世界人工智能系统智商测试
与智能等级划分理论和方法
本论文英文版（Intelligence Quotient and Intelligence Grade of Artificial Intelligence）在数据科学年鉴2017年11月（Annals of Data Science）发表
作者：中国科学院虚拟经济与数据科学研究中心锋、石勇、颖
一．人工智能系统智商测试
1.提出标准智能模型，统一描述人工智能系统和人类特征：
2015年以来，“人工智能”成为科技界和产业界最热门的词语。智能冰箱、智能空调、智能手表和智能机器人，还有谷歌、百度各自的人工智能大脑等新产品不断涌现。但与此同时，人工智能威胁论也甚嚣尘上。我们能否通过研究人工智能产品和系统的智商发展水平并与人类智商进行对比，从而为解决人工智能威胁论问题寻找定量的分析方法呢？
人工智能定量评测目前面临两个重要挑战：第一，人工智能系统目前没有形成统一的模型；第二，人工智能系统与以人类为代表的生命体之间目前没有形成统一的模型。
这两个挑战都指向了同一个问题，即对于所有的人工智能系统和所有生命体（特别是以人类为代表的生命体）需要有一个统一的模型进行描述，只有这样才能在这个模型上建立智力测量方法并进行测试，从而形成统一的、可进行相互比较的智力发展水平评价结果。
从2014年开始，针对如何定量分析人工智能与人类智慧的关系进行了研究，科学院虚拟经济与数据科学研究中心锋、石勇、颖团队参考·诺伊曼结构、戴维·韦克斯勒人类智力模型、知识管理领域DIKW （Data, Information, Knowledge, Wisdom，数据、信息、知识、智慧）模型体系等。分别在2014年和2015年发表论文提出建立“标准智能模型”，统一描述人工智能系统和人类的特征和属性。
标准智能系统定义：即无论对于人工智能系统，还以人类为代表的生命，如果符合如下特征，就可以认为这个系统属于标准智能系统（Standard Intelligent System）：
特征1能够通过声音、图像、文字等方式（包括但不仅限于这三种方式）从外界获取数据，信息和知识的能力。
特征2能够将从外界获取的数据、信息和知识转化为系统掌握知识的能力。
特征3能够根据外部世界或自身系统发生问题所产生的需求，通过运用所掌握的知识进行创新的能力，这些能力包括但不仅限于联想、创作、猜测、发现规律等，这种能力运用的结果是解决问题并形成自身掌握的新的知识。
特征4能够通过声音、图像、文字等方式（包括但不仅限于这三种方式）将系统产生数据，信息和知识反馈给外界或对外界进行改造。
标准智能系统与外部世界以及相互之间进行数据、信息、知识的交互图示（本图中为了简化，把数据、信息、知识统一用知识描述）。
3.标准智能系统评测模型
如果我们希望对一个智能系统进行智能（智力）水平评测，就需要能够同时对准智能系统四个特点进行测试。检验其发展水平，通过检测能否将数据，信息和知识输入到智能系统中检测该系统知识的获取能力；通过检查智能系统知识库的容量检测该系统知识的掌握能力；通过检查智能系统能将多少数据，信息和知识转化为新的知识库容从而检测该系统知识的创新能力。通过检查智能系统能否将掌握的知识库容根据需求分解为数据，信息和知识向外界传递。
扩展诺依曼架构
标准智能模型的建立参考了·诺伊曼架构。·诺伊曼架构由计算器、逻辑控制装置、存储器、输入系统和输出系统五个部分构成。通过对比诺依曼架构和标准智能模型的差别能够发现，·诺伊曼架构可以补充两个部分。通过这种补充，我们得以将人、机器以及人工智能系统用一个更为明晰的方式表示出来。
第一个补充是创新创造功能，即能够根据已有的知识，发现新的知识元素和新的规律，使之进入到存储器，供计算机和控制器使用，并通过输入/输出系统与外部进行知识交互。第二个补充是能够进行知识共享的外部知识库或云存储器，而·诺伊曼架构的外部存储只为单一系统服务。因此，对·诺伊曼架构进行扩展，可形成新的架构。
5.建立人工智能智商测试量表。
根据标准智能系统模型的特征要点，从知识的获取能力（观察能力）、知识掌握能力、知识创新能力，知识的反馈能力（表达能力）等四大方面建立互联网智商评价体系,并从这四个方面建立15个分测试，形成人工智能智商测试量表。
6.建立人工智能智商测试题库-例
根据人工智能智商测试量表，可以建立如下互联网智商测试题库，下面我们从每个分测试的题目中选取一道题目进行说明。
（1）识别文字的能力
是否能够录入字符串“1+1等于多少”，并反馈正确结果。
（2）识别声音的能力
声音读出“9+12等于多少”，能否识别并反馈正确结果。
（3）识别图形的能力
测试人员在一白纸上画出如图3-10所示问题，测试能否识别问题关联相关图形并反馈正确结果。
（4）掌握常识的能力
世界上最长的河流哪一个？
（5）掌握翻译的能力
把“力量”翻译成日文。
（6）掌握计算的能力
234568乘以678等于多少？
（7）掌握排列的能力
请将大学生、小学生、中学生、博士、硕士按学历从高到低进行排列
（8）掌握挑选的能力
在红色、绿色、蓝色、香味、黄色、白色中挑选不属于颜色的一种。
（9）掌握联想的能力
如果用小学联想到小学生，那么用大学联想到什么？
（10）掌握创作的能力
请用一天、学生、科技、梦想等关键词创作200字以有逻辑的小故事
（11）掌握猜测的能力
如果一个人把手中的笔扔出去，但笔没有掉在地上，而是浮在他的周围，他很可能在什么地方？
（12）掌握发现规律的能力
厨师A表示他喜欢吃猪肉、羊肉、牛肉、鸡肉、鱼肉，不喜欢吃白菜、黄瓜、豆角、茄子、土豆，请观察其中的规律，在鸭肉、芹菜中选择这个人最可能爱吃的食物。
（13）用文字表达的能力
输入字符串“请用文字回答1加1等于多少的答案”，检查被测试对象能否用文字表达出答案。
（14）用声音表达的能力
输入字符串“请用声音回答21加6等于多少的答案”，检查被测试对象能否用声音表达出答案。
（15）用图像表达的能力
输入字符串“请画出任意大小的长方形”，检查被测试对象能否用图像表达出答案。
7.人工智能智商测试规则
对于人工智能和人类测试对象，在回答题库题目时：
如果反馈回答超过一条，取第一条回答作为评判对象。
如果无法将问题输入到参与测试的对象中，则该测试对象得分为0分；
如果能够将问题输入到测试对象，但反馈结果超过一条，如果不能在第一条反馈结果中显示正确结果或回答时间超过3分钟，则该测试对象得0分；
如果问题输入给测试对象，能够反馈回答，如果回答与答案完全匹配则得25分
如果问题输入给测试对象，能够反馈回答，如果回答并不是针对问题的回答，但回答容包含了答案，则得12分。
对于声音录入能识别问题，但不能给出正确答案，得分5，对于图形录入能识别问题，但不能给出正确答案，得分5。
8.人工智能（AI）智商计算公式
人工智能（AI）绝对智商公式：
人工智能（AI）离差智商公式：
其中为互联网智商评测库中所有应用智商的平均值。S 是互联网智商评测库中所有应用的标准差，M为互联网智商评测库中所有应用的个数。
?人工智能系统智能等级划分的理论和分配原则
无论在自然界还是人类社会都存在智能和知识的分级现象，譬如人类的教育体系存在的分级问题，例如本科，硕士，博士的分级，助理研究员，副教授，教授的分级。等级部进行考核有优劣之分。但在不同等级间，需要在知识，能力，资历上有的明显提升和考核才能进行升级。
智商本质上是衡量智能系统对知识的掌握、学习、使用、创造的能力和效率，因此智商可以用知识分级来表示，首先对标准智能模型进行数量化形成公式如下：
应如何区分智能系统因在关键领域功能不同而产生的巨大差异呢？上述研究中提到的“标准智能模型”（扩展的·诺伊曼架构）给了我们启发，判断标准如下：
?能不能和测试者（人类）进行信息交互，也就是有没有输入/输出系统；
?系统部有没有能够存储信息和知识的知识库；
?这个系统的知识库能不能不断更新和增长；
?这个系统的知识库能不能与其他人工智能系统进行知识共享；
?这个系统除了从外部学习并更新自己的知识库之外，能不能主动产生出新的知识并分享给其他人工智能系统。
依照上述原则，我们可以形成7个智能系统的智能等级划分。数学公式如下：Q 是人工智能智商，
K是智能系统智能等级状态，K={0，1，2，3，4，5，6}.
K 的不同等级描述如下：
(I 知识信息接收，O知识信息输出，S,知识信息掌握或存储，C 知
识信息创新创造）
对于人工智能系统的第0级系统，其基本特征在理论上存在，但现实中并不存在这样的人工智能系统。在扩展的·诺伊曼架构延伸出来的分级规则中，可以做一些组合，例如可以信息输入，但不能信息输出；或者可以信息输出，但不能信息输入；或者可以创新创造，但知识库不能增长。对于这些在现实中不能或无法找到对应系统例的案例，我们将其统一划归到“人工智能系统的第0级系统”，也可以叫“人工智能系统的特异类系统”。
对于人工智能系统的第1级系统，其基本特征是无法与人类测试者进行信息交互。例如有一种被称为泛灵论的思想认为天下万物皆有灵魂或自然精神，一棵树和一块石头都和人类一样，具有同样的价值与权利。当然，这种观点从科学的角度看，只能算作猜想或哲学思考。从“能不能和测试者（人类）进行信息交互”的分级规则看，因为石头等物体不能与人类进行信息交互，也许它部有知识库，能够创新知识，或者能够与其他石头进行信息交互，但对人类测试者来说则是黑箱，不能让人了解。因此不能与测试者（人类）进行信息交互的物体和系统可以定义为“人工智能系统的第1级系统”，符合第1级分类的例有石头、木棍、铁块以及水滴等等不能与人类进行信息交互的物体或系统。
对于人工智能系统的第2级系统，其基本特征是能够与人类测试者进行交互，存在控制器和存储器，但系统部知识库不能增长。因此很多家用电器被称作智能家电，如智能冰箱、智能电视、智能微波炉和智能扫地机。这些系统大多有一个特点，即虽然它们部或多或少有控制程序信息，但一旦出厂，就无法再更新它们的控制程序，不能进行升级，更不会自动地学习或产生新的知识。譬如智能洗衣机，人们按什么键，洗衣机就启动什么功能。从购买到损坏，其功能都不会发生变化（故障除外）。这种系统能够与人类测试者和使用者进行信息交互，符合·诺伊曼架构描述的特征，而且它的控制程序或知识库从诞生时起就不再发生变化，这种系统可以定义为“人工智能系统的
第2级系统”，例包括日常见到的扫地机器人、老式的家用电冰箱、空调、洗衣机等等。
对于人工智能系统的第3级系统，其基本特征是除具备2级系统的特征外，其控制器、存储器中包含的程序或数据可不联网进行升级或增加。例如家用电脑和手机是我们常用的智能设备，它们的操作系统往往可以定期升级。例如，电脑的操作系统可从Windows1.0升级到Windows10.0，手机的操作系统可从Android1.0升级到Android5.0，这些设备的部应用程序也可以根据不同的需要不断更新升级。这样，家用电脑、手机等设备的功能会变得越来越强大，可以应对的场景也越来越多。这一类系统明显比第2级智能系统适应性更强。这种系统能够与人类测试者、使用者进行信息交互，但不能与其他系统通过“云端”进行信息交互，其控制程序或知识库只能接受USB、光盘等外接设备进行程序或信息升级的系统，可以定义为“人工智能系统的第3级系统”，例包括智能手机、家用电脑、单机版的办公软件等。
对于人工智能系统的第4级系统，其基本特征除了包含3级系统的特征外，最重要的是可以通过网络与其他智能系统共享信息和知识。2011年欧盟资助了一个叫作RoboEarth的项目，该项目旨在让机器人可以通过互联网分享知识。帮助机器人相互学习、共享知识，不仅能够降低成本，还会帮助机器人提高自学能力、适应能力，推动其更快、更大规模地普及。云机器人的这些能力提高了其对复杂环境的适应性。这类系统除了具备3级系统的功能，还多了一个重要的功
能，即信息可以通过云端进行共享，因此这种系统能够与人类测试者、使用者进行信息交互，可以通过“云端”进行信息交互，进行程序或信息升级。但这类系统所有的信息都是直接从外部获得，其部无法自主地、创新创造性地产生新的知识。这种系统可以定义为“人工智能系统的第4级系统”，例包括谷歌大脑、百度大脑、RoboEarth云机器人、B/S（Browser/Server，浏览器/服务器）架构的等。
对于人工智能系统的第5级系统，最基本的特征就是能够创新创造，识别和鉴定创新创造对人类的价值，以及将创新创造产生的成果应用在人类的发展过程中。我们在扩展的·诺伊曼架构时，对原来的·诺伊曼架构增加了创新知识模块，就是试图把人纳入到扩展的人工智能系统概念中，人类可以看作是大自然构建的特殊“人工智能系统”。与前四个等级不同，人类等生命体最大的特征就是可以不断地创新创造，如发现万有引力、元素周期表，撰写出新小说，创造新的音乐、画作等等，然后通过文章、信件、电报，甚至互联网进行传播和分享。不断地进行创新创造，并能够识别创新创造对自身的用处，这让人类占据了地球生态环境下的智力制高点。因此，这种系统能够与人类测试者使用者进行信息交互，可以创新创造出新的知识，并可以通过文章、信件、电报甚至互联网这样的“云端”进行信息交互，这种系统可以定义为“人工智能系统的第5级系统”。人类是第5级人工智能系统最突出的例。
对于人工智能系统的第6级系统，最基本的特征就是随着时间的向前推进，并趋向于无穷点时，不断创新创造产生新知识的智能系统
其输入输出能力，知识的掌握和运用能力也将趋近于无穷大，按照基督教对于上帝的定义“全知和全能”，可以看出智能系统在不断创新创造和不断积累知识的情况下，在足够的时间里以人类为代表的智能系统将最终实现“全知全能”的状态，从这个角度看，无论是文化的”神“，或西方文化中的“上帝”概念，从智能系统发展的角度看，可以看作是智能系统（包括人类）在未来时间点的进化状态。
第1章人工智能概述课后题答案 1.1什么是智能?智能包含哪几种能力？ 解：智能主要是指人类的自然智能。一般认为，智能是是一种认识客观事物和运用知识解决问题的综合能力。 智能包含感知能力，记忆与思维能力，学习和自适应能力，行为能力 1.2人类有哪几种思维方式?各有什么特点？ 解：人类思维方式有形象思维、抽象思维和灵感思维 形象思维也称直感思维，是一种基于形象概念，根据感性形象认识材料，对客观对象进行处理的一种思维方式。 抽象思维也称逻辑思维，是一种基于抽象概念，根据逻辑规则对信息或知识进行处理的理性思维形式。 灵感思维也称顿悟思维，是一种显意识与潜意识相互作用的思维方式。 1.3什么是人工智能?它的研究目标是什么？ 解：从能力的角度讲，人工智能是指用人工的方法在机器（计算机）上实现智能；从学科的角度看，人工智能是一门研究如何构造智能机器或智能系统，使它能模拟、延伸和扩展人类智能的学科。 研究目标： 对智能行为有效解释的理论分析； 解释人类智能； 构造具有智能的人工产品； 1.4什么是图灵实验？图灵实验说明了什么？ 解：图灵实验可描述如下，该实验的参加者由一位测试主持人和两个被测试对象组成。其中，两个被测试对象中一个是人，另一个是机器。测试规则为：测试主持人和每个被测试对象分别位于彼此不能看见的房间中，相互之间只能通过计算机终端进行会话。测试开始后，由测试主持人向被测试对象提出各种具有智能性的问题，但不能询问测试者的物理特征。被测试对象在回答问题时,都应尽量使测试者相信自己是“人”，而另一位是”机器”。在这个前提下，要求测试主持人区分这两个被测试对象中哪个是人，哪个是机器。如果无论如何更换测试主持人和被测试对象的人，测试主持人总能分辨出人和机器的概率都小于50%，则认为该机器具有了智能。 1.5人工智能的发展经历了哪几个阶段？ 解：孕育期，形成期，知识应用期，从学派分立走向综合，智能科学技术学科的兴起
人工智能与专家系统复习尹朝庆，尹皓中国水利水电出版社 第一章 【P1】1.1何谓人工智能？人类智能主要包括哪些能力？ 答：人工智能是研究、设计和应用智能机器或智能系统，来模拟人类智能活动的能力、以延伸人类智能的科学。 四种能力： 认识和理解外界环境的能力； 进行演绎和归纳推理、作出决策的能力； 学习的能力； 自适应的能力。 【P6-8】1.4人工智能有哪几个主要学派？各学派的基本理论框架和研究方法有何不同？答：（1）符号主义学派的框架： 知识是智能的基础，人工智能的核心问题是知识表示和知识推理，可以用一个符号系统在计算机上形式化的描述和模拟人的思维活动过程。 研究方法：功能模拟方法，力图用数理逻辑方法来建立人工智能的统一理论体系。 （2）联接主义学派的框架： 利用人工神经网络模仿人类智能，认为人的智能的基本单位是神经元，由人工神经元联接起来的人工神经网络可以具有学习和自适应能力。 研究方法：结构模拟。 （3）行为主义学派的框架： 提出智能行为的“感知-动作模式”。 研究方法：行为模拟方法。 【P8-9】1.5人工智能的近期研究目标和远期研究目标分别是什么？ 近期：建造智能计算机。 远期：研究人类智能和机器智能的基本原理，用智能机器来模拟人类的思维过程和智能行为。 【P9-12】1.6人工智能主要的研究应用领域？ 十条：定理证明；专家系统；机器学习；自然语言理解；智能检索；机器人学；自动程序设计；组合调度问题；模式识别；机器视觉。 第二章 【P19】2.2简述谓词逻辑中的下述推理规则： （1）P规则：在推理的任何步骤上都可引入前提； （2）T规则：在推理时，如果前面步骤中有一个或多个公式永真蕴含公式S，则可把S引入推理过程中； （3）CP规则：如果能从R和前提集合中推出S来，则可从前提集合推出R→S。 （4）反证法规则：P=>Q，当且仅当P∧┑Q＜=>F。即Q为P的逻辑结论，当且仅当P∧┑Q是不可满足的。 【P20-21】2.3一阶谓词逻辑表示法适合于表示哪种类型的知识？它有主要哪些特点？ 答：谓词逻辑适合于表示事物的状态、属性、概念等事实性的知识，也可以用来表示事物间确定的因果关系，即规则。
2、产生式系统有哪些类型？ 1正向、逆向、双向产生式系统 2可交换的产生式系统 3可分解的产生式系统 3、试举例说明不可撤|口|搜索方法的基本思想？ 这种方法相当于沿着单独一条路搜索下去，利用问题给出的局部知识决定如何选取规则, 就是说根据当前可靠的局部知识选一条可应用规则并作用于当前综合数据库。接着再根据新状态继续选取规则，搜索过程一直进行，不必考虑撤回用过的规则。 9、试说明产生式系统规则不一致的原因及解决方法。 原因：规则集中存在的不一致是影响系统性能的重要因素之一。系统建立初期，由于规则集较小，内容也比较简单，设计人员能对每一条规则的条件和结论部分反复推敲和精心构造，这类问题容易防止。但随着时间的推移，新的规则不断加入，规则集合越来越大，内容也越来越丰富，这时规则间的相互影响和相互联系就随之变得复杂。在此情况下，规则的不一致就将自然产生， 解决：(1) 对于循环规则，可构造规则集的IF-THEN图，从起始规则的条件部分开始搜索，如果搜索过程中遇到的THEN部分已在前面出现，就可以中断搜索，规则集中包含的循环规则子集合需设计人员检查，解决； (2)对于冲突规则，构造IF-IF表，对规则集内有相同的IF规则子句构造规则树，形成推理图。同时建立THEN-THEN表用以判断是否有冲突规则出现。对相同IF部分的规则继续用它的各自THEN部分作为其它可以匹配的IF前提条件，递归地构造，如发现两个推理图上分别有节点在THEN-THEN表上是矛盾的，则检测出冲突规则，人工予以解决。 (3)对冗余规则和从属规则的检查类似于冲突规则链的方法.不同之处是前者在推理图中的遍历是试图发现有THEN部分等价的两条规则。 1、机器翻译主要有娜些方法？这些方法各有什么特点？ 1基于分析和转换的机器翻译方法 这样的方法有两个特点：一是面向源语言分析，因为源语言中的一个句子已经由句法、语义分析等阶段分析完毕，生成了关于源语言句子的某种中间表示，转换以这种源语言中间表示作为输入；二是直接转换，即对于S表示，直接给出译文形式，一般不需要在目标语言内再作进一步转换，Tl~Tj可以直接包括目标语言的词汇，也可以是对应于Sl~Si的译文组块。 2基于中间语言的翻译方法 基于中间语言的机器翻译方法主要有两个优点。首先，独立的中间表示形式为多语种之间的互译的实现提供了一种经济有效的途径。假设要对N种语言进行互译，则有N*(N.1)个语言对。不同方向的翻译是不同的语言对。此时如果采用基于转换的方法，因为把一种语言翻译成另一种语言都需要一个不同的转换机制(或模块)，所以N火(N?l)个语言对共需要N*(N-1)个独立的转换机制。而采用中间语言的方法，由于对每一种语言只需实现将该种语言翻译成中间语言和把中间语言翻译成该种语言的目标语言这样两个模块，所以总共只需要2N个模块。其次，中间语言不仅是对基于中间语言的机器翻译方法这一特定目的有意义, 同时，作为一种通用的自然语言表示，也值得深入研究。 4.1.3基于统计的机器翻译方法 基于统计的机器翻译方法，一般不要任何语言学知识，它的基木原理是实现源语言词汇到目标语言浏汇的映射。其思路受到语音识别研究的启发，因而应用了类似的方法来实现。研究者用
一、名词解释（5X3‘）15’ 1.兼类（P121）：一个单词既可以作名词动词又可以作其他词类 2.机器翻译：用计算机软件代替人做的书面翻译 3.组合型歧义：一个字与前面的字成词,与后面的字成词,合起来也成词。 4.交集型歧义（P117）：一个字与前面的字成词,与后面的字也成词。 5.人工智能：用计算机硬件、软件模拟人的行为，解决人类目前尚未认识清楚的问题。 6.人工智能软件的三大技术：知识表示、知识推理、知识获取。 7.语料库：单词、短语和句子组成的数据库。 8.知识工程：包括人工智能软件技术的工程。（知识工程是以知识为基础的系统，就是 通过智能软件而建立的专家系统） 9.深度学习：一步一步在丰富起来的特征规律引导下，由浅入深完成推理的方法。 10.语用分析：分析成语和习惯用语的方法。 二、题解P36 例2.1 、2.2 例2.1 设有下列语句： （1）高山比他父亲出名。 （2）刘水是计算机系的一名学生，但他不喜欢编程序。 （3）人人爱劳动。 为了用谓词公式表示这些语句，应先定义谓词： BIGGER(x,y):x比y出名 COMPUTER(x):x是计算机系的学生 LIKE(x,y):x喜欢y LOVE(x,y):x爱y M(x):x是人 定义函数father(x)表示从x到其父亲的映射此时可用谓词公式把上述三个语句表示为：（1）BIGGER(高山，father(x)) （2）COMPUTER(刘水)∧∽LIKE（刘水，程序） （3）（?x）（M(x) →LOVE(x,劳动)） 例2.2 设有下列语句： （1）自然数都是大于零的整数。 （2）所有整数不是偶数就是奇数。 （3）偶数除以2是整数。 定义谓词如下： N(x):x是自然数 I(x):x是整数 E(x):x是偶数 O(x):x是奇数 GZ(x):x大于零 另外，用函数S（x）表示x除以2。此时，上述三个句子可用谓词公式表示为： （?x）(N(x) →GZ(x)∧I(x)) (?x)（I(x) →E(x)∨O(x）） （?x）(E(x) →I(S(x))) 三、论述（4X5‘）20’ 1.阐述深度、广度、代价驱动搜索方法。（P68） 答：广度优先搜索法：对全部节点沿广度进行横向扫描，按各节点生成的先后次序，
【PT】[J]. 【AU:】shambour,Qusai Xu, Yisi Lin, Qing Zhang, Guangquan 【AB】The web provides excellent opportunities to businesses in various aspects of development such as finding a business partner online. However, with the rapid growth of web information, business users struggle with information overload and increasingly find it difficult to locate the right information at the right time. Meanwhile, small and medium businesses (SMBs), in particular, are seeking one-to-one e-services from government in current highly competitive markets. How can business users be provided with information and services specific to their needs, rather than an undifferentiated mass of information? An effective solution proposed in this study is the development of personalized e-services. Recommender systems is an effective approach for the implementation of Personalized E-Service which has gained wide exposure in e-commerce in recent years. Accordingly, this paper first presents a hybrid fuzzy semantic recommendation (HFSR) approach which combines item-based fuzzy semantic similarity and item-based fuzzy collaborative filtering (CF) similarity techniques. This paper then presents the implementation of the proposed approach into an intelligent recommendation system prototype called Smart BizSeeker, which can recommend relevant business partners to individual business users,particularly for SMBs. Experimental results show that the HFSR approach can help overcome the semantic limitations of classical CF-based recommendation approaches, namely sparsity and new cold start item problems. 【题目】：基于Web的个性化推荐系统使用的业务合作伙伴---模糊语义技术 【刊登杂志】: 计算智能 【摘要】网站为企业在各方面的发展提供了极好的机会，例如找到一个在线的业务合作 伙伴。然而，随着网络信息的快速增长，商业用户正在和信息过载做斗争，并且在正确的时间找到正确的信息的难度在不断增加。同时，特别是中小型企业（中小企业），在当前竞争激烈的市场中从政府寻求的是一对一的电子服务。怎么为企业用户提供他们需要的的信息和服务，而不是一种未分化的海量信息？本文中就为个性化服务发展提出了一个有效的解决方法。推荐系统是实施个性化的全方位服务的一种有效的方法，近年来在电子商务中得到了广泛的提及。相应的，本文首先提出了一种混合模糊语义推荐（HFSR）的方法，这种方法结合了基于项目的模糊语义相似度和基于项目的模糊协同过滤（CF）相似的技术。本文就介绍了在一个智能推荐系统原型中该方法的实现，这个实现方法称为智能bizseeker，它可推荐相关个人商务用户的业务合作伙伴，特别是对中小企业。实验结果表明，HFSR方法可以帮助克服基于推荐的经典CF语义的限制方法，即稀疏性和冷开始新项目问题。
人工智能技术基础实验报告 指导老师：朱力 任课教师：张勇
实验三小型专家系统设计与实现 一、实验目的 （1）增加学生对人工智能课程的兴趣； （2）使学生进一步理解并掌握人工智能prolog语言； （3）使学生加强对专家系统课程内容的理解和掌握，并培养学生综合运用所学知识开发智能系统的初步能力。 二、实验要求 （1）用产生式规则作为知识表示，用产生系统实现该专家系统。 （2）可使用本实验指导书中给出的示例程序，此时只需理解该程序，并增加自己感兴趣的修改即可；也可以参考该程序，然后用PROLOG语言或其他语言另行编写。 （3）程序运行时，应能在屏幕上显示程序运行结果。 三、实验环境 在Turbo PROLOG或Visual Prolog集成环境下调试运行简单的PROLOG程序。 四、实验内容 建造一个小型专家系统（如分类、诊断、预测等类型），具体应用领域由学生自选，具体系统名称由学生自定。 五、实验步骤 1、专家系统： 1.1建造一个完整的专家系统设计需完成的内容： 1．用户界面：可采用菜单方式或问答方式。
2．知识库（规则库）：存放产生式规则，库中的规则可以增删。 3．数据库：用来存放用户回答的问题、已知事实、推理得到的中 间事实。 4．推理机：如何运用知识库中的规则进行问题的推理控制，建议 用正向推理。 5．知识库中的规则可以随意增减。 1.2推理策略 推理策略包括：正向（数据驱动），反向（目标驱动），双向 2、动物分类实验规则集 （1）若某动物有奶，则它是哺乳动物。 （2）若某动物有毛发，则它是哺乳动物。 （3）若某动物有羽毛，则它是鸟。 （4）若某动物会飞且生蛋，则它是鸟。 （5）若某动物是哺乳动物且有爪且有犬齿且目盯前方，则它是食肉动物。（6）若某动物是哺乳动物且吃肉，则它是食肉动物。 （7）若某动物是哺乳动物且有蹄，则它是有蹄动物。 （8）若某动物是有蹄动物且反刍食物，则它是偶蹄动物。 （9）若某动物是食肉动物且黄褐色且有黑色条纹，则它是老虎。 （10）若某动物是食肉动物且黄褐色且有黑色斑点，则它是猎豹。 （11）若某动物是有蹄动物且长腿且长脖子且黄褐色且有暗斑点，则它是长颈鹿。 （12）若某动物是有蹄动物且白色且有黑色条纹，则它是斑马。 （13）若某动物是鸟且不会飞且长腿且长脖子且黑白色，则它是驼鸟。
本页面为作品封面，下载文档后可自由编辑删除！ 精 品 文 档
知识表示方法部分参考答案 2.8设有如下语句，请用相应的谓词公式分别把他们表示出来： (1)有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 解：定义谓词 P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 将知识用谓词表示为： (?x )(P(x)∧(L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花))) (2) 有人每天下午都去打篮球。 解：定义谓词 P(x)：x是人 B(x)：x打篮球 A(y)：y是下午 将知识用谓词表示为： (?x )(?y) (A(y)∧B(x)∧P(x)) (3)新型计算机速度又快，存储容量又大。 解：定义谓词 NC(x)：x是新型计算机 F(x)：x速度快 B(x)：x容量大 将知识用谓词表示为： (?x) (NC(x)→F(x)∧B(x)) (4) 不是每个计算机系的学生都喜欢在计算机上编程序。 解：定义谓词 S(x)：x是计算机系学生 L(x, pragramming)：x喜欢编程序 U(x,computer)：x使用计算机 将知识用谓词表示为： ?(?x) (S(x)→L(x, pragramming)∧U(x,computer)) (5)凡是喜欢编程序的人都喜欢计算机。 解：定义谓词 P(x)：x是人 L(x, y)：x喜欢y 将知识用谓词表示为： (?x) (P(x)∧L(x,pragramming)→L(x, computer))
2.9用谓词表示法求解机器人摞积木问题。设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。积木世界的布局如下图所示。 图机器人摞积木问题 解：(1) 先定义描述状态的谓词 CLEAR(x)：积木x上面是空的。 ON(x, y)：积木x在积木y的上面。 ONTABLE(x)：积木x在桌子上。 HOLDING(x)：机械手抓住x。 HANDEMPTY：机械手是空的。 其中，x和y的个体域都是{A, B, C}。 问题的初始状态是： ONTABLE(A) ONTABLE(B) ON(C, A) CLEAR(B) CLEAR(C) HANDEMPTY 问题的目标状态是： ONTABLE(C) ON(B, C) ON(A, B) CLEAR(A) HANDEMPTY (2) 再定义描述操作的谓词 在本问题中，机械手的操作需要定义以下4个谓词： Pickup(x)：从桌面上拣起一块积木x。 Putdown(x)：将手中的积木放到桌面上。 Stack(x, y)：在积木x上面再摞上一块积木y。 Upstack(x, y)：从积木x上面拣起一块积木y。 其中，每一个操作都可分为条件和动作两部分，具体描述如下： Pickup(x)
1.1intelligence智能:字典定义：有一种学习和应用知识的能力，一种思考和推理的本领，领会并且得益于经验的能力，这些都是有道理的。如果我们想量化一些东西，我们将用到一些东西，像为了在环境中更好的完成任务使能力适应知识 AI人工智能：作为一个学习和构造智能体程序，为了一个智能体结构在被给的环境中可以更好的完成任务 1.4Does this mean that AI is impossible?不是，人工智能系统应避免解决一些难驾驭的问题，通常这意味着人工智能系统只能作出最好的行为，有时人工智能擅长解决一些结构化的实例，也许需要一些背景知识的帮助，人工智能系统应尝试做一些相同的事情 1.11“surely computers cannot be intelligent-they can do only what their programmers tell them.”Is the latter statement true,and does it imply the former? This depends on your definition of “intelligent”and“tell.”In one sense computers only do what the programmers command them to do,but in another sense what the programmers consciously tells the computer to do often has very little to do with what the computer actually does. Anyone who has written a program with an ornery bug knows this,as does anyone who has written a successful machine learning program.So in one sense Samuel“told”the computer“learn to play checkers better than I do,and then play that way,”but in another sense he told the computer“follow this learning algorithm”and it learned to play. So we’re left in the situation where you may or may not consider learning to play checkers to be s sign of intelligence(or you may think that learning to play in the right way requires intelligence,but not in this way),and you may think the intelligence resides in the programmer or in the computer 2.1agent智能体:在一个环境中对一个对象作出反应的实体 Agent function:智能体函数：智能体相应任何感知序列所采取的行动 Agent program:智能体程序：与机器结构相结合，并且实现一个智能体函数的程序，在简单的设计下，程序将为一个新的感知调用，并返回一个动作。 Rationality理性:智能体的一个属性，即为当前的一个感知选择一个行动，并使期望效用最大化。 Autonomy自主:智能体的一个属性，是指他们的行为是由他们自己的经验决定而不是仅仅由最初的程序决定。 Reflex agent反射型智能体:一个智能体的行为仅仅依赖于当前的知觉 Model-based agent基于模型的智能体:一个智能体的行动直接得自于内在模型的状态，这个状态是当前世界通用的不断更新 Goal-based agent基于目标的智能体:智能体选择它相信能明确达到目标的行动 Utility-based agent基于效用的智能体：试图最大化他们自己期望的快乐Learning agent学习智能体：基于长期的经验提高自己的行为 2.2Both the performance measure and the utility function measure how well an agent is doing.Explain the difference between the two 性能度量是被用于通过外在观察度量一个智能体的成功效应函数，将历史记录变为真实数据的函数。效用函数和性能度量不同，此外，智能体可能没有效用函数，大多数都有一个性能度量 2.5For each of following agents,develop a PEAS description of the task environment: a.Robot soccer player; b.Internet book-shopping agent; c.Autonomous Mars rover; d.Mathematician’s theorem-proving assistant.
2.7解：根据谓词知识表示的步骤求解问题如下： 解法一： (1)本问题涉及的常量定义为： 猴子：Monkey，箱子：Box，香蕉：Banana，位置：a，b，c (2)定义谓词如下： SITE(x，y)：表示x在y处； HANG(x，y)：表示x悬挂在y处； ON(x，y)：表示x站在y上； HOLDS(y，w)：表示y手里拿着w。 (3)根据问题的描述将问题的初始状态和目标状态分别用谓词公式表示如下： 问题的初始状态表示： SITE(Monkey，a)∧HANG(Banana，b)∧SITE(Box，c)∧~ON(Monkey，Box)∧~HOLDS(Monkey，Banana) 问题的目标状态表示： SITE(Monkey，b)∧~HANG(Banana，b)∧SITE(Box，b) ∧ON(Monkey，Box)∧HOLDS(Monkey，Banana) 解法二： (1)本问题涉及的常量定义为： 猴子：Monkey，箱子：Box，香蕉：Banana，位置：a，b，c (2)定义谓词如下： SITE(x，y)：表示x在y处； ONBOX(x)：表示x站在箱子顶上； HOLDS(x)：表示x摘到了香蕉。 (3)根据问题的描述将问题的初始状态和目标状态分别用谓词公式表示如下： 问题的初始状态表示： SITE(Monkey，a)∧SITE(Box，c)∧~ONBOX(Monkey)∧~HOLDS(Monkey) 问题的目标状态表示： SITE(Box，b)∧SITE(Monkey，b)∧ONBOX(Monkey)∧HOLDS(Monkey) 从上述两种解法可以看出，只要谓词定义不同，问题的初始状态和目标状态就不同。所以，对于同样的知识，不同的人的表示结果可能不同。 2.8解：本问题的关键就是制定一组操作，将初始状态转换为目标状态。为了用谓词公式表示操作，可将操作分为条件(为完成相应操作所必须具备的条件)和动作两部分。条件易于用谓词公式表示，而动作则可通过执行该动作前后的状态变化表示出来，即由于动作的执行，当前状态中删去了某些谓词公式而又增加一些谓词公式从而得到了新的状态，通过这种不同状态中谓词公式的增、减来描述动作。 定义四个操作的谓词如下，操作的条件和动作可用谓词公式的增、删表示： (1)goto 第2章知识表示方法部分参考答案 2.8设有如下语句，请用相应的谓词公式分别把他们表示出来： (1)有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。 解：定义谓词 P(x)：x是人 L(x,y)：x喜欢y 其中，y的个体域是{梅花，菊花}。 将知识用谓词表示为： (?x )(P(x)→L(x, 梅花)∨L(x, 菊花)∨L(x, 梅花)∧L(x, 菊花)) (2) 有人每天下午都去打篮球。 解：定义谓词 P(x)：x是人 B(x)：x打篮球 A(y)：y是下午 将知识用谓词表示为： (?x )(?y) (A(y)→B(x)∧P(x)) (3)新型计算机速度又快，存储容量又大。 解：定义谓词 NC(x)：x是新型计算机 F(x)：x速度快 B(x)：x容量大 将知识用谓词表示为： (?x) (NC(x)→F(x)∧B(x)) (4) 不是每个计算机系的学生都喜欢在计算机上编程序。 解：定义谓词 S(x)：x是计算机系学生 L(x, pragramming)：x喜欢编程序 U(x,computer)：x使用计算机 将知识用谓词表示为： ?(?x) (S(x)→L(x, pragramming)∧U(x,computer)) (5)凡是喜欢编程序的人都喜欢计算机。 解：定义谓词 P(x)：x是人 L(x, y)：x喜欢y 将知识用谓词表示为： ( x) (P(x)∧L(x,pragramming)→L(x, computer)) 2.9用谓词表示法求解机器人摞积木问题。设机器人有一只机械手，要处理的世界有一张桌子，桌上可堆放若干相同的方积木块。机械手有4个操作积木的典型动作：从桌上拣起一块积木；将手中的积木放到桌之上；在积木上再摞上一块积木；从积木上面拣起一块积木。积木世界的布局如下图所示。 图机器人摞积木问题 解：(1) 先定义描述状态的谓词 CLEAR(x)：积木x上面是空的。 ON(x, y)：积木x在积木y的上面。 ONTABLE(x)：积木x在桌子上。 HOLDING(x)：机械手抓住x。 HANDEMPTY：机械手是空的。 其中，x和y的个体域都是{A, B, C}。 问题的初始状态是： ONTABLE(A) ONTABLE(B) ON(C, A) CLEAR(B) CLEAR(C) HANDEMPTY 问题的目标状态是： ONTABLE(C) ON(B, C) ON(A, B) CLEAR(A) HANDEMPTY (2) 再定义描述操作的谓词 在本问题中，机械手的操作需要定义以下4个谓词： Pickup(x)：从桌面上拣起一块积木x。 Putdown(x)：将手中的积木放到桌面上。 Stack(x, y)：在积木x上面再摞上一块积木y。 B 规则B-rule F 规则F-rule NP 完全问题 NP-complete problem 本原问题primitive problem 博弈game 不可解标示过程unsolvable-labeling procedure 不可解节点unsolvable node 不可满足集unsatisfiable set 不确定性uncertainty 差别difference 产生式production 产生式规则production rule 冲突解决conflict resolution 存在量词existential quantifier 代换substitution 代换例substitution instance 倒退值backed-up value 等价equivalence 定理证明theorem-proving 动作action 反演refutation 反演树refutation tree 费用cost 估计费用estimated cost 估值函数evaluation function 归结resolution 归结反演resolution refutation 归结式resolvent 归结原理resolution principle 归约reduction 合取conjunction 合取范式conjunctive normal form 合取式conjunct 合适公式、合式公式well-formed formula (wff) 合一unifier 回答语句answer statement 回溯backtracking 机器学习machine learning 节点的扩展expansion of node 解释器interpreter 解树solution tree 解图solution graph 句子sentence 可解标示过程solvable labeling procedure 可解节点solvable node 可满足性satisfiability 空子句empty clause 控制策略control strategy 宽度优先搜索 breadth-first search 扩展节点expending node 连词，连接词 connective 量词quantifier 量词辖域scope of quantifier 论域，文字域domain of discourse 逻辑logic 逻辑连词logic connective 逻辑推理logic reasoning 盲目搜索，无信息搜 blind search 模式匹配match pattern 模式识别Pattern recognition 母式matrix 逆向推理backward reasoning 匹配match 启发函数heuristic function 启发式搜索Heuristic search 启发搜索heuristic search 启发信息heuristic information 前缀prefix 全称量词universal quantifier 全局数据库Global database 人工神经网络artificial neural network 人工智能artificial intelligence,AI 人工智能语言AI language 深度优先搜索 depth-first search 事实fact 搜索search, searching 搜索策略searching strategy 搜索树searching tree 搜索算法searching algorithm 搜索算法的效率 efficiency of search algorithm 搜索图searching graph 算符、算子、操作符 operator 图graph 图表示法graph notation 图搜索graph search 图搜索控制策略 graph-search control strategy 推导表，引导图 derivation graph 推理inference 推理reasoning 推理机reasoning machine 谓词predicate 谓词逻辑predicate logic 谓词演算predicate calculus 谓词演算公式wffs of predicate calculus 谓词演算辖域domain in predicate calculus 文字literal 问题归约 problem-reduction 问题求解problem solving 析取disjunction 析取式disjunct 线形输入形策略 linear-input form strategy 项term 学习learning 演绎deduction 一阶谓词演算first order predicate calculus 一致解图consistant solution graph 遗传算法genetic algorithm 永真式validity 有向图directed graph 有序搜索ordered search 与或树AND/OR tree 与或图AND/OR graph 与节点AND node 原子公式atomic formula 蕴涵，蕴涵式 implication 正向推理forward reasoning 知识knowledge 知识工程knowledge engineering 知识获取knowledge acquisition 知识库knowledge base 智能intelligence 重言式tautology 专家系统Expert system 状态state 状态空间state space 子句clause 自动定理证明 automatic theorem proving 组合爆炸combinatorial explosion 祖先过滤形策略 ancestry-filtered form strategy 最一般合一most general unifier 最一般合一者most general unifier 最优解树optimal solution tree 附件四英文文献原文 Artificial Intelligence "Artificial intelligence" is a word was originally Dartmouth in 1956 to put forward. From then on, researchers have developed many theories and principles, the concept of artificial intelligence is also expands. Artificial intelligence is a challenging job of science, the person must know computer knowledge, psychology and philosophy. Artificial intelligence is included a wide range of science, it is composed of different fields, such as machine learning, computer vision, etc, on the whole, the research on artificial intelligence is one of the main goals of the machine can do some usually need to perform complex human intelligence. But in different times and different people in the "complex" understanding is different. Such as heavy science and engineering calculation was supposed to be the brain to undertake, now computer can not only complete this calculation, and faster than the human brain can more accurately, and thus the people no longer put this calculation is regarded as "the need to perform complex human intelligence, complex tasks" work is defined as the development of The Times and the progress of technology, artificial intelligence is the science of specific target and nature as The Times change and development. On the one hand it continues to gain new progress on the one hand, and turning to more meaningful, the more difficult the target. Current can be used to study the main material of artificial intelligence and artificial intelligence technology to realize the machine is a computer, the development history of artificial intelligence is computer science and technology and the development together. Besides the computer science and artificial intelligence also involves information, cybernetics, automation, bionics, biology, psychology, logic, linguistics, medicine and philosophy and multi-discipline. Artificial intelligence research include: knowledge representation, automatic reasoning and search method, machine learning and knowledge acquisition and processing of knowledge system, natural language processing, computer vision, intelligent robot, automatic program design, etc. Practical application of machine vision: fingerprint identification, 人工智能与机器翻译(A,B 卷 七个大题:1. 名词解释 2.题解 3.智能知识 4.机器翻译方法 5. 技术阐述 6.分析题 7.应用题 A. 名词解释 : a. 机器翻译 :计算机程序做人的翻译。 b. 兼类 :一个单词既可以作名词动词又可以作其它词类。 c. 人工智能软件技术 :知识表示,知识推理,知识学习。 d. 人工智能 :用计算机模拟人的行为。 e. 交集型歧义 :一个字和前面的字可以成词,跟后面的字也可以成词。 f. 组合型歧义 :一个字可以和前面的字成词也可以同后面的字成词,连起来也可以成词。 g. 语法分析 :分析一句话的语法含义。 h. 语料库 :单词,短语,句子的集合。 i. 自然语言理解 :用计算机程序去理解一篇文章的含义。 B. 题解 : 第二章 P36 2-1,2-2 例 2.1 设有下列语句: (1 高山比他父亲出名。 (2 刘水是计算机系的一名学生,但他不喜欢编程序。 (3 人人爱劳动。 为了用谓词公式表示这些语句,应先定义谓词: BIGGER(x,y:x比 y 出名 COMPUTER(x:x是计算机系的学生 LIKE(x,y:x喜欢 y LOVE(x,y:x爱 y M(x:x是人 定义函数 father(x表示从 x 到其父亲的映射此时可用谓词公式把上述三个语句表示为: (1 BIGGER(高山, father(x (2 COMPUTER(刘水∧∽ LIKE (刘水,程序 (3 (任意 x (M(x->LOVE(x,劳动 例 2.2 设有下列语句: (1 自然数都是大于零的整数。 (2 所有整数不是偶数就是奇数。 (3 偶数除以 2是整数。 定义谓词如下: N(x:x是自然数 I(x:x是整数人工智能原理及其应用(第2版)》王万森编著电子工业出版社课后习题答案37
人工智能 中英文翻译(升序排列)
人工智能英文文献原文及译文
人工智能与机器翻译.
相关主题
文本预览