人工智能概念简介

1、人工智能概念简介Revised as of 23 November 20201, 哈什么是人工智能人工智能(Artificial Intelligence)简称AI,主要研究如何用人工的方法和技术，使 用各种自动化机器或智能机器(主要指计算机)模仿、延伸和扩展人的智能，实现某 些机器思维或脑力劳动自动化。人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化 (Bellman, 1978);人工智能是一种计算机能够恩维，使机器具有智力的激动人心的新 尝试(Haugcland, 1985);人工智能是研究如何让计算机做现阶段只有人才能做得好的 事情(Rich Knight,199

2、1);人工智能是那些使知觉、推理和行为成为可能的计算的研 究(Winston, 1992);广义地讲，人工智能是关于人造物的智能行为，而智能行为包 括知觉、推理、学习、交流和在复杂环境中的行为(Nilsson, 1998)2, 人工智能有哪些研究途径说明其研究特点。1心理模拟，符号推演:模拟人脑的逻辑思维，利用显式的知识和推理来解决问 题。擅长实现人脑的高级认知功能。2生理模拟，神经计算:具有高度的并行分布型， 很强的鲁棒性和容错性，擅长人脑的形象思维，便于实现人脑的低级感知功能。3行为 模拟，控制迸化:具有自学习，自适应，自组织特性的智能控制系统和智能机器人。4. 群体模拟，仿生计算：成果可

3、以直接付诸应用，解决工程问题和实际问题。5博采广 鉴，自然计算:模仿和借鉴自然界的某种机理而设计技术模型。7原理分析，数学逹 模：纯粹用人的智能去实现机器智能3, 给出人工智能的五个应用领域。难题求解，自动规划、调度与配直，机器定理证明，自动程序设计，机器翻译， 智能控制，智能管徨，智能决策，智能通信，智能仿真、智能CAD,智能制造，智能 CAI,智能人机接口，模式识别，数据挖拥与数据库中的知识发现，计算机辅助创新， 计算机文艺创作，机器博弈，智能机器人。4, 枚举出各种搜索策晒。盲目搜索：无向导的搜索，树式盲目搜索就是穷举搜索，不回溯的线式搜索是随 机碰撞式搜索，回溯的线式搜索也是穷举式搜索

4、。启发式搜索：是利用“启发性信息”引导的搜索策晒。“启发性信息”就是与问 题有关的有利于尽快找到问题解的信息或知识。启发式搜索分为不同的策陷，如全局 择优，局部择优，最佳图搜索。按扩展顺序不同分为广度优先和深度优先。5, 人工智能的基本技术有哪些表示：符号智能的表示是知识表示，计算智能的表示一般是对象表示运算：符号智能的运算是基于知识表示的推理或符号操作，计算智能的运算是基 于对象表示的操作或计算搜索：符号智能在问题空间内搜索进行问题求解，计算智能在解空间搜索进行求 解6, 你认为人工智能未来的发展趋势是什么多种途径齐头并迸，多种方法协作互补。新思想、新技术不断涌现，新领域、新方向不断开拓。理

5、论研究更加深入，应用研究愈加广泛。研究队伍日益壮大，社会影响越来越大。7, 你认为机器的智能会超过人类吗为什么8, 归结原理迸行定理证明的步骤有哪些归结原理进行求解问题的答案的步骤有哪些证明1先求出要证明的命题公式的否定式的于句集S; 2然后对于句集S （一次或者多 次）使用归结原理；3若在某一步推出了空于句，即推出丁矛盾，则说明于句集S是不 可满足的，从而原否定式也是不可满足的，进而说明原公式是永真的。求解1先为待求解的问题找一个台适的求证目标谓词；2再增配（以析取形式）一个辅 助谓词，该谓词的变元必须与对应目标谓词中的变元完全一致；3迸行归结；4.当归结 是刚好只剩下辅助谓词时，辅助谓词中

6、原变元位直上的项就是所求的结果。9, 简要说明各种归结策略。删除策略：及早删除无用子句，以避免无效归结，缩小搜索规模；并尽量使归结式朝“小的方向发展。从而尽早导出空子句。删除策略是完备的。支持集策晒：尽長避免在可满足的于句集中做归结，因为从中导不出空于句。而 求证公式的前提通常是一致的，所以支持集策晒要求归结时从目标公式否宦的于句出 发迸行归结。支持集策路实际是一种目标制导的反向推理。支持集策略是完备的。线性归结策珀：线性归结策略是完昔的，高效的。可与许多别的策菇相兼容。输入归结策珀：是一种自底而上的归结策略。输入归结策菇是不完昔的。输入归 结策晒常同线性归结策菇结合，构成线性输入归结策略。也

7、可以与支持集策珀相结 合。单元归结策路：单元归结的恩想是用单元于句归结可以使归结式含有较少的文 宇，因而有利于逼近空于句。单元归结策略是不完备的，但效率高。祖先过滤型策晒：是线性输入策聒的改进。是完缶的10, 说明与或图的在知识表示中的两种应用与或图一般表示问题的变换过程，就是从原问题出发，运用某些规则不断的进行 问题的分解（得到与分支）和变换（得到或分支），而得到一个与或图，与或图的节 点一般代表问题，整个图就表示问题空间。H,博弈问题状态空间图的特点是什么，为什么博弈树的特点n博弈的初始格局是初始节点。n 在博弈树中，“或”节点和“与”节点是逐层交替出现的。自己一方扩展 的节点之间是“或”

8、关系，对方扩展的节点之间是“与”关系。双方轮流地扩展节 点。n所有自己一方获胜的终局都是本原问题，相应的节点是可解节点；所有使对方获胜的终局都是不可解节点。12. 博弈问题求解有哪些方法，简述其过程。极小极大分析法的基本思想 设博弈的双方中一方为A,另一方为B。然后为其中的一方（例如A）寻 找一个最优行动方案。为了找到当前的最优行动方案，需要对各个可能的方案所产生的后果 进行比较。为计算得分，需要根据问题的特性信息定义一个估价函数，用来估算 当前博弈树端节点的得分。这时估算出来的得分为静态估值。当端节点的估值计算出来后，再推算出父节点的得分，推算的方法是：对“或节点，选其子节点中一个最大的得分

9、作为父节点的得分，这是 为了使自己在可供选择的方案中选一个对自己最有利的方案；对“与节点，选其子节点中一个最小的得分作为父节点的得分，这是 为了立足于最坏的情况。这样计算出的父节点的得分称为倒推值。 如果一个行动方案能获得较大的倒推值，则它就是当前最好的行动方 案。c（-剪枝技术。基本思想为：对于一个与节点MIM若能估计出其倒推值的上确界卩，并且这个p值不 大于MIN的父节点（一定是或节点）的估计倒推值的下确界c（，即（XMB，则 就不必再扩展该MIN节点的其余子节点了（因为这些节点的估值对 MIN父节点的倒推值已无任何影响了）。这一过程称为c（剪枝。对于一个或节点MAX,若能估计出其倒推值的

10、下确界CG并且这个C（值不小于MAX的父节点（一定是与节点）的估计倒推值的上确界卩，即0（邛, 则就不必再扩展该max节点的其余子节点了 （因为这些节点的估值对MAX父节点的倒推值已无任何影响了）。这一过程称为p剪枝。13, 什么是知识表示列举4种知识表示方法。知识表示是指面向计算机的知识描述或表达形式和方法。用某种 约定的形式结构来描述知识，而且这种形式结构还要能转换为机器的 内部形式，使得计算机能方便的存储、处理和利用。按知识表示的形式分类显式的知识表示形式（局部表示）隐式的知识表示形式（分布表示）按特征，知识表示分为陈述表示过程表示14, 分别给出事实：“MARY是郑州大学计算机系的女讲

11、师，30岁，身体健康， 1990年硕士毕业于北京大学计算机系，参加工作时间是1993年7月，工资级 别是四级的语义网络表示法和框架表示法。框架名：vMARY类属： B- C- G- E- D- K, G (K) =5,解为：A- C- G- K深度优先搜索过程为：A- C- G- E- M - P, G (P) =7,解为：A- C- G- E- M- P21, (1)求下图中与/或树的解树并用和代价法则求最佳解树。其中，端结点中；I、J、F、K、L是可解结点，其余结点是不可解结点。解答、宽度优先搜索过程： 先将A放入OPEN表中，g(A)=O ；(2) 将A放入CLOSED表中，扩展A节点，

12、得节点B、C, g(B)=l,g(O=2,将B、C按代价从小到大放入OPEN中；(3) 将B放入CLOSED表中，扩展B节点得节点D、E, g (D) =5,g(E)=4,将C、D、E按代价从小到大排列放入OPEN表中；(4) 将C放入CLOSED表中,扩展C得节点F、G, g(F)=6,g(G)=3,将 D、E、F、G按代价从小到大排列放入OPEN表中；(5) 将 G 放入 CLOSED 表中，扩展 G 得 L, M. g (L) =4,g(M)=5,将D、E、F、L, M按代价从小到大排列放入OPEN表中；(6) 将L放入CLOSED表中，L为目标节点，搜索成功。解为 A-B-C-G- L

13、, g (L) =4深度优先搜索过程：(1) 先将A放入OPEN表中，g(A)=0 ；(2) 将A放入CLOSED表中，扩展A节点，得节点B、C, g(B)=l,g(C)=2,将B、C按代价从小到大放入OPEN表中；(3) 将B放入CLOSED表中，扩展B节点得节点D、E, g (D)=5,g(E)=4,将D、E按代价从小到大排列放入OPEN表中；(4) 将E放入CLOSED表中，扩展E节点得节点J、Kf g (J) =5,g(K)=6, 将J、K按代价从小到大排列放入OPEN表中；(5) 将J放入CLOSED表中，J为目标节点，搜索成功。解为 A B- E- J; g (J) =4(2) 分

14、别用-剪枝和极小极大化分析求根结点X的最佳走步。补充剪枝:最佳路径为N-A-B-C-D四用消解原理证明定理：G是兀、A的逻辑结论。1 - Fx :(x) (N(x)G(x) AI(X)(x) (I(x)E(x) V0(x)(x) (E (x)I(s(x)G :(x) (N(x)O(x) Vl(s(x)解门Fl F2F3 G的子句集为N(x)GZ(x)N(y)l(y)I(z)E(z) 0(z)E(u)I(s(u)N(a)(6)0(a)(7)I(s(a)2 .归结原理证明定理：G是、. F?的逻辑结论。Fi x(P(x) y(Q(y) L(x,y)F2 x (P(x) A y(R(y) L(x,y

15、)G x (R(x) Q (x)证明：首先求得Fl的子句集：P(x) Q(y) L(x,y)F2的子句集：P(a) R(z)L (a, z)G的子句集为：R0) Q(b)然后应用消解原理得： Q(y) L (a, b)，b/zQ(b)，,b/yNIL,所以G是Fl, F2的逻辑结论此题的方法是:Fl F2G能推出空子句，就可以说明G是F1,F2的逻辑结论。3用归结原理证明定理：G是F|、F2的逻辑结论。Fl x (P(x) Q(x) A R(x)F2 x(P(x) A S(x)G x (S(x) A R(x)证明：利用归结反演法，先证明Fl V F2 VG是不可满足的。 求子句集：(1) P(

16、x) VQ(x)卜 FA(2)P(z) VR(z):(3) P(a)、F2(4) S(a) 了(5) S(y) VR(y)(G)利用归结原理进行归结(6)R(a)(2),(3), a i=a/z(7) R(a)(4),(5), a2 =U/y(8) Nil(6), (7)所以S是不可满足得，从而G是Fl和F2的逻辑结果。五一个农夫要用船带一只狼、一只羊和一捆草从河的左岸到右岸，但受下列条 件限制：(1) 农夫每次只能带一样东西过河；(2) 人不在的时候，狼会吃羊、羊会吃草。试用状态空间图求出他们能顺利过河的方案。解:用四元组(f、w、s、g)表示状态，f代表农夫，W代表狼，S代表羊，g 代表菜

17、，其中每个元素都可为0或1,用0表示在左岸，用1表示在右 岸。初始状态so : (0,0,0, 0) 目标状态:(1,1,1,1) 不合法的状态：(1, 0,0, *), (1,*, 0, 0), (0, 1,1,*),(0, *, 1,1)操作集 F=P1, P2, P3, P4, QI, Q2, Q3, Q4操作符条件动作plf=0, w=0, s 和 g 相异f=l, W=1P2f=0, s=0,f=l, S=1p3f=0, g=0, w 和 s 相异f=l, g=lq0f=l, s和g相异,w和 s相异f=0qlf=l, w= 1, s 和 g相 异f=0, w = 0q2f=l, S

18、 = l,f=0, s = 0q3f=l, g = 1, w 和 s 相 异f=0, g = 0方案有两种:p2- qO t p3f q2 t p2 - qO t p2p2 qO pl q2 p3 qO p2六给出井字棋游戏的完整状态空间图，并设计一个启发函数，将其应用到搜 索过程中。七张某被盗，公安局派五个侦察员去调查，研究案情时，侦察员A说赵与 钱中至少有一人作案”；侦察员B说:“钱与孙至少有一人作案”；侦察员C说： “孙与李中至少有一人作案”；侦察员D说：“赵与孙中至少有一人与此案无关； 侦察员E说：“钱与李中至少有一人与此案无关如果这五个侦察员说的都可 信，试用消解原理求出谁是盗窃犯。

19、解:设谓词P(X)表示X是盗窃犯. 则题意可表述为如下的谓词公式:Fl:P(zhao) P(qian)F2: P(qian) P(sun)F3: P(sun) P(li)F4: P(zhao)P(sun)F5: P(qian)P(li)求证的公式为:XP(X)子句集如下: P(zhao) P(qian) P(qian) P(sun) P(sun) P(li) P(zhao)P(sun) P(qian)P(li) P(x) GA(x) P(qian)P(sun)， P(sun)P(li)，,sun/x，,(ll),qian/x P(sun) GA(sun)(11) P(qlan)(12) GA(

20、qlan)所以，sun和qian都是盗窃犯.即:孙和钱都是盗窃犯.此题需定义一个辅助谓词GA(x)来求出谁是盗窃犯。设A. B、C中有人从来不说真话.也有人从来不说谎话，某人向这三人分别同 时提出一个问题:谁是说谎者A答:-B和C都是说谎者”；B答：“A和C都 是说谎者” ；C答：“A和B中至少有一个人说谎”。用归结原理求谁是老实人， 谁是说谎者解：用T (x)表示x说真话。如果A说的是真话则有:T(A)(T(B) AT(O)如果A说的是假话则有:T(A) (T(B) V T(C)对B和C所说的话做相同的处理，可得：T(B)(T(A) A T (C)T(B) (T(A) V T(C)T(C)(T(A) VT(B)T(C) (T(A) A T(B)将上面的公式化为子句集，得到S:(1) T(A) VT(B)(2) T(A) VT(C)(3) T(A) V T(B ) V T(C )(4) T(B) VT(