第一篇：人工智能及其應用課程總結

《人工智能及其應用》課程總結

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的發(fā)展，20世紀50年代人工智能(AI)這一新的學科門類的誕生，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、設計、思考、規(guī)劃、學習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)。隨著人工智能技術的發(fā)展，引起了眾多學科和不同專業(yè)背景學者們的日益重視，并且發(fā)展出了若干個研究子學科，如計算機科學、哲學、生理學、社會學、生物學、信息學和計算機數(shù)學等，人工智能成為一門廣泛的交叉和前沿學科。因此，《人工智能及其應用》課程的學習，對于計算機應用研究技術、機械技術以及本人的專業(yè)——農業(yè)機械工程的學習和科研工作中，具有十分重要的作用?！度斯ぶ悄芗捌鋺谩氛n程所講授的知識涵蓋面廣、內容較多，其中許多章節(jié)所設計的知識都可以單獨作為一門課程學習。因此，通過本學期對《人工智能及其應用》課程的學習，我重點總結一下主要學習和掌握的幾方面知識：

1．人工智能的研究與應用領域。在人工智能這門學科中，包含有多個研究領域，每個研究領域都有其特有的感興趣的研究課題、研究技術和術語，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)、機器學習、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計等。通過對這些研究領域的研究和應用介紹，我發(fā)現(xiàn)其中專家系統(tǒng)、機器學習、神經網(wǎng)絡、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、搜索技術和知識推理。以符號和邏輯為基礎的傳統(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、結構化方法、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，學習了圖搜索策略和A*算法的方法和步驟。學習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。并且學習了規(guī)則演繹系統(tǒng)和產生式系統(tǒng)。它們是解決比較復雜的系統(tǒng)和問題的較為先進的推理技術和系統(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。包括人工神經網(wǎng)絡計算、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習和研究。其中，我結合課程內容，重點學習和研究了人工神經網(wǎng)絡。人工神經網(wǎng)絡是模擬生物神經元的特性而產生的，是基于生物神經元特性的互聯(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、通過訓練進行學習、適應與集成、硬件實現(xiàn)性。在本部分學習了神經網(wǎng)絡是由基本處理單元——神經元及其互聯(lián)方法構成的。其網(wǎng)絡基本結構分為兩類：遞歸網(wǎng)絡和前饋網(wǎng)絡。人工神經網(wǎng)絡的主要學習算法有：有師學習、無師學習和強化學習三種。具體學習了自適應諧振理論網(wǎng)絡、學習矢量量化網(wǎng)絡、Kohonen網(wǎng)絡、Hopfield網(wǎng)絡，并且學習了基于神經網(wǎng)絡的知識表示方法和推理方法。通過這部分的學習，了解了神經網(wǎng)絡的應用方法和應用領域，由于其學習和適應、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用。

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

通過對《人工智能及其應用》課程的學習，使我學習了人工智能的各種基本算法和思想，了解了各種方法的應用領域和適用范圍。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知識。課程包含內容很多，涵蓋的領域非常廣泛，雖然學習深度有限，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。

第二篇：人工智能及其應用總結

第一章：緒論 智能：

根據(jù)對人腦已有的認識，結合智能的外在表現(xiàn)，從不同的角度、不同的側面、用不同的方法對智能進行研究，提出了幾種不同的觀點，其中影響較大的觀點有思維理論、知識閾值理論及進化理論。綜合三個方面，智能是知識與智力的總和。其中，知識是一切智能行為的基礎，而智力是獲取知識并應用知識求解問題的能力。智能的基本特征：

1、感知能力、2、記憶與思維能、3、學習能力、4、行為能力（表達能力）

人工智能的研究內容：

知識表示、機器感知、機器思維、機器學習、機器行為 人工智能的研究目標：

近期目標：使現(xiàn)有的電子數(shù)字計算機更聰明、更有用，使它不僅能做一般的數(shù)值計算及非數(shù)值信息的數(shù)據(jù)處理，而且能運用知識處理問題，能模擬人類的部分智能行為。建造智能機器人代替人類的部分智力勞動。

遠期目標：用自動機模仿人類的思維過程和智能行為。最終目標：機器智能實現(xiàn)生物智能的各項功能。

智能行為：感知、推理、學習、通信和復雜環(huán)境下的動作行為 知識發(fā)現(xiàn)的處理過程：數(shù)據(jù)挖掘、數(shù)據(jù)選擇、知識評價 人工智能的主要學派：符號主義、連接主義和行為主義 人工智能的研究途徑：心理模擬、生理模擬和行為模擬

人工智能的應用領域：智能控制、智能管理、智能決策、智能仿真。人工智能的基本技術：表示、運算、搜索歸納技術、聯(lián)想技術 人工智能（機器智能）、學科和能力：（書）所謂人工智能就是用人工的方法在機器(計算機)上實現(xiàn)的智能，或者說是人們使機器具有類似于人的智能。從學科角度來看：人工智能是計算機科學中涉及研究、設計和應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)相關理論和技術。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的功能。

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，與此相應的是計算機程序、語言和硬件。研究認知過程的主要任務是探求高層次思維決策與初級信息處理的關系，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。

人工智能新的研究熱點：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

知識的一般概念：知識是人們在改造客觀世界的實踐中積累起來的認識和經驗

知識表示：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)結構與控制結構的統(tǒng)一體，既考慮知識的存儲又考慮知識的使用。

知識表示的要求：表示能力、可利用性、可實現(xiàn)性、可組織性、可維護性、自然性、可理解性

狀態(tài)空間法的三要素：狀態(tài)、算符、狀態(tài)空間方法 問題求解技術：問題的表示和求解的方法

二種不確定性：關于證據(jù)的不確定性和關于結論的不確定性 原子公式：由若干謂詞符號和項組成

問題的狀態(tài)空間包含三種說明的集合：初始狀態(tài)集合S、操作符集合以及目標狀態(tài)集合 “我聽音樂或者繪畫”的謂詞表示的析取式LISTEN(I,MUSIC)VDRAW(I,PAINTING)句子變換成子句形式：(?x)｛P(x)→P(x)｝

(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)第三章：搜索推理技術

如果搜索是以接近起始節(jié)點的程序來依次擴展節(jié)點，這種搜索叫寬（廣）度優(yōu)先搜索 盲目（無信息）搜索叫做深度優(yōu)先搜索

盲目搜索包括：寬度優(yōu)先搜索，深度優(yōu)先搜索和等代價搜索 第四章：計算智能（神經計算、模糊計算）

對于人的思維的模擬可以從兩條道路進行：一是結構模擬，二是功能模擬 計算智能，涉及研究分支

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。主要的研究領域為神經計算，模糊計算，進化計算，人工生命。計算智能（CI）、人工智能（AI）和生物智能（BI）的關系。

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上引入知識而產生的智力中層認知。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 人工神經網(wǎng)絡的主要學習算法：(1)指導式(有師)學習(2)非指導(無導師)學習(3)強化學習

第五章：計算智能（進化計算、人工生命）

遺傳算法：從一組隨機初始化的候選解出發(fā)，按某種指標從解群中選取較優(yōu)的個體，利用遺傳算子（選擇、交叉和變異）對這些個體進行組合，產生新一代的候選解群，重復此過程，直到滿足某種收斂指標為止 遺傳算法的特點：

(1)遺傳算法是對參數(shù)集合的編碼而非針對參數(shù)本身進行進化；

(2)遺傳算法是從問題解的編碼組（種群）開始而非從單個解開始搜索；

(3)遺傳算法利用目標函數(shù)的適應度這一信息而非利用導數(shù)或其它輔助信息來指導搜索；

(4)遺傳算法利用選擇、交叉、變異等算子而不是利用確定性規(guī)則進行隨機操作。遺傳算法的優(yōu)勢:

(1)適應度函數(shù)不受連續(xù)、可微等條件的約束，適用范圍很廣。(2)不容易陷入局部極值，能以很大的概率找到全局最優(yōu)解。(3)由于其固有的并行性，適合于大規(guī)模并行計算。(4)不是盲目窮舉，而是啟發(fā)式搜索。

設用遺傳算法求解某問題時，產生了四個個體A、B、C和D，適應度值分別為34、88、60和45，采用賭輪選擇機制，則個體A的適應度值所占份額為34/227 遺傳算法步驟：（1）隨機產生一個由確定長度的特征字符串組成的初始種群。

（2）對該字符串種群迭代地執(zhí)行下面的步驟①和步驟②，直到滿足停止準則為止： ① 計算種群每個 字符串的適應值

②應用復制、交叉和變異等遺傳算子產生下一代群體。

（3）把在后代中出現(xiàn)的最好的個體字符串指定為遺傳算法的執(zhí)行結果，這個結果可以表示問題的一個角。進化計算包括遺傳算法，進化策略，進化編程和遺傳編程。遺傳算法、進化策略和進化編程的關系如何？有何區(qū)別？

關系：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結合使用，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。第六章：專家系統(tǒng)（與一般應用程序有區(qū)別）專家系統(tǒng):

專家系統(tǒng)是一種模擬人類專家解決領域問題的智能計算機程序系統(tǒng)，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。

專家系統(tǒng)的特點:啟發(fā)性、透明性、靈活性

建立專家系統(tǒng)的一般步驟：設計初始知識庫、原型機的開發(fā)與實驗、知識庫的改進與歸納

專家系統(tǒng)的類型：

解釋，預測，診斷，設計，規(guī)劃，監(jiān)視，控制，調試，教學，修理 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：并行與分布處理、多專家系統(tǒng)協(xié)同工作、高級語言和知識語言描述、具有自學習功能、引入新的推理機制、具有自糾錯和自完善能力、先進的智能人機接口

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)絡環(huán)境中，其總體結構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域或一個領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，而是更強調子系統(tǒng)間的協(xié)同合作。它并不一定要求有多個處理機的硬件環(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。

什么是建造專家系統(tǒng)的工具?你知道哪些專家系統(tǒng)開發(fā)工具，各有什么特點?專家系統(tǒng)開發(fā)工具是一些比較通用的工具，作為設計和開發(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、質量和自動化水平。專家系統(tǒng)開發(fā)工具是一種更高級的計算機程序設計語言。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、構造輔助工具和支撐環(huán)境等4類。第七章：機器學習機器學習的三要素

一致性假設：樣本空間劃分：泛化能力： 機器學習的主要策略

機械學習：示教學習：類比學習：示例學習：

歸納學習是以歸納推理為基礎的學習，其任務是從某一概念的分類例子集出發(fā)，歸納出一個一般概念描述。歸納學習是目前研究最多的學習方法，其學習目的是為了獲得新概念、構造新規(guī)則或發(fā)現(xiàn)新理論。歸納是人類拓展認識能力的重要方法，是一種從個別到一般，從部分到整體的推理行為

類比學習：通過類比，即通過對相似事物加以比較所進行的一種學習

機械學習就是記憶，即把新的知識存儲起來，供需要時檢索調用，而不需要計算和推理 機器學習所采用的策略：機械學習，示教學習，類比學習，示例學習

任務規(guī)劃是機器人高層規(guī)劃最重要的一個方面，它包含建立模型，任務說明，程序綜合 第九章：Agent（真體）

多種類型的多真體模型：協(xié)商模型、協(xié)作規(guī)劃模型、自協(xié)調模型 真體通信語言KQML和KIF 按節(jié)點間協(xié)作量的多少，多agent的協(xié)作分為三類：全協(xié)作系統(tǒng)、無協(xié)作系統(tǒng)和半?yún)f(xié)作系統(tǒng)

分布式人工智能系統(tǒng)的特點：分布性、連接性、協(xié)作性、開放性、容 錯性、獨立性 艾真體（真體）

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，可看作是從感知序列到動作序列的映射。其特性為：行為自主性，作用交互性，環(huán)境協(xié)調性，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)適應性，結構分布性，功能智能性

艾真體在結構上有何特點、在結構上又是如何分類的 真體＝體系結構+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)真體的運行是一個或多個進程，并接受總體調度(4)各個真體在多個計算機CPU上并行運行，其運行環(huán)境由體系結構支持。

結構分類及特點反應式、慎思式、跟蹤式、基于目標、基于效果、復合式

第十章：自然語言理解

語言理解：從微觀上講，語言理解是指從自然語言到機器(計算機系統(tǒng))內部之間的一種映射。從宏觀上看，語言理解是指機器能夠執(zhí)行人類所期望的某些語言功能。

自然語言處理：是研究人類交際和人機通信的語言問題的一門學科。它要開發(fā)表示語言能力和性能的模型，建立實現(xiàn)這種語言模型過程的計算框架，提出不斷完善這些過程和模型的辨識方法，以及探究實際系統(tǒng)的評價技術。

自然語言理解過程的層次 ：語音分析：詞法分析：句法分析：語義分析

第三篇：人工智能及其應用復習資料

人工智能及其應用(2)

第一章 緒 論

1-1.什么是人工智能？試從學科和能力兩方面加以說明。

從學科角度來看：人工智能是計算機科學中涉及研究、設計和應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)相關理論和技術。

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的功能，如判斷、推理、證明、識別、感知、理解、設計、思考、規(guī)劃、學習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 經指出：在復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 年由生理學家麥卡洛克(McCulloch)和數(shù)理邏輯學家皮茨(Pitts)創(chuàng)立的腦模型，即 MP 模型。60-70 年代，聯(lián)結 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：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、復制符號、建立符號結構、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)、心理學派(Psychlogism)或計算機學派(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，是構成智能的基礎。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)結主義(Connectionism)，又稱為仿生學派(Bionicsism)或生理學派(Physiologism)[ 其原理主要為神經網(wǎng)絡及神經網(wǎng) 絡間的連接機制與學習算法 ]

認為人的思維基元是神經元，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，與此相應的是計算機程序、語 言和硬件。

研究認知過程的主要任務是探求高層次思維決策與初級信息處理的關系，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用領域是什么？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，自動程序設計，專家系統(tǒng)，機器學習，神經網(wǎng)絡，機器人學(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，由于總人數(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)，表示船駛向對岸，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)轉移，沿右方，上方，或右上 方移動，第偶數(shù)次數(shù)狀態(tài)轉移，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)，經過11 步之后，即可以到達目標狀態(tài)(3,3)，相應的渡河方案為： 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。后繼算符應以復合并聯(lián)和串聯(lián)阻抗的規(guī)則為基礎。

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

2-5 試用四元數(shù)列結構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)放映員結束電影放映

(b)顧客離開電影院

(5)結果

(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

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 成員設置一個通向n 的指針，并將 它們加進OPEN 表。對已經在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，不同的原則對應著不同的搜索策略，如果想盡快地找到一個解，則應當將最有可能 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，則轉向(2)。

(5)擴展節(jié)點n，產生其全部后裔，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)轉向第(2)步。

3-3 化為子句形有哪些步驟?請結合例子說明之。

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，并反復應用狄· 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，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

反復應用分配律，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)把新產生的集合｛～L，S｝化成子句集；

(4)應用消解原理，力圖推導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果。試說明狀態(tài)空間問題求解系統(tǒng)如何能夠應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果，詳細如下

drive(x, y)

先決條件：AT(CAR, x)

結果： AT(CAR, y)unload(z)先決條件：AT(z, CAR)AND AT(CAR, x)結果： AT(z, ~CAR)AND AT(z, x)

原問題就轉換為尋找一個可將初始狀態(tài)轉換到目標狀態(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雜。

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

如果不采用系統(tǒng)組織技術，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，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：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，關于證據(jù)的不確定性(觀測有誤差)，關于結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 單調推理有何局限性?什么叫缺省推理?非單調推理系統(tǒng)如何證實一個節(jié)點的有效性?

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

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(結論)(IN-假設)(OUT-假設))

條件證明(CP)的證實表示有前提的論點，無論何時，只要在IN 假設中的節(jié)點為IN, OUT 假設中的節(jié)點為OUT, 則 結論節(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推理?

不完全的信息、不斷變化的情況、以及求解復雜問題過程中生成的假設

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)的產生式規(guī)則：

(1)兩個全等三角形的各對應角相等。

(2)兩個全等三角形的各對應邊相等。

(3)各對應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 各對應角相等

規(guī)則(2): IF 兩個三角形全等

THEN 各對應邊相等

規(guī)則(3): IF 兩個三角形各對應邊相等

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。

主要的研究領域為神經計算，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上引入知識而產 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 人工神經網(wǎng)絡為什么具有誘人的發(fā)展前景和潛在的廣泛應用領域？

人工神經網(wǎng)絡具有如下至關重要的特性：

(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)通過訓練進行學習

一個經過適當訓練的神經網(wǎng)絡具有歸納全部數(shù)據(jù)的能力，能夠解決那些由數(shù)學模型或描述規(guī)則難以處理的問題

(4)適應與集成

神經網(wǎng)絡的強適應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)硬件已經問世，使得神經網(wǎng)絡成為具有快速和大規(guī)模處理能力的網(wǎng)絡。

4-4 簡述生物神經元及人工神經網(wǎng)絡的結構和主要學習算法。

生物神經元

大多數(shù)神經元由一個細胞體(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，把本神經元的輸出發(fā)送至其它相連接的神經元。樹突也是突出部分，但一般較 短，且分枝很多，與其它神經元的軸突相連，以接收來自其它神經元的生物信號。

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元發(fā)送信息。對某些突觸的刺激促 使神經元觸發(fā)(fire)。只有神經元所有輸入的總效應達到閾值電平，它才能開始工作。此時，神經元就產生一個全強 度的輸出窄脈沖，從細胞體經軸突進入軸突分枝。這時的神經元就稱為被觸發(fā)。突觸把經過一個神經元軸突的脈沖 轉化為下一個神經元的興奮或抑制。學習就發(fā)生在突觸附近。

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

人工神經網(wǎng)絡的結構

人工神經網(wǎng)絡由神經元模型構成。每個神經元具有單一輸出，并且能夠與其它神經元連接，存在許多輸出連接方法，每種連接方法對應于一個連接權系數(shù)。

人工神經網(wǎng)絡的結構分為2 類：

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

(2)前饋網(wǎng)絡 具有遞階分層結構，由一些同層神經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 經元從一層連接至下一層，不存在同層神經元之間的連接。多層感知器(MLP)，學習矢量量化網(wǎng)絡(LVQ)，小腦模 型連接控制網(wǎng)絡(CMAC)和數(shù)據(jù)處理方法網(wǎng)絡(GMDH)是代表。

人工神經網(wǎng)絡的主要學習算法

(1)指導式(有師)學習

根據(jù)期望和實際的網(wǎng)絡輸出之間的差來調整神經元連接的強度或權。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(無導師)學習

訓練過程中，神經網(wǎng)絡能自動地適應連接權，以便按相似特征把輸入模式分組聚集。包括 Kohonen 算法，Carpenter-Grossberg 自適應諧振理論(ART)(3)強化學習

是有師學習的一種特例。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的神經網(wǎng)絡 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，結合律，分配律，吸收律，同一律，Demorgan 律，復原律，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上的，一種不確定性推理方法，是在二值邏輯三段論基礎上發(fā)展起來的。它以模糊判斷為前提，動用模糊語言規(guī)則，推導出一個近似的模糊判斷結論。

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值

[2] 應用復制，交叉和變異等遺傳算子產生下一代種群

(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)行結果，這個結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系如何？有何區(qū)別？

關系： 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結合使用，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)學模型。

年代，康拉德等人研究人工仿生系統(tǒng)中的自適應，進化和群體動力學，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，人工神經網(wǎng)絡再度興起，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，自學習，自組織

(3)自穩(wěn)定，自適應，自協(xié)調

(4)物質構造

(5)能量轉換

(6)信息處理

5-11 為什么要研究人工生命？

具有重大的科學意義和廣泛的應用價值

(1)開發(fā)基于人工生命的工程技術新方法，新系統(tǒng)，新產品(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，信息科學，系統(tǒng)科學的交叉發(fā)展

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

（1）構成生物體的內部系統(tǒng)，包括腦，神經系統(tǒng)，內分泌系統(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域問題的智能計算機程序系統(tǒng)，其內部含有大量的某個領域專家水平的知識與經驗，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驗的程序系統(tǒng)，它應用人工智能技術和計算機技術，根據(jù)某一個領域或多個專家提供的知識和經驗，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驗

（4）專家系統(tǒng)能夠促進各領域的發(fā)展，它使各領域專家的專業(yè)知識和經驗得到總結和精煉，能夠廣泛有力地傳播專家的知識、經驗和能力

（5）專家系統(tǒng)能夠匯集多領域專家的知識和經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)的研制和應用，具有巨大的經濟效益和社會效益

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

6-2 專家系統(tǒng)由哪些部分構成？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)調地工作。推理機能夠根據(jù)指示進行推理和導出結論，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)成功與否的關鍵，因而知識表示就成為設計專家系統(tǒng)的關鍵（1）設計初始知識庫

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的足夠簡單的任務和推理過程

（3）知識庫的改進與歸納

反復對知識庫及推理規(guī)則進行改進試驗，歸納出更完善的結果

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)其他軟件的任務有何不同？

一般應用程序與專家系統(tǒng)的區(qū)別在于：前者把問題求解的知識隱含地編入程序，而后者則把其應用領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)的專門知識與經驗。是否擁有大量知識是專家系統(tǒng)成功與否的關鍵，因而知識表示就成為設計專家系統(tǒng)的關鍵。

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來決定應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？其結構為何？

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討論主題的規(guī)則構成。“知識工程師”與應用領域的專家共同工作以便把專家的相關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)只需的推理結構，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，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)結構均以目標形式出現(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。應用專家系統(tǒng)的術語來說，每個目標具有陳述性知識和過程知識。

結構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)的主要任務有：

（1）定義問題（對問題和結論的考察與綜述）

（2）分析領域（定義事物、事物特征、事件和框架結構）（3）定義類及其特征（4）定義例及其框架結構（5）確定模式匹配法則（6）規(guī)定事物通信方法（7）設計系統(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)？試述神經網(wǎng)絡專家系統(tǒng)的一般結構。

有一種關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問題，把獲得的結果用于改進系統(tǒng)設計。

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）具有自學習功能

具有高級的知識獲取與學習能力（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（非單調邏輯推理、加權邏輯推理）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)絡環(huán)境中，其總體結構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域或一個領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 在設計專家系統(tǒng)時，應考慮哪些技術？（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論），決定了系統(tǒng)具有單調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)的精確推理方法或專門的不確定性推理技術。（3）時變數(shù)據(jù)

一般要設計時間推理技術，推理過程要求較復雜的表示法。（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構，來降低求解過程的復雜程度。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構變化范圍廣泛，表示靈活，所適應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）構造輔助工具

主要分兩類：一類是設計輔助工具，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：調試輔助工具、輸入輸出設施、解釋設施和知識庫編輯器。ART就屬于這一類系統(tǒng)。

第七章 機器學習

7-1 什么是學習和機器學習？為什么要研究機器學習？

按照人工智能大師西蒙的觀點，學習就是系統(tǒng)在不斷重復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時，會比現(xiàn)在做得更好或效率跟高。

機器學習室研究如何使用機器來模擬人類學習活動的一門學科，機器學習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)沒有什么學習能力，至多也只有非常有限的學習能力，因而不能滿足科技和生產提出的新要求。

7-2 試述機器學習系統(tǒng)的基本結構，并說明各部分的作用。

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

7-3 試解釋機械學習的模式。機械學習有哪些重要問題需要加以研究？

機械學習是最簡單的機器學習方法。機械學習就是記憶，即把新的知識存儲起來，供需要時檢索調用，而不需要計算和推理。是最基本的學習過程。任何學習系統(tǒng)都必須記住它們獲取的知識。在機械學習系統(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，機械學習才有意義，檢索的越快，其意義也就越大。

（2）環(huán)境的穩(wěn)定性

機械學習基礎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，那么機械學習就失去了意義。

7-4 試說明歸納學習的模式和學習方法。

歸納是一種從個別到一般，從部分到整體的推理行為。歸納學習的一般模式為：

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）H，能重言蘊含或弱蘊含觀察陳述，并滿足背景知識。學習方法：

（1）示例學習

它屬于有師學習，是通過從環(huán)境中取得若干與某概念有關的例子，經歸納得出一般性行概念的一種學習方法。示例學習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)學習

它屬于無師學習，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。它分為觀察學習與機器發(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，產生定律或規(guī)則。

7-5 什么是類比學習？其推理和學習過程為何？

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。

類比學習就是通過類比，即通過對相似事物加以比較所進行的一種學習。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知識。（3）建立對應關系

在源域S與目標域T之間建立相似元素的對應關系，并建立起相應的映射。（4）轉換

把S中的有關知識引導T中來，從而建立起求解當前問題的方法或者學習到關于T的新知識。

類比學習過程主要包括：

（1）輸入一組已經條件（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關系

（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)的神經網(wǎng)絡，假設（1）用一常數(shù)乘所有的權值和閾值（2）用一常數(shù)加于所有權值和閾值 試說明網(wǎng)絡性能是否會變化？（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，從數(shù)據(jù)中發(fā)現(xiàn)出有關知識。

7-12 增大權值是否能使BP學習變慢？ 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)相關的數(shù)據(jù)（2）數(shù)據(jù)預處理

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）機器學習方法

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

常用的有剁成感知器，反向傳播網(wǎng)絡，自適應映射網(wǎng)絡（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，關系，模式和趨勢

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

數(shù)據(jù)清理，金融市場分析和預測，賬戶分類，銀行擔保和信用評估（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，生產過程分析（4）市場和零售業(yè)

銷售預測，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，預測醫(yī)療保險費用（6）司法

案件調查，詐騙檢測，洗錢認證，犯罪組織分鐘（7）工程與科學 工程與科學數(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）具有學習能力的規(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性。發(fā)展前景？

8-5 機器人Rover 正在房外，想進入房內，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，他能夠開門并喜歡平靜。Max 通常可以把門打開來使Rover 停止叫喊。假設 Max 和Rover 各有一個STRIPS規(guī)劃生產系統(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)和求解機構通過計算機網(wǎng)絡相互連接（3）協(xié)作性

各個子系統(tǒng)協(xié)調工作（4）開放性

通過網(wǎng)絡互連和系統(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)把求解任務規(guī)約為幾個相對獨立的子任務，降低了問題求解及軟件開發(fā)的復雜性

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)適應性，結構分布性，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)調性，社會性，適應性和分布性等特性。

（3）“代理”一詞在漢語中已經有明確的含義，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域內得到認可。

（5）在找不到一個確切和公認的譯法時，宜采用音譯。

9-3 艾真體在結構上有什么特點？在結構上如何分類？每種結構的特點如何？ 真體=體系結構+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)境由體系結構支持

結構分類及特點：（1）反應式

只是簡單地對外部刺激產生響應，沒有內部狀態(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

是具有內部狀態(tài)的反應式真體，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)則相關的作用

30（4）基于目標

真體的程序能夠與可能的作用結果信息結合起來，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）復合式

在一個真體內組合多種相對獨立和并行執(zhí)行的智能形態(tài)，其結構包括感知、動作、反應、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部語言，它們就無須同意任何內部符號，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）黑板結構方式

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)靈活和復雜的協(xié)調策略的基礎。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？其體型結構又有哪幾種？ 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。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

產生于經濟活動理論，主要用于資源競爭，任務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）自調整模型

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

體系結構：

（1）真體網(wǎng)絡

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，這種一一交互的結構將導致系統(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)絡有較大的靈活性。（3）黑板結構

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信息交互，而網(wǎng)絡控制真體負責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)商技術和協(xié)調方式。

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

（1）決策網(wǎng)絡和遞歸建模

決策網(wǎng)絡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。根據(jù)對環(huán)境和其他真體的觀察信息和貝葉斯學習方法來修正模型，即修正對其他真體行為的信念，并預測它們的行為。（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）真體學習方法

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

實質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鍵環(huán)節(jié)

協(xié)商技術：

（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，主要修改真體內的決策和控制過程（3）協(xié)商處理

側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)調時一種動態(tài)行為，是真體對環(huán)境及其它真體的適應，往往通過改變真體的心智狀態(tài)來實現(xiàn)

協(xié)調方法：

（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，任務進行規(guī)劃，并指示其他真體執(zhí)行任務（2）基于協(xié)商

屬于分布式協(xié)調，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)調和有通信協(xié)調兩類（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，標準和慣例為基礎的協(xié)調方法

9-9 為什么多艾真體需要學習與規(guī)劃？

學習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)學習比單真體學習復雜得多，因為其學習對象處于動態(tài)變化中，且其學習離不開真體間的通信。只要給計算機設定一個目標，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，設想）與執(zhí)行動作的橋梁。多真體系統(tǒng)中的規(guī)劃與經典規(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)的研究方向應是哪些？其應用前景又如何？ 研究方向？

應用領域有：多機器人協(xié)調，過程智能控制，網(wǎng)絡通信與管理，交通控制，電子商務，遠程教學，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。

第四篇：人工智能課程論文解讀

人工智能課程論文

題目：人工智能：用科學解密生命與智慧

姓

名：

學

號：

指導老師：

人工智能：用科學解密生命與智慧

摘要

本文是對人工智能及其應用的一個綜述。首先介紹了人工智能的理論基礎以其與人類智能的區(qū)別和聯(lián)系。然后簡要介紹了人工智能的發(fā)展現(xiàn)狀以及未來趨勢，并列舉了一些人工智能在生活中的應用。對人工智能的一個熱門分支——神經計算進行了著重介紹，人工神經網(wǎng)絡通過模擬人腦的學習機制，將人工智能的重點從符號表示可靠的推理策略問題轉化到學習和適應的問題，描述了其在字符識別問題上的實際應用。

人工智能：用科學解密生命與智慧

目錄

一，人工智能與人類智能..............................................................................................4

1，什么是智能？.................................................................................................4 2，機器智能不等同于人類智能.........................................................................5 二，人工智能當前進展..................................................................................................6 三，人工智能在生活中的應用......................................................................................7 四，人工智能的前沿分支：神經計算..........................................................................9

1，人工神經網(wǎng)絡：從大腦得到靈感.................................................................9 2，神經網(wǎng)絡應用實例：基于Deep autoencoder的字符圖像識別...............10 五，人工智能未來發(fā)展趨勢........................................................................................12 小結................................................................................................................................13 參考文獻........................................................................................................................1

4人工智能：用科學解密生命與智慧

一，人工智能與人類智能

人工智能（Artificial Intelligence，AI）是計算機科學的一個分支，它關心智能行為的自動化。AI是計算機科學的一部分，因而必須建立在堅實的理論知識之上并應用于計算機科學領域。它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。1，什么是智能？

雖然大多數(shù)人確信看到智能行為是能判斷它是智能的，但是似乎沒有人能夠使“智能”的定義既足夠又具體以評估計算機程序的智能性，同時又反映了人類意識的生動性和復雜性。

這樣實現(xiàn)一般智能就是塑造特定智能的人工制品。這些制品通常以診斷、預測或可視化工具實現(xiàn)，能夠使得人類使用者完成復雜的任務。例如：用語言理解的馬爾可夫模型，提供新數(shù)學理論的自動推理系統(tǒng)，通過大腦皮層網(wǎng)跟蹤信號的動態(tài)貝葉斯網(wǎng)絡，以及基因表達的數(shù)據(jù)模式的可視化，等等。

因此，定義人工智能完全領域的問題就變成了定義智能本身的問題：智能是一種獨立的才能，還是一系列獨一無二且不相關的能力的總稱？在多大程度上可以說智能是學到的不是預先存在的？準確的說，學習時發(fā)生什么？什么是創(chuàng)造力？什么是直覺？智能是從可觀察行為推斷出的，還是需要特定內部機制的證據(jù)？在一個生物體的神經組織中，知識是以何種方式表示的？什么是自覺，它在智能中起著怎樣的作用？另外，有必要按照已知的人類智能模式來設計智能計算機程序嗎？智能實體是不是需要只有在生物中存在的豐富感受和經歷？

這一系列的問題很難回答，但這些問題幫助我們勾勒出現(xiàn)代人工智能研究的核心問題以及求解方法。實際上，人工智能提供了一種獨特而強大的工具來精確探索這些問題。AI為智能理論提供了一種媒介和實驗臺：首先用計算機程序語言表達出這些理論，然后在實際計算機上執(zhí)行來進行測試和驗證。

人工智能：用科學解密生命與智慧

2，機器智能不等同于人類智能

瑪麗·雪萊在她的《弗蘭肯斯坦》一書的序言中這樣寫道：

大多是拜倫勛爵和雪萊之間的對話，而我只是一個虔誠、安靜的聽眾。其中有一次，他們討論了各種哲學學說，以及有關生命原理的問題，并且談到這些原理有否可能曾被發(fā)現(xiàn)和討論過。他們談及了達爾文博士的實驗（我不能確認達爾文博士是否真正做過這個實驗，我只是說當時有人講他做過這樣的實驗），他把一段蠕蟲（vermicelli）儲藏在玻璃罐中，在采取了一些特殊方法之后，它開始自發(fā)運動。難道生命不是這樣形成的嗎？或許死尸還可能復活；流電電流實驗已經讓我們看到了這樣的跡象：生命體的組成部分可以被制造、組合并注入活力（Butler 1998）。

瑪麗·雪萊告訴我們，諸如達爾文的進化論和發(fā)現(xiàn)電流這樣的科學進步已經使普通民眾相信：自然法則并非奧妙無窮，而是可以被系統(tǒng)分析和理解的。弗蘭肯斯坦的魔鬼并不是“薩滿教”咒語或與地獄可怕交易的產物；而是由一個個單獨“制造”的部件組裝起來的，并且被注入了強大的電能。盡管19世紀的科學還不足以使人認識到理解和創(chuàng)造一個完全智能主體的意義，但它至少加深了這樣的認識：生命和智慧的奧秘可以被納入到科學分析中。也就是說，人可以讓機器擁有所謂的“智能”。[1] 1936年，哲學家阿爾弗雷德·艾耶爾思考心靈哲學問題：我們怎么知道其他人曾有同樣的體驗。在《語言，真理與邏輯》中，艾爾建議有意識的人類及無意識的機器之間的區(qū)別。

1950年，圖靈發(fā)表了一篇劃時代的論文，文中預言了創(chuàng)造出具有真正智能的機器的可能性[1]。由于注意到“智能”這一概念難以確切定義，他提出了著名的圖靈測試：如果一臺機器能夠與人類展開對話（通過電傳設備）而不能被辨別出其機器身份，那么稱這臺機器具有智能。這一簡化使得圖靈能夠令人信服地說明“思考的機器”是可能的。論文中還回答了對這一假說的各種常見質疑。[2] 圖靈測試是人工智能哲學方面第一個嚴肅的提案。

1952年，在一場BBC廣播中，圖靈談到了一個新的具體想法：讓計算機來冒充人。如果不足70%的人判對,也就是超過30%的裁判誤以為在和自己說話的是人

人工智能：用科學解密生命與智慧

而非計算機，那就算作成功了。

2014年6月8日，一臺計算機成功讓人類相信它是一個13歲的男孩，成為有史以來首臺通過圖靈測試的計算機。這被認為是人工智能發(fā)展的一個里程碑事件，但專家警告稱，這項技術可用于網(wǎng)絡犯罪。[3-5]。

盡管圖靈測試具有直觀上的吸引力，圖靈測試還是受到了很多無可非議的批評。其中一個重要的質疑時它偏向于純粹的符號求解任務。它并不測試感知技能或要實現(xiàn)手工靈活性所需的能力，而這些都是人類智能的重要組成部分。另一方面，有人提出圖靈測試沒有必要把機器智能強行套入人類智能的模具之中。人工智能或許本就不同于人類智能，我們并不希望一臺機器做數(shù)學題像人類一樣又慢又不準，我們希望的是它自身有點的最大化，比如快速準確的處理數(shù)據(jù)，長久的存儲數(shù)據(jù)，沒有必要模仿人類的認知特征。

但是，人工智能中一部分主要的研究著偏重于研究對人類智能的理解。人們?yōu)橹悄芑顒犹峁┝艘环N原型實例，一些應用（比如診斷理解）通常有意地將模型建立在該領域的權威專家的解決過程上。更為重要的是，理解人類智能本身就是一個吸引人的、有待研究的科學挑戰(zhàn)。

二，人工智能當前進展 問題的求解

人工智能中的問題解求，就是如何讓機器去解決人類會遇到的問題，如何根據(jù)某一具體問題找到思考問題并解決這個問題的方法。目前，人工智能技術已經可以通過計算機程序解決了如何考慮要解決的問題，并能尋求較為準確的解決方案。2邏輯的推理與定理的證明

人工智能研究中最持久的探究領域之一就是邏輯推理。有關定理的證明就是讓機器證明非數(shù)值性的真假。其中比較重要的是，通過找到合理、準確的方法，集中注意力在大型數(shù)據(jù)庫中的有效事實，關注可信度證明，并在出現(xiàn)新信息時適時修改這些證明。[2] 3 人工智能應用之自然語言的處理

智能的另一表現(xiàn)就是進行自然語言的交流，自然語言處理就是讓機器與人類進行

人工智能：用科學解密生命與智慧

無阻礙的溝通，這正是人工智能技術應用于實際領域的典型范例。目前此領域的主要研究內容是：如何利用計算機系統(tǒng)以主題和對話情境為基礎，生成和理解自然語言。[3] 4 人工智能應用之模式的識別

如何使機器具有感知能力也是智能的表現(xiàn)。模式的識別是利用人工智能技術開發(fā)智能機器的關鍵，主要是通過計算機用數(shù)學技術方法來研究模式的自動處理和判讀，讓計算機實現(xiàn)“看見”，“聽見”等功能。計算機模式識別的主要特點是速度快，準確率高，效率高，計算機模式識別也為人類認識自身智能提供了有利幫助。5 人工智能應用之智能信息的檢索技術

在科學技術飛速發(fā)展的今天，人類已進入了“知識爆炸”的時代。傳統(tǒng)檢索系統(tǒng)已經滿不足了對如今如此數(shù)量巨大以及種類繁多的文獻檢索要求。人工智能科技持續(xù)穩(wěn)定發(fā)展的重要前提就是智能檢索模塊，可以說，智能信息的檢索技術的運用勢在必行。人工智能應用之專家系統(tǒng)

我們常說的專家系統(tǒng)就是指從人類專家那里獲取的知識，并用來解決只有專家才能解決的疑難問題。這是一種基于知識的系統(tǒng)，從而也被稱為知識基系統(tǒng)。專家系統(tǒng)是人工智能技術中研究最活躍，最有成效的一個領域?，F(xiàn)在的專家系統(tǒng)尤其特殊的模仿了專家在處理故障時的思維方式，其水平有時甚至可以超過人類專家的水平。人工智能應用之機器人學

機器人對我們并不陌生，已在多個領域獲得了越來越普遍的應用，諸如農業(yè)、工業(yè)、商業(yè)、旅游業(yè)、航空和海洋等。那么，機器人學所研究的問題主要包括從機器人手臂的最佳移動到實現(xiàn)機器人目標的動作序列的規(guī)劃方法。機器人和機器人學的研究對人工智能思想的發(fā)展都起到了促進作用。

三，人工智能在生活中的應用

? 計算機科學

人工智能產生了許多方法解決計算機科學最困難的問題。它們的許多發(fā)明已

人工智能：用科學解密生命與智慧

被主流計算機科學采用，而不認為是AI的一部份。下面所有內容原在AI實驗室發(fā)展：時間分配，介面演繹員，圖解用戶介面，計算機鼠標，快發(fā)展環(huán)境，聯(lián)系表數(shù)據(jù)結構，自動存儲管理，符號程序，功能程序，動態(tài)程序，和客觀指向程序。[3] ? 金融

銀行用人工智能系統(tǒng)組織運作，金融投資和管理財產。2001年8月在模擬金融貿易競賽中機器人戰(zhàn)勝了人。

金融機構已長久用人工神經網(wǎng)絡系統(tǒng)去發(fā)覺變化或規(guī)范外的要求，銀行使用協(xié)助顧客服務系統(tǒng)；幫助核對帳目，發(fā)行信用卡和恢復密碼等。? 醫(yī)院和醫(yī)藥

醫(yī)學臨床可用人工智能系統(tǒng)組織病床計劃；并提供醫(yī)學信息。

人工神經網(wǎng)絡用來做臨床診斷決策支持系統(tǒng)。計算機幫助解析醫(yī)學圖像。這樣系統(tǒng)幫助掃描數(shù)據(jù)圖像，從計算X光斷層圖發(fā)現(xiàn)疾病，典型應用是發(fā)現(xiàn)腫塊、心臟聲音分析。? 重工業(yè)

在工業(yè)中已普遍應用機器人。它們常做對人是危險的工作。全世界日本是利用和生產機器人的先進國；1999年世界范圍使用1,700,000臺機器人。? 顧客服務

人工智能是自動上線的好助手，可減少操作，使用的主要是自然語言加工系統(tǒng)。呼叫中心的回答機器也用類似技術，如語言識別軟件可使計算機的顧客較好操作。? 運輸

汽車的變速箱已使用模糊邏輯控制器。? 運程通訊

許多運程通訊公司正研究管理勞動力的機器；如BT組研究可管20000工程師的機器。? 玩具和游戲

1990年企圖用基本人工智能大量為教育和消遣生產民用產品?，F(xiàn)在，大眾在生活的許多方面都在應用人工智能技術。? 音樂

人工智能：用科學解密生命與智慧

技術常會影晌音樂的進步，科學家想用人工智能技術盡量趕上音樂家的活動；現(xiàn)正集中在研究作曲，演奏，音樂理論，聲音加工等。

四，人工智能的前沿分支：神經計算

1，人工神經網(wǎng)絡：從大腦得到靈感

神經計算科學是從信息科學的角度來研究如何加速神經網(wǎng)絡模仿和延伸人腦的高級精神活動，如聯(lián)想、記憶、推理、思維及意識等智能行為。這涉及到腦科學、認知科學，神經生物學、非線性科學、計算機科學、數(shù)學、物理學諸學科的綜合集成。它是綜合研究和實現(xiàn)類腦智能信息系統(tǒng)的一個新思想和新策略。[6] 深度學習的概念源于人工神經網(wǎng)絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。

一個神經網(wǎng)絡的結構示意圖如圖1所示

圖1 神經網(wǎng)絡的結構示意圖

神經網(wǎng)絡將人工智能的重點從符號表示和可靠的推理策略問題轉移到學習和適應的問題。同人和其他動物一樣，神經網(wǎng)絡是適應世界的一種機制：經過訓練的神經網(wǎng)絡結果是通過學識形成的。這種網(wǎng)絡是通過和世界交互形成的，通過經驗的不明確痕跡反映出來。神經網(wǎng)絡的這種途徑對我們理解智能起了極大的作用。

人工神經網(wǎng)絡特有的非線性適應性信息處理能力，克服了傳統(tǒng)人工智能方法對于直覺，如模式、語音識別、非結構化信息處理方面的缺陷，使之在神經專家系統(tǒng)、模式識別、智能控制、組合優(yōu)化、預測等領域得到成功應用。人工神經網(wǎng)絡與其它傳統(tǒng)方法相結合，將推動人工智能和信息處理技術不斷發(fā)展。近年來，人工神經網(wǎng)絡正向模擬人類認知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、人工智能：用科學解密生命與智慧

進化機制等結合，形成計算智能，成為人工智能的一個重要方向，將在實際應用中得到發(fā)展。將信息幾何應用于人工神經網(wǎng)絡的研究，為人工神經網(wǎng)絡的理論研究開辟了新的途徑。神經計算機的研究發(fā)展很快，已有產品進入市場。光電結合的神經計算機為人工神經網(wǎng)絡的發(fā)展提供了良好條件。

神經網(wǎng)絡在很多領域已得到了很好的應用，但其需要研究的方面還很多。其中，具有分布存儲、并行處理、自學習、自組織以及非線性映射等優(yōu)點的神經網(wǎng)絡與其他技術的結合以及由此而來的混合方法和混合系統(tǒng)，已經成為一大研究熱點。由于其他方法也有它們各自的優(yōu)點，所以將神經網(wǎng)絡與其他方法相結合，取長補短，繼而可以獲得更好的應用效果。目前這方面工作有神經網(wǎng)絡與模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、混沌、粗集理論、分形理論、證據(jù)理論和灰色系統(tǒng)等的融合。

2，神經網(wǎng)絡應用實例：基于Deep autoencoder的字符圖像識別

深度信念網(wǎng)絡(Deep Belief Network, DBN)[7]由 Geoffrey Hinton 在 2006 年提出。它是一種生成模型，通過訓練其神經元間的權重，我們可以讓整個神經網(wǎng)絡按照最大概率來生成訓練數(shù)據(jù)。我們不僅可以使用 DBN 識別特征、分類數(shù)據(jù)，還可以用它來生成數(shù)據(jù)。

DBN 由多層神經元構成，這些神經元又分為顯性神經元和隱性神經元（以下簡稱顯元和隱元）。顯元用于接受輸入，隱元用于提取特征。因此隱元也有個別名，叫特征檢測器(feature detectors)。最頂上的兩層間的連接是無向的，組成聯(lián)合內存(associative memory)。較低的其他層之間有連接上下的有向連接。最底層代表了數(shù)據(jù)向量(data vectors)，每一個神經元代表數(shù)據(jù)向量的一維。

DBN 是由多層 RBM 組成的一個神經網(wǎng)絡，它既可以被看作一個生成模型，也可以當作判別模型，其訓練過程是：使用非監(jiān)督貪婪逐層方法去預訓練獲得權值。訓練過程：

1.首先充分訓練第一個 RBM；

2.固定第一個 RBM 的權重和偏移量，然后使用其隱性神經元的狀態(tài)，作為第二個 RBM 的輸入向量；

人工智能：用科學解密生命與智慧

3.充分訓練第二個 RBM 后，將第二個 RBM 堆疊在第一個 RBM 的上方； 4.重復以上三個步驟任意多次；

5.如果訓練集中的數(shù)據(jù)有標簽，那么在頂層的 RBM 訓練時，這個 RBM 的顯層中除了顯性神經元，還需要有代表分類標簽的神經元，一起進行訓練： a)假設頂層 RBM 的顯層有 500 個顯性神經元，訓練數(shù)據(jù)的分類一共分成了 10 類；

b)那么頂層 RBM 的顯層有 510 個顯性神經元，對每一訓練訓練數(shù)據(jù)，相應的標簽神經元被打開設為 1，而其他的則被關閉設為 0。6.DBN 被訓練好后如下圖：

圖2 訓練好的深度信念網(wǎng)絡。圖中的綠色部分就是在最頂層 RBM 中參與訓練的標簽。注意調優(yōu)(FINE-TUNING)過程是一個判別模型

調優(yōu)過程(Fine-Tuning)：

生成模型使用 Contrastive Wake-Sleep 算法進行調優(yōu)，其算法過程是：

1.除了頂層 RBM，其他層 RBM 的權重被分成向上的認知權重和向下的生成權重；

2.Wake 階段：認知過程，通過外界的特征和向上的權重(認知權重)產生每一層的抽象表示(結點狀態(tài))，并且使用梯度下降修改層間的下行權重(生成權重)。也就是“如果現(xiàn)實跟我想象的不一樣，改變我的權重使得我想象的東西就是這樣的”。

3.Sleep 階段：生成過程，通過頂層表示(醒時學得的概念)和向下權重，生成底

人工智能：用科學解密生命與智慧

層的狀態(tài)，同時修改層間向上的權重。也就是“如果夢中的景象不是我腦中的相應概念，改變我的認知權重使得這種景象在我看來就是這個概念”。

在附件中提供了程序代碼。實驗利用MNIST字符圖像，驗證該方法的特征提取與識別能力。

五，人工智能未來發(fā)展趨勢

科學技術是第一生產力，但技術的發(fā)展往往是遠遠超越我們的想象。就目前的一些前瞻性研究可以看出，未來人工智能技術的發(fā)展有如下幾大趨勢： 1 問題求解

問題求解一般包括兩種，一種是指解決管理活動中由于意外引起的非預期效應或與預期效應之間的偏差。正在逐漸發(fā)展成為搜索和問題歸約這類人工智能的基本技術；另一種問題的求解程序，是把各種數(shù)學公式符號匯編在一起。其性能已達到非常高的水平，并正在被許多工程師和科學家應用，甚至還有些程序能夠用經驗來改善其性能。2 機器學習

人工智能研究的核心課題之一就是機器學習。我們知道學習是人類智能的重要特征，那么機器學習就是指機器自動獲取知識的過程。機器學習是機器獲取知識的根本途徑，也是機器智能的重要標志。計算機的機器學習主要研究內容為如何讓計算機模擬或實現(xiàn)人類的學習能力。今后機器學習的研究主要是研究人腦思維的過程、人類學習的機理等。3 模式識別

用計算機實現(xiàn)模式(文字、聲音、人物、物體等)的自動識別，彌補計算機對外部世界感知能力低下的缺陷，使計算機能夠通過感官接受外界信息，識別和理解周圍環(huán)境。依然是人工智能技術今后研究的重要方向。因為模式識別能為人類

人工智能：用科學解密生命與智慧

認識自身智能提供線索，也是開發(fā)智能機器的一個最關鍵的突破口。目前計算機模式識別系統(tǒng)的研究熱點主要為三維景物、活動目標的識別和分析方面。傳統(tǒng)的用統(tǒng)計模式和結構模式的識別方法將會被近年來迅速發(fā)展起來的模糊數(shù)學模式、人工神經網(wǎng)絡模式的方法逐漸取代，特別是神經網(wǎng)絡方法在模式識別中取得較大進展。4 專家系統(tǒng)

專家系統(tǒng)是根據(jù)某領域中一個或多個專家提供的知識或經驗，進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題的智能軟件，它是一個具有大量的專門知識與經驗的程序系統(tǒng)。目前各種專家系統(tǒng)已遍布各個專業(yè)領域，因此專家系統(tǒng)還將是人工智能應用研究最廣泛和最活躍的應用領域之一。5 人工神經網(wǎng)絡

人工神經網(wǎng)絡，常被簡稱為神經網(wǎng)絡或類神經網(wǎng)絡。是未來人工智能應用的新領域，人工神經網(wǎng)絡是指由大量處理單元（神經元）互連而成的網(wǎng)絡。人工神經網(wǎng)絡具有很強的自學習能力，主要擅長處理復雜的多維的非線性問題，不但可以解決定量的問題，還可以解決定性的問題，同時人工神經網(wǎng)絡還具有大規(guī)模并行處理和分布的信息存儲能力?；蛟S未來智能計算機的結構可能就是作為主機的馮? 諾依曼型機與作為智能外圍的人工神經網(wǎng)絡的結合。

小結

人工智能是一個年輕而充滿希望的研究領域，其宗旨是尋找一種有效的方式把智能問題求解、規(guī)劃和通信技巧應用在更廣泛的實際問題中。人工智能的工作者是工具的制造者。我們的表示、算法和語言都是一些工具，用來設計和建立那些展現(xiàn)智能行為的機制。通過實驗，我們同時檢驗了它們解決問題的計算合適性，也檢驗了我們對智能現(xiàn)象的理解。然而，人工智能仍有很多尚待解答的問題，需要探索和研究。

人工智能：用科學解密生命與智慧

參考文獻

[1] Artificial intelligence507, 28 July 2006.讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學到的任何有價值的知識都是由自學中得來的?！_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、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、學習永遠不晚?！郀柣?/p>

18、少而好學，如日出之陽；壯而好學，如日中之光；志而好學，如炳燭之光。——劉向

19、學而不思則惘，思而不學則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干?！喔?/p>

第五篇：《人工智能》課程教學指南.

《人工智能》課程教學指南

課程編號：

英文名稱：Artificial Intelligence 周講課時數(shù)：34 學分數(shù)：2 課程簡介：

人工智能是計算機科學的一個分支，是研究計算機實現(xiàn)智能的原理以及建造智能計算機的科學，人工智能的研究將拓展計算機更深層次的應用。本課程介紹人工智能的基本原理和一般理論，學習和研究知識表示、邏輯推理和問題求解、自然語言理解等內容。課程教學目的和要求：

本課程的目的是使計算機專業(yè)的學生在掌握了相關的計算機基本理論的基礎上，對人工智能的基本概念和原理有一個較為全面的了解，掌握現(xiàn)代流行的智能處理的主要技術和方法，為智能信息分析和構建專家系統(tǒng)、智能決策支持系統(tǒng)等各類智能系統(tǒng)奠定基礎。

教材：

1、《人工智能原理》 石純一

清華大學出版社

參考書：

1、《人工智能原理及其應用》 周西苓

南京航空航天大學出版社

2、《人工智能與知識工程》 陳世福

南京大學出版社

成績考核方式及評分標準：理論與技能綜合考查（期末）。主講教師：張亮1