人工智能考试提纲与答案

人工智能复习参考（2012工程硕士）第1部分绪论什么是人工智能？试从学科和能力两方面加以说明。答：从学科方面定义：人工智能是计算机科学中涉及研究、涉及应用智能机器的一个分支。它的近期主要目标在于研究用机器来模范和执行人脑的某些智力功能，并开发相关理论和技术。从能力方面定义：人工智能是智能机器所执行的通常与人类智能有关的智能行为，如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。在人工智能的发展过程中，有哪些思想和思潮起了重要作用？答：1）数理逻辑和关于计算本质的新思想,提供了形式推理概念与即将发明的计算机之间的联系。2）1956年第一次人工智能研讨会召开,标志着人工智能学科的诞生.3）控制论思想把神经系统的工作原理与信息理论、控制理论、逻辑以及计算联系起来。影响了许多早期人工智能工作者，成为他们的指导思想。4）计算机的发明发展,5）专家系统和知识工程6）机器学习、计算智能、人工神经网络和行为主义研究,推动人工智能研究的进一步发展。为什么能够用机器（计算机）模仿人的智能？答：物理符号系统的假设：任何一个系统，如果它能够表现出智能，那么它就必定能执行输入符号、输出符号、存储符号、复制符号、建立符号结构、条件性迁移6种功能。反之，任何系统如果具有这6种功能，那么它就能够表现出智能（人类所具有的智能）。物理符号系统的假设伴随有3个推论。推论一:既然人具有智能，那么他（她）就一定是个物理符号系统。推论二:既然计算机是一个物理符号系统，它就一定能够表现出智能。推论三:既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能够用计算机来模拟人的活动。人工智能的主要研究内容和应用领域是什么？其中，哪些是新的研究热点？答：研究和应用领域：问题求解（下棋程序），逻辑推理与定理证明（四色定理证明），自然语言理解，自动程序设计，专家系统，机器学习，神经网络，机器人学（星际探索机器人），模式识别（手写识别，汽车牌照识别，指纹识别），机器视觉（机器装配，卫星图像处理），智能控制，智能检索，智能调度与指挥（汽车运输高度，列车编组指挥），系统与语言工具新的研究热点：概率图模型（隐马尔可夫模型、贝叶斯网络）、统计学习理论（SLT）&支持向量机（SVM）、数据挖掘与知识发现（超市市场商品数据分析），人工生命人工智能的发展对人类有哪些方面的影响？试结合自己了解的情况和理解，从经济、社会和文化等方面加以说明？1、人工智能对经济的影响：人工智能系统的开发和应用，已为人类创造出可观的经济效益，专家系统就是一个例子。随着计算机系统价格的继续下降，人工智能技术必将得到更大的推广，产生更大的经济效益。2、人工智能对社会的影响：劳务就业问题；社会结构变化；思维方式与观念的变化；心理上的威胁；技术失控的危险。3、人工智能对文化的影响：改善人类知识；改善人类语言；改善文化生活。试评述人工智能的未来发展。答：我认为主要有以下两个发展方向：1、计算机能直接而人类大脑实现人机交流。借助以上技术，人类可以用思维控制自己想看到的，想听到的，使媒体技术中的感官媒体更真实化，对虚拟的事物不仅可以看见听见，更可以摸得，闻得着。同时电脑可以进一步辅助人类做出一定的判断，储存大量信息，甚至可以以身体为媒介，执行电脑程序，是人类更快的学会各种技巧，掌握更多知识。同时，提高了生物验证的渠道，比如利用DNA染色体作为密码的载体，相信是很难伪造的。2、电脑拥有机器思维：机器学会人类的思维方式，帮助人更好的思考问题。第2部分知识表示什么是知识？知识的要素有哪些？知识的表示方法有哪些？答：Feigenbaum：知识是经过削减、塑造、解释和转换的信息。简单地说，知识是经过加工的信息。Bernstein：知识是由特定领域的描述、关系和过程组成的。Hayes-Roth：知识是事实、信念和启发式规则。从知识库的观点看，知识是某领域中所涉及的各有关方面的一种符号表示。知识的要素有：事实：有关问题环境的一些事物的知识，常以“„是„”的形式出现。规则：有关问题中与事物的行动、动作相联系的因果关系知识，是动态的，常以“如果„那么„”形式出现。控制：有关问题的求解步骤、技巧性知识，告诉怎么做一件事。元知识：有关知识的知识，是知识库中的高层知识。包括怎样使用规则，解释规则、校验规则、解释程序结构等知识。知识的表示方法有：胃词逻辑表示法、产生式表示法、框架表示法、语义网络表示法、面向对象表示法。谓词逻辑法、产生式表示法、框架表示法和语义网络表示法的要点是什么？它们有何本质上的联系及异同点?答案：状态空间法是基于解答空间的问题表示和求解方法,是以状态和操作符为基础的。问题归约法是从目标（要解决的问题）出发逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题归约为一个平凡的本原问题集合。谓语逻辑法是采用谓词合式公式和一阶谓词演算把要解决的问题变为一个有待证明的问题,然后采用消解定理和消解反演来证明一个新语句是从已知的正确语句导出的,从而证明这个新语句也是正确的语义网络法是用“节点”代替概念，用节点间的“连接弧”代替概念之间的关系。如何用谓词逻辑法表示知识?（见课本例题）用谓词公式既可表示事物的状态、属性和概念等事实性的知识，也可表示事物间具有因果关系的规则性知识。用谓词公式表示知识的一般步骤定义谓词及个体，确定每个谓词及个体的确切含义。根据所要表达的事物或概念，为每个谓词中的变元赋以特定的值。根据所要表达的知识的语义，用适当的连接符将各个谓词连接起来形成谓词公式。什么是产生式规则？产生式系统由哪些部分组成？说明各部分的功能。答：把一组产生式放在一起，让它们相互配合、协同作用，一个产生式生成的结论可以供另一个产生式作为前提使用以求得问题的解决，这样的系统称为产生式系统。产生式系统由：规则库、数据库、推理机组成。规则库：用于描述某领域内知识的产生式集合，是某领域知识（规则）的存储器。数据库：用来存放输入事实、外部数据库输入的事实以及中间结果和最后结果。推理机：由一组程序组成，用来控制协调规则库与数据库的运行，包含了推理方式和控制策略。说明产生式系统推理机的推理方式及推理过程。答：产生式系统推理机的推理方式有正向推理、反向推理和双向推理三种。正向推理：从已知事实出发，通过规则求得结论。或称数据驱动方式也称作自底向上的方式。正向推理的推理过程：（1）规则集中的规则与数据库中的事实进行匹配，得匹配的规则集合。（2）使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。（3）执行启用规则的后件。将该请用规则的后件送入数据库。重复这个过程直至达到目标。反向推理：从目标（作为假设）出发，反向使用规则，求得已知事实。这种推理方式也称目标驱动方式或称自顶向下的方式。反向推理的推理过程：（1）规则库中的规则后件与目标事实进行匹配，得匹配的规则集合。（2）使用冲突解决算法，从匹配规则集合中选择一条规则作为启用规则。（3）将启用规则的前件作为子目标。重复这个过程直至各子目标均为已知事实成功结束。双向推理：双向推理是一种既自顶向下、又自底向上的推理方式，推理从两个方向同时进行，直至某个中间界面上两方向结果相符便成功结束。这种双向推理较正向或反向推理所形成的推理网络小，从而有更高的推理效率。如何用框架表示法表示知识？如何用语义网络法表示知识？（见课本例题）框架表示法是以框架理论为基础发展起来的一种结构化的知识表示，它适用于表达多种类型的知识。框架理论的基本观点是：人脑已存储有大量的典型情景，当面临新的情景时，就从记忆中选择一个称作框架的基本知识结构，其具体内容依新的情景而改变，形成对新情景的认识又记忆于人脑中。语义网络表示知识：一般由一些最基本的语义单元组成。这些最基本的语义单元被称为语义基元，可用如下三元组来表示为（节点1，弧，节点2）用语义网络表示知识的步骤确定问题总所有对象和各对象的属性。确定所讨论对象间的关系。根据语义网络中所涉及的关系，对语义网络中的节点及弧进行整理，包括增加节点、弧和归并节点等。将各对象作为语义网络的一个节点，而各对象间的关系作为网络中各节点的弧，连接形成语义网络。第3部分经典逻辑推理什么是推理？推理的任务是什么？可分为哪几类(按推理的逻辑基础划分、所利用的知识划分、推出的结论的单调性划分)？答：推理是按某种策略由已知判断推出另一判断的思维过程。已知判断：包括已掌握的与求解问题有关的知识及关于问题的已知事实。推理的结论：由已知判断推出新判断。推理机：推理由程序实现，称为推理机。推理的任务是：从一种判断推出另一种判断。推理的分类：演绎推理、归结推理、默认推理。什么是置换？什么是合一？什么是归结？设有公式集F={F1,F2,...,Fn},若存在一个代换使得则称为公式集F的一个合一^。==FX12n设C1与C2是子句集中的任意两个子句，如果C1中的文字L1与C2中的文字L2互补，那么从C1和C2中分别消去L1和L2,并将二个子句中余下的部分析取，构成一个新子句C12，则称这一过程为归结。什么是子句？把谓词公式化为子句集有哪些步骤?利用A—B<=>〜AVB、A<->B<=>(〜AVB)A(〜BVA)消去蕴含式和等价式一，<->利用下述等价关系把〜移到紧靠谓词的位置上〜(〜A)=A〜(AAB)<=>〜AV〜B〜(AVB)<=>〜AA〜B〜xA(x)<=>x〜A(x)〜xA(x)<=>x〜A(x)重新命名变元名，使得不同量词约束的变元有不同的名字消去存在量词把全称量同全部移到公式的左边。消去全称变量对变元命名，使不同的子句有不同的名字。消去合取式后，谓词公式最终可转化为下列子句集掌握把谓词公式化为子句集的方法。如把下列句子变换成子句形式：~(0x){P(x)f{(Vy)[p(y)fp(f(x,y))]人(0y)[Q(x,y)fP(y)]}}-蕴涵，人合取，V析取，否定词〜答案：消去蕴涵符号(只应用V和〜符号，以〜AVB替换A-B)〜(Vx){~P(x)V{(Vy)[〜p(y)Vp(f(x,y))]A(Vy)[〜Q(x,y)VP(y)]}}减少否定符号的辖域(每个否定符号〜最多只用到一个谓词符号上，并反复应用狄•摩根定律)(3x){~{~p(x)V{(Vy)[〜p(y)Vp(f(x,y))]A(Vy)[〜Q(x,y)VP(y)]}}}(3x){P(x)A{~{(Vy)[〜p(y)Vp(f(x,y))]A(Vy)[〜Q(x,y)VP(y)]}}}(3x){P(x)A{{~(Vy)[〜p(y)Vp(f(x,y))]V{~(Vy)[〜Q(x,y)VP(y)]}}}(3x){P(x)A(y)[p(y)A〜p(f(x,y))]V(my)[Q(x,y)A〜P(y)]}}对变量标准化(对哑元(虚构变量)改名，以保证每个量词有其自己唯一的哑元)(3x){P(x)A(y)[p(y)A〜p(f(x,y))]V(33)[Q(x,3)A〜P(3)]}}消去存在量词(以Skolem函数代替存在量词内的约束变量，然后消去存在量词)P(A)A{[p(B)A〜p(f(A,B))]V[Q(A,C)A〜P(C)]}化为前束形：(把所有全称量词移到公式的左边，并使每个量词的辖域包括这个量词后面公式的整个部分)把母式化为合取范式(任何母式都可写成由一些谓词公式和(或)谓词公式的否定的析取的有限集组成的合取)P(A)A{[p(B)VQ(A,C)]人[p(B)V〜P(C)]A[〜p(f(A,B))VQ(A,C)]A[〜p(f(A,B))V〜P(C)]}P(A)A[p(B)VQ(A,C)]A[p(B)V〜P(C)]A[〜p(f(A,B))VQ(A,C)]A[〜p(f(A,B))V〜P(C)]消去全称量词(所有余下的量词均被全称量词量化了。消去前缀，即消去明显出现的全称量词)消去连词符号A(用{A,B}代替(AAB)，消去符号A。最后得到一个有限集，其中每个公式是文字的析取)P(A)p(B)VQ(A,C)p(B)V〜P(C)〜p(f(A,B))VQ(A,C)〜p(f(A,B))V〜P(C)更换变量名称(可以更换变量符号的名称，使一个变量符号不出现在一个以上的子句中)P(x1)p(y1)VQ(x2,31)p(y2)V〜P(32)〜p(f(x3,y3))VQ(x3,33)〜p(f(x4,y4))V〜P(34)简述用归结法证明定理的过程(消解反演求解过程)。(见课本例题)P941720把由目标公式的否定产生的每个子句添加到目标公式否定之否定的子句中去。按照反演树，执行和以前相同的消解，直至在根部得到某个子句为止。用根部的字句作为一个回答语句。如何通过归结法求取问题的答案?P951819答：从反演树求取对某个问题的答案，其过程如下：把由目标公式的否定产生的每个子句添加到目标公式否定之否定的子句中去；按照反演树，执行和以前相同的消解，直至在根部得到某个子句为止；用根部的子句作为一个回答语句。实质：把一棵根部有NIL的反演树变换为根部带有回答语句的一棵证明树。与/或形演绎推理有哪几种推理方式?简述推理过程(见课本例题)P952122推理方式：正向演绎、逆向演绎、双向演绎。与/或形演绎推理推理方式：正向演绎、逆向演绎、双向演绎；正向演绎：从已知事实出发，正向地使用蕴含式(F规则)进行演绎推理，直至得到某个目标公式的一个终止条件为止。事实表达式的与/或变换：1消去公式中的“即；2把“"移到紧靠谓词的位置上；3重新命名变元名；4引入Skolem函数消去存在量词；5消去全称量词，且使各主要合取式中的变元不同名把领域知识的表示形式变成规定形式的步骤：1消去公式中的“即；2把“"移到紧靠谓词的位置上；3引入Skolem函数消去存在量词；4消去全称量词5恢复蕴含式推理过程：1用与/或树把已知事实表示出来2用F规则的左部和与/或树的叶节点进行匹配，并将匹配成功的F规则加入到与/或树中3重复第(2)步，直到产生一个含有以目标节点作为终止节点的解图为止逆向演绎推理：从待证明的问题(目标)出发，通过逆向地使用蕴含式(B规则)进行演绎推理，直到得到包含已知事实的终止条件为止变换过程与正向演绎推理中的已知事实的变换相似。先消去全称量词，方法是用存在量词约束的变元的Skolem函数消去全称量词约束的相应变元，然后在消去存在量词推理过程：1用与/或树把目标公式表示出来2用B规则的右部和与/或树的叶节点进行匹配，并将匹配成功的B规则加入到与/或树中3重复进行第(2)步，直到产生某个终止在事实节点上的一致解图为止与/或形双向演绎推理：由表示目标及表示已知事实的两个与/或树结构组成，这些与/或树分别由正向演绎的F规则及逆向演绎的B规则进行操作，并且仍然限制F规则为单文字的左部，B规则为单文字的右部。第4部分不确定推理研究不确定性推理有何意义?有哪几种不确定性?答：不确定性推理——是一种建立在非经典逻辑基础上的基于不确定性知识的推理，它从不确定性的初始证据出发，通过应用不确定性知识，推出具有一定程度的不确定性的或近乎合理的结论。不确定性推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。知识的不确定性、证据的不确定性两种。在什么情况下需要采用不确定推理?一般推理方法在许多情况下，往往无法解决面临的现实问题，因而需要应用不确定性推理等高级知识推理方法，包括非单调推理、时序推理和不确定性推理等。简述概率推理方法和主观Bayes推理方法。会应用概率方法和主观贝叶斯方法推理(见4.3节和4.4节的例题)答：推理的一种形式。人们根据不确定的信息做出决定时进行的推理。根据以往的经验和分析，结合专家先验知识，由已知的变量信息来推导未知变量的信息的过程。贝叶斯推断的基本方法是将关于未知参数的先验信息与样本信息综合，再根据贝叶斯定理，得出后验信息，然后根据后验信息去推断未知参数在主观Bayes方法中，请说明LS和LN的意义。P126设计题1，2答：LN表示必要性因子，它表示~已对H的支持程度。LS表示充分性因子，它表示E对H的支持程度。第5部分搜索问题求解5-1说明用状态空间法求解问题的过程，基本的求解方法有哪些？状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。在利用状态空间图表示时，从某个初始状态开始，每次加一个操作符，递增地建立起操作符的试验序列，直到达到目标状态为止。由于状态空间法需要扩展过多的节点，容易出现“组合爆炸”，因而只适用于表示比较简单的问题。用x表示系统的状态向量,用u和y分别表示系统的输入向量和输出向量，则系统的状态方程和量测方程可表示为如下的一般形式：夶=哄u,t),y=g(x,u，t)式中,f(x,u，t)和g(x,u，t)为自变量X、u、t的非线性向量函数,t为时间变量。对于线性定常系统状态方程和量测方程具有较为简单的形式：夶二Ax+Bu,y=Cx+Du式中A为系统矩阵，B为输入矩阵，C为输出矩阵,D为直接传递矩阵，它们是由系统的结构和参数所定出的常数矩阵。什么是盲目搜索？启发式搜索法的基本思想是什么？评估函数如何定义？评估函数的作用是什么？答：盲目搜索又叫做无信息搜索，一般只适用于求解比较简单的问题。宽度优先搜索和深度优先搜索，属于盲目搜索方法。启发式搜索就是在状态空间中的搜索对每一个搜索的位置进行评估，得到最好的位置，再从这个位置进行搜索直到目标。这样可以省略大量无谓的搜索路径，提到了效率。在启发式搜索中，对位置的估价是十分重要的。采用了不同的估价可以有不同的效果。启发中的估价是用估价函数表示的，口：f(n)=g(n)+h(n)其中f(n)是节点n的估价函数，g(n)是在状态空间中从初始节点到n节点的实际代价，h(n)是从n到目标节点最佳路径的估计代价。在这里主要是h(n)体现了搜索的启发信息，因为g(n)是已知的。5-3什么是问题规约？与或图的作用是什么？为什么应用问题规约得到的状态空间可表示为与或图？P152,6答：问题归约法是不同于状态空间法的另一种问题描述和求解的方法。归约法把复杂的问题变换为若干需要同时处理的较为简单的子问题后再加以分别求解：只有当这些子问题全部解决时，问题才算解决，问题的解答由子问题的解答联合构成。与或图的作用是方便地把问题归约为子问题替换集合。说明博弈树搜索的极大极小过程、*卩过程？P15312答：其基本思想或算法是：设博弈的双方中一方为MAX,另一方为MIN。然后为其中的一方(例如MAX)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,具体地说，就是要考虑每一方案实施后对方可能采取的所有行动，并计算可能的得分。（3）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。此时估算出来的得分称为静态估值。（4）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。（5）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。第6部分机器学习什么是学习和机器学习?为什么要研究机器学习?答：机器学习是研究如何使用机器来模拟人类学习活动的一门学科。学习是系统所作的适应性变化，使得系统在下一次完成同样或类似的任务时更为有效。学习是构造或修改对于所经历事物的表示。学习是知识的获取。研究原因：机器学习是人工智能的主要核心研究领域之一,也是现代智能系统的关键环节和瓶颈。很难想象:一个没有学习功能的系统能被称具有智能的系统。来自生物、金融与网络等各领域的数据，迫切需要分析或建立模型。试述机器学习系统的基本结构，并说明各部分的作用。执行、知识库、学习、环境。环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。试说明归纳学习的模式和学习方法。给定：1）观察陈述（事实）F用以表示有关某些对象、状态、过程等的的顶知识；2）假定的初始归纳断言（可能为空）3）背景知识，用于定义有关观察陈述、候选纳断言以及任何相关问题领域知识、假设和约束，其中包括能够刻画所求归纳断言的性质的优先准则。求：归纳断言（假设）H,能重言蕴涵或弱蕴涵观察陈述，并满足背景知识。假设H永真蕴涵事实F,说明F是H的逻辑推理，则有：HI>F（读作H特殊化为F）或者Fl<H（读作F—般化或消解为H）这里，从H推导到F时演绎推理，因此是保真的；而从事实F推导出假设H是归纳推理，因此不是保真的，而是保假的。简述概念学习的基本过程，请结合例子说明之。P181设计题2概念，可被看作一个对象或事件集合，它是从更大的集合中选取的子集，或在这个较大集合中定义的布尔函数。概念学习问题的定义：给定一个样例集合以及每个样例是否属于某个概念的标注，怎样推断出该概念的一般定义。又称从样例中逼近布尔函数。概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数。已知：实例集X：每个实例x由6个属性描述，每个属性的取值范围已确定假设集H：每个假设h描述为6个属性的取值约束的合取目标概念c：一个布尔函数，变量为实例训练样例集D：目标函数（或目标概念）的正例和反例求解：H中的一假设h,使对于X中任意x,h（x）=c（x）简述决策树方法及其使场合；在构造决策树的过程中，测试属性的选取采用什么原则？如何实现？设计题1决策树学习是一种逼近离散值目标函数的方法，在这种方法中学习到的函数被表示为一棵决策树。学习得到的决策树也能再被表示为多个if-then的规则，以提高可读性。决策树通过把实例从跟结点排列到某个叶子结点来分类实例，叶子结点即为实例所属的分类。树上的每一个结点指定了对实例的某个属性的测试，并且该结点的每一个后继分支对应于该属性的一个可能值。分类实例的方法是从这棵树的根结点开始，测试这个结点指定的属性，然后按照给定实例的该属性值对应的数值向下移动。然后这个过程在以新结点为根的子树上重复。决策树学习最适合具有一下特征的问题：（1）实例是由“属性-值”对表示的；（2）目标函数具有离散的输出值；（3）可能需要析取的描述；（4）训练数据可以包含错误；（5）训练数据可以包含缺少属性值的实例。最佳分类属性：信息增益：用来衡量给定的属性区分训练样例的能力,ID3算法在增长树的每一步使用信息增益从候选属性中选择属性用熵度量样例的均一性：熵刻画了任意样例集的纯度,属性选择度量标准－－分支指标：信息增益：用信息增益度量期望的熵降低增益比率：基尼指数：主要的机器学习算法有哪些？机器学习算法很多。经典的有：决策树、贝叶斯学习、神经网络、遗传算法。第7部分数据挖掘数据挖掘的定义，什么是知识发现？说明知识发现、数据挖掘的联系与区别。答：数据挖掘（DataMining）从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在