能概念首次提出后，相繼出現(xiàn)了一批顯著的成果，如機器定理證明、跳棋程序、通用問題s 求解程序LISP表處理語言等。但由于消解法推理能力的有限，以及機器翻譯等的失敗，使人工智能走入了低谷。這一階段的特點是：重視問題求解的方法，忽視知識重要性。

第二階段: 60 年代末到70 年代，專家系統(tǒng)出現(xiàn)，使人工智能研究出現(xiàn)新高潮DENDRAL 化學(xué)質(zhì)譜分析系統(tǒng)、MYCIN 疾病診斷和治療系統(tǒng)、PROSPECTIOR 探礦系統(tǒng)、Hearsay-II 語音理解系統(tǒng)等專家系統(tǒng)的研究和開發(fā)，將人工智能引向了實用化。并且，1969 年成立了國際人工智能聯(lián)合會議（International Joint Conferences onArtificial Intelligence 即IJCAI）。

第三階段: 80 年代，隨著第五代計算機的研制，人工智能得到了很大發(fā)展日本1982 年開始了“第五代計算機研制計劃”，即“知識信息處理計算機系統(tǒng)K I P S”，其目的是使邏輯推理達到數(shù)值運算那么快。雖然此計劃最終失敗，但它的開展形成了一股研究人工智能的熱潮。

第四階段: 80 年代末，神經(jīng)網(wǎng)絡(luò)飛速發(fā)展1987 年，美國召開第一次神經(jīng)網(wǎng)絡(luò)國際會議，宣告了這一新學(xué)科的誕生。此后，各國在神經(jīng)網(wǎng)絡(luò)方面的投資逐漸增加，神經(jīng)網(wǎng)絡(luò)迅速發(fā)展起來。

第五階段: 90 年代，人工智能出現(xiàn)新的研究高潮由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)的發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究。不僅研究基于同一目標的分布式問題求解，而且研究多個智能主體的多目標問題求解，將人工智能更面向?qū)嵱?。另外，由于Hopfield 多層神經(jīng)網(wǎng)絡(luò)模型的提出，使人工神經(jīng)網(wǎng)絡(luò)研究與應(yīng)用出現(xiàn)了欣欣向榮的景象。人工智能已深入到社會生活的各個領(lǐng)域。人工智能的應(yīng)用: 人工智能是在計算機科學(xué)、控制論、信息論、心理學(xué)、語言學(xué)等多種學(xué)科相互滲透的基礎(chǔ)發(fā)展起來的一門新興邊緣學(xué)科，主要研究用機器（主要是計算機）來模仿和實現(xiàn)人類的智能行為，經(jīng)過幾十年的發(fā)展，人工智能應(yīng)用在不少領(lǐng)域得到發(fā)展，在我們的日常生活和學(xué)習(xí)當中也有許多地方得到應(yīng)用。本文就符號計算、模式識別、專家系統(tǒng)、機器翻譯等方面的應(yīng)用作簡單介紹，籍此使讀者對我們身邊的人工智能應(yīng)用有一個感性的認識。

符號計算計算機最主要的用途之一就是科學(xué)計算,科學(xué)計算可分為兩類: 一類是純數(shù)值的計算,例如求函數(shù)的值, 方程的數(shù)值解, 比如天氣預(yù)報、油藏模擬、航天等領(lǐng)域;另一類是符號計算,又稱代數(shù)運算,這是一種智能化的計算, 處理的是符號。符號可以代表整數(shù)、有理數(shù)、實數(shù)和復(fù)數(shù),也可以代表多項式,函數(shù),集合等。隨著計算機的普及和人工智能的發(fā)展,相繼出現(xiàn)了多種功能齊全的計算機代數(shù)系統(tǒng)軟件, 其中Mathematica和Maple 是它們的代表，由于它們都是用C 語言寫成的, 所以可以在絕大多數(shù)計算機上使用。

模式識別模式識別就是通過計算機用數(shù)學(xué)技術(shù)方法來研究模式的自動處理和判讀。這里,我們把環(huán)境與客體統(tǒng)稱為“模式”, 隨著計算機技術(shù)的發(fā)展，人類有可能研究復(fù)雜的信息處理過程。用計算機實現(xiàn)模式（文字、聲音、人物、物體等）的自動識別，是開發(fā)智能機器的一個最關(guān)鍵的突破口，也為人類認識自身智能提供線索。計算機識別的顯著特點是速度快、準確性和效率高。識別過程與人類的學(xué)習(xí)過程相似。以“語音識別”為例：語音識別就是讓計算機能聽懂人說的話，一個重要的例子就是七國語言（英、日、意、韓、法、德、中）口語自動翻譯系統(tǒng)。該系統(tǒng)實現(xiàn)后，人們出國預(yù)定旅館、購買機票、在餐館對話和兌換外幣時，只要利用電話網(wǎng)絡(luò)和國際互聯(lián)網(wǎng)，就可用手機、電話等與“老外”通話。指紋是人體的一個重要特征，具有唯一性。北京大學(xué)有關(guān)專家對數(shù)字圖像的離散幾何性質(zhì)進行了深入研究，建立了從指紋灰度圖像精確計算紋線局部方向、進而提取指紋特征信息的理論與算法，隨后研究成功了適于民用身份鑒定的全自動指紋鑒定系統(tǒng)，以及適于公安刑事偵破的指紋鑒定系統(tǒng)。從而開創(chuàng)了我國指紋自動識別系統(tǒng)應(yīng)用的先河。北京指紋自動識別系統(tǒng)的推出，使我國公安干警從指紋查對的繁重人工處理中解放出來。

專家系統(tǒng)專家系統(tǒng)是一種模擬人類專家解決某些領(lǐng)域問題的計算機程序系統(tǒng)。專家系統(tǒng)內(nèi)部含有大量的某個領(lǐng)域的專家水平的知識與經(jīng)驗，能夠運用人類專家的知識和解決問題的方法進行推理和判斷，模擬人類專家的決策過程，來解決該領(lǐng)域的復(fù)雜問題。專家系統(tǒng)是人工智能應(yīng)用研究最活躍和最廣泛的應(yīng)用領(lǐng)域之一,涉及到社會各個方面，各種專家系統(tǒng)已遍布各個專業(yè)領(lǐng)域，取得很大的成功。根據(jù)專家系統(tǒng)處理的問題的類型，把專家系統(tǒng)分為解釋型、診斷型、調(diào)試型、維修型、教育型、預(yù)測型、規(guī)劃型、設(shè)計型和控制型等1 0 種類型。具體應(yīng)用就很多了，例如血液凝結(jié)疾病診斷系統(tǒng)、電話電纜維護專家系統(tǒng)、花布圖案設(shè)計和花布印染專家系統(tǒng)等等。

機器翻譯機器翻譯是利用計算機把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機器翻譯系統(tǒng)。目前，國內(nèi)的機器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。未來發(fā)展與展望: 未來人工智能可能會向以下幾個方面發(fā)展: 模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機器情感，因為目前人工智能的推理功能已獲突破，學(xué)習(xí)及聯(lián)想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的并行化處理能。人工神經(jīng)網(wǎng)絡(luò)是未來人工智能應(yīng)用的新領(lǐng)域。

今天，已經(jīng)有很多人工智能研究的成果進入人們的日常生活，一些面向蘋果機和IBM兼容機的應(yīng)用軟件例如語音和文字識別已可買到;使用模糊邏輯,AI技術(shù)簡化了攝像設(shè)備，相信將來人工智能技術(shù)的發(fā)展將會給人們的生活、工作和教育等帶來更大的影響。

我們至少要經(jīng)歷幾代人的堅持奮斗，進行多學(xué)科聯(lián)合協(xié)作研究，才可能基本上解開“人工智能”之謎，使人工智能理論達到一個更高水平。

心得體會 通過老師對人工智能的講解，我對人工智能有了一些簡單的感性的認識，我知道了人工智能從誕生，發(fā)展到今天經(jīng)歷一個漫長的過程，許多人為此做出了不懈的努力。我覺得這門課是一門非常富有挑戰(zhàn)性的學(xué)科，而從事這項工作的人不僅要懂得計算機知識，還必須懂得編程。

人工智能在很多領(lǐng)域得到了發(fā)展，在我們的日常生活和學(xué)習(xí)中發(fā)揮了重要的作用。如：機器翻譯，機器翻譯是利用計算機把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機器翻譯系統(tǒng)。利用這些機器翻譯系統(tǒng)我們可以很方便的完成一些語言翻譯工作。目前，國內(nèi)的機器翻譯軟件有很多，富有代表性意義的當屬“金山詞霸”，它可以迅速的查詢英文單詞和詞組句子翻譯，重要的是它還可以提供發(fā)音功能，為用戶提供了極大的方便。

通過老師對人工智能的講解，我明白了人工智能發(fā)展的歷史和所處的地位，它始終處于計算機發(fā)展的最前沿。我相信人工智能在不久的將來將會得到更深一步的實現(xiàn)，會創(chuàng)造出一個全新的人工智能世界。

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的?！_爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢?！悏?/p>

11、書是人類進步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話?！芽▋?/p>

17、學(xué)習(xí)永遠不晚。——高爾基

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！獎⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第五篇：人工智能原理與應(yīng)用大作業(yè)

人工智能原理與應(yīng)用大作業(yè)

（1）簡單函數(shù)優(yōu)化的遺傳算法C代碼，把代碼調(diào)通，計算出結(jié)果。

（2）編程實現(xiàn)第6章習(xí)題第13題（2個學(xué)生做）

（3）編程實現(xiàn)第6章習(xí)題第14題（2個學(xué)生做）

（4）寫出調(diào)研報告“人工智能的發(fā)展歷史”

（5）寫出麥卡錫(J.McCarthy)的傳記

（6）寫出明斯基(M.Minsky)的傳記

（7）寫出調(diào)研符號主義學(xué)派的報告

（8）寫出調(diào)研行為主義學(xué)派的報告

（9）寫出調(diào)研聯(lián)結(jié)主義學(xué)派的報告

（10）寫出使用經(jīng)典邏輯推理成功的人工智能案例

（11）寫出使用搜索方法推理成功的人工智能案例

（12）寫出使用遺傳算法推理成功的人工智能案例

（13）寫出使用神經(jīng)網(wǎng)絡(luò)推理成功的人工智能案例

（14）寫出使用專家系統(tǒng)推理成功的人工智能案例

（15）寫出除上面幾種方法以外的人工智能方法的調(diào)研報告。

（16）編程實現(xiàn)P132例5.1梵塔問題，畫圖實現(xiàn)。（由王小高帶2個學(xué)生做）

（17）編程實現(xiàn)P135例5.3九宮重排問題，采用廣度搜索法。（由張延令帶2個學(xué)生做）

（18）編程實現(xiàn)P133例5.2傳教士和野人問題，采用廣度搜索法。（由賈路寬帶2個學(xué)生

做）

（19）寫出退火算法的調(diào)研報告。

（20）寫出蟻群算法的調(diào)研報告。

（21）寫出人工智能在中國的發(fā)展的調(diào)研報告。

（22）寫出中國人工智能協(xié)會的調(diào)研報告。

（23）寫出機器學(xué)習(xí)的調(diào)研報告

（24）寫出搜索引擎的調(diào)研報告

（25）寫出模式識別的調(diào)研報告

（26）人工智能在農(nóng)業(yè)方面的應(yīng)用

（27）人工智能在工業(yè)方面的應(yīng)用

（28）人工智能在軍事方面的應(yīng)用

（29）人工智能在機器人方面的應(yīng)用

（30）人工智能在航空航天方面的應(yīng)用

（31）人工智能在醫(yī)療方面的應(yīng)用

（32）人工智能在商業(yè)方面的應(yīng)用

（33）人工智能在電力業(yè)方面的應(yīng)用