第一章 绪论
主要内容：
□ □ □ □ 人工智能的定义和发展□ 人类智能和人工智能 人工智能的主要学派 人工智能的研究与应用领域
人工智能定义
人工智能（Artificial Intelligence，AI）学 科从1956年正式提出，目前已取得长足的发 展，成为一门广泛的交叉和前沿科学。 总的说来，人工智能的目的就是让计算机这台 机器能够象人一样思考。 如果希望做出一台能够思考的机器，那就必须 知道什么是思考，更进一步讲就是什么是智慧。 什么样的机器才是智慧的呢？它们能不能模仿 人类大脑的功能呢？
1
1
2
2
当计算机出现后，人类开始真正有了一个可以模 拟人类思维的工具，在以后的岁月中，无数科学 家为这个目标努力着。 现在全世界几乎所有大学的计算机系都有人在研 究这门学科，学习计算机的大学生也必须学习这 样一门课程。 在大家不懈的努力下，现在计算机似乎已经变得 十分聪明了。
“深蓝”是IBM公司生产的世界上第一台超级国 际象棋电脑。是一台超级并行处理计算机，计 算能力惊人，平均每秒可计算棋局变化2OO万步。 1997年5月，IBM公司研制的深蓝（Deep Blue） 计算机战胜了国际象棋大师卡斯帕洛夫 （Kasparov)
3
3
4
4
图灵测试（Turning Test）
1950年10月，图灵的一篇划时代论文《计算机与智能》 发表。这篇文章后来被改名为《机器能思维吗？》。 在“第一代电脑”占统治地位的时期，这篇论文甚至可 以作为“第五代电脑”和“第六代电脑”的宣言书。 图灵写道：你无法制造一台替你思考的机器，这是人 们一般会毫无疑义接受下来的老生长谈。我的论点是： 与人脑的活动方式极为相似的机器是可以制造出来的。 更有趣的是，图灵还设计了一个“图灵测试”，试图通 过让机器模仿人回答某些问题，判断它是否具备智能。
图灵测试
试图通过让机器模仿人回答某些问题，判断它是否具备 智能。图灵试验采用“问”与“答”模式，即观察者通过控 制打字机向两个试验对象通话，其中一个是人，另一个 是机器。要求观察者不断提出各种问题，从而辨别回答 者是人还是机器。
5
6
图灵测试
图灵指出：“如果机器在某些现实的条件下，能 够非常好地模仿人回答问题，以至提问者在相 当长时间里误认它不是机器，那么机器就可以 被认为是能够思维的。” 从表面上看，要使机器回答按一定范围提出的 问题似乎没有什么困难，可以通过编制特殊的 程序来实现。然而，如果提问者并不遵循常规 标准，编制回答的程序是极其困难的事情。
图灵测试对计算机的要求
自然语言处理 知识表示 自动推理 机器学习
7
8
图灵测试(问题)1
问：你会下国际象棋吗？ 答：是的。 问：你会下国际象棋吗？ 答：是的。 问：请再次回答，你会下国际象棋吗？ 答：是的。 你多半会想到，面前的这位是一部笨机器。
图灵测试(问题)2
问： 你会下国际象棋吗？ 答：是的。 问：你会下国际象棋吗？ 答：是的，我不是已经说过了吗？ 问：请再次回答，你会下国际象棋吗？ 答：你烦不烦，干嘛老提同样的问题。
9
10
图灵测试
上述两种对话的区别在于，第一种可明显地感到回 答者是从知识库里提取简单的答案，第二种则具有 分析综合的能力，回答者知道观察者在反复提出同 样的问题。
1990年，休.罗纳（Hugh Loebner）出资一百万 美以及一枚金牌，专门奖励能够通过图灵测试 的计算机。他同时设立了一个铜牌以及两千美 的年度奖金，专门奖励那些虽然不是尽善尽 美，但是“最像人类”的计算机。这使得参加 竞赛的人络绎不绝，参赛的计算机也一年比一 年出色。
（ https://www.doczj.com/doc/4316841267.html,/ https://www.doczj.com/doc/4316841267.html,/ https://www.doczj.com/doc/4316841267.html,/george ）
11
12
12
什么是人工智能?
定义1 智能机器(intelligent 定义1 智能机器(intelligent machine) 能够在各类环境中自主地或交互地执行各种拟人任务 (anthropomorphic tasks)的机器。 tasks)的机器。 的机器 定义2 人工智能(学科) 定义2 人工智能(学科) 人工智能(学科)是计算机科学中涉及研究、 人工智能(学科)是计算机科学中涉及研究、设计和应用智 能机器的一个分支。 能机器的一个分支。它的近期主要目标在于研究用机器来 模仿和执行人脑的某些智力功能，并开发相关理论和技术。 模仿和执行人脑的某些智力功能， 并开发相关理论和技术。 定义3 人工智能(能力) 定义3 人工智能(能力) 人工智能(能力) 人工智能(能力)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、 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。 通信、设计、思考、规划、学习和问题求解等思维活动。
13 13
大师眼中的人工智能
1978:□人工智能是那些与人的思维、 Bellman, 1978: 决策、问题求解和学习等有关活动的自动化进 程。 1985:□人工智能是一种使计算机 Haugeland, 1985: 能够思维，使机器具有智力的激动人心的新尝 试。 Charniak和McDermott, 1985： Charniak McDermott, 1985：□人工智能是 用计算模型研究智力行为。
14 14
人工智能发展进程
1990□人工智能是一门通过计算过程，力 Schalkoff, 1990 图理解和模仿智能行为的学科。 Rick和Knight,1991 Rick Knight,1991 □人工智能研究如何使计算机做 事，而让人过得更好。 1992□人工智能是研究那些使理解、推理和 Winston, 1992 行为成为可能的计算。 Luger和Stubblefield,1993 Stubblefield,1993□人工智能是计算机科学 Luger Stubblefield,1993 中，与智能行为的自动化有关的一个分支。
人工智能的发展是以硬件与软件为基础的，经历 了漫长的发展历程。特别是20世纪30年代和40年 代的智能界，发现了两件重要的事情：数理逻辑 和关于计算的新思想。以维纳（Wiener）、弗雷 治、罗素等为代表对发展数理逻辑学科的贡献及 丘奇(Church)、图灵和其它一些人关于计算本质 的思想，为人工智能的形成产生了重要影响。
15
15
16
16
人工智能发展进程
1956年夏季 1956年夏季，人类历史上第一次人工智能研讨会 年夏季 在美国的达特茅斯(Dartmouth)大学举行，标志 着人工智能学科的诞生。 1969年 1969年召开了第一届国际人工智能联合会议 (International Joint Conference on AI, IJCAI),此后每两年召开一次。 1970年 1970年《人工智能》国际杂志(International Journal of AI)创刊。这些对开展人工智能国际 学术活动和交流、促进人工智能的研究和发展起 到积极作用。
17 17 18
人工智能发展进程
20世纪70－80年代，知识工程的提出与专家系统的成功 20世纪70－80年代，知识工程的提出与专家系统的成功 世纪70 年代 的提出与专家系统 应用，确定了知识在人工智能中的地位。 应用，确定了知识在人工智能中的地位。 近十多年来，机器学习、计算智能、人工神经网络等和 近十多年来，机器学习、计算智能、人工神经网络等和 行为主义的研究深入开展 形成高潮。同时， 的研究深入开展， 行为主义的研究深入开展，形成高潮。同时，不同人工 智能学派间的争论也非常热烈。 智能学派间的争论也非常热烈。这些都推动人工智能研 究的进一步发展。 究的进一步发展。
18
人工智能（AI）的基础
哲学：标出了AI的大部分重要思想 数学：使AI成为一门规范科学 神经科学：网络，并行处理… 大脑是如何处理信息的？ 心理学：认知理论 计算机工程：AI的“载体” 语言学：知识表示、语法
19 20
人类智能与人工智能
人的心理活动具有不同的层次，它可以与计 算机的层次相比较，见下图
20
人类智能与人工智能
人，是一种智能信息处理系统。 □ 信息处理系统又可以看成是一种符号操作系统（Symbol Operation System），或物理符号系统（Physical Symbol System）； □ 符号，就是模式（Pattern）。 物理符号系统的六种基本功能（Functions）： □输入符号——Input Input； Input □ □输出符号——Output Output； Output Storage； □存储符号——Storage Storage □复制符号——Copy Copy； Copy □建立符号结构：通过找出各个符号之间的关系，在符号系统中形成一 种结构，即：符号结构（Symbol Structure）； Symbol Structure □条件性迁移（Conditional transformation Conditional transformation）：根据已有符号，完成 活动过程，即某种形式的推理过程。
物理符号系统的假设
假设 任何一个系统，如果它能表现出智能，那么它 就必定能够执行上述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；这种智能指的是人类所具有的那种智能。 把这个假设称为物理符号系统的假设
21
21
22
22
物理符号系统的3个推论
推论一 □ 既然人具有智能，那么他（她）一定是一个物理符号 系统. □ 解释：人之所以能够表现出智能，就是基于他的信息 处理过程。 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。 □ 解释：计算机是一个信息处理系统；这是人工智能 的基本条件。 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，那么就能够用计算机来模拟人的活动。
23 23
认知行为的不同层次
认知生理学 研究认知行为的生理过程；主要研究人的神经系统（神经 元、中枢神经系统和大脑）的活动；是认知科学研究的底 层。 认知心理学 研究认知行为的心理活动；主要研究人的思维策略；是认 知科学研究的顶层。 认知信息学 研究人的认知行为在人体内的初级信息处理；主要研究人 的认知行为如何通过初级信息自然处理，由生理活动变为 心理活动及其逆过程，即由心理活动变为生理行为；这是 认知活动的中间层，承上启下。
24
24
人类智能的计算机模拟
认知工程学 研究认知行为的信息加工处理；主要研究如何通过 以计算机为中心的人工信息处理系统，对人的各种 认知行为（如知觉、思维、记忆、语言、学习、理 解、推理、识别等）进行信息处理；这是研究认知 科学和认知行为的工具，成为现代认知心理学和现 代认知生理学的重要研究手段. 机器智能可以模拟人类智能 □ 下棋□ 定理证明 语言翻译
25
25
26
26
人工智能的研究目标
近期目标□ 建造智能计算机代替人类的部分智力劳动。 远期目标□ 用自动机模仿人类的思维过程和智能行为。最终目标□ 机器智能实现生物智能的各项功能。 问题：最终目标能否实现？
人工智能的主要学派
生理学派或连接主义（Connectionism） 生理学派或连接主义 根据人脑的生理结构和工作机理，研究和实现 计算机智能。因为人脑是由神经细胞组成的神 经网络，所以该研究途径就是用人工神经元组 成的人工神经网络模型来存储信息和知识，用 神经计算（数值计算）的方法实现自学习、联 想、识别和推理功能。神经网络具有高度的并 行分布性。 采用这种研究途径称为生理学派或连接主义。
27
27
28
28
逻辑学派或符号主义（Symbolicism） 逻辑学派或符号主义 模拟人脑的逻辑思维， 模拟人脑的逻辑思维，将问题和知识表示成 某种逻辑网络 采用符号推演的方法， 逻辑网络， 符号推演的方法 某种逻辑网络，采用符号推演的方法，实现 搜索、推理、学习等功能 等功能。 搜索、推理、学习等功能。这种方法目前还 在使用， 在使用，人工智能研究中的很多成果都是用 该方法取得的，如定理证明，自动推理， 该方法取得的，如定理证明，自动推理，专 家系统、博弈系统等。 家系统、博弈系统等。 采用这种方法的研究者称为心理学派 心理学派或 采用这种方法的研究者称为心理学派或逻辑 学派或符号主义。 学派或符号主义。
29 29 30
控制论学派或行为主义（Actionism） 控制论学派或行为主义 模拟人在控制过程中的智能活动和行为特性 自寻优，自适应，自学习），强调“现场AI” ），强调 现场AI （自寻优，自适应，自学习），强调 现场AI AI）即智能系统或智能机器能与环 （situated AI）即智能系统或智能机器能与环 境交互，能对环境进行感知从而 从而表现出智能行 境交互，能对环境进行感知从而表现出智能行 为。 这种方法的研究者称为行为主义 行为主义、 这种方法的研究者称为行为主义、进化主义或 控制论学派。代表人物是MIT Brooks教授 MIT的 教授， 控制论学派。代表人物是MIT的Brooks教授，其 著名试验是“六足机器虫 六足机器虫”。 著名试验是 六足机器虫 。
30
人工智能的基本技术
知识表示（Knowledge Representation Knowledge Representation） □状态空间法、问题归约法、谓词逻辑法… 推理搜索（Searching & Reasoning Reasoning） Searching 启发式搜索、消解原理、不确定性推理… 计算智能（Computational Intelligence Computational Intelligence） 模糊计算、神经计算、进化计算… 构成技术（系统与语言） 产生式系统、LISP LISP语言、Prolog Prolog语言… LISP Prolog
31 31 32
人工智能的研究领域
自然语言理解 是计算机对人类的书面和口头形式的自然 语言信息进行处理加工的技术,涉及语言学, 语言信息进行处理加工的技术,涉及语言学, 数学和计算机科学等多学科知识领域. 数学和计算机科学等多学科知识领域. 其主要任务是建立各种自然语言处理系统, 其主要任务是建立各种自然语言处理系统, 文字(语音)自动识别系统,电子词典, 如: 文字(语音)自动识别系统,电子词典,机 器翻译,自动索引系统等. 器翻译,自动索引系统等.
32
模式识别
模式识别是指用计算机代替人类或帮助人 类感知模式， 类感知模式，是对人类感知外界功能的模 研究的是计算机模式识别系统， 拟，研究的是计算机模式识别系统，也就 是使一个计算机系统具有模拟人类通过感 官接受外界信息、 官接受外界信息、识别和理解周围环境的 感知能力 其已在医学图象,指纹识别 天气预报,汽车牌 指纹识别,天气预报 其已在医学图象 指纹识别 天气预报 汽车牌 照识别中广泛应用. 照识别中广泛应用
33 33 34
计算机视觉
机器视觉或计算机视觉是一种用计算机实现 (或模拟)人的视觉功能，对客观外界进行感 知和理解的技术。它是在图像处理和模式识 别技术基础上发展起来的一门新兴的学科分 支，其主要目的就是用机器识别客观外界景 物，即从外界获得二维图像，抽取其特征(如 形状、位置、大小、灰度、颜色、纹理等)构 成本征描述，然后与已知物体的描述相匹 配，从而辨认出所描述的物体。
34
专家系统
专家系统是一个具有大量专门知识和经验的程序系 统，它应用于人工智能技术，根据某个领域中一个或 多个人类专家提供的知识和经验进行推理和判断，模 拟人类专家的决策过程，以解决那些需要专家决定的 复杂问题。
机器学习(Machine 机器学习(Machine Learning)
所谓机器学习，就是要使计算机能模拟人的 学习行为，自动地通过学习获取知识和技能， 不断改善性能，实现自我完善。机器学习就是 计算机自动获取知识，它是知识工程的三个分 支（使用知识、知识表示、获取知识）之一
35
35
36
36
神经网络
也称神经计算,是指一类计算模型,其工作原理 模仿了人类大脑的某些工作机制,其利用大量人 工神经元组成一个大网络,来实现大规模并行运 算. 神经网络已在模式识别、图象处理、组合优化、 自动控制、信息处理、机器人学和人工智能的 其它领域获得日益广泛的应用
学习系统的基本结构
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。在具体的应用中，环境，知识库和执 行部分决定了具体的工作内容，学习部分所需要解决的 问题完全由上述3部分确定。
37 37 38
38
计算智能与进化计算
计算智能(Computing Intelligence)涉及神经计算 涉及神经计算、 计算智能(Computing Intelligence)涉及神经计算、模 糊计算、进化计算等研究领域。 糊计算、进化计算等研究领域。 进化计算(Evolutionary Computation)是指一类以达尔 进化计算(Evolutionary Computation)是指一类以达尔 文进化论为依据来设计、 文进化论为依据来设计、控制和优化人工系统的技术和 遗传算法(Genetic Algorithms)、 方法的总称，它包括遗传算法 方法的总称，它包括遗传算法(Genetic Algorithms)、 进化策略( Strategies)和 进化策略(Evolutionary Strategies)和进化规划 Programming)。 (Evolutionary Programming)。
遗传算法框图
39 39 40 40
人工免疫系统
生物体是一个复杂的大系统， 生物体是一个复杂的大系统，其信息处理功 能是由时间和空间尺寸相异的三个子系统完 成的， 成的，即：脑神经系统、免疫系统 内分泌 脑神经系统 免疫系统和内分泌 系统 人工免疫系统指应用于人工智能领域的免疫 机理和由此而形成的可用于解决复杂问题的 方法和理论，即计算机实现的数字化免疫计 算系统。
41 41 42
数据挖掘与知识发现
数据挖掘和知识发现是20世纪90年代初期新崛起 的一个活跃的研究领域。在数据库基础上实现的 知识发现系统。通过综合运用统计学、粗糙集、 模糊数学、机器学习和专家系统等多种学习手段 和方法，从大量的数据中提炼抽象的知识，从而 揭示出蕴涵在这些数据背后的客观世界的内在联 系和本质规律，实现知识的自动获取，这是一个 富有挑战性的、并具有广阔应用前景的研究课题。
42
其他研究领域
智能控制 智能检索智能调度与指挥 分布式人工智能与Agent Agent 人工生命 系统与语言工具
课程教学基本要求
1.了解人工智能的发展历史、研究现状及发展过程 中的几个研究途径； 2.掌握智能和人工智能的基本概念；理解自然智能 与机器智能的联系与区别； 3.理解知识以及知识表示的概念，掌握典型的知识 表示方法包括状态空间法、问题归约法、谓词逻辑 法、语义网络法以及框架表示等； 4.熟悉和理解推理及搜索的基本概念，掌握典型的 盲目搜索方法和启发式搜索以及最新发展的高级搜 索技术；
43 44 44
43
课程教学基本要求
5.熟悉和掌握计算智能中几个重要的分支，其 中包括人工神经网络概念、理解利用简单的人 工神经网络进行学习和推理；熟悉和掌握进化 计算的基本概念以及基本算法并实现之； 6.理解人工智能的几个重要应用的领域如机器 学习、专家系统，熟悉各自的新进展； 7.熟悉人工智能的争论及理论研究以及中国的 人工智能理论研究现状。
本章小结
本章首先讨论了人工智能的基本概念、 本章首先讨论了人工智能的基本概念、发展过程及它 的研究内容和途径，最后介绍了人工智能的研究领域。 的研究内容和途径，最后介绍了人工智能的研究领域。 希望大家通过对这一章的学习， 希望大家通过对这一章的学习，对人工智能这着门课 有一个初步的了解。 有一个初步的了解。
45
45
46
46
智慧树知到《人工智能基础》章节测试答案 第一章 1、第一个击败人类职业围棋选手、第一个战胜世界围棋冠军的人工智能机器人是由谷歌公司开发的（）。 A.AlphaGo B.AlphaGood C.AlphaFun D.Alpha 答案: AlphaGo 2、无需棋谱即可自学围棋的人工智能是（） A.AlphaGo Fan B.AlphaGo Lee C.AlphaGo Master D.AlphaGo Zero 答案: AlphaGo Zero 3、世界上第一次正式的AI会议于（）年召开，John McCarthy 正式提出“Artificial Intelligence”这一术语 A.1954 B.1955 C.1956 D.1957 答案: 1956 4、以下哪些不是人工智能概念的正确表述（）
A.人工智能是为了开发一类计算机使之能够完成通常由人类所能做的事 B.人工智能是研究和构建在给定环境下表现良好的智能体程序 C.人工智能是通过机器或软件展现的智能 D.人工智能将其定义为人类智能体的研究 答案: 人工智能将其定义为人类智能体的研究 5、下面不属于人工智能研究基本内容的是（）。 A.机器感知 B.机器学习 C.自动化 D.机器思维 答案: 自动化 6、人工智能是研究、开发用于模拟、延伸和扩展人的（）的理论、方法、技术及应用系统的一门新的技术科学。 A.智能 B.行为 C.语言 D.计算能力 答案: 智能 7、图灵测试的含义是（） A.图灵测试是测试人在与被测试者(一个人和一台机器)隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。 B.所谓的图灵测试就是指一个抽象的机器，它有一条无限长的纸带，纸带分成了一个一个的小方格，每个方格有不同的颜色。有一个机器头在纸带上移来移去。机器头有一组内部状态，还有一些固定的程序。
附件：“图神经网络与知识图谱”课程大纲 第一天19:00-21:00第一章：人工智能与深度学习基础 1.1卷积神经网络结构； 1.2池化； 1.3激活函数； 1.4反向传播； 1.5AlexNet、VGGNet、ResNet、GoogleLeNet等算法简介1.6决策树和随机森林 1.7卷积核与特征提取； 1.8卷积神经网络调参经验分享； 1.9Tf.keras核心高阶API； 1.10Tf.data输入模块； 第二天19:00-21:00第二章：深度学习发展热点 2.1生成对抗网络GAN； 2.2生成与判别； 2.3GAN对抗生成神经网络算法介绍； 2.4代码和案例实践： 图片生成、看图说话， 对抗生成神经网络调参经验分享2.5强化学习RL； 2.6强化学习基础、算法介绍 2.7实例： 基于增强学习的游戏学习 DQN的实现 第三天19:00-21:00第三章:图神经网络 3.1图神经网络(Graph Neural Network) 3.2不动点理论、模型学习、GNN与RNN、GNN的局限3.3门控图神经网络(Gated Graph Neural Network) 3.4状态更新、GNN与GGNN 3.5实例: 到达判断 语义解析 3.6图卷积 3.7图卷积框架 3.8实例: 掷骰子问题 第四章:图神经网络
第四天19:00-21:004.1空域卷积(Spatial Convolution) 4.2消息传递网络、图采样与聚合、图结构序列化 4.3频域卷积(Spectral Convolution) 4.4基础简介：图上的傅里叶变换 4.5频域卷积网络、切比雪夫网络 4.6图读出操作(ReadOut) 4.7基于统计的方法 4.8基于学习的方法： 采样加全连接、全局结点、可微池化、其他方法； 第五天19:00-21:00第五章:知识图谱 5.1知识图谱基础—知识表示与建模 5.2知识表示框架、数据模型设计方法 5.3金融企业数据主题域设计—企业风险知识图谱 5.4知识图谱核心技术：知识源数据的获取 5.5结构化数据的获取、非结构化数据的获取、将mysql数 据导出为图谱源数据 5.6案例实战： 股票吧信息爬取 使用爬虫获取企业法人等信息 获取企业风险知识图谱源数据 5.7知识图谱核心技术：知识抽取 5.8实体抽取技术、关系抽取技术、事件抽取技术 5.9案例实战： 使用hanlp抽取法人名称 企业名称等信息 使用TextRank算法完成知识抽取 使用句法依存算法关系抽取 基于模板完成事件抽取； 第六天19:00-21:00第六章:知识图谱 6.1知识图谱核心技术：知识融合 6.2知识融合概述，实体统一、实体消歧、知识合并6.3案例实战： 使用jieba完成公司名的实体统一 使用tf-idf完成实体消歧 6.4知识图谱核心技术：知识加工和存储 6.5知识加工概述，本体构建，知识推理 6.6知识存储常用数据库，图数据库neo4j 6.7实战操作：使用neo4j工具导入知识图谱 案例1：使用neo4j从零搭建简单的金融知识图谱案例2：基于金融知识图谱的问答机器人 案例3：基于法律领域的知识图谱
计算机基础知识练习题 一．单选题： 1、计算机的应用领域是（D）。 A. 人工自能 B. 过程控制 C. 信息处理 D.数值计算 2、第二代计算机的主要电子逻辑元件是（B）。 A. 电子管 B. 晶体管 C. 集成电路 D.运算器 3、下列不是计算机应用主要领域的是（A）。 A. 文字处理 B. 科学计算 C. 辅助设计 D.数据处理 4、用计算机进行资料检索工作属于计算机应用中的（A）。 A. 数据处理 B. 科学计算 C. 实时控制 D.人工智能 5、功能最强大，计算精度最高的计算机类型是（D）。 A. 大型机 B. 微型机 C. 小型机 D.巨型机 6、电脑笔记本属于（A）。 A.微型机 B.小型机 C.大型机 D.巨型机 7、在计算机中，一个字节是有（C）二进制码表示。
A.4 B.2 C.8 D.16 8、十进制数130转换成对应的二进制数位（A）。 A.10000010 B.10000011 C.10000110 D.10000000 9、下列4个字符中，ASCII码值最小的是（A）。 A.B B.b C.N D.g 10、十进制数1025转换成对应的二进制数位（A ）。 A.10000000001 B.10000000000 C.10000000011 D.11000000001 11、8位字长的计算机可以表示的无符号整数的最大值是（C ）。28-1 A.8 B.16 C.255 D.256 12、下列使用不同数值表示的数中，数值最大的是（A ）。 A.二进制11011101 B.八进制334 C.十进制219 D.十六进制DA 13、目前，制造计算机所用的电子器件是（D）。 A.电子管 B.晶体管 C.集成电路 D.超大规模集成电路 14、八进制计数制中，各位数的权是以（B）为底的方幂。 A.2 B.8
人工智能基础（8017）考试大纲 一、课程性质与设置目的 （一）课程性质和特点 “人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，在计算机专业本科开设《人工智能基础》课程是十分必要的。《人工智能基础》是计算机专业本科的一门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进一步学习其他专业课程。开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行相关的工作打下人工智能方面的基础。 （二）本课程的基本要求（课程总目标） 《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的一门学科。通过对本课程的学习，学生应掌握人工智能的一个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。具体要求是：学生在较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；在理解Herbrand域概念和Horn子句的基础上，应用Robinson 归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；并能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。另外，学生还应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。学生还应认识机器学习对于智能软件研制的重要性，掌握机器学习的相关概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。 （三）本课程与相关课程的联系、分工或区别 与本课程相关的课程有：离散数学、算法设计、数值分析、程序设计语言等。 离散数学中的命题逻辑、谓词逻辑、树/图、表等知识是本课程的数学基础之一。本课程中的知识表示需要利用矩阵、表、树/图、多元组等手段，因此学生前期的离散数学学习，对于本课程起到了基础作用。 -1-
绪论单元测试 1、1956年达特茅斯会议上，学者们首次提出“artificial intelligence（人工智能）”这个概念时，所确定的人工智能研究方向不包括： A:研究如何用计算机表示人类知识 B:研究智能学习的机制 C:研究人类大脑结构和智能起源 D:研究如何用计算机来模拟人类智能 答案: 【研究人类大脑结构和智能起源】 2、在现阶段，下列哪项尚未成为人工智能研究的主要方向和目标： A:研究如何用计算机模拟人类大脑的网络结构和部分功能 B:研究如何用计算机延伸和扩展人类智能 C:研究机器智能与人类智能的本质差别 D:研究如何用计算机模拟人类智能的若干功能，如会听、会看、会说 答案: 【研究机器智能与人类智能的本质差别】 3、下面哪个不是人工智能的主要研究流派？ A:符号主义 B:经验主义 C:连接主义 D:模拟主义 答案: 【模拟主义】 4、从人工智能研究流派来看，西蒙和纽厄尔提出的“逻辑理论家”方法用，应当属于： A:经验主义，行为主义 B:符号主义，连接主义
C:连接主义，经验主义 D:理性主义，符号主义 答案: 【理性主义，符号主义】 5、从人工智能研究流派来看，明斯基等人所推荐的“人工神经网络”方法用计算机模拟神经元及其连接，实现自主识别、判断，应当属于： A:理性主义，符号主义 B:符号主义，连接主义 C:经验主义，行为主义 D:连接主义，经验主义 答案: 【连接主义，经验主义】 6、“鸟飞派”指的是人类研究人工智能必须要完全符合智能现象的本质 A:错 B:对 答案: 【错】 7、人工智能受到越来越多的关注，许多国家出台了支持人工智能发展的战略计划 A:对 B:错 答案: 【对】 8、人工智能将脱离人类控制，并最终毁灭人类 A:对 B:错 答案: 【错】
第一章 绪论
主要内容：
□ □ □ □ 人工智能的定义和发展□ 人类智能和人工智能 人工智能的主要学派 人工智能的研究与应用领域
人工智能定义
人工智能（Artificial Intelligence，AI）学 科从1956年正式提出，目前已取得长足的发 展，成为一门广泛的交叉和前沿科学。 总的说来，人工智能的目的就是让计算机这台 机器能够象人一样思考。 如果希望做出一台能够思考的机器，那就必须 知道什么是思考，更进一步讲就是什么是智慧。 什么样的机器才是智慧的呢？它们能不能模仿 人类大脑的功能呢？
1
1
2
2
当计算机出现后，人类开始真正有了一个可以模 拟人类思维的工具，在以后的岁月中，无数科学 家为这个目标努力着。 现在全世界几乎所有大学的计算机系都有人在研 究这门学科，学习计算机的大学生也必须学习这 样一门课程。 在大家不懈的努力下，现在计算机似乎已经变得 十分聪明了。
“深蓝”是IBM公司生产的世界上第一台超级国 际象棋电脑。是一台超级并行处理计算机，计 算能力惊人，平均每秒可计算棋局变化2OO万步。 1997年5月，IBM公司研制的深蓝（Deep Blue） 计算机战胜了国际象棋大师卡斯帕洛夫 （Kasparov)
3
3
4
4
图灵测试（Turning Test）
1950年10月，图灵的一篇划时代论文《计算机与智能》 发表。这篇文章后来被改名为《机器能思维吗？》。 在“第一代电脑”占统治地位的时期，这篇论文甚至可 以作为“第五代电脑”和“第六代电脑”的宣言书。 图灵写道：你无法制造一台替你思考的机器，这是人 们一般会毫无疑义接受下来的老生长谈。我的论点是： 与人脑的活动方式极为相似的机器是可以制造出来的。 更有趣的是，图灵还设计了一个“图灵测试”，试图通 过让机器模仿人回答某些问题，判断它是否具备智能。
图灵测试
试图通过让机器模仿人回答某些问题，判断它是否具备 智能。图灵试验采用“问”与“答”模式，即观察者通过控 制打字机向两个试验对象通话，其中一个是人，另一个 是机器。要求观察者不断提出各种问题，从而辨别回答 者是人还是机器。
5
6
绪论单元测试 1 【单选题】(5分) 人工智能的名字是 A. AirJorden B. ArtificialIntelligence C. AllenLverson D. A-ClassIntelligence 第一章测试 1 【单选题】(5分) 第一个击败人类职业围棋选手、第一个战胜世界围棋冠军的人工智能机器人是由谷歌公司开发的（）。 A. AlphaFun B. Alpha C. AlphaGo D. AlphaGood 2 【单选题】(5分)
无需棋谱即可自学围棋的人工智能是（） A. AlphaGoFan B. AlphaGoLee C. AlphaGoMaster D. AlphaGoZero 3 【单选题】(5分) 世界上第一次正式的AI会议于（）年召开，JohnMcCarthy正式提出“ArtificialIntelligenc e”这一术语 A. 1956 B. 1954 C. 1955 D. 1957 4 【单选题】(5分) 以下哪些不是人工智能概念的正确表述（） A. 人工智能是通过机器或软件展现的智能 B. 人工智能是研究和构建在给定环境下表现良好的智能体程序 C. 人工智能将其定义为人类智能体的研究 D.
人工智能是为了开发一类计算机使之能够完成通常由人类所能做的事 5 【单选题】(5分) 下面不属于人工智能研究基本内容的是（）。 A. 机器思维 B. 机器学习 C. 自动化 D. 机器感知 6 【单选题】(5分) 人工智能是研究、开发用于模拟、延伸和扩展人的（）的理论、方法、技术及应用系统的一门新的技术科学。 A. 智能 B. 行为 C. 计算能力 D. 语言 7
智慧树知到《人工智能基础导学》章节测试 [完整答案] 智慧树知到《人工智能基础导学》章节测试答案 绪论单元测试 1、1956年达特茅斯会议上，学者们首次提出“artificial intelligence(人工智能)”这个概念时，所确定的人工智能研究方向不包括： A:研究如何用计算机表示人类知识 B:研究智能学习的机制 C:研究人类大脑结构和智能起源 D:研究如何用计算机来模拟人类智能 答案: 【研究人类大脑结构和智能起源】 2、在现阶段，下列哪项尚未成为人工智能研究的主要方向和目标： A:研究如何用计算机模拟人类大脑的网络结构和部分功能 B:研究如何用计算机延伸和扩展人类智能 C:研究机器智能与人类智能的本质差别 D:研究如何用计算机模拟人类智能的若干功能，如会听、会看、会说 答案: 【研究机器智能与人类智能的本质差别】 3、下面哪个不是人工智能的主要研究流派? A:符号主义
B:经验主义 C:连接主义 D:模拟主义 答案: 【模拟主义】 4、从人工智能研究流派来看，西蒙和纽厄尔提出的“逻辑理论家”方法用，应当属于： A:经验主义，行为主义 B:符号主义，连接主义 C:连接主义，经验主义 D:理性主义，符号主义 答案: 【理性主义，符号主义】 5、从人工智能研究流派来看，明斯基等人所推荐的“人工神经网络”方法用计算机模拟神经元及其连接，实现自主识别、判断，应当属于： A:理性主义，符号主义 B:符号主义，连接主义 C:经验主义，行为主义 D:连接主义，经验主义 答案: 【连接主义，经验主义】 6、“鸟飞派”指的是人类研究人工智能必须要完全符合智能现象的本质 A:错
一、粒子群算法 粒子群算法，也称粒子群优化算法(Particle Swarm Optimization )，缩写为PSO , 是近年来发展起来的一种新的进化算法((Evolu2tionary Algorithm - EA )。PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的交叉(Crossover)和变异(Mutation)操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。 优化问题是工业设计中经常遇到的问题，许多问题最后都可以归结为优化问题.为了解决各种各样的优化问题，人们提出了许多优化算法，比较著名的有爬山法、遗传算法等?优化问题有两个主要问题：一是要求寻找全局最小点，二是要求有较高的收敛速度.爬山法精度较高，但是易于陷入局部极小.遗传算法属于进化算法(EvolutionaryAlgorithms)的一种，它通过模仿自然界的选择与遗传的机理来寻找最优解.遗传算法有三个基本算子：选择、交叉和变异.但是遗传算法的编程实现比较复杂,首先需要对问题进行编码，找到最优解之后还需要对问题进行解码，另外三个算子的实现也有许多参数，如交叉率和变异率，并且这些参数的选择严重影响 解的品质，而目前这些参数的选择大部分是依靠经验.1995年Eberhart博士和kenn edy 博士提出了一种新的算法；粒子群优化(ParticalSwarmOptimizatio n-PSO) 算法.这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性. 粒子群优化(ParticalSwarmOptimization-PSO)算法是近年来发展起来的一种新的进化算法(Evolu2tionaryAlgorithm-EA).PSO 算法属于进化算法的一种,和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质.但是它比遗传算法规则更为简单,它没有遗传算法的交叉(Crossover) 和变异(Mutation)操作.它通过追随当前搜索到的最优值来寻找全局最优 二、遗传算法 遗传算法是计算数学中用于解决最佳化的，是进化算法的一种。进化算法最初是 借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种模拟。对于一个最优化问题，一 定数量的候选解(称为个体)的抽象表示(称为染色体)的种群向更好的解进化。传统上，解用表示(即0和1的串)，但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体(基于它们的适应度)，通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群。
《人工智能》需要掌握的基本知识和基本方法 第一章： 1.人工智能的定义：P5 人工智能是一门研究如何构造智能机器（智能计算机）或智能系统，使它能模拟、延伸、扩展人类智能的学科。 2、人工智能研究的基本内容：P10-P11 （1）知识表示 （2）机器感知 （3）机器思维 （4）机器学习 （5）机器行为 3..当前人工智能有哪些学派？（自己查资料） 答：目前人工智能的主要学派有下面三家： (1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。 (2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。 (3)行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。 4、他们对人工智能在理论上有何不同观？（自己查资料） 答：（1）认为人工智能源于数理逻辑 （2）认为人工智能源于仿生学 （3）认为人工智能源于控制论 第二章 1.掌握一阶逻辑谓词的表示方法：用于求解将谓词公式化为子句集 2.产生式系统的基本结构，各部分的功能以及主要工作过程。P38-P39 （1）规则库规则库是产生式系统求解问题的基础，其知识是否完整、一致， 表达是否准确、灵活，对知识的组织是否合理等，将直接到系统的性能。
（2）综合数据库综合数据库又称为事实库、上下文、黑板等。它是一个 用于存放问题求解过程中各种当前信息的数据结构。 （3）控制系统控制系统又称为推理机构，由一组程序组成，负责整个产生式系统的运行，实现对问题的求解。 工作过程：(a) 从规则库中选择与综合数据库中的已知事实进行匹配。 （b）匹配成功的规则可能不止一条，进行冲突消解。 （c）执行某一规则时，如果其右部是一个或多个结论，则把这些结论加入到综合数据库中：如果其右部是一个或多个操作，则执行这些操作。 （d）对于不确定性知识，在执行每一条规则时还要按一定的算法计算结论的不确定性。 （e）检查综合数据库中是否包含了最终结论，决定是否停止系统的运行。 3.框架表示的结构组成 （1）框架（frame）：一种描述所论对象（一个事物、事件或概念）属性的数据结构。 （2）一个框架由若干个被称为“槽”（slot）的结构组成，每一个槽又可根据实际情况划分为若干个“侧面”（faced）。 （3）一个槽用于描述所论对象某一方面的属性。 （4）一个侧面用于描述相应属性的一个方面。 （5）槽和侧面所具有的属性值分别被称为槽值和侧面值。 4.语义网络的基本结构组成 第三章课件里的全部例题 第一题： 5个不同颜色的房间，每间有个不同国籍的人，每人有自己喜欢的饮料，香烟和宠物，已知信息： 1.英国人住在红房间里； 2.西班牙人有一条狗； 3.挪威人住在左边第一个房间里； 4.黄房间的人在抽库尔斯牌香烟； 5.抽切斯菲尔德牌香烟的人是养了一只狐狸的人的邻居； 6.挪威人住在蓝房间隔壁；
（人工智能）人工智能基础 考试大纲
人工智能基础（8017）考试大纲 壹、课程性质和设置目的 （一）课程性质和特点 “人工智能”是21世纪计算机科学发展的主流，为了培养国家建设跨世纪的有用人才，于计算机专业本科开设《人工智能基础》课程是十分必要的。《人工智能基础》是计算机专业本科的壹门必修课程，本课程中涉及的理论、原理、方法和技术有助于学生进壹步学习其他专业课程。开设本课程的目的是培养学生软件开发的“智能”观念；掌握人工智能的基本理论、基本方法和基本技术；提高解决“智能”问题的能力，为今后的继续深造和智能系统研制，以及进行关联的工作打下人工智能方面的基础。 （二）本课程的基本要求（课程总目标） 《人工智能基础》是理论性较强，涉及知识面较广，方法和技术较复杂的壹门学科。通过对本课程的学习，学生应掌握人工智能的壹个问题和三大技术，即通用问题求解和知识表示技术、搜索技术、推理技术。具体要求是：学生于较坚实打好的人工智能数学基础（数理逻辑、概率论、模糊理论、数值分析）上，能够利用这些数学手段对确定性和不确定性的知识完成推理；于理解Herbrand域概念和Horn子句的基础上，应用Robinson归结原理进行定理证明；应掌握问题求解（GPS）的状态空间法，能应用几种主要的盲目搜索和启发式搜索算法（宽度优先、深度优先、有代价的搜索、A算法、A*算法、博弈数的极大—极小法、α―β剪枝技术）完成问题求解；且能熟悉几种重要的不确定推理方法，如确定因子法、主观Bayes方法、D—S证据理论等，利用数值分析中常用方法进行正确计算。另外，学生仍应该了解专家系统的基本概念、研究历史、系统结构、系统评价和领域应用。学生仍应认识机器学习对于智能软件研制的重要性，掌握机器学习的关联概念，机器学习的方法及其相应的学习机制，几个典型的机器学习系统的学习方法、功能和领域应用。
人工智能 第一章 1、智能（intelligence）人的智能是他们理解和学习事物的能力，或者说，智能是思考和理解能力而不是本能做事能力。 2、人工智能（学科） 人工智能研究者们认为：人工智能（学科）是计算机科学中涉及研究、设计和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仿和执行人脑的某些智力功能，并开发相关理论和技术。 3、人工智能（能力） 人工智能（能力）是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行动和问题求解等活动。 4、人工智能：就是用人工的方法在机器上实现的智能，或者说，是人们使用机器模拟人类的智能。 5、人工智能的主要学派： 符号主义：又称逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理。代表人物有纽厄尔、肖、西蒙和尼尔逊等。 连接主义：又称仿生学派或生理学派，其原理主要为神经网络及神经网络间的连接机制与学习算法。 行为主义：又称进化主义或控制论学派，其原理为控制论及感知—动作模式控制系统。6、人类认知活动具有不同的层次，它可以与计算机的层次相比较，见图
人类 计算机 认知活动的最高层级是思维策略，中间一层是初级信息处理，最低层级是生理过程，即中枢神经系统、神经元和大脑的活动，与此相对应的是计算机程序、语言和硬件。 研究认知过程的主要任务是探求高层次思维决策与初级信息处理的关系，并用计算机程序来模拟人的思维策略水平，而用计算机语言模拟人的初级信息处理过程。 7、人工智能研究目标为： 1、更好的理解人类智能，通过编写程序来模仿和检验的关人类智能的理论。 2、创造有用和程序，该程序能够执行一般需要人类专家才能实现的任务。 一般来说，人工智能的研究目标又可分为近期研究目标和远期研究目标两种。两者具有不可分割的关系，一方面，近期目标的实现为远期目标研究做好理论和技术准备，打下了必要的基础，并增强人们实现远期目标的信心。另一方面，远期目标则为近期目标指明了方向，强化了近期研究目标的战略地位。 8、人工智能研究的基本内容：（1）认知建模；（2）知识表示；（3）知识推理；（4 ）知识应
人工智能基础教程视频全集 IT行业在今后三到五年将会迎来一个高速发展期。这也就意味着会出现大量的人才缺口，尤其是具有综合能力的高端IT人才将会成为各大企业争抢的重点对象。而人工智能可谓是个从业时间越长就越挣钱的领域。人工智能基础教程视频全集值得一看。 千锋Python课程教学高手晋级视频总目录： https://www.doczj.com/doc/4316841267.html,/s/1hrXwY8k Python课程windows知识点：https://www.doczj.com/doc/4316841267.html,/s/1kVcaH3x Python课程linux知识点：https://www.doczj.com/doc/4316841267.html,/s/1i4VZh5b Python课程web知识点：https://www.doczj.com/doc/4316841267.html,/s/1jIMdU2i Python课程机器学习：https://www.doczj.com/doc/4316841267.html,/s/1o8qNB8Q 据了解，到2020 年，全球的机器人和人工智能市场规模预计将增长至1530 亿美元。仅在医疗领域，人工智能系统的市场规模预计将从2014 年6.33 亿美元增长至2021 年的60亿美元；到2020 年，5% 的经济交易将采用自动化的软件进行。
而且根据IDC预测，认知系统和AI市场（包括硬件和服务）的行业规模将达到55%的复合年增长率。IDC表示，软件应用将占据180亿美元，软件平台为50亿美元，而硬件和服务将占据240亿美元。而埃森哲则预测认为，到2020年AI市场规模将达4万亿美元，该市场将成指数级增长。 人工智能将来会怎么影响人类的生活？ 1、提高生活效率。 2、节约成本。(将来的人工成本会很高的) 3、能完成人类所不能完成的工作。 4、可以提高人类的生活质量。 这段时间，BAT在人工智能领域都卯足了劲，企图凭借人工智能领域的发展超越对方，从现实意义来说，大家纷纷看好人工智能领是基于爆发的大数据需要人工智能，物联网的产业升级急需人工智能，与商业的结合可能是所有企业的当务之急。人工智能到底在扮演什么角色? 很多人相信，人工智能是未来必将争夺的无穷宝藏，而作为普通用户来说关心的并不是宝藏，而是在这个领域的创新与发展，能否将数不胜数的智慧机器将和数十亿互联互通的智慧大脑结合在一起，帮助我们了解和改变这个世界，从而给生活带来更多的便利与快捷。
第一章绪论 1、什么是人工智能试从学科和能力两方面加以说明。 答：学科：是计算机科学中涉及研究、设计和应用智能机器的一个分支，他的近期主要目标在于研究用机器来模仿和执行人脑的某些智力功能，并开发相关理论和技术。 能力：是智能机器所执行的通常与人类智能有关的智能行为，这些智能行为涉及学习、感知、思考、理解、识别、判断、推理、证明、通信、设计、规划、行为和问题求解等活动。 2、为什么能够用机器模仿人的智能 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。 3、人工智能研究包括哪些内容这些内容的重要性如何 答：1）认识建模。认识科学是人工智能的重要理论基础，涉及非常广泛的研究课题。 2）知识表示。知识表示、知识推理和知识应用是传统人工智髓的三大核心研究内容其中，知识表示是基础，知识推理实现问題求解，而知识应用是目的。知识表示是把人类知识概念化、形式化或模型化。 3）知识推理。知识推理，包括不确定性推理和非经典推理等，似乎已是人工智能的一个永恒研究课题，仍有很多尚未发現和解决的问题值得研究。 4）知识应用。人工智能能否获得广泛应用是衡量其生命力和检验其生存力的重要标志。 5）机器感知。机器感知是机器获吹外部信息的基本途径。
人工智能入门基础 对人工智能领域来说，2016年是值得纪念的一年。不仅计算机「学」得更多更快了，我们也懂得了如何改进计算机系统。一切都在步入正轨，因此，我们正目睹着前所未有的重大进步：我们有了能用图片来讲故事的程序，有了无人驾驶汽车，甚至有了能够创作艺术的程序。如果你想要了解2016年的更多进展，请一定要读一读这篇文章。AI技术已逐步成为许多技术的核心，所以，理解一些常用术语和工作原理成为了一件很重要的事。 人工智能是什么？ 人工智能的很多进步都是新的统计模型，其中绝大多数来自于一项称作「人工神经网络」（arTIficial neural networks）的技术，简称ANN。这种技术十分粗略地模拟了人脑的结构。值得注意的是，人工神经网络和神经网络是不同的。很多人为了方便起见而把「人工神经网络」中的人工二字省略掉，这是不准确的，因为使用「人工」这个词正是为了与计算神经生物学中的神经网络相区别。以下便是真实的神经元和神经突触。 我们的ANN中有称作「神经元」的计算单元。这些人工神经元通过「突触」连接，这里的「突触」指的是权重值。这意味着，给定一个数字，一个神经元将执行某种计算（例如一个sigmoid函数），然后计算结果会被乘上一个权重。如果你的神经网络只有一层，那么加权后的结果就是该神经网络的输出值。或者，你也可以配置多层神经元，这就是深度学习的基础概念。 它们起源何处？ 人工神经网络不是一个新概念。事实上，它们过去的名字不叫神经网络，它们最早的状态和我们今天所看到的也完全不一样。20世纪60年代，我们把它称之为感知机（perceptron），是由McCulloch-Pitts神经元组成。我们甚至还有了偏差感知机。最后，人们开始创造多层感知机，也就是我们今天通常听到的人工神经网络。
课程编号：COM07043 北京理工大学2013 - 2014 学年第一学期 2011级人工智能基础期末试题A卷 班级学号姓名成绩 一、判断题（10分，每小题1分） 1.按Strong AI的观点，可以认为Google自动汽车是智能的。（?） 2.BP神经网络学习算法的优化目标是使实际输出与期望输出之间的误差平方 和最小化。（√） 3.蚁群优化算法中，每个人工蚂蚁都需要构建自己的解。（√） 4.State Space和And/Or Graph只是两种不同的问题表示方法，但其解决问题的 思路是一样的。（?） 5.Self-Organizing Feature Map(SOFM)神经网络可用于聚类。（√） 6.通过Breadth-First Search算法一定能找到最优解。（√） 7.归结演绎推理方法是一种反证法。（√） 8.Decision Tree中的非叶节点对应于属性值。（?） 9.Genetic Algorithms属于表现型进化算法。（?） 10.k-中心点聚类算法中，每个簇用其均值来代表。（?） 二、填空题（20分，每空2分） 1.从计算实质上来说，Supervised Learning 2.所有Heuristic Search方法想要解决的基本问题都是 利用启发式信息，在一个解空间中，通过探索有限数量的解来找到最优解。 3.Evolutionary Algorithms 4.将语句“所有瞎眼老鼠都没有尾巴”用First-Order Logic (FOL)来表示，可以是 ()x ()()() x→ ∧ mouse ?，将其转换为合取范式是 tailless x blind x ()()()x ? mouse∨ ∨ ?。 blind x tailless x 5.Minimum Description Length